НЛМК: прототип ИИ классифицирует обращения в ИТ-поддержку, точность до 85%

В НЛМК ежемесячно поступает несколько десятков тысяч обращений в ИТ-поддержку через почту, телефон, портал самообслуживания и другие каналы. Обращения сначала вручную классифицируют операторы контактного центра, после чего передают на вторую линию. Компания называет ограничения такого подхода: высокую нагрузку на операторов, ручную маршрутизацию, скорость обработки, ошибки и человеческий фактор. Цели проекта: автоматизировать первичную классификацию и маршрутизацию обращений, поступающих по почте (более половины всех запросов), сократить время реакции, проверить гипотезу об интерактивном уточнении обращений с помощью LLM и снизить операционные затраты на ручной труд.

Сервис Incident Classification System (в публикации AI‑ICS) анализирует текст обращения и данные об отправившем его сотруднике и определяет услугу, категорию, тип запроса и целевую группу. Классификатор построен на многоязычной трансформерной модели LaBSE; перед выбором её сравнили с GPT2, BERT и другими моделями. Модель возвращает значения атрибутов вместе с оценкой уверенности. При высокой уверенности обращение уходит прямо в нужный отдел, при низкой или по специальным правилам, например для пользователей группы Special, направляется на ручную проверку. Сервис упакован в Docker-контейнер и связан с ITSM-системой через API.

Проект выполнен НЛМК вместе с ИТ-вендором Аксеникс; автор публикации возглавляет Лабораторию генеративного ИИ. Обучающая выборка включала почти миллион обращений за два года; около 79% из них подошли для обучения «как есть», остальные длиннее 500 символов потребовали суммирования. В работе использованы PyTorch, MLflow и другие инструменты, предусмотрены дообучение на новых данных, отчётность и администрирование параметров. В период тестирования прототипа 61% обращений классифицировал ИИ при пороге уверенности 0,8, остальные 39% ушли на ручную проверку. В развитии системы компания называет автоответы на стандартные запросы, уточняющие вопросы пользователям и модели LLAMA 3 и Mixtral.