Главная страница

Организация: Банк ВТБ (ПАО)

Номинация: Лучшее IT решение для розничного банка

Название проекта: Проект миграции на собственную чат-бот платформу Банка ВТБ (инхаус-решение)

Описание проекта

Чат в онлайн-сервисах ВТБ — это канал для связи с банком в приложении, на сайте и в мессенджерах. Это не обособленный продукт, а универсальное решение, которое спроектировано таким образом, чтобы использовать его в различных каналах обслуживания и для разных категорий клиентов. Чат позволяет общаться с оператором и чат-ботом. 

Чат-бот банка знает 1600 тематик, из которых 70 — интеграционные сценарии. В них чат-бот обращается к системам банка для предоставления клиенту персонализированного ответа или сервиса.

В качестве чат-бот-платформы банк долгое время использовал коробочное решение от вендора. С этим был связан ряд ограничений по развитию и поддержке системы, в том числе низкая скорость изменений, сложность с масштабированием, отсутствие возможности адаптации моделей машинного обучения. 

В начале 2023 года банк ВТБ инициировал проект, целью которого было мигрировать весь трафик — все сессии в голосовых и текстовых диалоговых каналах — на собственную платформу с сохранением показателей автоматизации и качества. 

До начала проекта банк ежемесячно обрабатывал более 2 млн сессий в месяц с автоматизацией 80%. Качество работы чат-бота измеряется через показатель «доля негатива». Это отношение негативных оценок за сессию ко всем оцененным клиентами сессиям. Значение доли негатива на момент старта проекта — 3,4%. Эти показатели имели высокие значения в сравнении с рынком, что подтверждают полученные чат-ботом в 2022 году призовые места в отраслевых рейтингах Naumen и Markswebb, а также премия «Хрустальная гарнитура». Сохранить столь высокие значения при миграции уже было амбициозной задачей. 

По итогам проекта перед ВТБ открываются возможности, связанные с адаптацией и кастомизацией платформы под собственные потребности банка и группы, а также появляются ряд значительных технологических преимуществ, в том числе:

• Новая современная распределенная архитектура, которая позволяет выдерживать большую нагрузку и уменьшает время распознавания намерения клиента/

• Применение технологий искусственного интеллекта и обучаемых моделей для более качественного определения намерений клиента/

• Гибкость в части управления платформой, возможность добавлять модули собственной разработки без необходимости привлечения вендора: опечаточники, модули разрешения конфликтов и так далее.

• Возможность настройки самостоятельных параметров для каждого контура тестирования.

Решение вопроса клиента, возможность полностью закрыть потребность клиента без привлечения оператора — первостепенные задачи для чат-бота. Переход на новую технологическую платформу позволит более качественно и быстро определять тематику вопроса и подбирать сценарий, наилучшим образом отвечающий запросу клиента, без переадресации в другие каналы, без привлечения оператора, без переходов между разделами приложения. Клиент может решить свой вопрос за одно обращение, не покидая диалоговый канал. 

При внедрении и интеграции новых технологий в сжатые сроки мы использовали глубокую внутреннюю экспертизу и широкий спектр гибких методов разработки. В ходе проекта команде разработки удалось с нуля создать новый механизм генерации ответов, увеличить производительность и скорость чат-бота за счет внедрения новых подходов к написанию сценария. Был построен новый релизный процесс для одновременной работы сразу нескольких команд разработки, а также новая система контроля версий. Это позволило повысить качество разработки, увеличить скорость вывода функционала на клиентов и снизить число ошибок при внедрении сценария. 

Однако в процессе миграции команда столкнулась с рядом сложностей, связанных с различиями языка и логики, в которых был написан сценарий на прежней платформе. Для решения этой проблемы до начала миграции мы разработали конвертер, который учитывал особенности семантики и логики языка старой и новой платформ и автоматически вносил корректировки в код. После работы конвертера подключались разработчики-сценаристы для отладки кода и тестирования сценария на новой платформе. 

По итогам изменений в процессах команде удалось перенести и выпустить на клиентов за полгода тот объем функционала, который до этого внедрялся в течение 5 лет. При этом часть интеграционных сценариев была переписана с нуля. 

В результате проекта удалось полностью мигрировать сценарий чат-бота, при этом увеличить автоматизацию до 82%, сохранив такие же высокие показатели качества, как и до начала проекта. Это позволяет банку экономить 192 млн рублей ежемесячно. 

На финальных этапах проекта для обучения моделей машинного обучения были подготовлены примеры для 600 тематик чат-бота. В новой гибридной модели (правила + машинное обучение) распознавание намерения пользователей отрабатывает на 3% точнее, чем в ранее применяемой модели, основанной только на правилах. В будущем расширенное использование искусственного интеллекта и возможности адаптации моделей новой чат-бот платформы позволят улучшить качество решения задач клиента чат-ботом.