70% обращений в поддержку без LLM: как Дом.ру автоматизировал техподдержку на классическом NLP

Дом.ру обрабатывает 70% обращений в техподдержку автоматически — без GPT, без облачных LLM, на классических NLP-моделях с правилами. Just AI собрали решение на интент-классификаторах и интеграции с CRM, которое закрывает типовые вопросы быстрее и в разы дешевле генеративных моделей.

Что не работало раньше

Дом.ру — федеральный провайдер с миллионами абонентов — получает тысячи обращений ежедневно:

Проверка статуса заказа подключения
Активация и отключение услуг
Базовая техподдержка («нет интернета», «как сменить тариф»)
Вопросы по счетам и биллингу

Операторы тонули в рутине. 100% обращений шли в очередь к людям, даже если ответ — в два клика по CRM. LLM рассматривали, но:

Облачные API — дорого при таком трафике
On-premise модели — долго разворачивать и дообучать
Галлюцинации в биллинге — неприемлемый риск

Нужно было решение, которое работает сейчас, не требует GPU-кластера и не выдумывает номера счетов.

Что изменили

Just AI построили чат-бота на классическом стеке NLP без генеративных моделей:

Intent-классификация — модель обучена на корпусе обращений Дом.ру, распознаёт 40+ типовых интентов («проверить статус заказа», «сменить тариф», «проблема с оборудованием»)

Named Entity Recognition (NER) — извлекает из сообщения номер договора, адрес, тип услуги, описание проблемы

Интеграция с backend — бот подключён к CRM и биллингу, может проверить статус в реальном времени, выполнить простые операции (активация опции, формирование счёта)

Сценарная логика — если интент распознан с confidence > 0.85 и все параметры извлечены — бот отвечает сам. Если нет — передаёт оператору с заполненным контекстом

Архитектура:

fastText для классификации интентов (быстро, работает на CPU)
Кастомная NER-модель на spaCy, дообученная на данных Дом.ру
API-интеграция с SAP CRM и биллинговой системой
Фоллбэк на оператора с передачей истории диалога

Что получили

Метрика	До внедрения	После
Автоматизация обращений	0%	70%
Нагрузка на операторов	100%	30%
Среднее время ответа	~5 минут	<30 секунд (бот)

Ключевые результаты:

70% типовых вопросов решаются ботом без участия человека
Операторы сфокусированы на сложных кейсах (нестандартные проблемы, эскалации, продажи)
Клиенты получают ответ мгновенно — не ждут в очереди
Инфраструктура работает на CPU, без облачных GPU

Когда классический NLP бьёт LLM

Кейс Дом.ру — учебник по тому, когда не нужны большие языковые модели:

Обращения структурированы — 70% вопросов укладываются в 40 интентов. Если у вас не креативные эссе, а «проверить статус» и «сменить тариф» — классификатор справится лучше GPT.
Нужна интеграция, а не генерация — клиенту важен реальный статус заказа из CRM, а не правдоподобный текст. NLP + API решают задачу точнее.
Нельзя галлюцинировать — в биллинге, медицине, юридических справках выдуманный ответ = катастрофа. Правила и извлечение сущностей предсказуемы на 100%.
Бюджет на инференс ограничен — обработка миллионов обращений через облачные LLM API обойдётся в космические суммы. fastText на CPU — копейки.

LLM имеет смысл добавлять для оставшихся 30% — нестандартные вопросы, жалобы со сложным контекстом, консультации требующие рассуждения. Но начинать стоит с классики.

Если у вас техподдержка, банковский чат-бот, страховая линия — проверьте: какой процент вопросов повторяется? Если больше 50% — вам не нужен GPT-4. Вам нужен хороший интент-классификатор и API к вашим системам.

Источник: Just AI — Как без LLM автоматизировать до 70% обращений в поддержку

70% обращений в поддержку без LLM: как Дом.ру автоматизировал техподдержку на классическом NLP

Похожие статьи

Поделиться в соц. сетях

Комментарии