Как ИИ помогает поддержке VK WorkSpace обрабатывать обращения и решать запросы клиентов
Бот, который отвечает клиентам вместо людей, — самый простой способ использовать ИИ в поддержке. Мы в VK WorkSpace пошли дальше: ИИ помогает нашей команде обрабатывать сложные обращения. Он анализирует сотни сообщений, изучает задачи разработчиков и технические логи, чтобы найти решения, которые уже помогали в похожих случаях.
Рассказываем, как мы обучаем такого помощника, какие задачи ему доверяем и где без человека пока не обойтись.
Привет! Я Богдан Хохлов, руководитель направления поддержки VK WorkSpace. В единой цифровой среде команды пользуются Почтой, Мессенджером, Видеозвонками, работают с Документами и многим другим. Когда что-то идет не так, клиенты пишут нам.
Чтобы быстрее обрабатывать обращения, мы подключили к поддержке ИИ. Но… работы меньше не стало. Зато она стала интереснее. Рутины стало меньше, и теперь мы больше времени уделяем сложным задачам, где нужен опыт специалиста.
С какими вопросами к нам приходят
Одни компании пользуются облачной версией VK WorkSpace, другие устанавливают продукт на своих серверах. От этого зависит, какая именно помощь им нужна.
В облаке чаще встречаются типовые вопросы. Ответ уже есть в документации, но клиент не всегда его находит.
На серверах компании больше индивидуальных настроек. На работу продукта влияют инфраструктура и индивидуальные доработки. Даже для ответа на короткий вопрос специалисту порой нужно разобраться, как устроена система заказчика.
Поэтому помощь может выглядеть по-разному. Иногда хватает инструкции, иногда нужно изучить логи и проверить гипотезы. Чтобы понять, с чего начать, мы сначала собираем сведения в обращении.
Что нужно выяснить у клиента сразу
Клиент может написать на почту, заполнить форму, обратиться через бота или портал поддержки. Все заявки попадают в общую систему.
Чтобы быстрее переходить к решению вопроса, мы автоматизировали сбор сведений о клиенте и проверку вложений.
Вот что специалист видит сразу:
- Кто к нам обратился. Раньше сотрудник отдельно проверял тариф, статус домена и права пользователя. Теперь эти сведения видны в карточке обращения.
Если человек пишет с личной почты и не указывает домен компании, сначала его уточняем. Когда домен известен, система получает данные из внутренних инструментов. Они помогают понять, что стоит проверить в первую очередь — например, тариф или доступные компании ресурсы. Быстрее всего мы обрабатываем обращения через портал поддержки или с корпоративной почты, потому что в них домен известен сразу.
- С каким сервисом нужна помощь. Здесь подключается ИИ. Клиент может выбрать в форме «Мессенджер», но написать, что не может войти в почту. Модель читает сообщение и предлагает подходящую категорию. Специалист проверяет ее и при необходимости исправляет.
- Хватает ли данных. Для типовых ситуаций мы заранее определили, какие сведения и файлы нужны. Система может проверить вложение и запросить его, если клиент забыл приложить файл.
Компаниям, которые установили продукт на своих серверах, мы также упростили сбор логов. Прямого доступа к инфраструктуре заказчика у поддержки нет, поэтому логи выгружает сам клиент. Мы доработали выгрузку, чтобы специалист получал нужные для проверки сведения в удобном формате и реже просил собрать что-то дополнительно.
Автоматизация помогает быстро собрать нужные данные, а дальше все зависит от вопроса.
Если ответ есть в документации, его поможет найти бот. Если нужно выяснить причину ошибки, подключается специалист — а ИИ помогает ему искать и проверять возможные решения.
Когда достаточно ответа бота
Если ответ есть в публичной документации, с вопросом может помочь чат-бот. Клиенту не нужно подбирать точные термины: он описывает задачу своими словами, а бот учитывает смысл запроса и ищет ответ в базе знаний.
Но выдать нужную инструкцию еще не значит помочь. Например, компания пригласила администратора настроить домен. Он все сделал и передал доступы. Дальше с сервисом работают сотрудники, которым могут быть непонятны даже привычные для администратора шаги.
Если подсказки бота не помогли, клиент может прямо из диалога передать вопрос специалисту. Тот получит всю переписку, поэтому объяснять все заново не придется.
Если готовое решение не подходит к ситуации клиента, сотрудник изучает вопрос подробнее. Здесь ИИ помогает уже самой поддержке.
Когда готовой инструкции недостаточно
Над сложным обращением могут работать несколько команд. Переписка с клиентом, задачи разработчиков, обсуждения в чатах — за несколько дней накапливается много информации. Каждой новой смене нужно понять, что уже выяснили коллеги.
