ИИ разбирает заявки: как не потерять клиента за красивым резюме?

Короткое резюме заявки удобно менеджеру, пока из него не исчезает главное ограничение клиента. «Нужен сайт» и «нужен сайт к мероприятию, но без онлайн-оплаты» — разные задачи. Нейросеть должна помогать увидеть различия, а не превращать все обращения в одинаковые карточки.

В Чатиуме можно собрать кабинет, где оригинал заявки остаётся рядом с выделенной потребностью и вопросами. Менеджер подтверждает поля, прежде чем использовать их в дальнейшей работе.

Не начинайте с оценки «горячий или холодный»

Если у команды нет согласованных правил приоритета, модель будет подменять их собственными представлениями. Длинное письмо не обязательно означает готовность купить, а короткое — отсутствие интереса. Для первой версии полезнее извлекать подтверждаемые сведения.

Разделите поля: что клиент хочет, когда ему это нужно, какие ограничения назвал и что остаётся неизвестным. Бюджет не нужно угадывать по стилю речи. Если человек его не сообщил, поле остаётся незаполненным и превращается в вопрос.

Пример: заявка на регистрацию участников

Условный текст: «Проводим встречу в следующем месяце, нужен список участников и подтверждение регистрации. Оплату собирать не будем. Хотим выгружать список для администратора на входе».

Хороший разбор выделит регистрацию, подтверждение и выгрузку. Ограничение «без оплаты» останется явным. Уточнения касаются точной даты, нужных полей участника и способа подтверждения. Добавлять билетную систему с платежами только потому, что речь о мероприятии, нельзя.

Что должен видеть менеджер

Рядом с каждым важным полем полезно показать фрагмент исходника. Если нейросеть выделила срок, сотрудник должен быстро понять, это точная дата или относительное «через неделю». Последнее требует даты обращения и иногда уточнения.

Не скрывайте оригинал после обработки. В нём могут быть оттенки задачи, которые не вошли в карточку. AI-резюме — удобный рабочий слой, а не замена первичному сообщению.

Предлагаемый следующий вопрос должен двигать разговор вперёд. «Расскажите подробнее» слишком общее. «Нужно ли подтверждать участие письмом или достаточно страницы после регистрации?» — уже развилка, которая влияет на реализацию.

Как встроить это в процесс Чатиума

Встроенный помощник создаёт форму, очередь заявок и серверное хранение. Модель Haiku 5.5 в примере извлекает сведения; правила доступа и передачи менеджеру задаёт приложение. Если разные сотрудники работают с разными клиентами, изоляцию записей проверяют на сервере.

Это фрагмент серверного обработчика Чатиума. ctx передаёт платформа, sourceText содержит проверенный текст из формы. done и failed — заранее зарегистрированные маршруты app.function для результата и ошибки. Они проверяют, что вызов пришёл от приложения start: caller.type === 'plugin' && caller.appSlug === 'start'.

import { startCompletion } from '@start/sdk'

const { completionId } = await startCompletion(ctx, {
  model: 'anthropic/claude-haiku-5.5',
  system: 'Выдели задачу клиента, сроки, ограничения и неизвестные сведения. Для каждого факта укажи исходную фразу. Не угадывай бюджет. Предложи один полезный уточняющий вопрос.',
  messages: [{
    role: 'user',
    content: [{ type: 'text', text: sourceText }],
  }],
  onCompletionCompleted: done,
  onCompletionFailed: failed,
})

Метод возвращает completionId. Сам ответ приходит позже в onCompletionCompleted, ошибка — в onCompletionFailed; до этого приложение показывает ожидание. Это схема вызова, а не полный код приложения.

Результат сохраняется как предложенные поля. Подтверждение менеджера делает их рабочей карточкой. Это позволит позже отличить ошибку модели от изменения требований, которое сообщил сам клиент.

Как оценивать качество разбора

Посчитайте, какие ограничения чаще теряются и какие поля приходится исправлять. Если модель хорошо определяет тему, но регулярно выдумывает срок, это не стоит скрывать общей оценкой «точность высокая».

Для приоритизации сначала сформулируйте явные бизнес-правила: например, дата мероприятия раньше определённого срока требует быстрого ответа. Такие правила можно применять программно к подтверждённым полям. Не обязательно отдавать модели решение, которое уже описано простым условием.

Частые вопросы