Баланс автоматизации и качества: RAG‑пайплайн в чате поддержки
1000 статей — 1 ответ: как мы приручили базу знаний с помощью суммаризации
Расскажем, как за два месяца вывести RAG в прод, создать и доработать систему без промышленных данных и сократить среднее время обслуживания клиентов на 25 секунд.
Как научить ИИ отвечать на сложные вопросы клиентов? В докладе покажем, как мы используем RAG-пайплайн, чтобы автоматизировать коммуникации без потери качества, сохраняя надёжность, масштабируемость и контроль над процессом.
Алексей Египко, бизнес-заказчик
Сергей Скидан, PO
Наталья Балыбердина, PO
Илья Усманов, DS
Артем Исаев, DS
Кристина Розанова, бизнес-заказчик
Федосенко Елена, PO
Александр Русов, DS
Виктор Забалуев, бизнес-заказчик
Виктория Байкова, PM
Эрнест Насыров, DS
Расскажем, как мы разработали AI-сервис для операторов контакт-центра полностью своими силами. Обсудим, как система генерирует подсказки прямо в окне оператора, анализирует данные о клиенте, распознаёт контекст разговора и уже помогает заметно повысить эффективность работы команды.
Не LLM единой: как мы экономим с помощью продуктовой смекалки и классных инженерных хуков
«на стыке бизнеса и технологий»
Структурируем хаос коммуникаций: как вывести сервис доставки на новый уровень без привлечения большой ML-команды
Кудряшов Владимир, бизнес-заказчик
Татьяна Пашкова, PO
Дмитрий Труфанов, AI-продакт
Поделимся, как с помощью одной LLM и ASR можно централизовать все коммуникации в доставке, анализировать их и повышать качество взаимодействия с клиентами без множества моделей, больших команд и лишних ресурсов.
В формате дебатов обсудим AI-агентов.