AI-ассистент
Как производитель красок перестал держать технолога на входящих запросах дилеров
Производство лакокрасочных материалов
TLDR
Дилеры писали технологу завода каждый день — 330 запросов в месяц. Подбор продукта, расчёт расхода, вопросы по разбавлению и совместимости. 65% из них — типовые: ответы есть в TDS и технологических картах. Только на типовые запросы уходило около 54 часов технолога в месяц. BackendFlow разработал AI-ассистента на базе всей продуктовой документации завода.
Результат: 75% запросов ассистент закрывает автономно. Технолог занимается нетиповыми — теми, что требуют его реальной экспертизы.
Контекст
Дилеры звонят и пишут технологу завода каждый день. Подбор продукта под конкретное основание, расчёт расхода на объект, вопросы по разбавлению, совместимости, технологии нанесения. Около 330 запросов в месяц.
65% из них — типовые. Ответы на них есть в TDS, технологических картах, инструкциях. Но дилер проще напишет технологу, чем будет искать в документации.
Для технолога: при ставке 562 рубля в час только на типовые запросы уходило ~54 часа в месяц. Нетиповые запросы — рецептура под нестандартный субстрат, подбор под специфические условия — стояли в очереди 1–2 дня. Именно они требуют его квалификации, именно они создают ценность.
Для дилеров: ответ на простой вопрос — через несколько часов, иногда на следующий день. Это тормозило их работу с клиентами на объектах.
Задача
Закрывать типовые запросы дилеров без участия технолога — быстро и с правильными ответами. Нетиповые маршрутизировать технологу с уже подготовленным контекстом. Технолог занимается тем, что действительно требует его экспертизы.
Решение
BackendFlow разработал AI-ассистента на RAG-архитектуре, обученного на всей продуктовой документации завода: TDS, технологические карты, колерные базы, архив переписки технолога с дилерами за несколько лет.
Схема работы:
- Дилер пишет вопрос в Telegram или веб-форму
- Ассистент классифицирует запрос: типовой или нетиповой
- Типовой — ответ генерируется из базы знаний в течение 1 минуты
- Нетиповой — маршрутизируется технологу с подготовленным контекстом: что спросили, какой продукт, что нашлось в базе
- Технолог отвечает на нетиповой за 40–45 минут вместо 90
Для дилеров изменился только формат — они пишут в тот же канал и получают ответ немедленно. Система развёрнута на серверах завода.
Инсайты
База знаний — самая трудоёмкая часть проекта.
Разработка ассистента заняла меньше времени, чем сбор и разметка документации. TDS на разных продуктах были в разных форматах, часть ответов технолога существовала только в переписке в мессенджере. Качество базы знаний напрямую определяет качество ответов: мусор на входе — мусор на выходе. Структурированная документация стала самостоятельной ценностью.
Ассистент выявил пробелы в документации.
Некоторые запросы дилеров система не могла закрыть — не потому что запрос нетиповой, а потому что ответа не было нигде в документации. Это стало сигналом для технолога: он пополнил базу знаний ответами на часто встречающиеся вопросы, которые раньше существовали только в его голове.
Нагрузка на технолога снизилась — это заметно без метрик.
Уже в первые недели технолог отметил, что стало меньше прерываний. Он перестал отвечать на одни и те же вопросы по несколько раз в день. Данные для точной финансовой верификации накапливаются — но субъективный эффект виден сразу.
Результаты
| Метрика | До | После |
|---|---|---|
| Типовые запросы без технолога | 0% | 75% |
| Время ответа на типовой запрос | несколько часов | < 1 мин |
| Нагрузка технолога на типовые | ~54 ч/мес | ~13 ч/мес |
Допущения: 330 запросов/мес, 65% типовые, adoption 75%, оклад технолога 70 000 ₽/мес. Консервативный сценарий. Полная верификация — по итогам квартала работы.
Хотите такой же расчёт под ваше производство?
Записаться на аудит →