В этом помогает ИИ-помощник L3. Он собирает историю обращения, находит похожие случаи и подсказывает, что проверить дальше.
Например, в обращении накопилось 200 записей. Вместо того чтобы перечитывать их все, специалист открывает вкладку с кратким разбором. Там видно:
- что произошло и какие гипотезы уже проверили;
- к каким выводам пришли коллеги;
- какие похожие проблемы встречались раньше и как их решили;
- что еще стоит проверить;
- есть ли у разработчиков задача на устранение корневой причины и где ее найти.
У подсказок есть ссылки на источники. Если нужно уточнить детали, сотрудник может открыть исходную переписку или задачу разработчиков.
Помощник может найти подсказку и в логах. Например, компания проверила обновление на тестовой копии сервиса, и все прошло хорошо. Но при обновлении рабочей системы появилась ошибка, хотя, по словам клиента, настройки в обоих случаях одинаковые.
ИИ просматривает логи и замечает, что рабочей системе выделили меньше оперативной памяти. Он находит похожие случаи и подсказывает специалисту, в чем может быть причина.
Дальше сотрудник проверяет эту версию и решает, что делать. Клиент получает итоговый ответ, а гипотезы и обсуждение с помощником остаются внутри команды.
Как мы проверяем рекомендации и обновляем знания
Помощник ищет ответы в документации, прошлых обращениях и задачах разработчиков. Чтобы эти знания помогали клиентам, мы следим за несколькими вещами.
Обновляем базу знаний. Продукт может измениться раньше, чем инструкция. А новое решение — появиться в обращении раньше, чем в публичной статье. Поэтому мы дорабатываем документацию, пишем новые статьи и превращаем решения разработчиков в инструкции. Агенты помогают готовить эти материалы.
Защищаем данные. Если помощник нашел ответ во внутреннем источнике, он помечает его как закрытый. Сотрудник решает, какую информацию можно передать клиенту, и объясняет решение. Сведения из обращений других клиентов в ответ тоже не попадают.
Проверяем сложные ответы. Часть типовых ответов по публичной документации система отправляет сама. Если уверенности недостаточно, подключается специалист. Он выясняет, подойдет ли решение для настроек клиента и что нужно уточнить.
Поддерживаем работу инструментов. Выделенные инженеры следят за ними и дорабатывают по запросам команды. Если ИИ недоступен, сотрудники продолжают обрабатывать обращения. На поиск и проверку информации уйдет больше времени, но клиенты получат помощь.
Что меняется для команды и что мы планируем дальше
Автоматизация помогает быстрее понять вопрос, собрать данные о клиенте и проверить возможные причины ошибки. Это меняет работу поддержки.
Беремся за более сложные обращения. Специалисты меньше времени тратят на поиск информации и больше — на само решение. Разработчики передают нам знания и инструменты, чтобы мы могли решать больше вопросов самостоятельно.
Освобождаем время разработчиков. Когда поддержка справляется сама, коллеги могут больше заниматься развитием продукта.
Разбираемся, почему вопросы повторяются. Клиентов становится больше, поэтому работы не убавляется. Но теперь мы успеваем выяснять, чего не хватает в инструкциях и что мешает людям находить готовые ответы. Так мы понимаем, что изменить, чтобы клиентам было проще начать работу с продуктом и быстрее получать нужную информацию.
Дальше планируем:
- научить систему самостоятельно отвечать на большее число вопросов;
- улучшить определение категории обращения;
- автоматизировать очередность заявок и их распределение между специалистами.
Что учесть при внедрении ИИ в поддержку
Если вы тоже планируете подключить ИИ к поддержке, вот что стоит учесть.
- Начните с конкретной задачи. Например, с автоматического заполнения карточки заявки или поиска похожих обращений. Определите, какая информация нужна помощнику, что он должен выдать и как вы проверите результат.
- Считайте, сколько стоит работа инструмента. Ему нужны вычислительные ресурсы и время инженеров. Если автоматизация обходится дороже ручной работы, стоит изменить подход или выбрать другую задачу.
- Обновляйте инструкции и обучайте команду. Анализируйте ошибки в подсказках, дополняйте документацию и учите сотрудников проверять ответы. Помощник опирается на знания, которые вы ему передали.
Включить ИИ и забыть о нем не получится. Мы каждый день проверяем подсказки, дополняем базу знаний и дорабатываем инструменты. Так решение, которое однажды нашел один специалист, помогает всей команде быстрее отвечать на похожие вопросы.