VorobeoffВремя в день
Стало~8 минут
на контроль очереди и исключений
Было~4 часа рутины
Разбор проекта: заявки строительной компании — 4 часа → 8 минут
Разбор проекта (обезличенно): ~47 заявок в день, ручная сортировка и назначение. Как я собрал ИИ-контур классификации и маршрутизации — с контролем человека.
Обезличенный разбор проекта: классификация заявок, извлечение полей и назначение мастера по правилам. Неоднозначные обращения остаются у оператора.
Одна заявка
Стало~10 секунд
автоматически; спорные — вручную
Было5–7 минут
Ошибки назначения
Стало−90%
по итогам первого месяца
БылоРегулярно
Показатели — из внутренней статистики клиента. Восемь минут относятся к ежедневному контролю, а снижение ошибок назначения на 90% — к первому месяцу после запуска.
Задача
47 заявок — четыре часа ручной работы
Форма на сайте, мессенджеры и звонки наполняли общую очередь. Оператор определял тип обращения, выписывал адрес и дату, подбирал мастера и заводил задачу в CRM. На одну заявку уходило 5–7 минут.
Нужно было сократить обработку до минут и снизить ошибки назначения. Существующая CRM оставалась основой процесса, а оператор — человеком, который разбирает исключения.
Метод
Назначение по правилам, исключения — оператору
Я собрал ассистента, который превращает входящее обращение в задачу для мастера. Однозначные заявки классифицируются по правилам; на неоднозначных подключается LLM.
Назначение опирается на загрузку и компетенции исполнителей. Оператор подтверждает спорные случаи и смотрит дашборд раз в смену.
Определить категорию
Срочный ремонт, плановое обслуживание или консультация: правила и LLM помогают разобрать обращение.
Извлечь поля
Из текста выделяются адрес, тип работ и желаемая дата.
Подобрать исполнителя
Таблица правил и API CRM учитывают загрузку и компетенции мастеров.
Создать задачу
Ассистент заводит задачу в CRM и отправляет уведомление мастеру.
Как проходит одна заявка
Обращение клиента
Входящие из разных каналов поступают в общую очередь.
Категория и назначение
Ассистент извлекает данные и подбирает мастера по правилам.
Задача в CRM
Мастер получает уведомление; спорное назначение подтверждает оператор.
Решение
Обращение становится задачей для мастера
Ассистент снимает повторяющиеся действия между входящей очередью и CRM. Для назначения нужны конкретные данные, а не свободный пересказ заявки.
Результат обработки
Задача в CRMТип обращения, адрес, работы, дата и назначенный исполнитель.
Надстройка над системой, в которой компания уже работает.Данные для назначения
Поля заявки и правила распределения связывают запрос клиента с подходящим исполнителем.
Категория
Срочный ремонт, плановое обслуживание или консультация.
Адрес
Место проведения работ. Ошибки извлечения требуют отдельного внимания.
Работы и дата
Что нужно сделать и когда клиент хотел бы принять мастера.
Исполнитель
Назначение по загрузке и компетенциям; спорные случаи подтверждает оператор.
Оценка результата
От сортировки к контролю исключений
После запуска сократились время обработки и количество ошибок назначения. Роль оператора сместилась к контролю.
Ежедневная нагрузка
Около восьми минут контроля вместо четырёх часов механической обработки. Типовая заявка проходит автоматически примерно за десять секунд.
Точность назначения
Ошибки сократились на 90% по итогам первого месяца, согласно внутренней статистике клиента.
Работа оператора
Подтверждение спорных случаев и просмотр дашборда раз в смену вместо ручной сортировки всех обращений.
Эти цифры описывают конкретный проект и период наблюдения. Отдельный показатель окупаемости в разборе не рассчитывается.
Контроль
Неполная заявка требует уточнения
На старте проблемы возникали в данных, нагрузке и доверии команды. Их пришлось учесть в процессе обработки.
Нечёткие обращения
На фразах вроде «приезжайте когда получится» агент гадал. Для таких заявок понадобился шаблон уточняющих вопросов.
Пики после рекламы
Для возросшего потока добавили очередь и ограничение числа параллельных вызовов API.
Доверие мастеров
Первую неделю команда не доверяла автоназначению. Включили режим предложения с кнопкой подтверждения.
Извлечение адреса
В этом поле было больше всего ошибок. Отдельный промпт-контролёр — направление дальнейшей доработки.
Ассистент обрабатывает типовой поток. Спорные заявки подтверждает человек — оператор остаётся в контуре.
Передача
Ассистент поверх существующей CRM
В основе — LLM-классификатор, правила назначения, интеграция с CRM и Telegram-уведомления мастерам.
Сейчас я добавил бы журнал всех решений с возможностью отката и отдельную проверку извлечённого адреса. Это следующие улучшения, а не функции описанного запуска.
Классификация и поля
Категория обращения, адрес, тип работ и желаемая дата.
Правила и интеграция
Назначение по компетенциям и загрузке, создание задачи через API CRM, уведомление мастеру.
Контроль оператором
Подтверждение исключений и обзор очереди. Метод: рабочий контур ИИ-агента.
Продолжить тему
Другие кейсы
Разборы конкретных процессов: исходная задача, устройство системы и результат.
ИИ-агенты для бизнеса: как я превращаю рутину в рабочий контур
Кейс-метод: три внедрения с цифрами, схема рабочего контура, ограничения и роль человека — с чего начать, если хотите не чат-бота, а систему под процесс.
Как я перестал читать закупки — и оставил себе только одно решение
Личный кейс: как я сократил ручное чтение ТЗ по госзакупкам с ~30 часов в неделю до 1–2 часов на решения. Парсер, VPS, gpt-5.5 через API и Telegram — без автоподачи заявок и без снятия ответственности с человека.
Разбор проекта: юридические документы — 3 дня → 2 часа
Разбор проекта (обезличенно): юридическая фирма, 200+ документов в день. Как я собрал связку Claude + Make.com + Notion — и что оставил на стороне юриста.
Обсудить задачу
Какой процесс забирает у вас время?
Опишите, какие данные поступают, что сотрудник делает вручную и какой результат нужен. С этого начнём разбор задачи и оценим, где ИИ может снять нагрузку.