Бізнес-результат

<aside> 💡

Проблема: Клієнтські звернення накопичувались у спільному Gmail без формальних SLA і без аналітики — менеджер вручну оцінював терміновість, відстежував дедлайни на око, а прострочені тікети зазвичай виявлялись лише після скарги клієнта.

Як було раніше: Класифікація залежала від суб'єктивної оцінки однієї людини, не було способу побачити обсяг звернень чи повторювані патерни, а будь-який звіт для керівництва означав ручне читання всіх тікетів.

Що ми зробили: AI-класифікатор, який автоматично тегує і маршрутизує кожне вхідне звернення, триступеневий SLA-вотчер з ескалацією, що перевіряє дедлайни кожні 5 хвилин, і AI-агент, який відповідає на запит "проаналізуй останній тиждень" повним звітом замість ручного огляду.

Результат: Час першої відповіді скоротився з кількох хвилин до менше ніж 1 хвилини, пропущені порушення SLA зникли повністю, а керівництво отримує метрики + причини повторюваних проблем + рекомендації одним запитом у чаті — на безкоштовному тарифі LLM, без додаткових витрат.

</aside>

Автоматизована система класифікації клієнтських звернень, SLA-моніторингу з ескалацією та AI-аналітики (кількісної й якісної) на базі n8n + LLM.

Деталі проєкту

Контекст:

• Бізнес/індустрія: IT & SaaS / Customer Support Services
• Поточний процес: звернення клієнтів надходять на загальну поштову скриньку Gmail. Менеджер вручну оцінює терміновість, вирішує, кому передати тікет, і вручну стежить за дедлайнами відповіді. Керівництво не мало жодного інструменту для аналізу об'ємів звернень чи виявлення повторюваних проблем — лише розрізнені листи в Gmail.

Проблема:

• Класифікація та пріоритизація звернень займала багато часу і залежала від суб'єктивної оцінки менеджера.
• Не існувало формалізованих SLA-нормативів і механізму контролю за їх дотриманням.
• Прострочені звернення виявлялися випадково, часто вже після скарги клієнта.
• Не було жодної аналітики по об'ємах звернень — скільки, яких категорій, з яким sentiment.
• Керівництво не мало інструменту, щоб зрозуміти корінні причини повторюваних проблем, а отримання будь-якого зведеного звіту вимагало ручного перегляду всіх тікетів.

Рішення

<aside> 🧠

Система автоматично отримує звернення клієнтів, класифікує їх через AI з обґрунтуванням рішення, логує та сповіщає власника. Окремий SLA-таймер стежить за дедлайнами з трирівневою ескалацією. Поверх цього побудовано аналітичний шар: кількісні метрики та якісний AI-аналіз патернів, доступні через розмовного AI Agent (чат-бот) на запит.

Використані інструменти: OpenAI API, n8n, Zendesk API, Slack Webhooks, PostgreSQL, Grafana.

</aside>