projects/prodimex-project.md

139 lines
9.1 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

### Проект внедрения AI-системы (RAG) для автоматизации первой линии технической поддержки в компании по мониторингу сельскохозяйственной техники и оборудования
#### **Цель проекта:**
Автоматизация первой линии технической поддержки с использованием системы **Maker-GPT** на основе RAG (Retrieval-Augmented Generation) для улучшения качества обслуживания клиентов, сокращения времени обработки запросов и снижения нагрузки на операторов.
---
### **Участники проекта и зоны ответственности:**
1. **Компания-интегратор (разработчик системы Maker-GPT):**
- Разработка и настройка системы Maker-GPT.
- Интеграция системы с сервис-деском клиента через API.
- Обучение модели на предоставленных данных.
- Техническая поддержка и доработка системы в процессе внедрения.
- Обучение сотрудников клиента работе с системой.
2. **Компания-клиент (сервис-деск по мониторингу техники):**
- Предоставление данных для наполнения базы RAG (инструкции, база вопросов и ответов, документация).
- Тестирование системы и предоставление обратной связи.
- Настройка процессов работы с Maker-GPT.
- Обучение сотрудников работе с системой.
- Обеспечение технической инфраструктуры для интеграции (API, серверы и т.д.).
---
### **Этапы проекта:**
#### **Этап 1: Подготовка и планирование**
1. **Задачи компании-интегратора:**
- Провести воркшоп с клиентом для уточнения требований.
- Определить объем данных для обучения модели.
- Разработать техническое задание на интеграцию.
2. **Задачи компании-клиента:**
- Сформировать команду для участия в проекте (технические специалисты, менеджеры сервис-деска).
- Подготовить доступ к данным (инструкции, база вопросов и ответов, документация).
3. **Результат этапа:**
- Утвержденное техническое задание.
- Подготовленные данные для обучения модели.
---
#### **Этап 2: Разработка и настройка системы**
1. **Задачи компании-интегратора:**
- Настройка RAG-модели на основе предоставленных данных.
- Разработка API для интеграции с сервис-деском клиента.
- Создание интерфейса для взаимодействия с Maker-GPT.
2. **Задачи компании-клиента:**
- Предоставить тестовую среду для интеграции.
- Проверить корректность предоставленных данных.
3. **Результат этапа:**
- Готовая к тестированию система Maker-GPT.
- Настроенный API для интеграции.
---
#### **Этап 3: Тестирование и доработка**
1. **Задачи компании-интегратора:**
- Провести тестирование системы на реальных данных.
- Настроить модель для повышения точности ответов.
- Исправить выявленные ошибки.
2. **Задачи компании-клиента:**
- Провести тестирование системы в тестовой среде.
- Предоставить обратную связь по результатам тестирования.
3. **Результат этапа:**
- Протестированная и доработанная система.
- Утверждение клиентом готовности системы к внедрению.
---
#### **Этап 4: Внедрение и обучение**
1. **Задачи компании-интегратора:**
- Запуск системы в продуктивную среду.
- Проведение обучения для сотрудников клиента.
- Подготовка документации по использованию системы.
2. **Задачи компании-клиента:**
- Организовать обучение сотрудников.
- Обеспечить переход на новую систему.
3. **Результат этапа:**
- Система Maker-GPT запущена в продуктивную эксплуатацию.
- Сотрудники обучены работе с системой.
---
#### **Этап 5: Поддержка и оптимизация**
1. **Задачи компании-интегратора:**
- Обеспечить техническую поддержку системы.
- Проводить доработки и оптимизацию на основе обратной связи.
2. **Задачи компании-клиента:**
- Собирать и передавать обратную связь по работе системы.
- Обеспечивать актуальность данных в RAG-базе.
3. **Результат этапа:**
- Стабильная работа системы.
- Постоянное улучшение качества ответов.
---
### **План действий:**
| **Этап** | **Сроки** | **Ответственные** | **Результат** |
|-------------------------|-----------|--------------------------|----------------------------------------|
| Подготовка и планирование | 2 недели | Интегратор, клиент | ТЗ, подготовленные данные |
| Разработка и настройка | 4 недели | Интегратор | Готовая система, API |
| Тестирование и доработка| 3 недели | Интегратор, клиент | Протестированная система |
| Внедрение и обучение | 2 недели | Интегратор, клиент | Запуск системы, обучение сотрудников |
| Поддержка и оптимизация | Постоянно | Интегратор, клиент | Стабильная работа системы |
---
### **Ключевые метрики успеха:**
1. Сокращение времени обработки запросов на первой линии поддержки на 30%.
2. Увеличение доли автоматически решенных запросов до 70%.
3. Удовлетворенность клиентов качеством поддержки (NPS > 80).
---
### **Риски и пути их минимизации:**
1. **Риск:** Низкое качество ответов системы.
**Решение:** Регулярное обновление базы данных RAG и дообучение модели.
2. **Риск:** Сопротивление сотрудников внедрению новой системы.
**Решение:** Проведение тренингов и демонстрация преимуществ системы.
3. **Риск:** Проблемы с интеграцией API.
**Решение:** Тестирование API на ранних этапах и привлечение технических специалистов клиента.
---
### **Заключение:**
Внедрение системы **Maker-GPT** позволит автоматизировать первую линию технической поддержки, повысить качество обслуживания клиентов и снизить операционные затраты. Четкое разделение зон ответственности и поэтапный план действий обеспечат успешную реализацию проекта.