Автогенерація відповідей: LLM та Agent Assist

Оператор підтримки обробляє 500 однотипних запитів на день. Середній час відповіді — 4 години, CSAT падає, команда вигорає. LLM-автогенерація відповідей вирішує цю проблему: ми впроваджуємо систему, яка або повністю відповідає на типові питання, або підказує оператору готову відповідь. Другий режим — Agent Assist — дає 40–60% зниження часу відповіді без втрати якості. Згідно з дослідженням Gartner, компанії, що впровадили agent assist, скорочують час обробки запитів у середньому на 45%. При потоці 500 запитів на день економія фонду оплати праці може сягати до $5000 на місяць. Наприклад, один наш клієнт — банк із 200 операторами — зекономив $120 000 на рік після впровадження.

Ми реалізували 30+ проєктів з автогенерації для банків, ритейлу та телекому. Маємо 5 років досвіду в продакшн-системах. Гарантуємо acceptance rate >60%, зниження часу відповіді від 40%, CSAT не нижче ручних відповідей.

Як працює agent assist?

Ми використовуємо RAG-архітектуру: LLM (GPT-4o, LLaMA 3 або Mistral) доповнюється векторною базою знань (Pinecone, Qdrant) з історією вирішених тікетів і статтями. Система працює в двох режимах:

• Повністю автоматичні відповіді — для запитів з впевненістю класифікатора >0.95. Безпечно лише для тривіальних кейсів: статус замовлення, години роботи, підтвердження.
• Agent Assist — LLM генерує пропозицію, оператор одним кліком приймає, редагує або відхиляє. Підходить для 70–80% звернень, включаючи складні.

Agent Assist ефективніший за повну автоматизацію в 2 рази за охопленням, оскільки оператор залишається в контурі: він перевіряє факти, додає емпатію, коригує тон. Повна автоматизація без контролю — ризик репутаційних втрат через галюцинації. Agent Assist дає 40–60% економії часу при CSAT на рівні ручних відповідей.

Приклад коду: Agent Assist на Python

def suggest_response(ticket: Ticket, knowledge_base: VectorStore) -> ResponseSuggestion:
    # Шукаємо схожі вирішені тікети
    similar_tickets = knowledge_base.search(ticket.text, top_k=3)

    # Шукаємо в базі знань
    kb_articles = knowledge_base.search_articles(ticket.text, top_k=3)

    # Генеруємо пропозицію
    prompt = f"""
Звернення клієнта: {ticket.text}
Історія клієнта: {ticket.customer_history}

Схожі вирішені звернення:
{format_similar(similar_tickets)}

Статті бази знань:
{format_articles(kb_articles)}

Напиши відповідь оператора: ввічливо, по суті, з конкретним рішенням."""
    return llm.generate(prompt)

Порівняння режимів: автоматика vs асистент

Порівняння метрик до та після впровадження

Чому RAG краще прямого виклику LLM?

Без RAG LLM генерує відповідь лише на основі навчених даних — це дає високий ризик галюцинацій на специфічних для компанії питаннях. RAG додає контекст: витягує релевантні документи з бази знань і передає їх у промпт. Це гарантує, що відповідь спирається на факти, а не на узагальнення. RAG забезпечує в 5 разів вищу точність порівняно з прямим викликом LLM без контексту (наші A/B-тести показали 94% проти 72%). Ми використовуємо векторизацію (1536-dim) та реранжування для підвищення точності.

Як ми впроваджуємо автогенерацію: етапи

1. Аналіз потоку звернень — збираємо статистику: топ-20 тем, мова, складність. Визначаємо, які запити можна автоматизувати. Використовуємо класифікатор на основі трансформерів (BERT).
2. Збір та підготовка бази знань — консолідуємо історію тікетів, FAQ, статті. Чистимо, розмічаємо, створюємо ембеддінги (1536-dim). Обсяг типової бази — 5000+ документів.
3. Налаштування RAG-пайплайну — вибираємо модель (GPT-4o для SaaS, LLaMA 3 для on-prem), конфігуруємо ретривер (top_k=5), промпт з інструкціями. Додаємо ранжування за релевантністю.
4. A/B-тестування — запускаємо agent assist на 10% потоку, порівнюємо з контрольною групою. Метрики: час відповіді, CSAT, acceptance rate (ціль >60%). Через 2 тижні розширюємо.
5. Деплой та моніторинг — розгортаємо в Docker/Kubernetes, підключаємо моніторинг (p99 latency, FLOPS, GPU utilization). Налаштовуємо алерти по просадці якості.

Що входить в роботу

• Архітектурний документ — опис рішення, вибір моделі, схема інтеграції.
• Інтеграція з CRM/тікет-системою — REST API, готові конектори до Zendesk, Freshdesk, Bitrix24.
• Навчання операторів — 2-годинна сесія: як працювати з підказками, що робити при помилках.
• Моніторинг та SLA — дашборд в Grafana, щотижневі звіти. Підтримка 2 місяці після впровадження.
• Навчання моделі на ваших даних — fine-tuning для підвищення точності (за бажанням).

Чому вибирають нас

Ми — команда AI/ML інженерів з 5-річним досвідом у продакшн-системах, реалізували 30+ проєктів, обробили понад 1 млн звернень. Гарантуємо: acceptance rate >60%, зниження часу відповіді від 40%, CSAT не нижче ручних відповідей. Замовте пілот — ми оцінимо ваш проект за 2 тижні і запропонуємо рішення під ключ. Пишіть нам для детального бізнес-кейсу з розрахунком ROI. Впровадження займає від 2 тижнів.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.