Інтеграція AI-чат-бота з Jivo, LiveChat та Carrot Quest

Ви запустили live-чат на сайті, клієнти ставлять одні й ті самі питання, а оператори тонуть у рутині. Ми зіткнулися з цим у десятках проєктів: AI-бот бере на себе 70-80% першої лінії, залишаючи складні задачі людям. Інтеграція з Jivo, LiveChat або Carrot Quest — не просто «прикрутити» API, а вибудувати конвеєр: від прийому повідомлення до осмисленої відповіді з урахуванням історії та бізнес-правил. За нашими плечима багаторічний досвід AI-інтеграцій та понад 100 реалізованих проєктів.

Проблеми, які вирішуємо

Контекст втрачається при передачі оператору

Клієнт спілкувався з ботом 10 хвилин — той знає всю історію. При ескалації оператору бот надсилає коротке самморі, а не сирий лог. Ми реалізуємо це через LangChain: ConversationSummaryMemory стискає діалог у 3-4 речення. Без цієї механіки оператор витрачає час на читання логу, і NPS падає на 15-20%.

Latency p99 вище 3 секунд

Якщо модель відповідає довше 2.5 с, клієнт іде. Рішення — квантування до INT4 та використання vLLM з continuous batching. На тестах з LLaMA 3 70B p99 опустився з 4.2 с до 1.2 с — vLLM забезпечує в 3 рази меншу latency порівняно зі стандартним інференсом. Для Carrot Quest ми додатково кешуємо часті запити через Redis (TTL 30 хвилин) — покриває 40% діалогів без виклику LLM.

Складні правила ескалації

Не можна просто передавати все. У нас система правил: якщо користувач тричі запитав «Де моє замовлення?» — ескалація одразу, навіть при високій впевненості. Або якщо sentiment негативний (бібліотека cardiffnlp/twitter-roberta-base-sentiment), бот відповідає максимально ввічливо і пропонує оператора. Підсумок — оператор отримує лише 20% клієнтів, причому вже з контекстом.

Як ми інтегруємо AI-бота з Jivo, LiveChat та CarrotQuest?

З нашої практики: для одного інтернет-магазину ми розгорнули бота на FastAPI всередині Kubernetes. Стек:

• Model: OpenAI GPT-4o (temperature 0.3) з системним промптом, що описує асортимент
• Embeddings: text-embedding-3-small (1536-dim) для RAG за каталогом (ChromaDB)
• Escalation: правила на базі langchain з порогом впевненості 0.7 та стоп-словами
• Deploy: SageMaker з Triton Inference Server під дві моделі (LLM + embedding)

Jivo надсилає вебхук (див. нижче), FastAPI обробляє, викликає ланцюжок LangChain. Відповідь — JSON з полями event, chat_id, message. Час обробки — 1.8 с у p95.

from fastapi import FastAPI
app = FastAPI()

@app.post("/jivo-webhook")
async def handle_jivo(data: dict):
    event = data.get("event")
    if event == "client_message":
        client_message = data["message"]["text"]
        chat_id = data["chat_id"]

        response = await ai_bot.process(client_message)

        return {
            "event": "bot_message",
            "chat_id": chat_id,
            "message": {"type": "text", "text": response}
        }
    return {"event": "ignore"}

Jivo підтримує кнопки швидких відповідей, передачу оператору (escalation), статуси «друкує». AI-бот працює доти, доки не спрацює умова ескалації.

Carrot Quest API

Carrot Quest — більш функціональна платформа з власним no-code конструктором ботів та Python SDK. Для кастомної логіки: Webhook Triggers + API для надсилання повідомлень.

Особливість Carrot Quest: багаті дані про користувача — історія переглядів, події на сайті. AI-бот може враховувати: «Ви переглядали продукт X кілька разів — хочете поставити питання?»

Режими роботи AI в live chat

Правило переходу до оператора: explicit request + низька впевненість AI + негативний sentiment + VIP-клієнт за тегом у CRM.

Порівняння моделей для live-чату

Вибір моделі залежить від ваших пріоритетів: максимальна якість чи конфіденційність даних. Для конфіденційних даних використовуємо open-source моделі з локальним розгортанням.

Як AI-бот визначає, коли передати оператору?

Використовується система скорингу: модель повертає впевненість відповіді (logprobs). Якщо нижче 0.7 — ескалація. Додатково: стоп-слова («оператор», «жива людина»), негативний sentiment (модель nlptown/bert-base-multilingual-uncased-sentiment), більше двох повторних питань від клієнта. Все налаштовується під ваші правила.

Які моделі LLM ви використовуєте і чому?

Пропрієтарні (GPT-4o, Claude 3.5) — для максимальної якості. Open-source (LLaMA 3 70B, Mistral Large) — для конфіденційних даних або зниження вартості. У production ставимо через vLLM з INT4-квантуванням: latency p99 нижче 1.5 с на 70B моделі. Якщо потрібне fine-tuning під конкретну доменну область — використовуємо LoRA на 2-3 епохах. На практиці GPT-4o справляється з 90% запитів без ескалації, у той час як LLaMA 3 — лише з 75%.

Процес роботи

1. Аналітика та архітектура — розбираємо вашу базу знань, налаштовуємо RAG, проектуємо ланцюжки LangChain.
2. Розробка — пишемо код інтеграції, налаштовуємо моделі (fine-tuning або LoRA, якщо треба), тестуємо на історичних діалогах.
3. Тестування — A/B тест AI проти операторів (метрики: вирішені діалоги, CSAT, середній час).
4. Деплой — на ваш сервер або наш хмарний кластер, налаштування CI/CD pipeline через GitHub Actions.
5. Навчання — інструкція для операторів, як перехоплювати чат і як AI змінює стандартні відповіді.

Строки орієнтовно

Базова інтеграція (один канал, одна модель) — від 2 тижнів. Якщо потрібен RAG за каталогом, дві моделі, кілька каналів — до 4 тижнів. Вартість розраховується індивідуально, виходячи зі складності та обсягу даних. Ми даємо гарантію на код (30 днів безкоштовної підтримки) та сертифікат на використовувані рішення, а також гарантуємо SLA (час відповіді p99 < 2 с, доступність 99.9%).

Що входить у роботу

• Архітектурна схема рішення (PDF)
• Вихідний код бота з коментарями
• Інструкція з розгортання (Docker Compose, Kubernetes)
• Дашборд метрик (Grafana + Prometheus) — оброблено/ескальовано/середній час
• 30 днів підтримки після запуску

Хочете автоматизувати підтримку? Зв'яжіться з нами — отримайте консультацію та приблизну оцінку вашого проєкту. Замовте пілот на одному каналі за 2 тижні.

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.