Реалізація автогенерації відповідей у службі підтримки
AI-автогенерація відповідей працює в двох режимах: повністю автоматичні відповіді (бот) та підказки оператору (agent assist). Другий режим часто ефективніший — оператор перевіряє та коригує, що знижує ризик неправильних відповідей.
Agent Assist: підказки оператору
Система пропонує готову відповідь, оператор приймає, редагує або відхиляє одним кліком. Впровадження скорочує середній час відповіді на 40–60% без втрати якості.
def suggest_response(ticket: Ticket, knowledge_base: VectorStore) -> ResponseSuggestion:
# Шукаємо подібні розв'язані 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}
Подібні розв'язані звернення:
{format_similar(similar_tickets)}
Статті бази знань:
{format_articles(kb_articles)}
Напиши відповідь оператора: ввічливо, по суті, з конкретним розв'язанням.
"""
return llm.generate(prompt)
Повністю автоматичні відповіді
Автовідповіді безпечні лише для типових запитів з високою впевненістю. Категорії для автовідповіді:
- Запит статусу замовлення (інтеграція з CRM)
- Типові питання (години роботи, адреса)
- Підтвердження отримання
Умова автовідправки: класифікатор визначив тип з confidence > 0.95 AND шаблон відповіді існує AND звернення не від VIP-клієнта.
Тон та персоналізація
Відповідь адаптується під клієнта: стиль спілкування клієнта (офіційний/розмовний), історія взаємодій, сегмент. Системний промпт: «Ти оператор компанії X. Тон: професійний, але теплий. Завжди звертайся по імені. Не використовуй канцеляризми.»
Моніторинг якості
Відслідковуйте: коефіцієнт прийняття пропозицій оператором (ціль > 60%), CSAT для автовідповідей vs ручних, динаміку NPS. Відповіді з низьким acceptance rate → переглядіть промпти або базу знань.