В декабре 2016 года KFC вместе с ICL Services успешно интегрировала в некоторые рестораны в России Service Desk — единую точку контакта для приема, регистрации и решения всех запросов от пользователей. А уже к середине 2018 года проект Service Desk перешел на новый этап, в основу которого легло машинное обучение. Для автоматизации работы специалистов ICL Services, работающих с Service Desk, был создан робот, который автоматически классифицирует все инциденты.
Цели проекта
Вместе с активным ростом KFC в России и ежегодным открытием более 100 ресторанов появилась необходимость уменьшить затраты ICL Services на предобработку заявок и их классификацию, а также увеличить корректность назначения заявок и скорость работы специалистов первой линии поддержки.
Роботизация службы поддержки
На этапе разработки робота было выбрано несколько алгоритмов и началось обучение искусственного интеллекта на выборке заявок из ITSM-системы заказчика. По истечении нескольких месяцев первая версия робота была готова и запущена в тестирование — робот классифицировал только те заявки, в правильности которых он был уверен на 98% и выше.
В июне 2018 года робот приступил к самостоятельной работе. В его обязанности входило следующее: классификация заявок, их первичная обработка и назначение на вторую, третью линии поддержки. Через 2 месяца результативность робота составила около 35% от всех заявок пользователей. К началу 2019 года автоматическая маршрутизация заявок работала в полную силу: робот уже не просто классифицировал заявки, а распределял их в соответствии с исполнителем (агентом). Заявки назначались доступному в определенный период времени агенту в соответствии с расписанием смен, загруженностью команды агентов и их уровнем компетенций.
Кроме того, был разработан функционал работающего по триггеру «автономного робота» для создания/изменения аккаунтов пользователей. Полный цикл разработки проекта занял всего 20 рабочих дней.
Результаты
Решение от ICL Services позволило распределять заявки автоматически, что сократило время на классификацию заявки с 5 минут до 21 секунды. Работая на основе машинного обучения, робот обрабатывает более 35% заявок самостоятельно, еще 15–20% заявок уходят в работу с использованием подсказок робота о наиболее эффективном пути решения. В целом точность классификации по проекту увеличилась, ведь машинное обучение не делает ошибок, свойственных человеку.