Корпоративный AI-чат
Единая точка входа для сотрудников и учащихся. Вопрос задаётся обычным языком, без знания того, в чьей зоне ответственности находится тема. Диалог сохраняется, чтобы повторное обращение продолжалось, а не начиналось заново.
Кейс · Образование
Кейс внедрения ИИ в образовании: −54% на обращение
Время обработки типового внутреннего обращения сократилось на 54%. Образовательная организация запустила корпоративный AI-чат с поиском по базе регламентов и академических политик: сотрудник спрашивает своими словами, получает ответ со ссылкой на пункт документа и, если нужно, готовый черновик заявления. Сложные и спорные случаи система передаёт человеку и показывает, кому именно.
−54%времени на обработку типового внутреннего обращения
4–8недель до выхода первого контура в продуктив
100%персональных и учебных данных остаётся в контуре
0обращений уходит во внешние публичные сервисы
Задача: как разбирали внутренние обращения до внедрения
Крупная образовательная организация: несколько тысяч учащихся, сотни преподавателей и сотрудников, разветвлённая административная структура. Внутренний поток обращений однообразен по составу и велик по объёму — справки, доступы к системам, вопросы по расписанию, оформление приказов, разъяснения академических политик.
Обращения приходили тремя путями сразу: на общую почту, в мессенджеры конкретным людям и через СЭД. Единой очереди не существовало, поэтому часть вопросов дублировалась, а часть терялась в личной переписке. Срок ответа никто не считал: формально он был, фактически измерить его было нечем.
Отдельная сложность — регламенты. Академические политики, положения и приказы обновляются несколько раз в год, действующая редакция лежит рядом с устаревшими. Сотрудник административного блока тратил заметную часть времени не на решение, а на подтверждение того, что применяет актуальный документ.
Что построили: контур обработки обращений
Шесть частей системы. Первые три отвечают за содержание ответа, следующие три — за то, чтобы обращение дошло до нужного человека и не нарушило права доступа.
01
02
RAG по регламентам и политикам
Положения, приказы и академические политики загружены с датами вступления в силу. Ответ строится только по действующей редакции и всегда сопровождается ссылкой на пункт, чтобы человек мог проверить основание.
03
Помощь с подготовкой документов
Заявления, служебные записки и типовые справки собираются по шаблонам организации с подстановкой данных из учётных систем. Сотрудник получает черновик и правит его, а не ищет прошлогодний файл у коллеги.
04
Разбор и маршрутизация обращений
Входящее классифицируется по теме, срочности и подразделению, затем уходит ответственному с уже собранным контекстом. Дубли из разных каналов сводятся в одно обращение, а не размножаются по исполнителям.
05
Интеграция с почтой и документооборотом
Система читает общий почтовый ящик, регистрирует обращение и связывает его с карточкой в СЭД. Статусы синхронизированы в обе стороны: закрыли в СЭД — обращение закрывается и в чате.
06
Роли и разграничение доступа
SSO и роли: учащийся, преподаватель, административный блок, руководство. Ответ формируется в пределах прав спрашивающего, а обращение к персональным данным другого человека журналируется отдельно.
Стек и где развёрнута система
Через контур проходят персональные данные учащихся и сотрудников, поэтому вопрос размещения решался первым. Всё стоит на серверах организации, внешние вызовы закрыты.
| Слой | Чем закрыт | Где работает |
|---|---|---|
| Диалог и рассуждение | Открытые модели Qwen и GigaChat в локальной установке | Сервер организации |
| Поиск по базе знаний | Векторный индекс на multilingual-e5 и ru-en-RoSBERTa | Контур организации |
| Документы | Разбор вложений и сборка черновиков по шаблонам | Контур организации |
| Почта | Чтение общего ящика, классификация, регистрация | Существующий почтовый сервер |
| Документооборот | СЭД: карточки, маршруты согласования, статусы | Существующая инсталляция |
| Доступы | SSO, роли и журнал обращений к данным | Контур организации |
Результат −54% и доля эскалаций человеку
Метрика — среднее время от регистрации типового обращения до его закрытия. Замер «до» сняли по выгрузке из почтового ящика и СЭД за месяц, предшествующий пилоту. Типовыми считали повторяющиеся категории: справки, доступы, расписание, оформление документов, разъяснения по действующим положениям.
Замер «после» брали из тех же источников через месяц работы в продуктиве. Нетиповые обращения в базу расчёта не включали — не потому, что они портят цифру, а потому, что у них нет сопоставимого «до»: каждое такое обращение уникально по объёму работы. Итог по типовому потоку — сокращение времени на 54%.
Долю обращений, переданных человеку, считаем отдельной метрикой и показываем рядом со скоростью. Вниз её специально не оптимизируем: если система начнёт отвечать на спорное, выигрыш во времени обернётся разбором последствий. Раз в неделю выборку эскалаций разбирают вручную — часть становится новым пунктом базы знаний, часть остаётся за человеком навсегда.
