Архив Финансовые услуги и страхование · Платежи и финтех
ЮMoney: ИИ-подсказки ответов для операторов сэкономили 396 человеко-часов
По данным ЮMoney, виртуальный ассистент на основе нейросети подсказывает операторам контакт-центра шаблоны ответов. С августа по декабрь 2023 года с его помощью компания ответила более чем на 50% обращений и сэкономила 396 человеко-часов.
/01 · ключевые результаты
-
результат
396 ч человеко-часов
экономия рабочего времени операторов
ЮMoney (корпоративный блог на Хабре), блог компании, 22.02.2024
август–декабрь 2023 года · виртуальный ассистент для операторов контакт-центра ЮMoney
данные компании
-
результат
более 50%
доля обращений пользователей, на которые ответили с помощью ассистента
ЮMoney (корпоративный блог на Хабре), блог компании, 22.02.2024
август–декабрь 2023 года · обращения пользователей в контакт-центр ЮMoney
данные компании
оценка strategai
Если бы высвобожденное время сократило найм или оплату часов, эффект на EBITDA составил бы
390–680 тыс. ₽ в год.
Стоимость рабочего времени операторов, которое занимают ответы без подсказок ассистента.
Без учёта затрат на систему: источники их не раскрывают.
Как посчитано
Рабочее время операторов, которое по оценке компании берёт на себя ассистент за 5 мес., в пересчёте на год по среднечасовой зарплате с затратами работодателя.
| Шаг расчёта | Нижняя | Базовая | Верхняя |
|---|---|---|---|
| Стоимость высвобожденного времени операторов с затратами работодателя = Высвобожденное время операторов в год × Среднечасовая начисленная заработная плата: административная деятельность и среднее по стране × Коэффициент затрат работодателя сверх заработной платы | ≈394 тыс. ₽ в год | ≈576 тыс. ₽ в год | ≈677 тыс. ₽ в год |
| Высвобожденное время операторов в год = Высвобожденное время операторов в месяц × Месяцев в году | 950,4 ч в год | 950,4 ч в год | 950,4 ч в год |
| Высвобожденное время операторов в месяц = Рабочее время операторов, высвобожденное ассистентом за период наблюдения ÷ Длительность периода наблюдения | 79,2 ч в месяц | 79,2 ч в месяц | 79,2 ч в месяц |
Входные данные
- данные кейса Рабочее время операторов, высвобожденное ассистентом за период наблюдения: 396 ч за период 396 ч человеко-часов, экономия рабочего времени операторов ЮMoney (корпоративный блог на Хабре), блог компании, 22.02.2024
- данные кейса Длительность периода наблюдения: 5 мес. 396 ч человеко-часов, экономия рабочего времени операторов ЮMoney (корпоративный блог на Хабре), блог компании, 22.02.2024
- статистика Среднечасовая начисленная заработная плата: административная деятельность и среднее по стране: 384,9–547,4 ₽ за час база 466,15 ₽ за час Труд и занятость в России. 2025, 2023: Деятельность административная и сопутствующие · Среднечасовая начисленная заработная плата, 2023; Всего · Среднечасовая начисленная заработная плата, 2023 Федеральная служба государственной статистики (Росстат), 2023
- допущение Коэффициент затрат работодателя сверх заработной платы: 1,076–1,302 база 1,3 Нижняя граница 1,076 отвечает пониженному тарифу страховых взносов для аккредитованных ИТ-компаний, верхняя 1,302 и базовое значение — общему тарифу страховых взносов с учётом взноса на травматизм.
- константа Месяцев в году: 12
Допущения
- Часы за 5 мес. умножены на 12, чтобы получить годовой объём: нагрузка и эффект ассистента в остальные месяцы приняты такими же.
- Ставка часа взята по статистике: нижняя граница относится к административной деятельности, верхняя — к среднему по стране.
Базовое значение: 580 тыс. ₽ в год.
