Мы провели детальный анализ процессов обработки запросов в компании.
- Сегментировали типы запросов: FTL, LTL, международные, сборные грузы, негабарит, рефрижератор, склад, таможня и т.д.
- Определили обязательные данные: сформировали чек-листы с минимально необходимыми данными для расчета по каждому типу перевозки.
- Разработали сценарии диалогов: создали ветвящиеся скрипты, где AI задает разные вопросы в зависимости от ответов клиента и типа запроса. Например, при запросе на международную перевозку AI уточнял условия Incoterms, необходимость таможенного оформления и т.д.
- Наполнили базу знаний: внесли информацию о географии перевозок, типах транспорта, стандартных сроках, необходимых документах.
Один из вызовов, с которыми столкнулись – научить ИИ понимать географию. Клиент мог написать "из Москвы в Екб" или "МСК-Екатеринбург". Цифровой сотрудник должен был распознать города и автоматически подставить их в нужные поля CRM и передать логисту уже не просто текст, а структурированные пункты отправления/назначения. Мы использовали справочники и настроили алгоритмы распознавания для самых частых маршрутов.Важным моментом стала настройка ответов по типовым ставкам. Мы не могли дать ИИ доступ к сложной системе расчета логистов, но совместно с клиентом выделили топ-20 самых популярных маршрутов FTL, по которым были относительно стабильные "вилки" цен. Наши сотрудники научились распознавать эти маршруты и сообщать клиенту ориентировочную стоимость "от X до Y рублей", с обязательной оговоркой, что точный расчет предоставит менеджер после проверки всех деталей. Это уже давало клиенту быстрый ориентир.