Вернуться назад

Внедрение системы обслуживания пользователей (Service desk) с элементами ИИ

Трудностями внедрения любой системы автоматизации на предприятии являются:

  • Сложности с обучением сотрудников;

  • Длительность внедрения;

  • Возврат при первой возможности сотрудников к WhatsApp и telegram  в коммуникации и Excel в отчётности.

    Для решения этих проблем мы разработали интерфейсы взаимодействия с системой в удобной и привычной диалоговой форме для заявителей и исполнителей (те кто ранее общался с диспетчером через мессенджеры).

Интерфейс диспетчера был выполнен с одной стороны в привычном виде таблиц, с другой - с интуитивно понятными функциональными действиями.

Для обеспечения ощущения простоты и лёгкости взаимодействия с системой разработка велась на ReactJS, то есть всё взаимодействие происходит в рамках одной страницы, без перезагрузок и задержек.


Таким образом сотрудники стали пользоваться системой не из-за регламентов, штрафов и KPI, а потому что это удобно и быстро.

Таким образом сотрудники стали пользоваться системой не из-за регламентов, штрафов и KPI, а потому что это удобно и быстро.

Последовательный ввод и верификация данных в процессе, погрузка связанных данных и предиктивный поиск позволили уменьшить количество ошибок и увеличить скорость заполнения и обработки заявок.

Другой проблемой было отсутствие чётких регламентов и правил обработки заявок. Многие вопросы оставались на усмотрение диспетчера, что с одной стороны приводило к высокой нагрузке на него, с другой к ошибкам в процессах. Поэтому около 25% времени работы над проектом, было посвящено погружению в бизнес процессы клиента и составление стандартной и универсальной схемы обработки заявки, назначения наряда и согласования выполненных работ. Это привело к некоторому удорожанию и удлинению проекта, однако существенно снизило требования к квалификации диспетчера, свело к минимуму ошибки в обработке заявок (только в случае ошибок со стороны заявителя) и позволило выработать конкретные KPI для исполнителей и диспетчеров по процессам обработки заявок.

Второй задачей проекта была оптимизация работы диспетчера. На первом этапе мы автоматизировали распределение заявок по инженерным системам. Методами машинного обучения по обработке естественного языка используя исторические данные о 4000 обращений мы сумели обучить модель, которая теперь распределяет входящие заявки по направлениям (электрика, сантехника, уборка и др.)

В настоящее время проходит обучение системы обработки естественного языка на автоматизацию процессов по передаче работ исполнителю.

Более подробно читайте об написано в отдельной статье - NLP для центра обслуживания клиентов.

Другие статьи по этой теме

Маркетинг 4.0

как новая технореволюция влияет на рынок коммуникаций

Искусственный интеллект: новый взгляд на клиентский опыт

В данной статье расскажем вам, почему ИИ становится must-have инструментом маркетинга

Контакты
ООО Селадо

г. Москва, метро Павелецкая, Павелецкая набережная д. 2 стр 3, офис 106, БЦ LoftVille

+7 (495) 003-91-37
Свяжитесь с нами: