Блог

Единая AI-платформа обработки обращений: от разрозненных заявок к единому процессу

2026-04-22 18:23 Кейсы
Городские службы ежедневно обрабатывают поток обращений граждан из десятков каналов — от порталов и чат-ботов до соцсетей и письменных заявок. Значительная часть этих обращений повторяется или требует типового ответа, но при этом все еще обрабатывается вручную.
Мы собрали AI-платформу для мэрии города миллионника, которая объединяет обращения граждан в единую систему и ускоряет их обработку за счёт базы знаний и анализа тональности сообщений.
Дисклеймер: Мы строго соблюдаем стандарты информационной безопасности и заботимся о приватности наших заказчиков. Данный проект реализован под NDA, поэтому мы не раскрываем реальное название компании. Все приведенные в кейсе скриншоты интерфейсов и данные обфусцированы (визуально изменены) для защиты чувствительной информации. При этом архитектура решения, технологический стек и итоговые бизнес-метрики переданы без искажений

В чем была проблема

В процессе обработки обращений регулярно возникали одни и те же сценарии, которые показывали слабые места системы.
Например, один и тот же инцидент, вроде упавшего дерева во дворе или неубранного снега, мог попасть одновременно через городской портал, чат-бот и сообщение в соцсетях. В результате он регистрировался несколько раз и уходил в разные подразделения, где начинал обрабатываться параллельно.
Другой типичный кейс — пользователь отправляет обращение в «официальный канал», затем дублирует его через другой сервис, не понимая, что заявка уже в работе. Система не умела сопоставлять такие случаи, и они продолжали жить как отдельные обращения.
Была и обратная проблема: оператор получал заявку, но не видел полной истории. Чтобы понять контекст, ему приходилось вручную проверять разные системы и уточнять статус у других подразделений.
Отдельно перегружали систему типовые вопросы. Например, «куда обратиться по поводу ЖКХ», «как подать заявку», «какие сроки рассмотрения». Такие обращения занимали время операторов, хотя могли закрываться стандартным ответом.
В итоге проблема была не в самих обращениях, а в том, что система не умела их объединять, классифицировать и быстро давать готовый ответ там, где он уже заранее известен.

От разрозненных заявок к единому потоку

Мы разработали систему, которая объединяет и стандартизирует обработку обращений граждан из разных каналов в единый контур.
Ее ключевая идея в том, что обращения больше не живут в разрозненных инструментах и ведомственных системах. Вместо этого все входящие запросы агрегируются в одной платформе, независимо от того, откуда они поступили — городской портал, чат-бот, социальные сети или внутренние сервисы.
Система выступает как единый центр обработки обращений: она принимает поток сообщений, нормализует его и распределяет дальше по логике ответственности.

Как работает система

Пользователь оставляет обращение через любой доступный канал — городской портал, чат-бот, социальные сети или внутренние сервисы. Дальше система берет его в обработку и превращает в единый структурированный запрос внутри платформы.
Все входящие обращения попадают в одну точку входа, где проходят первичную обработку и классификацию. На этом этапе система определяет тему обращения и автоматически маршрутизирует его в соответствующее направление: городская инфраструктура (дороги, благоустройство), ЖКХ и коммунальные вопросы, экстренные ситуации или другие категории.
После распределения обращение попадает в ответственное подразделение, где начинается его обработка. Весь процесс строится как сквозная цепочка: фиксация обращения, назначение исполнителя, обработка и возврат результата пользователю.
На каждом шаге сохраняется прозрачная статусная модель, которая показывает, на каком этапе находится обращение и что с ним происходит в данный момент. Это позволяет исключить «потерянные» заявки и снизить неопределенность для всех участников процесса.

Где работает ИИ

Понимание обращения через тональность

Первый слой — анализ тональности обращения.
Каждое входящее сообщение автоматически проходит оценку текста, где система определяет эмоциональный и операционный контекст:
  • нейтральный запрос
  • негативное или конфликтное обращение
  • потенциально срочная ситуация
Это позволяет оператору сразу видеть характер обращения, а системе — помогать в приоритизации. Фактически это быстрый сигнал о том, насколько критично реагировать на запрос и в каком режиме его обрабатывать.

RAG-база знаний как слой быстрых ответов

Второй слой — интеллектуальная база знаний на основе RAG-подхода.
Когда оператор или система сталкивается с типовым вопросом, платформа обращается к базе знаний и подбирает релевантные статьи, инструкции или регламентные ответы.
Это используется в сценариях, где:
  • вопрос уже имеет стандартизированный ответ
  • нет необходимости вовлекать профильное подразделение
  • требуется быстрое закрытие запроса без дополнительной маршрутизации
По сути, RAG снижает количество ручного поиска информации и ускоряет обработку повторяющихся обращений.

Что изменилось

Внедрение платформы позволило заметно перестроить процесс обработки обращений — от ручного и фрагментированного к централизованному и более предсказуемому.
Ключевые эффекты:
  • 23% обращений стали закрываться типовыми ответами без участия операторов за счет RAG-базы знаний и автоматического подбора релевантных ответов
  • Среднее время обработки заявки сократилось с 4 часов до 25 минут, благодаря автоматической маршрутизации и снижению ручных операций
  • 15% обращений были выявлены как дублирующие, что позволило системе объединять повторные запросы и снижать нагрузку на исполнителей
В сумме система не только ускорила обработку обращений, но и снизила операционную избыточность, убрав повторную работу и перераспределив нагрузку между автоматикой и операторами.