Проекты - Агентная автоматизация обработки входящих заявок

Задача

В компании, которая работает с массовым клиентским потоком (интернет-магазине, страховой компании, службе доставки), входящие обращения обрабатываются вручную. Менеджер читает письмо или тикет, определяет категорию, проверяет базу знаний, пишет ответ, назначает исполнителя на следующий шаг.

При тысячах обращений в день это узкое место и источник ошибок. Новичок отвечает медленно. Эксперт отвечает быстро, но сгорает от рутины. 80% обращений: это повторяющиеся вопросы, на которые уже есть готовые ответы.

Просто прикрутить LLM к почте: это антипаттерн, модель галлюцинирует, не знает политик компании, не умеет действовать в системах. Нужна архитектура, в которой LLM работает внутри заданных границ.

Что мы построили

Многоагентную систему, где каждый агент решает узкую задачу и передаёт результат дальше по цепочке.

Агент 1: Классификатор.

• Принимает обращение (email, тикет из Zendesk, сообщение из чата).
• Определяет категорию (жалоба, вопрос по заказу, возврат, технический вопрос), извлекает ключевые параметры (номер заказа, дата, продукт).
• Оценивает срочность: критичное обращение попадает в приоритетную очередь.

Агент 2: Поиск в базе знаний.

• Получает категорию и параметры, ищет в базе знаний готовый ответ.
• Использует гибридный RAG-подход: точное совпадение по ключевым полям + семантический поиск по описанию проблемы.
• Возвращает топ-3 кандидата с оценкой уверенности.

Агент 3: Составитель черновика.

• Если поиск нашёл релевантный ответ с высокой уверенностью, агент персонализирует его под конкретное обращение и составляет черновик.
• Проверяет tone of voice компании, подставляет имя клиента, ссылки на номер заказа и другие параметры.
• Помечает места, где нужна проверка человеком.

Агент 4: Маршрутизатор.

• Если ответ не найден или уверенность низкая, агент определяет, к какому отделу маршрутизировать обращение, и готовит сводку для менеджера.
• Создаёт тикет в CRM, назначает ответственного, передаёт контекст.

Режимы работы:

• Режим «только рекомендации»: агент готовит черновик, менеджер видит его в CRM и отправляет вручную. Хорошо для начального внедрения: команда постепенно проверяет качество.
• Режим «полуавтономия»: агент отправляет ответы по самым простым категориям (подтверждение статуса заказа, FAQ), остальное отдаёт менеджеру.
• Режим «полная автономия»: агент отвечает на всё, менеджер только модерирует исключения.

Технологии

Метрики системы

Что показывает этот проект

• Оркестрация нескольких агентов. Цепочка специализированных агентов, каждый со своим промптом, инструментами и критериями качества. Это масштабируется и поддаётся отладке лучше одного большого промпта на всё.
• Интеграция с CRM. Коннекторы к amoCRM, Битрикс24, Zendesk: это часы согласования прав и маппинга сущностей. Без них демонстрация агентов остаётся демонстрацией.
• Плавное внедрение. Режимы «только рекомендации» → «полуавтономия» → «полная автономия» служат продуктовым решением: они дают команде клиента время постепенно научиться доверять системе на практике.
• Наблюдаемость. Каждый шаг каждого агента логируется. Есть дашборды по точности классификации, доле автономных ответов, среднему времени обработки. Без этого агентная система превращается в чёрный ящик.