SW3 Labs
Обговорити проєкт

Мовна модель бере рутину з текстом, а рішення лишається за людиною.

Знаходимо в роботі вашої команди повторювану задачу з листами, документами чи заявками й вбудовуємо в неї мовну модель: у пошту, CRM чи таблиці. Модель розбирає листи, готує чернетки відповідей і шукає відповіді у ваших документах, а працівник перевіряє результат і підтверджує важливі дії.

Обговорити автоматизацію

Лист проходить через фіолетовий куб і стає впорядкованим документом, поруч — зелена кнопка підтвердження

Що таке ШІ-інтеграція

Мовна модель розуміє довільний текст: лист клієнта, скан накладної, опис замовлення своїми словами. Сама по собі вона живе в окремому чаті, куди працівник копіює текст і звідки копіює відповідь. Інтеграція означає, що модель працює всередині ваших процесів: отримує лист із пошти, витягує з нього дані, створює картку в CRM і передає її менеджеру.

Модель може помилитися. Тому ми будуємо інтеграцію так, щоб помилку побачив працівник, перш ніж вона дійде до клієнта.

Що можна автоматизувати

Найкраще мовні моделі справляються із задачами, які повторюються щодня й мають зрозумілий результат. Приклади:

  • Пошта. Вхідні листи отримують тему, терміновість і відділ, а для типових питань модель готує чернетку відповіді. Надсилає працівник.
  • Документи. Дані з рахунків, актів і накладних «Нової пошти» потрапляють у таблицю, а поля, у яких модель не впевнена, позначено для перевірки.
  • Заявки й CRM. Лист чи повідомлення в Telegram або Viber стає карткою в CRM, наприклад у KeyCRM, з контактом, товаром і суттю запиту.
  • Пошук у документах компанії. Працівник питає, які умови доставки в договорі з постачальником, і отримує відповідь із посиланням на сам документ.
  • Помічник для працівників. Новий менеджер питає, як оформити повернення чи яка знижка діє для оптового клієнта, і отримує відповідь за вашими регламентами й прайсом.
  • Звіти. Щоранку система збирає продажі з CRM і Google Sheets і надсилає керівнику коротке зведення в Telegram.

Що ми перевіряємо першим

Перш ніж обирати модель, ставимо кілька питань до самої задачі:

  • Скільки часу на тиждень забирає задача і хто її зараз виконує?
  • Де лежать тексти й документи: у пошті, на Google Drive, у CRM чи в папці на офісному сервері?
  • Чи є серед них персональні дані клієнтів, договори чи фінанси?
  • Що станеться, якщо модель помилиться, і хто це помітить?
  • Чи мають ваші сервіси API або інший офіційний спосіб обміну даними?

Як ми запускаємо інтеграцію

Не автоматизуємо все одразу. Починаємо з однієї задачі й вимірюємо результат.

  1. Обираємо задачу. Одну, яка забирає час щодня і де помилку легко помітити.
  2. Описуємо правила. Що модель робить, які дані бачить, що їй заборонено і за якими критеріями приймаємо результат.
  3. Даємо мінімальні права. Інтеграція читає лише потрібну скриньку чи таблицю. Доступи налаштовуємо так, щоб надіслати лист клієнту, видалити запис чи провести оплату можна було тільки після підтвердження людини.
  4. Працюємо поруч із людиною. Спершу модель лише готує чернетки, а працівник перевіряє кожну. Самостійності додаємо, коли результат стабільний.
  5. Вимірюємо. Скільки часу забирала задача до запуску і після, скільки чернеток довелося виправляти. Чи продовжувати, вирішуєте ви.

Пошук у ваших документах простими словами

Мовна модель не знає ваших договорів, регламентів і прайсів. Якщо просто запитати її, вона відповість загальними словами або помилиться. Тому ми використовуємо пошук з опорою на документи (RAG): система спершу знаходить потрібні фрагменти у ваших файлах, а модель складає відповідь на їхній основі й показує, звідки її взято.

Працівник відкриває джерело й перевіряє відповідь, а ви бачите, яких документів бракує. Пошук налаштовуємо так, щоб кожен працівник бачив лише ті документи, до яких має доступ.

Що отримує ваша команда

Кожен етап закінчується результатом, який можна перевірити:

  • Опис задачі з правилами й критеріями приймання.
  • Інтеграцію, яка виконує одну задачу у ваших сервісах за погодженими правилами.
  • Журнал дій: що система прочитала, що зробила і що передала людині.
  • Підтвердження людиною для дій, які не можна скасувати.
  • Підсумок пілоту з цифрами до і після: що вдалося, що ні і чи варто продовжувати.

Як це виглядає

Приклади інтерфейсів, які ми будуємо. Дані на екранах вигадані.

  • Модель розбирає лист у картку заявки, людина підтверджує

    Модель розбирає лист у картку заявки, людина підтверджує

Коли ШІ не потрібен

Якщо задачу можна описати простим правилом, наприклад перенести поле з форми в таблицю чи надіслати клієнту номер накладної після оплати, мовна модель зайва. Звичайна інтеграція дешевша й передбачуваніша. Ми так і скажемо й запропонуємо програму чи інтеграцію без ШІ.

Дані та безпека

До запуску з’ясовуємо, які дані оброблятиме модель і де. Модель можна підключити через API великого постачальника або розгорнути відкриту модель на наших серверах у ЄС чи на вашому обладнанні. Для договорів, фінансів і даних клієнтів зазвичай радимо другий варіант. Відкриту модель можемо донавчити на ваших даних, якщо для цього є потрібні обчислювальні потужності, ваші чи наші. Персональні дані обробляємо за вимогами GDPR, а де можливо, приховуємо їх ще до того, як текст потрапить до моделі.

Як задати правила для ШІ-інструментів у всій компанії, описано на сторінці «Безпечний ШІ для команди».

Питання

Питання про ШІ-інтеграції.

Чи замінить ШІ працівника?

Ні. ШІ знімає з людини повторювану частину роботи з текстом, а рішення й перевірка лишаються за нею.

Що буде, якщо модель помилиться?

На старті модель лише готує чернетки, тож помилку бачить працівник ще до того, як вона дійде до клієнта. Дії, які не можна скасувати, як-от лист клієнту чи оплату, підтверджує людина. Усе записується в журнал.

Які дані бачитиме модель?

Лише ті, що потрібні для задачі. Список погоджуємо з вами й налаштовуємо доступи з мінімальними правами.

Чи можна підключити ШІ до наших сервісів?

Так, якщо в них є API або інший офіційний спосіб обміну даними. Наприклад, пошта, Google Sheets, KeyCRM, Telegram чи облікова система. Ми перевіряємо це до початку роботи.

Яку мовну модель ви використовуєте?

Обираємо під задачу й вимоги до даних: комерційну модель через API, наприклад від OpenAI, або відкриту модель, яку розгортаємо на наших серверах у ЄС чи на вашому обладнанні. Відкриту модель можна донавчити на ваших даних, якщо є потрібні обчислювальні потужності, ваші чи наші. Вибір пояснюємо простою мовою, зокрема те, де саме обробляються ваші дані.

Чим ШІ-інтеграції відрізняються від ML-інжинірингу?

Тут ми підключаємо готові мовні моделі до роботи з текстом. ML-інжиніринг означає машинне навчання (ML) на ваших даних: модель вчиться на продажах чи зверненнях і прогнозує попит або сортує заявки.

Поговорімо

Оберімо першу задачу для ШІ.

Розкажіть, яка робота з листами, документами чи заявками забирає у вашої команди найбільше часу. Допоможемо знайти задачу, з якої варто почати.

Обговорити автоматизацію