Архив Транспорт и логистика · Экспресс-доставка и почта
DPD Россия: LLM-помощник по базе знаний, время обработки обращения −15%
По данным DPD, виртуальный помощник на больших языковых моделях в департаменте обслуживания клиентов сократил среднее время обработки обращения на 15%, а время постобработки на 17%. Система ищет фрагменты в корпоративной базе знаний и формирует ответ сотруднику.
/01 · ключевые результаты
-
результат
15%
среднее время обработки обращения
Logistics.ru, статья, 30.07.2026
по данным на июль 2026 года · департамент обслуживания клиентов DPD в России
данные компании
-
результат
17%
время постобработки обращения
Logistics.ru, статья, 30.07.2026
по данным на июль 2026 года · департамент обслуживания клиентов DPD в России
данные компании
-
результат
7%
внутренняя оценка качества консультаций
Logistics.ru, статья, 30.07.2026
по данным на июль 2026 года · департамент обслуживания клиентов DPD в России
данные компании
- 15% доля подтверждённых ошибок · результат Logistics.ru, статья, 30.07.2026
- 2% отток сотрудников · результат Logistics.ru, статья, 30.07.2026
оценка strategai
Оценку не приводим: источник не раскрывает базовые значения, объём обращений и стоимость, денежный эффект не заявлен.
По данным DPD, виртуальный помощник на больших языковых моделях в департаменте обслуживания клиентов сократил среднее время обработки обращения на 15%, а время постобработки на 17%. Система ищет фрагменты в корпоративной базе знаний и формирует ответ сотруднику.
/02 · паспорт кейса
Бизнес
- Компания
- DPD
- Отрасль
- Транспорт и логистика · Экспресс-доставка и почта
- Функция
- Клиентский сервис
- Задача
- Подсказки оператору, суммаризация, QA звонков
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Не раскрыт
Внедрение
- Стадия
- Промышленная эксплуатация, на 30.07.2026
- География
- Россия
/03 · описание кейса
Зачем
Бизнес-задача
Клиентская поддержка входит в операционный контур логистического бизнеса DPD. Через неё проходят запросы о статусах отправлений, сроках, тарифах, документах и отклонениях. Раньше сотрудник искал сведения в разрозненных документах или обращался к супервизору. Скорость доступа к точной информации влияет на загрузку сотрудников, число повторных обращений и время разрешения нестандартных ситуаций. Задача состояла в том, чтобы перевести поиск по внутренним документам из ручного режима в обработку запросов по смыслу.
Что
Решение
DPD в России внедрила виртуального помощника на базе больших языковых моделей. Сначала система находит релевантные фрагменты в корпоративной базе знаний, затем формирует ответ. Для этого документы предварительно структурируются и делятся на смысловые блоки. Система сопоставляет запрос сотрудника на естественном языке с внутренней документацией и предлагает ответ на основе найденных данных. По данным компании, сотрудник получает результат менее чем за минуту.
Как
Внедрение
Помощник используется в департаменте обслуживания клиентов DPD. По данным компании, после внедрения среднее время обработки обращения снизилось на 15%, время постобработки на 17%, внутренняя оценка качества консультаций выросла на 7%, доля подтверждённых ошибок сократилась на 15%. DPD также фиксирует снижение оттока сотрудников на 2% и сокращение срока адаптации новых специалистов до одного дня. Издание logistics.ru отмечает, что качество базы знаний становится частью операционного контроля: устаревший или противоречивый документ может тиражировать ошибку во всех последующих ответах. Данные о поставщике модели и сроках проекта в источнике не приведены.
/04 · источники и проверка
Что подтверждено
- По данным DPD, после внедрения помощника среднее время обработки обращения снизилось на 15%, время постобработки на 17%.
- Внутренняя оценка качества консультаций выросла на 7%, доля подтверждённых ошибок сократилась на 15%.
- Помощник на базе больших языковых моделей ищет фрагменты в корпоративной базе знаний и формирует ответ; сотрудник получает результат менее чем за минуту.
Ограничения
- Период измерения, масштаб внедрения и методика расчёта в источнике не раскрыты, поэтому проценты нельзя соотнести с конкретным базовым уровнем или числом сотрудников.
- Снижение оттока на 2% и срок адаптации в один день описывают сотрудников; связь этих показателей только с помощником не показана.
- Денежный эффект, затраты на систему и данные о клиентских метриках, например числе повторных обращений, не приведены.
-
[1] Logistics.ru
LLM в клиентской поддержке DPD меняет управление знаниями
СМИ · 30.07.2026
Открыть источник
АрхИИВ /strategai · CB-001501 · Версия 1 · 23.10.2026 · /c/CB-001501/