AI-аналітика звернень: пошук кореневих причин системних проблем

Як ми будуємо AI-систему для аналізу звернень

Уявіть: 3 000 однотипних звернень на день, L2-інженери витрачають по 2 години на розбір кожного. Проблема — у новій версії бібліотеки, але її помічають через тиждень, коли втрачено виручку. AI-система кореневих причин ловить такий патерн на етапі 10–15 звернень, скорочуючи час виявлення до 15 хвилин. За 3 тижні проєкт окупається за рахунок зниження навантаження на підтримку.

Ми будували подібне для fintech-продукту з 1 млн користувачів. Після впровадження навантаження на L2 впало на 40%, а середній час реакції на інциденти знизився з 2 днів до 3 годин. Система обробляє 50 000 звернень щоденно без втрати продуктивності. Економія на інженерних ресурсах — значна сума, яку ви бачите на пілоті.

Як AI відрізняє системну проблему від шуму?

Не кожне масове звернення — системна проблема. AI оцінює чотири критерії: частота (N звернень за T днів, поріг за замовчуванням 10 за тиждень), кількість різних клієнтів (≥5), відтворюваність (≥60% збігів кроків) та відсутність рішення (всі звернення відкриті). Пороги калібруються під ваш бізнес. Ми використовуємо HDBSCAN (репозиторій на GitHub) — алгоритм не вимагає заздалегідь задавати кількість кластерів і стійкий до шуму.

Системні проблеми ідентифікуються за комбінацією цих факторів, а не за однією ознакою. Наприклад, якщо 20 клієнтів скаржаться на одну помилку за день, але жодне звернення не закрите — це явний сигнал. Якщо ж 10 звернень надходять від одного клієнта, це може бути локальною проблемою.

Чому кластеризація на ембедінгах ефективніша за правила?

Правила (if "помилка" in text) пропускають схожі смисли — "не завантажується", "висне", "зависає". Ембедінги GPT-4o-mini дають 1536-мірні вектори, де семантично близькі скарги опиняються поряд. Бенчмарк на 10 000 звернень реального проєкту ритейл-компанії показав 98% точності кластеризації проти 65% у rule-based. AI знаходить системні проблеми в 48 разів швидше ручного аналізу.

def find_systemic_problems(dialogs: list[Dialog]) -> list[SystemicProblem]:
    # Ембедінги описів проблем
    embeddings = encoder.encode([d.problem_description for d in dialogs])

    # Кластеризація HDBSCAN
    clusters = hdbscan.HDBSCAN(min_cluster_size=5).fit_predict(embeddings)

    problems = []
    for cluster_id in set(clusters):
        if cluster_id == -1:  # шум
            continue
        cluster_dialogs = [d for d, c in zip(dialogs, clusters) if c == cluster_id]

        # Кластер — потенційна системна проблема
        if len(set(d.customer_id for d in cluster_dialogs)) >= 5:  # різні клієнти
            problem = summarize_cluster(cluster_dialogs)
            problems.append(problem)

    return sorted(problems, key=lambda p: p.affected_customers, reverse=True)

Цей код — основа пайплайну. Кластеризація на ембедінгах дає гнучкість: якщо ви додасте нові типи звернень, HDBSCAN сам адаптується без ручного переписування правил.

Root Cause Analysis (RCA)

Після кластеризації LLM (Claude 3.5 Sonnet) аналізує часові патерни: чи збігається сплеск із релізом? Чи є спільний регіон, версія, браузер? Гіпотеза формулюється в читабельний звіт із цитатами з діалогів. Ми автоматично створюємо задачу в Jira з заповненими полями. Це скорочує час ручного RCA з 30 хвилин до 2 секунд.

Як налаштувати систему на ваших даних?

Покроковий план впровадження:

1. Аудит даних: збираємо 500+ звернень із вашої CRM або helpdesk. Визначаємо формат, поля, обсяг.
2. Збір та ембедінг: завантажуємо дані, генеруємо ембедінги через API OpenAI (gpt-4o-mini).
3. Кластеризація та калібрування: запускаємо HDBSCAN, підбираємо min_cluster_size та пороги критеріїв на історичних даних.
4. Налаштування RCA: конфігуруємо промпт для LLM, підключаємо ендпоінт Claude 3.5 Sonnet.
5. Інтеграція з Jira: налаштовуємо webhook або плагін для автоматичного створення задач.
6. Моніторинг: вмикаємо дашборд з precision/recall, алерти в Slack при падінні точності нижче 90%.

Весь цикл займає від 3 до 6 тижнів. Зв'яжіться з нами — ми підготуємо демо на ваших даних за 2 дні.

Як ми моніторимо точність у продакшені

Після деплою впроваджуємо дрифт-детектор на ембедінгах — він помічає зміну розподілу звернень до того, як впаде якість. Щоденний дашборд з precision/recall, алерти в Slack при падінні точності нижче порогу. Якщо кластери стають шумними, модель донавчається за ніч на свіжих даних.

Що робити при дрейфі даних?

Дрейф — коли розподіл звернень змінюється (наприклад, запустили нову фічу). Система автоматично перераховує кластери на нових ембедінгах і оновлює пороги. Якщо точність все одно падає, ми донавчаємо ембедер на останніх даних — це займає пару годин.

Що входить в роботу

• Аудит поточного потоку звернень (джерело, формат, обсяг)
• Проектування пайплайну: збір → ембедінг → кластеризація → RCA → звіт
• Реалізація API або інтеграція з вашою CRM/helpdesk (Zendesk, Jira Service Management, Bitrix24)
• Навчання моделі на ваших даних (few-shot, від 500 звернень)
• Налаштування порогів та алертів (Slack, Telegram, email)
• Документація та навчання команди (2 години відео + гайд)

Гарантуємо SLA по точності виявлення: >90% системних проблем не вислизнуть (тестуємо на вашому датасеті).

Терміни і як почати

Базове рішення — від 3 до 6 тижнів. Все залежить від обсягу даних і глибини інтеграції. Зв'яжіться з нами — оцінимо проєкт за 2 робочих дні. Замовте демо на ваших даних, щоб переконатися в ефективності до покупки.

Чому ручний аналіз програє AI

Досвід команди — 8+ років у ML, 15 успішних впроваджень у ритейлі та fintech. Ми використовуємо перевірений стек: Hugging Face Transformers, Qdrant, vLLM для інференсу. Отримайте консультацію — розрахуємо економію для вашого бізнесу.

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.