«Сделали так, чтобы сотрудники поддержки меньше отвлекались на рутину и могли сосредоточиться на клиенте»
Альфа-Банк запустил ИИ-помощника, который помогает быстрее находить ответы даже на сложные вопросы.
Каждый знает фразу: «Мне нужно несколько минут, я найду для вас актуальную информацию». Так пишут сотрудники поддержки. Часто ожидание затягивается, и разговор может вовсе на этом закончиться.
В Альфа-Банке нашли решение: поручили искать всё нужное виртуальному помощнику — боту собственной разработки со встроенным ИИ, который обучается на лучших и эталонных ответах. В итоге время ожидания сокращается до минимума, а специалист поддержки может обслужить гораздо больше клиентов.
Оператор на службе у операторов
Колл-центр постоянно улучшает условия работы специалистов поддержки, чтобы они всегда могли ответить на вопрос клиента точно и быстро. Одним из таких решений был переход на CRM-систему SFA Call: вместо множества разрозненных приложений работники колл-центра теперь используют единое ПО.
Стало удобнее, но появились и новые вызовы. Нужно было помочь сотрудникам быстро адаптироваться к новой системе и использовать её потенциал на максимум — быстрее обслуживать клиента, а также сократить среднее время диалога без потери качества ответов. Например, с помощью моментального подбора лучших ответов и возможности для специалистов поддержки создавать свои подсказки по каждой теме. Так в колл-центре решили сделать для них виртуального помощника. Проект так и назвали — Альфа-помощник: оператор.
«Альфа-помощник: оператор — это часть стратегии, которая оптимизирует рутину сотрудников и помогает решать вопросы клиентов быстро, в точке касания, создавая лучший клиентский опыт — финансовый суперсервис».
Для реализации помощника собрали команду разработки продукта, которая придумала, как всё должно выглядеть и работать, а теперь курирует проект, отвечает за функционал и технологию. В связке с командой продукта работают и другие подразделения банка. Например, Дирекция повышения эффективности персонала выступает в качестве бизнес-заказчика и следит, что технологии и продукт корректно «приземляются» на бизнес. А Лаборатория машинного обучения создала ИИ-модель, которую внедрили в помощника. Именно на ИИ-модели мы сегодня остановимся подробнее.
Перед разработкой модели команда продукта совместно с Лабораторией машинного обучения провела исследование и выяснила, с какими трудностями чаще всего сталкиваются специалисты поддержки при общении с клиентами. Самая большая проблема — широкая функциональность, которая мешает быстро решать задачи. Например, чтобы находить нужные ответы, специалистам поддержки приходилось работать сразу с множеством разделов CRM-системы и часто переключаться между ними. Это увеличивало нагрузку и снижало скорость обработки запросов.
Теперь ответы ищет помощник: бот обрабатывает диалоги в режиме реального времени, отправляет запросы встроенному ИИ и предлагает специалистам поддержки подсказки. А новые сотрудники быстро привыкают к работе с ПО, даже если не работали в подобных системах раньше.
«Следуя задаче бизнес-заказчика по оптимизации рутины, мы создали модели, которые помогают находить нужные ответы, а не просто генерируют их. Такие модели становятся настоящими помощниками в реальной работе».
С чем работает ИИ: три главные задачи
Вот какие проблемы был призван решить искусственный интеллект:
- Переключение между разделами. Специалистам поддержки часто приходится искать нужный раздел среди многих других, и из-за этого они теряют драгоценное время.
- Использование подсказок. У каждого сотрудника есть свои стандартные подсказки, но хранятся они в личных файлах и не синхронизированы между коллегами. Синхронизация важна, чтобы все специалисты поддержки могли использовать не только свои подсказки, но и лучшие ответы других специалистов — те, которые наиболее точно решают задачу, а также соответствуют ожиданиям клиентов и стилю общения банка.
- Навигация по базе знаний. В базе знаний тысячи материалов, в которых сложно ориентироваться, особенно новичкам.
Модель рекомендаций по интерфейсам: как сократить время переключений
Первую модель обучали на истории переходов специалистов поддержки между разделами и на исторических данных об обращениях клиентов.
«Мы создали модель, которая анализирует предыдущие диалоги и определяет, какие разделы в SFA-call понадобятся специалисту поддержки в процессе разговора с клиентом. Это экономит много времени и помогает быстрее обрабатывать сложные запросы».
Для обучения модели использовали нейронные сети TinyBERT и LSTM. Они позволяют распознавать сразу несколько интерфейсов, которые могут потребоваться одновременно. Разработчикам было важно, чтобы модель рекомендовала именно ту информацию, которую специалист поддержки использует на каждом конкретном этапе общения. Чем точнее рекомендации, тем быстрее он ищет ответ.
Подсказки к ответам: быстрый доступ к нужным словам
Вторая модель искала готовые фразы, которые специалисты поддержки используют в работе. До этого им приходилось хранить их в личных файлах — это сильно тормозило процесс и не позволяло быстро адаптировать ответы под контекст. Теперь ИИ-модель, обученная на тысячах диалогов, анализирует запрос клиента и предлагает подходящую подсказку.
«Нашей целью было создать общую базу подсказок, чтобы у каждого специалиста поддержки всегда был быстрый доступ к нужному ответу. Это позволяет поддерживать единый уровень обслуживания и исключает ошибки, которые случаются из-за поиска или создания подсказок вручную».
