פיתוח מערכת בינה מלאכותית לסיווג פניות ועדיפויות

סיווג פניות עם AI: היכן נשבר הניתוב

מיון פניות ידני נשען על הנחה אחת: הנציג מספיק לקרוא את הזרם הנכנס ולמיין אותו לקטגוריות לפני שיגיעו חדשות. כל עוד מדובר בעשרות פניות ביום, הסכמה עובדת. בזרם של כמה מאות היא מתפרקת — התור של קו ראשון גדל מהר יותר מקצב הטיפול בו, וחלק מהפניות נשארות עד הערב בלי קטגוריה ובלי אחראי.

הכשל הראשון — עדיפות הפנייה. במצב ידני היא נקבעת לפי סימן סובייקטיבי: מי כתב בקול רם יותר, מי התקשר קודם, את מי ביקש המנהל. בפרקטיקה של ניהול שירות, עדיפות נגזרת מהשפעה ומדחיפות, כמתואר ב-ITIL — בטיפול ידני ההיגיון הזה נשען על הזיכרון של הנציג ומתפרק בעומס שיא.

הכשל השני — ניתוב הפניות. קטגוריה שנבחרה ידנית לעיתים קרובות מגיעה לקבוצה הלא נכונה, והפנייה מועברת בין קווים תוך אובדן הקשר: הלקוח חוזר על הסיפור, קבצים מצורפים נשלחים מחדש, והזמן עד למענה הראשון מוכפל.

תקלות גדולות טובעות בזרם הכללי של שאלות אחידות — לא מפני שלא שמו לב אליהן, אלא מפני שהתור לא מבחין בין החשוב להמוני.

ננתח כיצד זה נסגר: היכן בדיוק נשבר הניתוב, אילו מאפיינים של הפנייה יש לחלץ, וכיצד סיווג פניות עם AI מסיר את המיון הידני מהקו הראשון.

מה משתנה אחרי ההטמעה: זמן המענה ושיעור הטיפולים הידניים

האפקט של סיווג פניות ב-AI ניכר בחמישה מדדים של הקו הראשון: הזמן עד למענה ראשון, שיעור הפניות שהגיעו לקבוצה הנכונה בניסיון הראשון, שיעור המיון הידני, מספר ההסלמות החוזרות וההתנהגות בשיא. אותם אנחנו מודדים לפני ההרצה ואחריה — לפי יומני הטיפול, לא לפי תחושות העובדים.

הקו הראשון: מהירות, דיוק והקלה על הנציגים

המודל מתייג את הזרם הנכנס לפי נושא, דחיפות ומיומנות נדרשת עוד לפני שהפנייה מגיעה לאדם. זמן התגובה לפנייה יורד משעות לדקות: המסלול והעדיפות מוצבים בכניסה, הנציג לא עובר על כל התור, אלא פותח מיד את מה שהוקצה לו.

בקטגוריות יציבות הדיוק של הסיווג נשמר סביב 90%, ומקרים שנויים במחלוקת עוברים לאימון נוסף עם תיוג של מקרי גבול.

שיעור המיון הידני מצטמצם פי כמה: המוקדן מפסיק למיין את הזרם ועוסק רק בנושאים מעורבים, בפניות בלי טקסט ברור ובניסוחים טעונים. הזמן שהתפנה מוקדש למענים ענייניים, ולא לניתוב.

תהליכים משיקים: עומס, הסלמות, אנליטיקה

עומס שיא על התמיכה מפסיק להיות נקודת כשל. המסווג מחזיק בתפוקה קבועה, ולכן בעליה פי עשרה בזרם התור לא גדל בהתאם — גדל רק שיעור הפניות שדורשות מענה אנושי. העדיפות מפזרת את התור: הדחופות עוברות קדימה, והשגרתיות מקבלות מענה מוכן.

תוצר לוואי — שליטה. נוצר חתך לפי נושאים וסיבות, שבו רואים אילו תקלות יוצרות פניות והיכן מצטברות הסלמות חוזרות. זה אפקט על המוצר עצמו, ולא רק על הקו הראשון.

אפשרויות סיווג: חוקים, אימון על תיוג, היברידי

שלוש גישות — לא חלופות של "או-או", אלא נקודות שונות על סקאלה: חוקים ותבניות נותנים התחלה צפויה, אימון על תיוג — עמידות לניסוחים שאיש לא חזה מראש. מה לבחור נקבע לפי שני גורמים: כמה פניות מתויגות כבר נאספו, ובאיזו תדירות משתנה רשימת הסיבות.

