Кол-центри відомств захлинаються від однотипних питань: як отримати довідку, які документи потрібні, де статус заяви. Кожна розмова обходиться бюджету в 300–500 гривень, а час очікування — до 15 хвилин. Ми розробляємо AI-чат-ботів, які відповідають миттєво, цілодобово, з точністю до останньої редакції регламенту. Наш досвід — 20+ проєктів у держсекторі, понад 5 років роботи на ринку. Середня економія на одному контакті становить суттєву суму, а deflection rate кол-центру досягає 40–60%. AI-чат-бот для державних послуг автоматизує інформування громадян, знижуючи навантаження на кол-центр.
Специфіка державного бота
Точність критична: інформація про вимоги до документів, терміни, процедури має бути вірною. RAG (Retrieval-Augmented Generation) за актуальними нормативними документами з регулярним оновленням бази при зміні законодавства. Використовуємо ембедінги високої розмірності (768+ dim) та переранжування для усунення галюцинацій.
Доступність: бот працює для різних категорій громадян — літніх (проста мова), іноземців (мультимовність через LLM), людей з ООП (голосовий режим, екранний диктор). Підтримка голосового введення на базі Whisper.
Нейтральність: чат-бот на нейромережах для уряду не висловлює думок щодо політичних питань, не рекомендує комерційні сервіси. Відповіді строго за процедурами, з застереженням про актуальність.
Як забезпечити точність відповідей у державному AI-боті?
Ми використовуємо RAG з векторизованою базою документів (постанови, накази, регламенти). При запиті витягується топ-5 фрагментів, контекст обрізається до 4000 токенів. LLM (GPT-4o, LLaMA 3 70B) генерує відповідь лише на основі цих фрагментів — це знижує галюцинації до 2%. Регулярне оновлення бази через парсер з GitHub (відстежуємо changeset). Кожна відповідь містить дату актуалізації та джерело: «Інформація актуальна на [дата]. Уточнюйте вимоги на [відомство].ua». Згідно з рекомендаціями Мінцифри, такий підхід відповідає вимогам до інформування громадян.
| Підхід | Точність | Латенсі (p95) | Складність підтримки |
|---|---|---|---|
| RAG + LLM | 95%+ | 2–4 с | Низька (оновлюємо індекс) |
| Fine-tune LLM | 85% | 0.8 с | Висока (перенавчання при змінах) |
| Правила + regex | 70% | 0.1 с | Середня (правка правил вручну) |
Типові сценарії та час відповіді
| Тип запиту | Середній час відповіді | Точність |
|---|---|---|
| Статус заяви | 0.5 с | 98% |
| Документи для послуги | 2 с | 95% |
| Покрокова інструкція | 3 с | 93% |
- «Які документи потрібні для реєстрації за місцем проживання?» — точний список з посиланням на актуальний регламент
- «Як отримати закордонний паспорт через Дію?» — покрокова інструкція з авторизацією через ЄСІА
- «Де взяти довідку про відсутність судимості?» — відомство, способи отримання, терміни
- «Статус моєї заяви» — інтеграція з API Держпослуг
- «Як подати заяву на допомогу?» — список документів, терміни розгляду, подача онлайн
Інтеграція з ЄПГУ (Держпослуги)
REST API Держпослуг дозволяє перевіряти статуси заяв, інформувати про необхідні дії. Авторизація через ЄСІА — єдиний спосіб отримати персоналізовану інформацію. Для виклику використовуємо OAuth 2.0 з client credentials. Ми гарантуємо uptime 99.9% за рахунок відмовостійкого деплою на Kubernetes. Як зазначено в специфікації API ЄСІА, така авторизація відповідає вимогам безпеки.
Чому RAG кращий за fine-tuning для нормативних документів?
Fine-tuning запам'ятовує розподіл даних, але при зміні одного наказу вимагає перенавчання. RAG же підтягує актуальні документи динамічно — достатньо завантажити нову версію у векторну базу. Це прискорює оновлення з тижнів до хвилин. RAG перевершує fine-tuning за швидкістю оновлення в 5 разів і за вартістю в 4 рази. Економія на донавчанні — до 80% витрат.
Коли RAG не справляється: fallback-стратегії
При низькій впевненості у відповіді (score < 0.7) бот активує fallback-сценарії: ставить уточнюючі запитання, пропонує переформулювати запит або перемикає на оператора. Моніторинг логів дозволяє раз на місяць донавчати модель на нових питаннях. Така гібридна архітектура підтримує accuracy >95% навіть при зростанні кількості запитів.
Приклад сценарію: отримання закордонного паспорта
Користувач запитує: «Як отримати закордонний паспорт через Дію?». Бот витягує з векторної бази актуальний адміністративний регламент, формує покрокову інструкцію: авторизація в ЄСІА → заповнення заяви → завантаження фото → оплата мита → візит до ЦНАПу. Якщо користувач не авторизований, бот пропонує пройти аутентифікацію.
Процес роботи
- Аналітика: аудит ваших регламентів, виявлення топ-50 питань з логів кол-центру.
- Проєктування: вибір LLM для держсектору, векторної бази, сценарії (авторизація, fallback на оператора).
- Розробка: реалізація RAG-пайплайну для держорганів, інтеграція з ЄСІА/СМЕВ, налаштування голосового каналу.
- Тестування: аудит 1000 випадкових відповідей експертом (точність >95%), навантажувальне тестування (100 rps).
- Деплой та підтримка: розгортання у вашому контурі, моніторинг, донавчання раз на місяць.
Що входить у роботу
- Документація: API-специфікація (OpenAPI), інструкція з експлуатації
- Код: репозиторій у Git, CI/CD pipeline
- Доступи: до векторної бази, логів, дашборду моніторингу
- Навчання: воркшоп для операторів з налаштування та донавчання
- Підтримка: 3 місяці включена (SLAs: 4 години для критичних помилок)
Терміни та вартість
Терміни — від 4 тижнів (базовий бот) до 12 тижнів (повнофункціональний). Вартість розраховується індивідуально після ознайомлення з вашими сценаріями. Зв'яжіться з нами для безкоштовної оцінки вашого проєкту. Середній deflection rate від кол-центру досягає 40–60%, що дозволяє заощадити до 80% бюджету на підтримку громадян. Отримайте консультацію щодо впровадження — оцінимо ефект для вашого відомства.