AI Support Automation

Support AI Agent:
автоматизация техподдержки

Интеллектуальный агент на базе n8n закрывает 70% тикетов без оператора — от детектора вложений до финального решения Gemini.

АгентАКТИВЕН

Тикетов сегодня342

Авторезолюций239

otrs-ai-agent · live

$ otrs-agent --watch --queue=support

Initializing... connected to OTRS API

RAG index loaded: 512 rules · Qdrant Cloud ✓

[10:42:18] Ticket #48391 "Где мой заказ?"

→ tier-1 lang=RU | attach=false

→ pre-filter pass

→ rag match=0.94 "order-status-faq"

→ gemini action=AUTO_REPLY conf=98%

→ ✓ CLOSED in 27s · article created

[10:42:51] Ticket #48392 "System error 500"

→ tier-1 attach=true (screenshot.png)

→ ⚡ ESCALATED → agent queue

[10:43:04] Ticket #48393 "Password reset"

→ rag match=0.89 "auth-faq" (RAG Match)

→ ✓ CLOSED in 31s

ROI

×36

€1 800 экономии
при €50 на AI/мес

Было → стало

30 сек

Вместо 2–4 часов
ожидания ответа

Авторезолюция

70%

Тикетов закрывается
без оператора

NPS рост

+26

С 42 → 68
за 2 месяца

Задача

Описание проблемы

Компании с потоком входящих обращений — финтех, e-commerce, SaaS — получают тикеты, которые на 70% состоят из повторяющихся вопросов. Операторы обрабатывают их вручную.

OTRS уже используется как тикет-система, но работает как инструмент регистрации — не автоматизации. Среднее время ответа составляет 2–4 часа. Штат поддержки масштабируется вместе с нагрузкой — расходы растут линейно.

"Мы сознательно строим решение на low-code стеке n8n — заказчик получает не чёрный ящик, а прозрачный инструмент. Вы сами правите промпты, дополняете базу знаний новыми правилами и меняете логику эскалации без привлечения разработчиков. Агент растёт вместе с вашей поддержкой: сегодня он закрывает FAQ, завтра — обрабатывает возвраты и биллинг."
— Евгений Катков, CTO · Aibot.pro

Потенциал рынка

Customer Service Automation Market

$47.8Bк 2030 году

CAGR 27.8% · с $8.7B в 2023

Более 60% компаний с поддержкой от 500+ тикетов/мес рассматривают автоматизацию как приоритет 2025–2026 годов.

Стек технологий

n8n Google Gemini Qdrant Nomic Embed OTRS API JavaScript

Целевая аудитория

Финтех и платёжные сервисы

Высокий поток запросов по блокировкам и транзакциям. Критичны скорость ответа и compliance. Немедленная эскалация критичных кейсов + audit trail.

Compliance-тегиAudit Trail

E-commerce · 300+ тикетов/день

60–80% обращений — статусы заказов и оплата. Автоответ окупается за 1 месяц без сложной настройки.

ROI · 1 мес

SaaS и технические сервисы

Повторяющиеся FAQ по функционалу и доступу закрываются через RAG-поиск без участия операторов.

RAG FAQ

Компании на OTRS · команда 3+ операторов

Готовая интеграция без замены инфраструктуры. Запуск без миграции — агент подключается поверх существующего OTRS.

No migration

Что происходит с каждым тикетом

manage_search

TIER −1

Детектор вложений

Определяет язык (RU/UA/EN) по телу письма. Находит вложения → немедленная эскалация. Без вызова LLM.

filter_alt

PRE-FILTER

Базовые ситуации

Благодарности → закрывает. Угрозы безопасности → эскалация. Экономит 30–40% запросов к LLM.

storage

RAG + QDRANT

База знаний

Векторный поиск по 500+ правилам. Semantic match score 0.7–1.0. Только релевантные данные передаются агенту.

smart_toy

AI AGENT

Google Gemini

Финальное решение: анализ контекста → структурированный output: действие + ответ + причина. 4 типа исхода.

Тикетов без оператора

0 сек

Среднее время ответа

×0

ROI за первый месяц

Операторы

4 → 2

тот же объём тикетов

Экономия/мес

€1 800

при €50 на AI

Обращений/день

300+

автоматически

Операц. расходы

−45%

на техподдержку

Система в действии

01 Dashboard

€1 800/мес экономии · 40% автоответов · 30 сек. Живая лента тикетов с confidence-оценкой AI и графиком AI vs Human handling.

02 Processing Flow

Блок-схема 4-уровневого пайплайна: Tier-1 → Pre-Filter → RAG+Qdrant → AI Agent. Три исхода: Auto-Reply, Escalate, Close.

03 Knowledge Base

Векторный поиск Qdrant по 500+ правилам с релевантностью. Добавление записей, ре-индексация, статус сервисов.

dashboard.ui — Support AI Agent

processing-flow.ui — Support AI Agent

knowledge-base.ui — Support AI Agent

Управление базой знаний Support AI Agent

Архитектура решения

Language Detection · 95%+ accuracy

Умная мультиязычность

Агент определяет язык по телу письма, анализируя уникальные символы алфавита. Технические заголовки часто написаны на английском — а клиент пишет на родном. Система не путается и всегда отвечает на правильном языке.