מה פותר כל גישה בטווח הקצר

חוקים נותנים מסלול עובד בתוך ימים ספורים: המהנדסים מתארים את התנאים, המסווג מיד מפזר את הפניות, והשגיאות נראות ומתוקנות בלי אימון מחדש. ההיברידי מתחיל באותה צורה, אבל שכבת החוקים אוספת סטטיסטיקה מההתחלה — אילו פניות המודל מתייג בחוסר ביטחון ומה כדאי לשלוח לתיוג ראשון.

בטווח הארוך

אימון על תיוג מנצח במקום שבו הזרם גדל והניסוחים משתנים: שיעור המסלולים הנכונים נשמר הודות לדוגמאות חדשות, ולא לתנאים חדשים. כאן מכריע איכות התיוג — עקביות התוויות בין המתייגים ובחינה מחודשת של מחלקות שנויות במחלוקת. אחרת המודל מקבע שגיאות של אחרים, והדיוק יורד בלי ששמים לב.

שלבי ההטמעה: מניתוח הזרם ועד מסירה לתפעול

מתחילים לא מהמודל, אלא מהזרם: כמה פניות מגיעות, בערוצים אילו, איזה שיעור הולך למקום הלא נכון וכמה זמן הנציג מקדיש למיון ידני. לפי המספרים האלה רואים היכן הסיווג נותן אפקט והיכן די בנהלים.

1. ביקורת של זרם הפניות: ייצוא לתקופה, התפלגות לפי ערוצים ונושאים, מדידת שיעור שגיאות הניתוב והזמן עד למענה ראשון.
2. סכמת מחלקות ועדיפויות: רשימת נושאים וכללי הסלמה. המחלקות צריכות להיות מעטות וללא חפיפות — אחרת המערכת מתבלבלת בגבולות.
3. הכנת התיוג: מתייגים פניות היסטוריות לפי הסכמה, ומקרים שנויים במחלוקת מוציאים בנפרד. כאן גם רואים אילו מחלקות חסרות בנתונים.
4. הגדרה: מכווננים את סף הביטחון שבו הפנייה עוברת לנציג ולא למענה אוטומטי. שגיאה בפנייה דחופה יקרה מבדיקה ידנית מיותרת.
5. נוהל ניתוב: מי ומתי בוחן מחדש את המחלקות, כיצד הנציג מערער על החלטת המערכת ולאן מגיעה התיקון שלו.

בדיקה על נתונים היסטוריים

מריצים את המערכת על פניות מהתקופה הקודמת, שבהן המסלול ידוע, ובודקים איכות לפי כל מחלקה, לא את הדיוק הכללי. בנפרד בודקים דחופות: שיעור הפניות הקריטיות שהוחמצו צריך להיות קרוב לאפס, גם במחיר מיון ידני של חלק מהשגרתיות.

מסירה לתפעול

מוסרים את המערכת המוגדרת ואת התיעוד: סכמת המחלקות, הספים, סדר טיפול בשגיאות. מאמנים את הנציגים ואת התמיכה — כיצד לקרוא את רמת הביטחון של המערכת ומה לעשות כשנושא הפניות משתנה. בתקופה הראשונה אחרי ההרצה נשארים בקשר.

מה נשאר בצוות הלקוח: סכמות, חוקים, תיוג

מגיוני לקבל את המערכת לא לפי תשובות על מדגם בדיקה, אלא לפי מה שנשאר בתוך המסגרת של הלקוח ומאפשר לתחזק אותה בכוחות עצמו. אנחנו מוסרים מסמכים, תיוג וכללי עבודה עם נתונים — בצורתם המקורית, עם זכות לערוך אותם בהתאם לתהליכים שלכם.

