30/11/2023

Как устроен внутренний бот-помощник Газпромбанка, которой отвечает на отлично в 85% случаев

Содержание:

Два года назад в Газпромбанке внедрили корпоративный чат-бот, который взял на себя типовые задачи HR. Теперь благодаря обучению он отвечает на самые разные вопросы: консультирует сотрудников служб поддержки, помогает заполнить и согласовать документы, может даже заказать визитки или поболтать на отвлеченные темы. Из предыдущей статьи можно узнать, зачем нам вообще понадобился чат-бот и как он работает с точки зрения пользователя. Настало время рассказать о технологической стороне вопроса.

Технологическая платформа чат-бота

Чтобы реализовать проект, мы выбрали программную платформу для создания чат-ботов AutoFAQ. Для банка было важно, что платформа позволяет быстро и легко создавать чат-ботов с высоким «интеллектуальным уровнем», способных эффективно замещать человека в ряде процессов. «Интеллектуальный уровень» бота определяется, во-первых, объемом его знаний и, во-вторых, умением правильно распознавать смысл запроса, который человек формулирует в свободной форме.

База знаний бота

Основа программного решения — база знаний, которая воплощает «интеллект» чат-бота. Она охватывает разные направления деятельности банка и не требует предварительного обучения встроенной нейросетевой модели. Эта модель — готовое решение, которое входит в комплект поставки платформы вендором.

Специалисты банка с помощью модели обучают нейросеть на основе вопросов пользователей и ответов экспертов. База знаний строится по принципу «проблема — решение»: «интеллект» системы растет в условиях реальных взаимодействий HR-отдела с сотрудниками — чем больше вопросов задают люди, чем больше информации эксперты вносят в базу знаний, тем «умнее» становится система. Она хорошо понимает запрос пользователя даже на базе одного примера.

Важный момент: поскольку бот обучается в ходе реальной работы специалистов, отдельно дообучать алгоритм для работы в Газпромбанке не нужно. Такой подход дает отличный результат, поскольку данные, которые использует модель, оперативно обновляются и всегда актуальны.

Высокая точность распознавания запросов на минимальном объеме данных

Ключевая задача любой диалоговой системы — качественное распознавание намерений (интентов — от англ. Intent) пользователей, которые содержатся в текстовом запросе. Над ней бьются все ведущие поставщики разговорных систем, разрабатывая собственные движки машинного обучения.

Платформе, на которой работает HR-бот Газпромбанка, достаточно получить всего одну формулировку вопроса пользователя, чтобы затем хорошо понимать даже измененные фразы. (см. сравнительный анализ систем распознавания интентов). Степень релевантности запроса и уже имеющейся конкретной статьи в базе знаний может достигать 90-100%. «Интеллект» системы нацелен на то, чтобы в ходе распознавания вопросов сотрудников понимать все более тонкие особенности формулировок и все больше обращений обрабатывать автоматически.

Если же система встречается с запросом, релевантность которого содержимому базы знаний находится на невысоком уровне, скажем, 60% и менее, то обращение переводится на оператора.

Анализ ответов системы показывает, что он не просто отвечает уверенно и правильно. Бот также способен понять, что для ответа не хватает какой-либо информации, и запросить ее у человека. На этот случай в боте предусмотрены уточняющие вопросы и ветки ответов.

85% оцененных ответов получили оценки «хорошо» и «отлично». NPS (Net Promoter Score — индекс потребительской лояльности) по итогам опроса 2022 года составил 74%. По итогам 2023 года уровень удовлетворенности пользователей от общения с ботом должен вырасти, поскольку система постоянно «умнеет».

Удобный режим создания и развития базы знаний без участия программистов

Базу знаний бота сотрудники-эксперты создают самостоятельно. Не нужно участие профессиональных лингвистов и программистов, не надо рисовать блок-схемы и прописывать сценарии. Достаточно составить естественным языком вопрос и ответ — и готов элемент базы знаний класса «проблема – решение».

Вдохновившись опытом HR, чат-бот начали внедрять и в других подразделениях банка. У каждого из них есть свои базы знаний, и у каждого бизнес-администратора есть возможность создавать нужное количество баз и наполнять их по своему усмотрению. Все эти базы связаны между собой.

Как мы внедряли чат-бот

Чтобы внедрить чат-бот и сформировать мощную базу знаний, ушло шесть месяцев. Важно было всё реализовать без негативного влияния на другие системы банка, наладить работу библиотек на платформе чат-ботов и интегрировать систему с решениями информационной безопасности.

Уже через три месяца тестирования чат-бот научился без проблем отвечать на базовые HR-вопросы. Например, как оформить больничный лист? Где заказать справку с места работы? Сколько дней отпуска у меня осталось? Как изменить режим работы? Кому сообщить о болезни? Как оформить декретный отпуск?

Плюс к этому бот уже знал ответы на каверзные вопросы, такие как: в чем сила, брат? Как пройти в библиотеку?

В пилоте участвовало около тысячи сотрудников банка — из HR, ИТ, сервисной организации, внутрикомма. При этом непосредственно запуском проекта занималась небольшая группа внедрения: по два человека от HR и ИТ, несколько специалистов ИБ, плюс команда AutoFAQ.

Вслед за HR бот начали использовать и другие подразделения внутренней поддержки банка: Сервисная организация, Аппарат Правления, команда ИТ-поддержки, команда управления рисками и специалисты поддержки розничной сети. Обращения по всем направлениям обрабатываются в едином чат-центре.

Чего добился бот за два года

Сегодня виртуальный помощник самостоятельно отвечает на распространенные запросы сотрудников с 90%-й уверенностью. Уровень роботизации ответов достигает 70%, а благодаря интеграции с Service Desk пользователи могут получать информацию о статусе заявок.

С января 2022 по ноябрь 2023 года около 5 тысяч сотрудников обратились к боту хотя бы раз. За это время в систему поступило более 15 тысяч обращений — 77% из них закрыты автоматически. На 19% запросов ответили специалисты с помощью умных подсказок системы. И лишь 4% запросов операторы обработали без участия чат-бота. Среднее время ответа сократилось с 24 часов до 5 минут, а индекс потребительской лояльности среди сотрудников составил 73%.

За реализацию проекта команда «Газпромбанка» и AutoFAQ летом 2023 года отмечены дипломом на конкурсе проектов цифровой трансформации HR «Цифровая пирамида».

Что дальше: три главных шага в развитии системы

В ближайшее время мы планируем:

Расширить функциональный охват бота в ИТ-поддержке, клиентском сервисе и хозяйственной деятельности. Мы обогащаем существующие базы знаний и добавляем новые тематики, по которым консультирует чат-бот. Так решать вопросы в автоматическом режиме смогут ещё больше сотрудников.
Пополнить базы знаний вопросами филиальной сети. Чат-бот обрабатывает запросы сотрудников банка из разных городов: специфика работы в каждом регионе отличается, и эти нюансы необходимо учитывать для повышения точности ответов.
Сформировать единую поисковую систему банка на базе чат-бота.

В другой статье рассказываем, как появился чат-бот, вырос в полноценного виртуального помощника и как теперь работает с точки зрения пользователя. Читайте по ссылке.

Другие статьи по теме