Ограничения и что осталось за сотрудником
Границы автоматизации в образовании определяются не технологией, а ценой ошибки: за частью обращений стоят права учащегося и юридически значимые решения.
- Спорные и индивидуальные случаи уходят человеку. Восстановление, перевод, академическая задолженность, конфликтные ситуации — система собирает материалы и передаёт их сотруднику вместе с выдержками из положений.
- Юридически значимые документы подписывает человек. Черновик готовится автоматически, но приказ, справка и любой исходящий документ выходят за подписью ответственного лица.
- Персональные данные выдаются строго по правам. Запрос сведений о другом человеке система не выполняет автоматически даже при наличии формального доступа — такие обращения маршрутизируются и журналируются.
- Толкование новых норм не автоматизировали. Пока по новому положению нет практики применения, ответ помечается как предварительный и уходит на подтверждение методисту.
- Голосовой канал не входил в объём. Телефонные обращения остались у людей, разбор звонков вынесен в отдельный сценарий.
- У базы знаний должен быть владелец. Без сотрудника, который вносит новые редакции документов, точность ответов деградирует за один семестр — это условие, а не рекомендация.
Вопросы и ответы
Частые вопросы по кейсу автоматизации обращений
Что считается типовым обращением?
Категория, которая повторяется десятки раз в семестр и имеет описанный порядок обработки: выдача справки, доступ к информационной системе, вопрос по расписанию или по действующему положению, оформление стандартного заявления. Перечень категорий согласовали с административным блоком письменно до пилота и с тех пор не меняли, иначе замеры «до» и «после» перестали бы быть сопоставимыми. Всё, что не попало в перечень, обрабатывается системой как нетиповое: она собирает контекст и передаёт обращение сотруднику, но в расчёт метрики такие случаи не входят.
Как система понимает, что документ устарел?
У каждого документа в базе знаний есть дата вступления в силу, дата отмены и связь с тем, что он заменяет. Поиск идёт только по действующим редакциям, устаревшие остаются в хранилище для истории, но в ответ не попадают. Если по теме есть противоречащие друг другу действующие документы, система не выбирает между ними сама: она показывает оба и передаёт вопрос методисту. Ответ всегда содержит ссылку на конкретный пункт, поэтому проверка занимает секунды, а не требует поднимать первоисточник вручную.
Данные учащихся не уходят наружу?
Модели, векторные индексы, журналы диалогов и интерфейсы развёрнуты на серверах организации, обращения к внешним публичным сервисам отключены на уровне сетевых политик. Доступ к сведениям разграничен ролями: ответ формируется в пределах прав того, кто спрашивает. Каждое обращение к персональным данным записывается в отдельный журнал с указанием пользователя, времени и основания. Такой контур проще проходит внутренние проверки и не требует отдельного соглашения с внешним обработчиком, потому что обработчика за периметром просто нет.
Сколько времени заняло внедрение и что делали в первую очередь?
Первым делом собирали базу знаний, а не подключали модель. Разбор действующих редакций положений, снятие дублей и назначение владельцев документов заняли больше времени, чем вся техническая часть. Пилот на одной категории обращений уложился в 2–4 недели, выход первого контура в продуктив — в типовые 4–8 недель. Дальше категории добавлялись итерациями. Порядок принципиален: без наведённого порядка в документах любая модель будет уверенно цитировать прошлогоднюю редакцию, и это хуже отсутствия ответа.
Подойдёт ли такой контур другой организации?
Схема переносится в любую структуру, где поток обращений однообразен, а ответ определяется внутренними нормами: организации образования, административные подразделения крупных компаний, сервисные центры. Отличаться будут состав базы знаний, роли и требования к персональным данным — именно они определяют объём работ, а не выбор модели. Смежные сценарии описаны на странице внедрения ИИ в образовании, а работа с потоком документов — в разделе про документооборот.
Первый шаг
Бесплатный аудит: посчитаем эффект внедрения ИИ на ваших цифрах
30–40 минут разбора: смотрим ваши процессы, отмечаем, что можно передать ИИ, считаем ROI-модель на ваших объёмах и сроках. Вы уходите с расчётом и картой внедрения — даже если работать дальше не будете.
Читайте также
ИИ в образованииДва контура ИИ в школе и вузе: административный — обращения, справки, расписание, отчётность; учебный — материалы и провОтчетность и дашбордыСлой аналитики поверх учебных и операционных данных: автосборка отчетов, дашборды, комментарии ИИ к динамике. ПодготовкаКейсыОбезличенные кейсы внедрения ИИ с метриками до и после: ритейл, производство, образование, маркетинг.