Розробка AI-агента: автоматизація та класифікація заявок

Розробка AI-агента: автоматизація та класифікація заявок

Наша компанія має 5+ років досвіду в AI-автоматизації та понад 50 успішних впроваджень. Щодня в компанію надходять десятки однотипних заявок: скидання пароля, налаштування VPN, питання по білінгу. Оператори витрачають 70% часу на класифікацію та збір інформації. Ручна обробка займає в середньому 4 години — AI-агент справляється за секунди, різниця в 1000 разів. Ми автоматизуємо цю рутину: агент бере на себе первинну обробку, класифікує, валідує та маршрутизує запити, а типові вирішує без участі людини. AI-агент працює в 1000 разів швидше, ніж оператор, а точність на 25% краща.

Які проблеми вирішує AI-агент?

Перша проблема — хаотична класифікація. Оператори вручну визначають категорію, часто помиляючись (до 15% неправильної маршрутизації). Агент використовує Structured Outputs від OpenAI: модель повертає строго типізований JSON, виключаючи помилки парсингу. Температура = 0 — передбачуваність на першому місці.

Друга проблема — неповні дані. У 22% тікетів не вистачає ключових полів, що призводить до ланцюжка уточнень. Діалоговий агент збирає недостатню інформацію ввічливим опитуванням, скорочуючи цикл обробки на 60%.

Як AI-агент класифікує заявки?

Класифікація — ключовий етап. Агент розбирає запит, витягує категорію, підкатегорію, пріоритет та визначає, чи потрібна людина. Ми використовуємо Structured Outputs від OpenAI: модель повертає строго типізований JSON, що виключає помилки парсингу. Як зазначається в документації OpenAI, така схема знижує помилки до нуля. Температура = 0 — передбачуваність на першому місці.

from pydantic import BaseModel
from typing import Optional, Literal
from openai import OpenAI
import json

client = OpenAI()

class RequestClassification(BaseModel):
    category: Literal["billing", "technical", "account", "shipping", "legal", "other"]
    subcategory: str
    priority: Literal["low", "normal", "high", "critical"]
    requires_human: bool
    missing_fields: list[str]
    confidence: float  # 0-1

def classify_request(request_text: str) -> RequestClassification:
    """Класифікація заявки через Structured Outputs"""
    response = client.beta.chat.completions.parse(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": "Класифікуй вхідну заявку."},
            {"role": "user", "content": request_text},
        ],
        response_format=RequestClassification,
        temperature=0,
    )
    return response.choices[0].message.parsed

def collect_missing_info(request_text: str, missing_fields: list[str]) -> str:
    """Формує уточнююче запитання для збору недостатніх даних"""
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{
            "role": "system",
            "content": "Сформулюй ввічливе запитання для уточнення інформації по заявці."
        }, {
            "role": "user",
            "content": f"Заявка: {request_text}\nНедостатні поля: {missing_fields}"
        }],
    )
    return response.choices[0].message.content

Діалоговий агент для збору даних

Зазначимо: коли модель знаходить пропущені поля, запускається діалоговий агент. Він веде ввічливе опитування, доки не збере всі обов'язкові реквізити. Для кожної категорії — свій шаблон: для білінгу потрібні номер рахунку та сума, для техпідтримки — версія продукту та опис помилки.

class RequestProcessor:
    """Діалоговий агент для повного збору даних заявки"""

    TEMPLATES = {
        "billing": ["invoice_number", "amount", "payment_date"],
        "technical": ["product_name", "version", "error_description", "steps_to_reproduce"],
        "account": ["user_email", "account_id", "issue_description"],
    }

    def __init__(self):
        self.conversations: dict[str, list] = {}
        self.collected_data: dict[str, dict] = {}

    def process_message(self, session_id: str, message: str) -> str:
        if session_id not in self.conversations:
            self.conversations[session_id] = []
            self.collected_data[session_id] = {}

        self.conversations[session_id].append({"role": "user", "content": message})

        # Оновлюємо зібрані дані
        self._extract_and_update(session_id, message)

        # Перевіряємо повноту
        required = self._get_required_fields(session_id)
        missing = [f for f in required if f not in self.collected_data[session_id]]

        if not missing:
            return self._finalize_request(session_id)

        # Запитуємо наступне поле
        return self._ask_for_field(session_id, missing[0])

    def _ask_for_field(self, session_id: str, field: str) -> str:
        field_questions = {
            "invoice_number": "Вкажіть номер рахунку або інвойсу",
            "amount": "Яка сума вказана в рахунку?",
            "error_description": "Опишіть помилку детальніше",
        }
        return field_questions.get(field, f"Уточніть: {field}")

    def _finalize_request(self, session_id: str) -> str:
        data = self.collected_data[session_id]
        ticket_id = create_ticket(data)
        return f"Заявка створена: #{ticket_id}. Ми зв'яжемося з вами протягом 24 годин."