הרכב התיעוד

• סכמת מחלקות ועדיפויות: רשימת הקטגוריות, הגבולות בין מחלקות דומות וכללי הניתוב — איזו עדיפות ומי המקבל בכל קטגוריה.
• מערך פניות מתויג: מדגם ייחוס עם תיוג מסונכרן, כולל מקרים שנויים במחלוקת עם נימוק מתועד. לפיו בודקים איכות אחרי כל שינוי.
• כללי תיוג של נתונים חדשים: מה לעשות עם פנייה מחוץ למחלקות הקיימות, מתי להנהיג מחלקה חדשה ומי מאשר זאת.
• נוהל תחזוקה: הוספת מחלקות, תדירות ריצות בקרה, סף שליחה לאימון נוסף, בעלי אחריות לכל שלב.
• תיאור שדות הקלט: מה מוזן למערכת, מה מתעלמים ממנו, כיצד מטופלים קבצים מצורפים.
• יומן החלטות: היכן נשמרת היסטוריית הסיווג עם עדיפות ורמת ביטחון וכיצד לבחון לפיה הפעלות שגויות.

כללי גישה לנתונים

• הפרדת תפקידים: מי רואה את הטקסטים המקוריים, מי — רק ייצואים אנונימיים, מי משנה את התיוג.
• סדר האנונימיזציה: אילו שדות מוסתרים או נמחקים לפני הכניסה לתיוג וליומנים.
• אחסון והעברה: מועדים, האחראי על המסגרת, סדר ייצוא המודל והתיוג בעת החלפת ספק.

מקרה בוחן: כיצד ניתוב הפניות הפך לצפוי אחרי ההרצה

זרם הפניות הגיע מדואר, צ'אט וטלפוניה לתור אחד, ומשם הנציגים בקו הראשון החליטו ידנית למי מיועדת הפנייה. סדרי עדיפויות ורמות שירות תוארו לפי ITIL, אבל התיוג של הזרם הנכנס נשען על הזיכרון של האנשים — ונשבר ראשון עם גידול העומס.

מה היה לפני

הפניות נפלו למאגר משותף: את הנושא, קבוצת המטפל והעדיפות קבע הנציג לפי טקסט המייל. כ-71% מהפניות עברו נכון בניסיון הראשון, והשאר הועברו בין קבוצות, וכל העברה הוסיפה למענה מחזור המתנה חדש — החציון עד למענה ראשון עמד על כ-ארבע שעות, ובפניות דחופות — עד שעתיים.

הטיפול הידני תפס כ-40% מזמן הקו הראשון: 3–5 דקות למייל, ובשיאים התור פשוט גדל. חלק מהכשלים היו צפויים: הנושאים "תשלום" ו"גישה" התבלבלו ביניהם, ותקלות בעדיפות גבוהה עמדו בתור הכללי לצד ייעוצים.

מה השתנה אחרי

תייגנו את ארכיון הפניות יחד עם הלקוח ואימנו את המודל על התיוג הזה: הוא מקצה לפנייה נושא, קבוצה ועדיפות, ומקרים שנויים במחלוקת עם ביטחון נמוך מחזיר לאדם ואוסף אותם לאימון נוסף. ההחלטה מתועדת ביומן יחד עם הטקסט והמאפיינים, ולכן סיבת השגיאה נראית בלי שחזור ידני.

• ניתוב נכון — 94% לעומת 71%
• חציון הזמן עד למענה ראשון — 40 דקות, בפניות דחופות — 12
• שיעור הפניות בטיפול ידני — 9% במקום 40%
• חריגות ברמת השירות — 2% במקום 11%

במה שונה סיווג פניות בחוקים מסיווג במודל?

חוקים נותנים תשובה דטרמיניסטית: יש מספר חוזה מהרשימה או מילה מהמילון — הפנייה עוברת לתור הנכון באופן זהה בהרצה הראשונה ובהרצה האלף. המחיר של הצפיות הוא שבריריות: אם הלקוח יכתוב "הכסף עבר אבל אין מוצר" במקום "התשלום לא הגיע", המילון יפספס. מאות ביטויים יש לתחזק ידנית ולהריץ על ארכיון הפניות בכל עריכה.

המודל פותר את הבעיה ההפוכה: מכליל ניסוחים, מעביר ניסיון מדוגמאות שכיחות לדומות נדירות, ועומד בשגיאות כתיב, בתעתיקים ובהחלפת ערוץ. נקודת התורפה — הזנב הארוך: מחלקה שמופיעה בתיוג בודדות אין על מה ללמוד, והאיכות בה יורדת.

תשובת המודל היא הסתברות, לא הוראה, ולכן על השאלה "למה זה ספאם" בלי ייחוס מאפיינים אי אפשר לענות.

