У Почты России появился собственный голосовой помощник
Для обработки запросов клиентов горячей линии Почта России запустила собственного голосового ассистента на базе технологии Yandex SpeechKit, входящей в экосистему сервисов облачной платформы Яндекса.
Внедрение голосового помощника позволило увеличить производительность работы горячей линии по вопросам оказания услуг почтовой связи 8-800-1000000, сняв часть нагрузки с операторов контактного центра. На данный момент 30% обращений обрабатываются в автоматическом режиме. Голосовой помощник быстро находит необходимую информацию в базах данных, время диалога сократилось в 2 раза: в среднем с 3 минут при общении с оператором до 1,5 минут – с голосовым помощником. Особенно эффективно он позволяет справиться с пиковыми нагрузками, например, в период повышенного спроса в предновогодний сезон или во время самоизоляции.
Голосовой ассистент уже обслуживает запросы клиентов по 9 тематикам. Он успешно помогает в поиске интересующего почтового отделения на всей территории России, отвечает на вопросы о режиме работы отделений, о статусах посылок и писем. Также с его помощью можно узнать, как быстро отправить посылку или как получить свое отправление на дом. При этом голосовой ассистент активно обучается новым навыкам.
«Диалог нашего голосового ассистента приближен к человеческому общению, мы проводим еженедельное обновление версии его искусственного интеллекта. С Yandex SpeechKit Почта России вышла на новый уровень по качеству обслуживания в контакт-центре, став быстрее и удобнее для наших клиентов», – отмечает заместитель генерального директора АО «Почта России» по операционному управлению и розничной торговле Михаил Волков.
Проект по роботизации контактного центра реализовала компания «Авиационные Технологии Связи» на базе технологии Yandex SpeechKit облачной платформы Yandex.Cloud. Благодаря применению специально подготовленных языковых моделей и применения средств NLU (сокр. от Natural Language Understanding, восприятие естественного языка) голосовой ассистент способен вести диалог с клиентом, приближенный к человеческому общению, при этом, распознавая речь клиента на уровне 92-95%. Для понимания русскоязычной интерпретации цифр и латинских букв трек-номеров был разработан специальный модуль, способный быстро проверить множественные гипотезы услышанного с применением нескольких моделей распознавания.