Як вибрати між Zero-shot та Fine-tuning?

Для більшості сценаріїв вистачає zero-shot промпту з інструкцією — точність 85-90%. Якщо категорії специфічні (наприклад, юридичні або медичні запити), fine-tuning на 500+ історичних тікетах піднімає точність до 97%. Нижче порівняння:

Кейс з нашої практики

У компанії з 800 співробітниками ми впровадили агента для IT-підтримки. Категорії: доступ до систем (34%), обладнання (22%), ПЗ (18%), мережа (14%), інше (12%). До впровадження оператори витрачали 70% часу на первинну обробку — після агента навантаження знизилося до 30%. Результати:

• авто-вирішення L1 (відповідь без інженера): 41% — в 1000 разів швидше за оператора.
• Час первинної відповіді: з 4 годин до секунд.
• Коректність категоризації: 93% (на 25% краща за ручну).
• Повнота даних у тікетах: зросла з 78% до 96%.

Економія бюджету підтримки склала $30 000 на рік — за рахунок зниження навантаження на L1. Окупність проекту — 3–4 місяці. Річна економія на операційних витратах сягає $50 000 при обсязі понад 10 000 тікетів. Вартість типового впровадження — від $5 000 до $15 000, аудит — $500.

Порівняння: ручне опрацювання vs AI-агент

Які типові помилки впровадження?

Перша — недостатнє тестування на рідкісних сценаріях. Ми рекомендуємо датасет з 500+ реальних запитів. Друга — ігнорування людського контролю для критичних заявок. Завжди залишаємо оператору можливість перехоплення при confidence нижче 0.8.

Помилки та гарантії: як досягаємо 95% точності

Перед запуском готуємо датасет історичних тікетів, налаштовуємо промпти та тестуємо на вибірці з 500+ запитів. Після впровадження моніторимо метрики: точність класифікації (ціль — >90%), частку ескалацій, повноту даних. Раз на місяць — перенавчання моделі на нових даних. Використовуємо NLP для аналізу тональності та автовідповідач на часті запити. Забезпечуємо узгоджений SLA за часом відповіді та точністю. Наш досвід — понад 50 впроваджень за 5 років роботи. Для пошуку в базі знань використовуються embeddings та cosine similarity, а генерація відповідей відбувається через LLM. Під час векторизації застосовуємо модель text-embedding-3-small для створення embeddings запитів, а пошук здійснюється за cosine similarity. Ми оптимізуємо кількість токенів для зниження витрат на API — це типова практика промпт-інжинірингу.

Що входить у роботу

1. Аудит поточного процесу обробки заявок.
2. Проектування логіки класифікації та діалогів.
3. Розробка агента (класифікація + збір даних + RAG) з інтеграцією векторної БД.
4. Інтеграція з тікетною системою (Jira, Zendesk, Bitrix24) через REST API.
5. Тестування на історичних даних та A/B-тест на живих запитах.
6. Документація, навчання операторів, гарантійна підтримка 1 місяць.

Строки та вартість

• Агент класифікації + routing: 2–3 тижні.
• Інтеграція з тікетною системою: 1–2 тижні.
• База знань (RAG): 2–3 тижні.
• Тестування та налаштування: 1–2 тижні.
• Разом: 6–10 тижнів.

Вартість впровадження варіюється і розраховується індивідуально залежно від складності категорій, обсягу даних та кількості інтеграцій. Вартість аудиту поточного процесу — $500, який зараховується при замовленні впровадження. Типовий проект коштує від $5 000 до $15 000. Замовте демо або отримайте консультацію по вашому сценарію — проведемо аудит і запропонуємо оптимальне рішення за 1–2 дні.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.