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.