Постоянно меняющиеся законодательные условия, высокая скорость принятия решений, многозадачность в работе и необходимость снижения рисков, требуют современных подходов к организации взаимодействия с нашими клиентами.
Системы активно развиваются, внедряются новые решения, соответственно, нагрузка на клиентскую поддержку стремительно растет и без автоматизированного решения начинает страдать качество обслуживания.
В настоящее время для решения подобных задач стали очень популярны средства обработки запросов в виде чат-бота с использованием алгоритмов и методов машинного обучения и искусственного интеллекта (ИИ).
В этой связи, мы разработали необходимый инструмент, который позволяет автоматизировать обработку входящих пользовательских обращений и дает возможность сотрудникам первой линии поддержки получить необходимый ответ по запросу, дополнительно расширив их знания в конкретных областях, а пользователю – готовое решение без дополнительной консультации.
Разработка решения была выполнена в рамках программы «Социум-ЦТ» при поддержке Фонда содействия инновациям.
Вместе с понятием ИИ, часто упоминают и его подраздел: машинное обучение МО, которое представляет собой совокупность алгоритмов ИИ, направленных на создание экспертных систем, способных делать прогнозы и составлять классификации на основе входных данных. Искусственный интеллект используется также при создании рекомендательных систем, например чат-ботов и различных помощников. Успешные проекты его применения в бизнесе, не обошли и нас стороной.
Для решения массовых и трудоемких задач, методом выявления скрытых закономерностей в данных, нам также удалось получить эффект от использования ИИ.
В разработке подобных алгоритмов – мы использовали язык Python, который в свою очередь является мощным интерпретируемым объектно-ориентированным языком программирования. На нем создано огромное количество библиотек, содержащих новые алгоритмы для решения самых различных прикладных задач.
Для обработки естественного языка при анализе запросов пользователей сотрудниками первой линии поддержки была применена наглядная и популярная концепция «мешок слов», которая предполагает выполнение ряда методов
Слова обучающего корпуса приводятся к единым корням и разделяются на униграммы/биграммы (токены)
Отношение частоты употребления слова в отдельном тексте, к частоте употребления слова во всех документах
Kbest, повышение точности, сокращение времени на переобучение
В зависимости от настроек применяются алгоритмы искусственной нейронной сети или логистическая регрессия
Рис. 1 Окно с чат-ботом «Ася (бот в помощь)»
Добавлены ключевые слова, по которым чат-бот будет искать это состояние, и фразу для ответа. По такому принципу организованы, например, состояния «Поздороваться» и «Попрощаться» (рис.2).
Рис. 2. Состояние чат-бота «Поздороваться»
Зачастую, люди хотят быстрее получить ответ, а не следовать инструкции бота, поэтому мы обучили модель распознавать произвольные фразы и по ключевым словам, определять намерения пользователя, и даже если он допустит несколько ошибок в слове или сформулирует запрос иначе, чат-бот с высокой долей вероятности поймет и ответит правильно, поскольку обладает способностями к обобщению.
Использование чат-бота позволяет обратиться непосредственно к модели и получить результат обработки запроса, но для этого она должна быть предварительно обучена. Для достижения данной цели, а также дальнейшей обработки и совершенствования обучающей выборки был реализован объект модуля, позволяющий хранить последнюю в виде отдельных элементов системы, которые можно дополнять, изменять, а затем с их помощью выполнять переобучение.
Рис. 3. Справочник «Статьи базы знаний»
Рис. 4. Добавление новой статьи в базу знаний
Подготовленный набор статей администратор может выгрузить и на их основе переобучить используемую модель.
После обработки она отправляет на платформу «1С:Предприятие» наиболее подходящий ответ (ответы), и чат бот выводит результат, указывая его точность (рис. 5).
Рис. 5. Ответ и его точность (уверенность), выведенные чат-ботом.
При отсутствии подходящего ответа, пользователь может добавить свой вопрос в «Базу знаний» для последующего ответа специалиста по знаниям (рис.6).
Рис. 6. Предложение других статей и оценка качества выбранной
Избавление службы поддержки от рутинных операций. Сократилось количество типовых вопросов от клиентов, что позволило высвободить время сотрудников поддержки для разбора более сложных и комплексных задач
Разработанные нами механизмы были по достоинству оценены фирмой «1С» путем включения их в типовой продукт «1С:Библиотека функциональных подсистем 1С-Совместно, редакция 3.0. Комплект расширений: Технологии искусственного интеллекта, Чат-бот ДО, Интеграция с Чат-ботом ДО и База знаний».