Кейс: как ГК ФСК автоматизировала работу с помощью ИИ-агентов от команды NDT

Как было
В техподдержке и коммерческом департаменте ФСК была высокая нагрузка из-за большого количества однотипных запросов и сложностей с поиском информации в корпоративных документах. Ручная обработка замедляла рабочие процессы и снижала общую эффективность.

Цель
Хотели создать систему, которая автоматизирует ответы на частые вопросы клиентов и облегчит сотрудникам поиск нужной информации, чтобы повысить скорость обслуживания.

Как делали/что под капотом
Обратились в NDT by red_mad_robot.

⚫️Разработчики создали платформу с двумя ИИ-агентами: один — для общения с клиентами, другой — для помощи сотрудникам в поиске данных. В основе решения лежит метод RAG, при котором ИИ сначала извлекает релевантную информацию из базы, а затем формирует ответ. Для обработки различных форматов документов (PDF, Word, Excel, презентации) применяются технологии OCR и vision-language модели.

⚫️Тексты документов разбиваются на небольшие логичные фрагменты (чанки), которые преобразуются в числовые векторы с помощью моделей эмбеддингов (bge-m3, multilingual-e5-large). Эти векторы сохраняются в базе данных Milvus, обеспечивающей быстрый поиск похожих по смыслу фрагментов. Такой подход позволяет системе находить нужную информацию не только по точным словам, но и по смыслу, что значительно повышает точность ответов.

⚫️Для контроля качества ответов была внедрена автоматизированная система тестирования на базе инструмента RAGAS, который позволяет быстро и системно оценивать, насколько ответы AI соответствуют запросам и основаны на реальных данных. Это значительно ускоряет процесс доработки и улучшения системы.

Что получилось
В результате нагрузка на техподдержку и коммерческий департамент снизилась на 30–40%. Клиенты и сотрудники стали получать более быстрые и точные ответы, что повысило общую эффективность работы и снизило риски ошибок.
#агенты