בפועל מנצחת סכמה דו-שכבתית. חוקים נוקשים מכסים את מה שאין להפקיר לסטטיסטיקה: טריגרים בעלי משמעות משפטית, רשימות חסימה, ניתוב חובה של לקוחות גדולים — הם פועלים מיד ומוסברים בשורה אחת. מודל מבוסס scikit-learn או מסווג רשת נוירונים לוקח את השאר: נושא, טון, מאפייני דחיפות וחזרתיות.

יכולת ההסבר מורכבת משני חלקים: קוד הסיבה מהחוק ורמת הביטחון של המודל. מתחת לסף הפנייה עוברת לנציג כחשודה, ולא לתור אוטומטי — זו ההגנה מפני שגיאות שקטות.

תיקוני הנציגים חוזרים לתיוג ופעם בכמה שבועות עוברים אימון מחדש, ולכן שיעור המחלקות הנדירות עולה בהדרגה, והצפיות נשארת בצד של החוקים.

ספקות טכניים: תיוג, מחלקות נדירות, בקרת איכות

שלוש שאלות נשמעות בכל הערכה: כמה דוגמאות לתייג, מה לעשות עם מחלקות שמופיעות לעיתים רחוקות, וכיצד להבחין שאיכות הסיווג ירדה. אנחנו עונים באופן ענייני — על ההתנגדויות האלה יש לנו סכמות מגובשות, שנבדקו על זרם פניות חי.

מה לעשות עם סוגי פניות נדירים?

מחלקה שתופסת חלקי אחוז מהתעבורה לא ניתן להרים באימון כללי. עובד שילוב: משקולות מחלקות, ספי ביטחון נפרדים לכל סוג, איחוד סוגים קרובים למחלקת-על עם פיצול לאחר מכן. והמדד — recall במחלקה הנדירה: בדיוק הכללי הכישלון שלה מתמוסס.

כיצד להבין שאיכות הסיווג ירדה?

עוקבים אחרי שני אותות: פער בין התפלגות הטקסטים הנכנסים למדגם הייחוס, ושיעור המחלקה "אחר" יחד עם רמת הביטחון הממוצעת — הם מגיבים לשינוי בניסוחים מוקדם יותר מתלונות הנציגים.

כל עדכון עובר מערך רגרסיה עם תשובות ייחוס, ומקרים שנויים במחלוקת מנתחים לפי מטריצת שגיאות עם בוררות של המתייגים. אם ה-recall במחלקה קריטית יורד, מגלגלים את המודל לקודמו ומנתחים את הסיבה.

נדון במשימה ונחזור עם הערכה ותוכנית עבודה

כדי להתחיל את הדיון די בייצוא של פניות מכמה שבועות בצורה שבה הן מונחות במערכת: טקסט, ערוץ, נושא, המטפל הסופי, תוויות שהציבו הנציגים ידנית. ככל שהייצוא פחות מסורק, כך רואים בצורה מדויקת יותר את התפלגות המחלקות בפועל ואת המקומות שבהם הניתוב הידני נשבר.

כדאי להוסיף לו מגדיר קטגוריות ועדיפויות, נוהל מועדי תגובה לכל רמה, וכמה מקרים שנויים במחלוקת — כאלה שהנציגים חלוקים על המחלקה שלהם עד היום.

• ייצוא פניות עם טקסט, ערוץ והיסטוריית טיפול;
• מגדיר עדכני של קטגוריות, תת-קטגוריות ועדיפויות;
• נוהל מועדי תגובה והסלמה לפי רמות;
• דוגמאות לפניות שנויות במחלוקת או שנותבו בטעות;
• רשימת ערוצי הכניסה, כולל תמלולי שיחות;
• מגבלות על הנתונים: מה אסור להוציא למסגרת חיצונית ואילו שדות אישיים;
• סכמת הניתוב הנוכחית: מי ולפי איזה כלל מקצה את המטפל.

לפי התמונה הזו ננתח את הזרם, נעריך את שיעור הפניות עם מחלקה חד-משמעית ונחזור עם תוכנית הטמעה: הכנת תיוג ואימון מודל על הדוגמאות שלכם, הרצת פיילוט בערוץ אחד עם בקרה ידנית במקביל, מדדי איכות וניתוח שגיאות, ואז מסירה לתפעול עם ניטור ונוהל אימון נוסף. תארו את המשימה — נחזור עם הערכה ותוכנית עבודה.