Метод afiina-pnl/1, оценка от 27.10.2026, цены 2023 года. Диапазон округлён до двух значащих цифр наружу. Методика
По данным ЮMoney, виртуальный ассистент на основе нейросети подсказывает операторам контакт-центра шаблоны ответов. С августа по декабрь 2023 года с его помощью компания ответила более чем на 50% обращений и сэкономила 396 человеко-часов.
/02 · паспорт кейса
Бизнес
- Компания
- ЮMoney
- Отрасль
- Финансовые услуги и страхование · Платежи и финтех
- Функция
- Клиентский сервис
- Задача
- Подсказки оператору, суммаризация, QA звонков
Технология
- Класс AI
- Классический NLP и речевые технологии
- Тип решения
- Собственная разработка
- Данные
- Исторические входящие и исходящие сообщения контакт-центра, категориальные и числовые признаки обращений.
Внедрение
- Стадия
- Промышленная эксплуатация, на 22.02.2024
- География
- Россия
/03 · описание кейса
Зачем
Бизнес-задача
После ребрендинга в 2020 году сервис ЮMoney ожидал рост числа обращений в клиентскую поддержку. Чтобы справиться с нагрузкой и качественно обрабатывать запросы, команда клиентского сервиса решила автоматизировать типовые действия операторов. Оператор не должен тратить время на поиск подходящего ответа или темы обращения и может сосредоточиться на самом ответе пользователю. Для этого команда разработала две нейросетевые модели: классификатор тегов обращений и виртуальный ассистент, который подсказывает операторам ответы.
Что
Решение
Виртуальный ассистент построен на ранжировании шаблонов ответов. Нейросеть анализирует обращение и показывает оператору три шаблона, которые с наибольшей вероятностью подойдут для ответа. Оператор видит подсказку, выбирает шаблон и не ищет ответ самостоятельно, поэтому общее время работы над обращением сокращается. Архитектура модели сочетает BERT от Sber Devices, параллельно работающий с one-hot MLP, и четырёхслойный MLP. Модель обучена на исторических данных входящих и исходящих сообщений, а также на категориальных и числовых признаках.
Как
Внедрение
Ассистент создан на основе опыта первого проекта с машинным обучением в контакт-центре — классификатора тегов на модели Categorical Boosting, который в 2023 году автоматически проставил 22% тегов. Шаблоны ответов разделили на часто и редко используемые; из текстов удалили даты, цифры и электронные адреса. Для обучения и дообучения применяют платформу ML Space, для версионирования моделей — ML Flow. Дообучение проводят раз в полгода из-за ограниченных ресурсов и необходимости накапливать данные. С августа по декабрь 2023 года с помощью ассистента компания ответила более чем на 50% обращений и сэкономила 396 человеко-часов.
/04 · источники и проверка
Что подтверждено
- По данным ЮMoney, с августа по декабрь 2023 года виртуальный ассистент для операторов сэкономил 396 человеко-часов.
- За тот же период с помощью ассистента компания ответила более чем на 50% обращений пользователей.
- Нейросеть показывает оператору три наиболее подходящих шаблона ответа; модель дообучается раз в полгода.
Ограничения
- 396 человеко-часов — оценка компании за пять месяцев 2023 года; метод расчёта и стоимость часа в источнике не раскрыты, денежный эффект не приводится.
- Формулировка «ответили более чем на 50% обращений при помощи ассистента» не уточняет, в какой доле случаев оператор принимал предложенный шаблон, и не показывает качество ответов или удовлетворённость пользователей.
- Источник не сообщает, сократилась ли численность операторов; цифры относятся к периоду август–декабрь 2023 года.
-
[1] ЮMoney (корпоративный блог на Хабре)
Как нейросети помогли нам сократить нагрузку на операторов контакт-центра и сэкономить 396 человеко-часов
компания · 22.02.2024
Открыть источник
АрхИИВ /strategai · CB-001496 · Версия 1 · 23.10.2026 · /c/CB-001496/