Модель обучена на данных из предыдущих диалогов, где выделены пары запросов и ответов. Команда использовала метод контрастивного обучения для оптимизации — подход, при котором система учится сопоставлять подсказки с похожими контекстами запросов. Этот алгоритм обеспечивает высокую точность рекомендаций и даёт специалистам поддержки возможность быстро находить то, что нужно.
«Подготовка подсказок — отдельная большая работа: чтобы создать первый пул, у Дирекции повышения эффективности персонала ушло не меньше двух месяцев. Мы с самого начала решили, что подсказки будут отвечать всем стандартам банка. Поэтому в качестве примеров отобрали ответы самых сильных специалистов поддержки, “отличников" с наивысшими оценками. Затем провели фактчекинг, создали базу ответов и выверили каждый по Tone of Voice. Такой подход помогает не только обеспечить высокую точность ответов, но и общаться с клиентом, выдерживая стилистику банка».
Навигация по базе знаний: быстро найти самую точную информацию
В базе знаний актуальные данные о продуктах, кредитных ставках и других услугах. Чтобы упростить поиск, команда разработала модель на основе Retrieval-Augmented Generation (RAG). Сейчас в банке завершили её тестирование и планируют запустить в первом квартале 2025 года.
Система разбивает базу знаний на смысловые блоки и векторизует их с помощью текстового энкодера. Затем при поступлении запроса от клиента модель ищет по базе знаний наиболее релевантные статьи. С помощью RAG ИИ предлагает специалисту поддержки готовые ответы на основе векторов ближайших смысловых частей текста. Это позволяет обрабатывать запросы гораздо быстрее, так как модель предлагает самые подходящие материалы.
Что получилось и что дальше
После внедрения моделей Альфа-Банк провёл исследование, чтобы оценить их влияние на время обработки и другие показатели — среднее время обработки запроса клиента снизилось на 45 секунд.
Ещё модель помогает новичкам быстрее адаптироваться — теперь у них есть доступ к базе подсказок и упрощенному поиску по базе знаний, что особенно полезно для сотрудников без опыта работы с системой.
Сейчас в колл-центре Альфа-Банка — более 4000 специалистов поддержки, и команда Лаборатории активно работает над оптимизацией ИИ-моделей. Разработчики внедрили несколько оптимизаций на уровне токенайзеров и распределения ресурсов. Сокращение длины токенайзера позволило повысить скорость работы модели без потери качества.
«В Альфа-Банке мы создали уникальный продукт — ИИ-помощника, который помогает специалистам поддержки быстрее и качественнее решать запросы клиентов. Наша цель — не просто автоматизировать рутинные процессы, а сделать работу сотрудников комфортнее, чтобы они могли сосредоточиться на главном — внимательном отношении к клиентам. Мы гордимся результатами: сокращение времени обработки запросов, удобство для сотрудников и улучшение клиентского опыта. Этот проект — пример того, как технологии могут приносить реальную пользу людям, и мы продолжаем активно развивать его дальше».
Как команда лаборатории собирается улучшать работу ИИ? У разработчиков уже есть чёткое представление об этом:
- Увеличение пула подсказок. С момента запуска количество подсказок увеличилось с 200 до 600, и база продолжает пополняться.
- Создание иерархии подсказок. Команда разметки создаёт иерархическую структуру, что облегчит специалистам поддержки поиск нужных ответов. В будущем это позволит системе автоматически подбирать релевантные подсказки в зависимости от темы обращения клиента.
- Доработка RAG для работы с изображениями. Так специалисты поддержки смогут получать ответы по нестандартным запросам. Например, если клиент загружает скриншот или другую картинку.
- Безопасность. ИИ-модель учитывает, что нужно скрывать чувствительную информацию, чтобы некоторые данные не мог видеть даже специалист поддержки. Разработчики дообучают её, чтобы система была ещё надёжнее.
«В основе проекта была простая идея: облегчить работу специалиста поддержки. Наша команда старалась продумать концепцию так, чтобы помощник был понятен и удобен каждому сотруднику — только в этом случае он будет приносить пользу, а не мешать. В итоге всё получилось: мы выполнили задачи, которые ставил колл-центр, сократили среднее время диалога и получаем положительную обратную связь от специалистов поддержки. Это результат слаженной работы продуктовой команды и тех, кто нам помогал: Лаборатория машинного обучения, Дирекция повышения эффективности персонала и другие подразделения. Сбавлять темп мы не планируем, и активно развиваемся дальше».
Радует, что ии в россии все больше в массы идет и применяется даже в банковском деле. Не особо раньши интересовался этим, но видимо скоро ии будет всюду как интернет. А в интернет тоже ни кто не верил 40-50 лет назад, теперь без него жизнь уже сложно представить
Правильное решение, за ИИ будущее. Ускорят ответы, сократят расходы на персонал и перенаправят средства в другое русло, одни плюсы. Все компании уже давно поняли куда ведет внедрение ИИ
До чего дошел прогресс! 😁 так интересно наблюдать за стремительным развитием ии, что иногда даже страшно
Например, чтобы находить нужные ответы, специалистам поддержки приходилось работать сразу с множеством разделов CRM-системы и часто переключаться между ними. Жесть, я бы с ума сошла от такой многозадачности