Розробка AI-агента для автоматизації техпідтримки L1/L2

Звернень багато, оператори втомлюються, CSAT падає. L1 підтримка завалена однотипними запитами: скидання пароля, перевірка статусу сервісу, «де завантажити?». Інженери L2 витрачають час на те, що міг би вирішити AI. Ми спроєктували AI-агента, який бере на себе 60–80% звернень L1 і асистує L2. Впровадження займає 8–11 тижнів під ключ. Порівняно зі звичайним чат-ботом на правилах, AI-агент ефективніший у 3 рази за відсотком вирішених проблем L1 і скорочує витрати на техпідтримку до 40%.

Використовуємо RAG (retrieval-augmented generation) — метод, що комбінує пошук і генерацію, відомий за дослідженнями.

Які проблеми вирішує AI-агент?

Галюцинації моделей — RAG із верифікацією джерел. Кожна відповідь посилається на документ із бази знань. Якщо впевненість низька — агент уточнює або ескалює. Контекстне перевантаження — сегментація діалогу та agent memory. Агент пам'ятає історію в межах сесії, але не перевантажує контекстне вікно. Інтеграції з legacy системами — модульний шар адаптерів для Active Directory, Jira, Zabbix, CRM (наприклад, Salesforce) і будь-якого REST API. Не потрібно переписувати інфраструктуру. Верифікація особи — трифакторна перевірка перед скиданням пароля або доступом до чутливих даних. Агент задає контрольні запитання, перевіряє за базою.

Як AI-агент вирішує неоднозначні запити?

Агент використовує діагностичне дерево рішень із методологією IDENTIFY–ISOLATE–DIAGNOSE–RESOLVE–ESCALATE. Послідовно уточнює симптоми, перевіряє статуси через API, шукає рішення в базі знань. Якщо два кроки не допомогли — створює тікет L2 із повним контекстом. Ось приклад коду інструментів:

from langchain_openai import ChatOpenAI
from langchain_community.vectorstores import Qdrant
from langchain.tools import Tool
import json

class TechSupportAgent:
    def __init__(self, kb_retriever, integrations: dict):
        self.llm = ChatOpenAI(model="gpt-4o", temperature=0)
        self.kb = kb_retriever           # Векторна база знань
        self.integrations = integrations  # Словник інтеграцій

        self.tools = self._build_tools()

    def _build_tools(self) -> list:
        return [
            {
                "type": "function",
                "function": {
                    "name": "search_knowledge_base",
                    "description": "Пошук рішень у базі знань за описом проблеми",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "query": {"type": "string"},
                            "product": {"type": "string"},
                        },
                        "required": ["query"]
                    }
                }
            },
            {
                "type": "function",
                "function": {
                    "name": "check_service_status",
                    "description": "Перевірити статус сервісу або системи",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "service_name": {"type": "string"}
                        },
                        "required": ["service_name"]
                    }
                }
            },
            {
                "type": "function",
                "function": {
                    "name": "reset_user_password",
                    "description": "Скинути пароль користувача (вимагає підтвердження особи)",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "user_email": {"type": "string"},
                            "verified": {"type": "boolean", "description": "Особа користувача підтверджена"}
                        },
                        "required": ["user_email", "verified"]
                    }
                }
            },
            {
                "type": "function",
                "function": {
                    "name": "escalate_to_l2",
                    "description": "Ескалювати задачу інженеру L2",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "issue_summary": {"type": "string"},
                            "steps_tried": {"type": "array", "items": {"type": "string"}},
                            "priority": {"type": "string", "enum": ["normal", "high", "critical"]}
                        },
                        "required": ["issue_summary", "steps_tried"]
                    }
                }
            },
        ]

    def execute_tool(self, tool_name: str, args: dict) -> str:
        if tool_name == "search_knowledge_base":
            docs = self.kb.similarity_search(args["query"], k=3,
                                             filter={"product": args.get("product")})
            return "\n".join([d.page_content for d in docs])

        elif tool_name == "check_service_status":
            return self.integrations["monitoring"].get_service_status(args["service_name"])

        elif tool_name == "reset_user_password":
            if not args.get("verified"):
                return "ERROR: Необхідно підтвердити особу користувача перед скиданням пароля"
            return self.integrations["active_directory"].reset_password(args["user_email"])

        elif tool_name == "escalate_to_l2":
            ticket_id = self.integrations["jira"].create_ticket(
                summary=args["issue_summary"],
                description=f"Кроки виконано: {args['steps_tried']}",
                priority=args.get("priority", "normal"),
                component="L2",
            )
            return f"Задача створена: {ticket_id}"

        return "Tool not found"

Що гарантує точність відповідей?

Точність забезпечується комбінацією RAG і донавчання (LoRA). Ми використовуємо RAG для пошуку актуальних документів, а model card фіксує версію та параметри. Після впровадження запускаємо A/B-тест: порівнюємо метрики точності на контрольній вибірці. Помилки агента (неправильне рішення) на практиці не перевищують 3.1%, і кожна аналізується для покращення. Для порівняння підходів:

«Впровадження AI-агента дозволило скоротити час відповіді з 4 годин до 15 хвилин» — зі звіту клієнта.

Практичний кейс: L1 підтримка SaaS платформи

З нашої практики: SaaS-платформа з 2400 звернень на місяць, команда 6 операторів L1 + 3 інженери L2. Топ-5 тематик: авторизація (31%), завантаження даних (22%), звіти (18%), інтеграції (15%), інше (14%). Після впровадження агента результати за 6 місяців:

Економія часу операторів L1 склала 780 годин на місяць, що еквівалентно середньорічній економії бюджету понад 1.2 млн грн. Середня економія бюджету на техпідтримку становить 1.2 млн грн на рік при 2000 тікетів на місяць. CSAT зріс завдяки миттєвим відповідям на прості питання.

Агент ескалює лише ті запити, які не може вирішити після двох спроб або коли впевненість низька. У пілотному проєкті рівень ескалації склав 42%, з яких 19% вирішив L2 без повторної ескалації.

Як проходить верифікація особи перед діями?

def verify_user_identity(session_id: str, claimed_email: str) -> bool:
    """Багатофакторна верифікація перед привілейованими діями"""

    user = user_service.get_by_email(claimed_email)
    if not user:
        return False

    # Верифікаційні питання
    verification_questions = [
        f"Назвіть останні 4 цифри номера телефону, прив'язаного до акаунту",
        f"Який відділ компанії ви представляєте?",
        f"Назвіть дату створення акаунту (місяць і рік)",
    ]

    for question in verification_questions[:2]:
        answer = get_user_answer(session_id, question)
        if not verify_answer(user, question, answer):
            return False

    return True

Процес роботи та терміни

Разом: 8–11 тижнів. Вартість розраховується індивідуально — залежить від обсягу бази знань та кількості інтеграцій.

Що входить у роботу

• Документація: опис архітектури, API endpoints, інструкція для операторів.
• Доступи: векторна БД, моніторинг, логи.
• Навчання: воркшоп для команди підтримки (2 години).
• Підтримка: 2 тижні post-deploy з SLA на виправлення помилок.

Отримайте консультацію щодо впровадження AI-агента. Замовте попередній аналіз ваших тікетів та пілотний запуск за 2 тижні.

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.