Автоматизация поддержки: как ИИ-классификатор от Softline ускоряет обработку заявок

По данным TAdviser, ГК Softline 31 июля 2026 года представила «Софтлайн Классификатор» — программное решение, которое снимает со служб поддержки ту самую монотонную работу, которая обычно съедает первые полчаса рабочего дня: разбор входящих обращений по темам и маршрутизацию к нужному подразделению. Для команд, живущих между CRM, почтой и внутренними заявками, это потенциально заметное сокращение времени отклика — особенно там, где поток запросов давно перерос возможности ручной сортировки.

Что именно делает продукт

Я обратила внимание на три практические детали, которые важны именно на этапе внедрения. Во-первых, классификатор работает с тремя форматами сразу — текстом, изображениями и голосовыми сообщениями — и способен анализировать несколько форматов в рамках одного обращения. Для служб поддержки, куда клиенты привыкли присылать скриншоты ошибок или голосовые вместо писем, это закрывает привычную боль: подобные вложения часто зависали в очереди или требовали ручного перевода в текст.

Во-вторых, оператор может проверить ответ модели, скорректировать категорию и добавить подтверждённый пример в базу знаний — без переобучения модели. Это тот самый бесшовный опыт, который снижает когнитивную нагрузку: сотрудник не переключается между окнами и не ждёт, пока команда разработки обновит систему.

В-третьих, решение совместимо с любой языковой моделью — среди протестированных и поддерживаемых GigaChat, YandexGPT, Qwen, DeepSeek, Gemma и Mistral. Заказчик сам выбирает, какую LLM использовать — облачную или локально развёрнутую, — что особенно актуально для организаций с жёсткими требованиями к размещению данных. Интеграция с CRM, службой поддержки, корпоративным порталом или внутренней системой заявок идёт через REST API.

Где это полезно и что проверить до старта

По оценкам разработчиков, средняя точность классификации составляет около 95%, а обработка одного запроса занимает менее двух секунд. Базовую версию можно развернуть за несколько часов, а адаптацию под конкретный бизнес-процесс — примерно за две недели при участии команды заказчика.

Для запуска нужно подготовить базу знаний: описать категории и предоставить примеры обращений в таблице Excel — команда Softline помогает её очистить и адаптировать. С точки зрения пользовательского опыта, это разумный порог входа: не нужны ни штатные data-инженеры, ни месяцы ручной разметки. Но перед внедрением я бы рекомендовала честно оценить, насколько структурирована ваша текущая база знаний. Если категории размыты, а примеры противоречат друг другу, никакая модель сама по себе точности не добавит — качество придётся вытягивать вручную, и эффект будет далек от заявленных 95%.

Продукт включён в Реестр российского ПО и подходит контакт-центрам, службам поддержки, государственным учреждениям и многофункциональным центрам, банкам, страховым компаниям, кадровым подразделениям и другим организациям с большими потоками неструктурированных данных. Для тех, кому критично сохранять обращения внутри корпоративного контура, ключевой аргумент такой: при локальной установке данные не передаются во внешние облачные сервисы, а система способна работать без доступа в интернет.