Створення AI-диспетчера: автоматизація диспетчеризації та SLA

AI-диспетчер — цифровий співробітник для координації завдань

Диспетчерська служба часто тоне в заявках. Оператори вручну перебирають пошту та чати, призначають виконавців на око. SLA постійно зриваються. Така ситуація знайома багатьом. Ми стикалися з нею в телекомі, де щодня оброблялося 800 заявок на технічні виїзди. Ручна диспетчеризація не справлялася: середній час призначення завдання становив 12 хвилин, перевантаження окремих інженерів досягало 30%, а дотримання SLA трималося на рівні 71%. Після впровадження AI-диспетчера час призначення скоротився до 45 секунд, дотримання SLA зросло до 89%, а навантаження на інженерів вирівнялося. Модель класифікації донавчається на ваших історичних даних, що підвищує точність з кожним місяцем.

Наш цифровий диспетчер автоматично приймає вхідні заявки, класифікує їх, призначає виконавців з урахуванням завантаження та компетенцій, відстежує виконання та ескалює прострочені завдання. Все це — без участі людини. Ми впроваджуємо такі системи під ключ: від налаштування класифікатора до інтеграції з вашою CRM.

Як AI-диспетчер маршрутизує заявки?

Ядро системи — інтелектуальний intake та маршрутизація. Процес складається з трьох кроків: класифікація заявки, скоринг виконавців, моніторинг виконання. Розглянемо на прикладі коду:

from openai import AsyncOpenAI
from pydantic import BaseModel
from typing import Literal, Optional

client = AsyncOpenAI()

class TaskClassification(BaseModel):
    category: str
    priority: Literal["critical", "high", "normal", "low"]
    required_skill: str
    estimated_duration_minutes: int
    location: Optional[str]
    sla_hours: float
    special_requirements: list[str]

class DispatcherAgent:

    def __init__(self, team_db, task_db):
        self.team_db = team_db
        self.task_db = task_db

    async def process_incoming_request(self, request: dict) -> dict:
        cls = await client.beta.chat.completions.parse(
            model="gpt-4o",
            messages=[{
                "role": "system",
                "content": "Классифицируй входящую заявку для диспетчеризации. Определи приоритет, категорию, необходимые компетенции и ожидаемое время выполнения."
            }, {
                "role": "user",
                "content": f"Заявка: {request['description']}\nОт: {request['client']}\nКонтакт: {request['contact']}"
            }],
            response_format=TaskClassification,
            temperature=0,
        )
        task_class = cls.choices[0].message.parsed
        assignee = await self.select_best_assignee(task_class, request.get("location"))
        task = await self.task_db.create({
            "title": request.get("title", f"Заявка от {request['client']}"),
            "description": request["description"],
            "category": task_class.category,
            "priority": task_class.priority,
            "required_skill": task_class.required_skill,
            "assignee_id": assignee["id"] if assignee else None,
            "sla_deadline": datetime.now() + timedelta(hours=task_class.sla_hours),
            "status": "assigned" if assignee else "pending",
        })
        if assignee:
            await self.notify_assignee(assignee, task)
        return {"task_id": task["id"], "assignee": assignee, "sla": task["sla_deadline"]}

    async def select_best_assignee(self, task, location):
        available = await self.team_db.get_available(skill=task.required_skill, shift="current")
        if not available:
            return None
        scored = []
        for person in available:
            score = 100
            current_load = await self.task_db.count_active(person["id"])
            score -= current_load * 10
            if location and person.get("current_location"):
                distance = calculate_distance(location, person["current_location"])
                score -= min(distance / 10, 30)
            if task.required_skill in person.get("specializations", []):
                score += 20
            scored.append({**person, "score": score})
        return max(scored, key=lambda x: x["score"]) if scored else None

На першому кроці модель GPT-4o аналізує опис заявки та витягує категорію, пріоритет, необхідні навички. Алгоритм скорингу використовує базу 100 балів: штраф за завантаження (10 балів за активне завдання) та дистанцію (до 30 балів), бонус за спеціалізацію (20 балів). Це забезпечує оптимальний розподіл з урахуванням поточної ситуації.

