Надходить клієнтське звернення. Хтось читає його, перевіряє клієнта, обирає відповідальний відділ і переносить деталі в іншу систему. Ви хочете зменшити цю ручну роботу. Перед запитом на розробку AI-агента опишіть рішення, яке має прийняти система.
Чи можна записати наступний крок як правило? Чи потрібно спочатку зрозуміти текст, а потім піти відомим маршрутом? Чи доведеться під час роботи обирати, яку інформацію шукати далі?
Це різні вимоги й різний обсяг розробки. Почніть із найпростішого варіанта, який дає прийнятний результат на характерних для вашого бізнесу зверненнях. Розберімо, як їх порівняти на одному умовному прикладі.
Один процес — три різні вимоги
Уявімо сервісну компанію, яка отримує клієнтські звернення. Команді потрібно, щоб кожне потрапляло до відповідального працівника з достатнім контекстом для роботи. Нижче — можливі варіанти побудови системи. Це умовна ілюстрація, а не клієнтський кейс чи виміряні результати Madency.
| Що надходить | Який варіант перевірити першим | Що перевіряє людина |
|---|---|---|
| Форма з обраним відділом і коректним ID клієнта | Правила, які перевіряють поля й створюють призначену задачу | Відсутні дані та винятки |
| Лист у довільній формі, від змісту якого залежить відділ | AI-класифікація, після якої працює визначений маршрут | Неоднозначні звернення, кілька тем і помилки класифікації |
| Звернення, де наступне джерело для перевірки залежить від уже знайденого | Обмежений агент у порівнянні з фіксованою послідовністю пошуку | Підстави висновку, невирішені питання й запропонована наступна дія |
Кожен рядок додає вимогу. Перший корисний запуск може охопити лише перший або другий варіант, залишивши розслідування людині.
Коли достатньо правил
Припустімо, у формі клієнт уже обирає «Оплата», «Підтримка» або «Продажі». ID клієнта заповнений, а правило призначення відповідального відоме. Автоматизація може перевірити поля, створити задачу й зафіксувати результат.
Варто розібрати винятки: що робити, якщо клієнта не знайдено, обов’язкове поле порожнє або система призначення задач недоступна? Для цих випадків потрібен відповідальний і видимий запис про зупинку.
Якщо додати модель для вибору відділу, з’явиться ще одне рішення для перевірки, хоча клієнт уже надав цю інформацію. Спочатку перевірте, чи маршрут за правилами прибирає те ручне копіювання, яке ви хотіли скоротити.
Коли допомагає один AI-крок
Тепер те саме звернення приходить листом: «Ми змінили підписку, і перестали працювати звіти». Поля з відділом немає. Модель може запропонувати категорію з погодженого списку, наприклад «Доступ до акаунта» або «Проблема зі звітами».
Решта процесу лишається визначеною: прочитати лист, запропонувати категорію, перевірити допустимість значення, створити задачу або передати результат на перегляд. Допустима назва категорії ще не доводить правильність класифікації. Звернення з кількома питаннями та незвичні формулювання теж потребують перевірки.
Визначте, у яких випадках система має передати роботу людині. Не сприймайте оцінку впевненості самої моделі як гарантію. У пілоті порівнюйте її рішення з прикладами, які команда вже розібрала, зокрема з листами на межі двох категорій.
Тут AI допомагає зрозуміти вхідний текст. Подальший маршрут визначає бізнес. Такий обсяг уже може бути корисним без передачі моделі керування всім процесом.
Коли варто перевірити агента
Розгляньмо ширшу вимогу: перед призначенням відповідального підготувати розбір із підтверджувальними даними. Знайдене в історії клієнта визначає, що перевіряти далі: нещодавню зміну, відповідний документ підтримки чи відсутню інформацію, яку потрібно запросити.
Спочатку запишіть ці варіанти. Якщо корисні випадки покриває коротка визначена послідовність, перевірте її. Обмежений агент стає кандидатом, коли вибір наступного кроку під час роботи є суттєвою частиною задачі, а простіший маршрут залишає цю роботу людям.
Визначте дозволені джерела й інструменти, умови зупинки та момент повернення відповідальності людині. У нашому прикладі перша версія могла б збирати підтвердження й пропонувати маршрут. Зміна підписки або надсилання відповіді клієнту — окремі можливості. Як визначати такі межі, пояснює стаття про доступи й погодження.
У цьому варіанті потрібно оцінювати й сам розбір: зайві кроки, пропущені дані та випадки, коли система мала зупинитися. Демонстрації одного вдалого звернення для такого рішення замало.
Порівнюйте роботу, яка залишається команді
Перед погодженням більшої розробки зберіть невеликий набір характерних звернень, які дозволено використовувати, або підготуйте знеособлені приклади. Включіть звичайні випадки, неповні листи й винятки. Домовтеся з командою, який результат вважаєте корисним.
Порівняйте можливі рішення на однакових прикладах:
- Чи потрапило звернення до потрібного відділу з правильним контекстом?
- Де знадобилася людина й чи зрозумілою була передача роботи?
- Скільки часу пішло на перегляд, виправлення та розбір збоїв?
- Яких постійних витрат на модель, інтеграції та підтримку потребуватиме варіант?
Критерії прийнятності варто визначити до перегляду демонстрації. Якщо команда мусить виправляти кожну створену задачу, користь для скорочення ручної роботи ще не доведена. Чекліст готовності допоможе знайти відсутні дані перед пілотом.
Визначте перший обсяг через одне рішення
Корисне формулювання описує роботу: «Розподіляти повні форми за погодженими правилами» або «Пропонувати категорію листа для перегляду». Поруч зафіксуйте, що залишається ручним і які результати перевірки стануть підставою для розширення.
У Madency пропонуємо починати з розбору процесу: вхідні дані, рішення, винятки, інтеграції та вимоги до розгортання, зокрема на вашій інфраструктурі. Discovery коштує $500 і зараховується у вартість подальшого Build. Його результат — визначений обсяг; готова інтеграція за цю суму не обіцяється. Детальніше — як ми працюємо.
Принесіть на fit call один повторюваний процес і місце, де наступний крок стає неоднозначним. Визначимо, чи доречний Discovery і який варіант варто перевірити першим.
Технічна основа
Anthropic у Building effective agents розрізняє визначені наперед маршрути та системи, де модель обирає наступні кроки. Production AI Playbook від n8n описує поєднання AI-кроків із правилами. Порівняння клієнтських звернень у цій статті — умовне застосування цих принципів від Madency.
