Yandex Neurosupport

Основные статьи:

• Нейросети (нейронные сети)
• Data mining Интеллектуальный анализ данных
• Распознавание речи (технологии, рынок)
• Речевые технологии: на пути от распознавания к пониманию

2025: Запуск сервиса для генерации умных подсказок для операторов контакт-центра

14 мая 2025 года компания Yandex B2B Tech сообщила о запуске сервиса для генерации умных подсказок для операторов контакт-центра — Yandex Neurosupport. Он выполняет функции второго пилота: нейросеть анализирует текстовые вопросы клиентов и предлагает оператору вариант ответа. Специалист может выбрать: отправить сообщение без изменений, скорректировать ответ или составить его самостоятельно. Сервис поможет снизить нагрузку на сотрудников контакт-центров, а также повысить качество и скорость обслуживания. Первые клиенты Yandex Cloud уже используют сервис, на май 2025 года он стал доступен по заявкам в режиме закрытого тестирования.

Как сообщалось, Яндекс уже внедрил технологию для улучшения работы поддержки в своих сервисах. Благодаря этому «Еда» и «Маркет» ускорили решение вопросов клиентов на 10–15%, а уровень удовлетворенности клиентов в «Еде» вырос на 15%. Среди клиентов Yandex Cloud, которые уже пилотируют сервис – один из телеком-операторов, компания в сфере ЖКХ и другие.

𝓲

Фото: Yandex B2B Tech

Yandex Neurosupport можно интегрировать в работу службы поддержки по API, также сервис можно развернуть на собственной инфраструктуре заказчика.

Мы видим будущее нашей ML-платформы в развитии сервисов для прикладных задач, которые можно использовать без особых навыков написания кода. Для наиболее распространенных бизнес-сценариев мы создаем конечные сервисы, такие как Yandex Neurosupport или Yandex SpeechSense. Для более специфических задач бизнес может использовать наши инструменты, чтобы создать что-то свое – например, узкоспециализированного умного помощника на базе AI Assistant API. поведал Артур Самигуллин, руководитель продуктового ML-направления Yandex Cloud

Сервис анализирует информацию о диалоге, контекст ситуации и базу знаний компании, чтобы предложить оператору оптимальный ответ. Подсказка появляется в рабочем окне оператора в течение 1-2 секунд. Он может сразу отправить ее пользователю, внести коррективы или составить свой ответ. По результатам внутреннего тестирования, операторы используют подсказки в каждом втором диалоге и в большинстве случаев вносят лишь минимальные правки.«Агропромкомплектация» сократила капитальные вложения в ИТ. CIO компании на TAdviser SummIT — о том, к чему это привело 8.3 т

Для генерации подсказок нужно загрузить в сервис базу знаний компании: это может быть техническая документация, ответы на частые вопросы, инструкции, данные CRM-систем и обучающие материалы. Во время диалога нейросеть анализирует вопрос клиента и предыдущие сообщения, что позволяет комплексно понять его проблему и решить задачу.

В отличие от чат-ботов, где искусственный интеллект сам отвечает на простые запросы, в данном сервисе с клиентом продолжает общаться человек, которому помогает ИИ. Так комплексные и сложные вопросы клиентов решаются гораздо быстрее и качественнее. Нейросеть оптимизирует работу операторов и позволяет им переключиться на более сложные задачи. рассказала Эльвира Морозова, руководитель по оптимизации бизнес-процессов на базе YandexGPT

В будущем в сервисе появятся ИИ-агенты — помощники, которые автономно решают задачи и взаимодействуют с другими приложениями. Например, они будут самостоятельно собирать и анализировать информацию о статусе заказов. Благодаря внедрению агентов операторы контакт-центров смогут получать более полную и актуальную информацию без необходимости искать её вручную в различных системах.

𝓲

Фото: Yandex B2B Tech

В основе Yandex Neurosupport лежат облегченные модели семейства YandexGPT, дообученные на инструкциях для операторов более чем 50 сервисов Яндекса. В отличие от базовых моделей, сервис может эффективно решать специализированные задачи поддержки, при этом обеспечивая более высокую скорость генерации подсказок.

Использование технологии Retrieval-Augmented Generation (RAG) позволяет модели не только генерировать ответы, но и обращаться к внутренним источникам данных для поиска нужной информации. Это обеспечивает более глубокое понимание контекста и повышает точность ответов.

Например, алгоритмы автоматически создают RAG-индекс на основе базы знаний: сканируют тексты, выявляют ключевые слова и фразы, а затем создают "карту", по которой система может мгновенно находить нужную информацию. Когда поступает запрос, система не тратит время на перебор всех документов — она сразу обращается к индексу и находит нужную информацию. Компании могут быстро настроить алгоритмы под конкретные документы и поток обращений своих клиентов, что позволит системе обучаться на основе реальных запросов и со временем улучшать качество поиска.