Чому SLA-моніторинг критичний?

Будь-яке завдання має Service Level Agreement (SLA) — термін виконання. Якщо його порушити, страждає репутація бізнесу. Наш AI-диспетчер не просто створює завдання — він стежить за ними в реальному часі. Кожні 15 хвилин система перевіряє залишковий час до дедлайну. Якщо до SLA менше години — надсилається нагадування виконавцю, менше 30 хвилин — термінове повідомлення, при порушенні — ескалація керівнику. Код моніторингу:

class SLAMonitor:

    async def check_and_escalate(self):
        tasks = await self.task_db.get_active_tasks()
        now = datetime.now()
        for task in tasks:
            sla_deadline = task["sla_deadline"]
            time_to_sla = (sla_deadline - now).total_seconds() / 3600
            if time_to_sla < 0:
                await self.handle_sla_breach(task)
            elif time_to_sla < 0.5:
                await self.send_urgent_reminder(task)
            elif time_to_sla < 1 and task["status"] == "assigned":
                await self.escalate_to_supervisor(task, reason="task_not_started")

    async def handle_sla_breach(self, task):
        breach_message = await client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "system",
                "content": "Создай сообщение об эскалации нарушения SLA для руководителя. Краткое, конкретное."
            }, {
                "role": "user",
                "content": f"Задача: {task['title']}, нарушение SLA на {abs(int((datetime.now() - task['sla_deadline']).total_seconds() / 60))} мин"
            }],
        )
        await slack_client.post_message(
            channel="#dispatcher-escalations",
            text=f"🚨 SLA нарушен:\n{breach_message.choices[0].message.content}",
        )
        await self.task_db.update(task["id"], {"sla_status": "breached"})

Як навчити класифікатор заявок?

Для навчання класифікатора ми використовуємо ваші історичні дані. Етапи:

1. Збір датасету: не менше 500 розмічених заявок.
2. Попередня обробка: очищення, лематизація.
3. Тюнінг моделі: fine-tuning GPT-4o або іншого LLM на задачах класифікації.
4. Валідація: перевірка accuracy на відкладеній вибірці (не менше 85%).
5. Розгортання: завантаження моделі в SageMaker або Vertex AI.

Які результати показав AI-диспетчер в телекомі?

З нашої практики: телеком-оператор з польовими інженерами, 800 заявок на технічні виїзди на день. До впровадження — ручний розподіл, 12 хвилин на призначення завдання, 71% дотримання SLA. Після — AI-диспетчер.

AI-диспетчер призначає завдання в 16 разів швидше за людину, а дотримання SLA підвищується на 18 процентних пунктів. Система приймає заявки через чат, email, API CRM; класифікує їх за 8 типами (підключення, ремонт, заміна обладнання); призначає інженера з урахуванням навичок, завантаження, геолокації; контролює SLA (4 год для критичних, 24 год для стандартних); автоматично нагадує та ескалює прострочені завдання.

Що входить в розробку AI-диспетчера

• Класифікатор заявок: налаштування категорій, пріоритетів, необхідних навичок
• Алгоритм призначення: скоринг виконавців за завантаженням, навичками, геолокацією
• SLA-моніторинг: автоматичні перевірки, нагадування, ескалації
• Інтеграція: з CRM, месенджерами (Slack/Telegram), API сповіщень
• Документація: опис архітектури, інструкції для адміністратора
• Навчання: тренування моделі класифікації на ваших даних
• Підтримка: гарантійне обслуговування 3 місяці після запуску

Терміни впровадження

Зв'яжіться з нами, щоб обговорити впровадження AI-диспетчера у вашу службу. Отримайте консультацію з оптимізації диспетчеризації. Наш досвід: сертифіковані інженери, робота з великими телеком-операторами.

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.