95%+

Accuracy

Языка

Misroutes

RU · UK · EN

charset analysis

Production-grade safeguards

Защита и Compliance

01 Deduplication — каждый тикет обрабатывается ровно один раз

02 Retry-политика обрабатывает сбои HTTP без потери тикетов

03 Graceful degradation — переключает на операторов при недоступности AI

04 Полный Audit Trail с timestamps — готово для compliance и внешних проверок

Результаты внедрения

report_problem

До внедрения

groupОператоры тратят 70% времени на типовые вопросы
scheduleВремя ответа клиенту: 2–4 часа
support_agentШтат поддержки: 4 оператора на 300+ тикетов/день
sentiment_dissatisfiedNPS: 42 — клиенты недовольны скоростью
money_offРасходы на зарплаты: €3 600/мес

verified

После внедрения

smart_toy70% тикетов — автоматически, без участия человека
boltВремя ответа: 30 секунд
groupsШтат: 2 оператора + бот — тот же объём
trending_upNPS: 68 (+26 за 2 месяца)
savingsЭкономия: €1 800/мес при расходах на AI €50/мес

Решение подойдёт, если у вас:

requirements-check · running

✓OTRS уже настроена и поток тикетов от 100+ в день

✓Операторы тратят время на однотипные вопросы каждый день

✓Хотите сократить штат или перераспределить на сложные задачи

✓Критично время первого ответа — клиенты жалуются на ожидание

✓Работаете с мультиязычной аудиторией (RU/UA/EN)

✓Отрасль требует compliance — нужен audit trail всех решений

✓Хотите видеть аналитику: какие вопросы задают чаще и где пробелы в базе знаний

schedule Срок разработки и запуска — от 3 недель. Агент адаптируется под вашу базу знаний, структуру очередей OTRS и бизнес-правила эскалации.

Частые вопросы

Q1 Что делает Support AI Agent?

Support AI Agent — интеллектуальный агент на базе n8n, Qdrant и Google Gemini, который интегрируется напрямую в существующую OTRS-инсталляцию. Он автоматически обрабатывает входящие тикеты: определяет язык, классифицирует запрос, ищет ответ по базе знаний через RAG-поиск и формирует решение — автоответ, эскалацию или закрытие. 70% тикетов закрываются без участия оператора, среднее время ответа — 30 секунд вместо 2–4 часов.

Q2 Какой процент тикетов автоматизируется?

70% входящих тикетов закрываются без участия оператора. Оставшиеся 30% эскалируются на людей — это сложные кейсы, вложения требующие ручной проверки, compliance-ситуации. Агент передаёт их с полным контекстом: язык, категория, результаты RAG-поиска, confidence-оценка.

Q3 Какой ROI даёт внедрение Support AI Agent?

ROI ×36 за первый месяц при расходах €50/мес на AI-инфраструктуру: экономия €1 800/мес на фонде оплаты труда. Штат сокращается с 4 до 2 операторов при том же объёме 300+ тикетов/день. Операционные расходы на техподдержку снижаются на 45%.

Q4 На каком стеке технологий работает агент?

Основа — low-code платформа n8n с 30+ узлами workflow. Векторный поиск по базе знаний — Qdrant Cloud с Nomic Embed. Финальное решение генерирует Google Gemini через structured output. Интеграция с OTRS — через OTRS REST API. Около 2000 строк JavaScript-логики для обработки edge-cases и безопасности.

Q5 Какие языки поддерживает Support AI Agent?

Агент поддерживает русский, украинский и английский с точностью определения языка 95%+. Определение идёт по charset-анализу тела письма — это важно потому что технические заголовки часто на английском, а клиент пишет на родном языке. Система не путается и всегда отвечает на правильном языке.

Q6 Сколько занимает внедрение Support AI Agent?

Срок разработки и запуска — от 3 недель. Агент адаптируется под вашу существующую базу знаний, структуру очередей OTRS и бизнес-правила эскалации. Никакой миграции инфраструктуры не требуется — агент работает поверх существующего стека. Стартовая стоимость — €1 500.

Q7 Что такое RAG в контексте Support AI Agent?

RAG (Retrieval-Augmented Generation) — это векторный поиск по базе знаний перед генерацией ответа LLM. В Support AI Agent Qdrant хранит 500+ правил и FAQ-ответов с embeddings от Nomic Embed. Перед ответом на тикет агент ищет top-N релевантных записей с score 0.7–1.0 и передаёт их Gemini как контекст. Это гарантирует точность ответа и исключает галлюцинации LLM.

Q8 Есть ли в Support AI Agent compliance и audit trail?

Да, агент ведёт полный audit trail с timestamps каждого действия: определение языка, pre-filter проверки, RAG-запросы, решение Gemini, финальный output. Поддерживаются deduplication (каждый тикет обрабатывается ровно один раз), retry-политика для HTTP-сбоев, graceful degradation на операторов при недоступности AI. Это делает систему готовой для финтех, e-commerce и отраслей с compliance-требованиями.

Support AI Agent: автоматизация техподдержки