Первая волна чат-ботов разочаровала заказчиков. Жёсткое дерево кнопок, ответы «не понимаю», тупик на втором шаге – пользователь быстро уходил к оператору. Боты второго поколения устроены иначе. В их основе – NLU (natural language understanding): движок разбирает свободную фразу на интенты и сущности, а не сверяет её с заранее прописанным меню. Это меняет не интерфейс, а саму архитектуру решения.

NLU вместо дерева сценариев

Сценарный бот знает фиксированный набор реплик. Бот с NLU работает с моделью: вы размечаете десятки примеров формулировок на каждый интент («узнать статус заявки», «записаться на приём», «уточнить баланс»), движок учится распознавать новые, ранее не встречавшиеся фразы. Сущности – номер договора, дата, адрес – вытаскиваются из текста и передаются дальше как структурированные данные.

На рынке уже есть зрелые инструменты. Облачные сервисы – Microsoft LUIS, Google Dialogflow (бывший API.AI), IBM Watson Conversation – закрывают типовые задачи быстро. Но для госсектора и регулируемых отраслей облако за периметром часто неприемлемо: персональные данные по 152-ФЗ должны оставаться внутри контура. Здесь выручают решения, которые разворачиваются on-premise, – от open-source движков на базе spaCy и собственных моделей до коробочных продуктов с локальным размещением. Выбор движка – это в первую очередь вопрос требований к данным, а не качества распознавания.

Бэкенд решает всё

Распознать интент – половина работы. Ценность бот создаёт тогда, когда он что-то делает: достаёт статус обращения из CRM, проверяет остаток в биллинге, регистрирует заявку в учётной системе. Без интеграции с бэкендом NLU остаётся демонстрацией.

Правильная схема разделяет слои. Канал (Telegram, виджет на сайте, портал госуслуг) общается с ботом через единый шлюз. NLU-движок отдаёт интент и сущности. Оркестратор диалога держит состояние и решает, какой сервис вызвать. Бизнес-логика обращается к системам заказчика через API и именно этот слой определяет, заработает решение или нет.

Чем больше каналов и нагрузка, тем строже требования к развёртыванию. Контейнеризация здесь стала практическим стандартом – мы писали об этом в материале про Kubernetes как индустриальный стандарт оркестрации. Бот, NLU-сервис и интеграционные адаптеры живут отдельными сервисами, масштабируются независимо и переживают пиковые обращения без простоя.

Где это окупается

Самый быстрый возврат – на массовых типовых обращениях. Первая линия поддержки, статусы заявлений, запись на услуги, справочные запросы граждан: бот закрывает 40–60% обращений без оператора, а сложные кейсы передаёт человеку с уже собранным контекстом. Отдельный сценарий – внутренние боты для сотрудников на выезде, продолжение темы из статьи про мобилизацию полевого персонала: монтажник или инспектор получает данные по объекту прямо в мессенджере, без входа в тяжёлый клиент.

Для госсектора такие проекты ложатся в логику программы «Цифровая экономика», о дорожной карте которой мы рассказывали ранее: снижение нагрузки на ведомства и перевод рутинных обращений в цифру.

Вывод

Чат-бот второго поколения – это не интерфейс, а интеграционный проект с NLU-слоем сверху. Качество зависит не от «умности» движка, а от точности разметки интентов и надёжности связки с системами заказчика. Проект стоит планировать с учётом требований к данным и периметру: от точной разметки интентов до проектирования интеллектуальных приложений и чат-ботов под конкретные процессы заказчика.