ВТБ: ИИ классифицирует обращения в контакт-центре, экономия до 50 млн руб. в год

В контакт-центр ВТБ в течение года поступает около 70 млн обращений, и клиенты рассчитывают, что вопрос будет решён сразу. Для этого банку нужно было быстро понимать, с какой проблемой обращается клиент и сколько сотрудников должно быть на линии в конкретный момент. Раньше сотрудники выбирали тематику обращения вручную: это затягивало обслуживание и приводило к ошибкам. Банк поставил задачи исключить ошибки ручной классификации, сократить трудозатраты на рутинную операцию, получать сигналы в онлайне для управления нагрузкой и давать бэк-подразделениям обратную связь от клиентов для улучшения продуктов.

Автоклассификатор обращений работает с чатами и голосовыми диалогами. Для голосового канала в контакт-центре внедрили транскрибирование речи клиентов и сотрудников. Каждый диалог векторизируется BERT-моделью, затем попадает в свёрточную нейронную сеть, которая определяет тематики; если клиент задаёт несколько вопросов, система классифицирует каждый. В классификатор заложено около тысячи тематик: это позволяет определять продукт и конкретное событие, с ним связанное. Например, при жалобах на льготный период по кредитной карте служба мониторинга может усилить линию сотрудников по кредитным картам, чтобы сократить время ожидания.

Банк сначала решил проблему данных — внедрил транскрибирование речи в контакт-центре. Затем сформировали шаблон разметки под иерархическую классификацию и запустили непрерывное обучение модели на фреймворке PyTorch с использованием RuBERT, а на финальном этапе — измерение результата: метрики, сравнение с эталоном, дообучение и использование модели в бизнесе. В июне 2024 года начальник управления «Контактный центр» Руслан Фазилов сообщил об экономии до 50 млн рублей в год на фонде оплаты труда и о сокращении времени на обслуживание клиентов примерно на 15%.