Почему сентябрь — это стресс-тест для студенческого офиса

Первая декада сентября в вузе — не «начало учебного года», а пиковая нагрузка на студенческий отдел. Одновременно приходят заявления на академический отпуск и перевод, вопросы по заселению в общежитие, справки для военкомата и соцзащиты, уточнения по стипендиям, расписанию и оплате. В отделе из трёх-четырёх человек очередь растёт быстрее, чем сотрудники успевают открывать письма, а типовые вопросы повторяются десятками.

В одном из проектов мы подключались именно к этому узкому месту: университет на 11 тысяч студентов, четыре сотрудника, пик обращений в первые две недели сентября. Задача формулировалась не как «сделать чат-бота», а как снять с людей рутинный поток, не потеряв ни одного нестандартного случая.

Что забрал на себя ИИ-ассистент

Ассистент отвечает на вопросы по внутренним регламентам, помогает собрать комплект документов и оформляет черновик заявления, который остаётся только проверить и подписать. Он работает в Telegram, в виджете на сайте и на почте — там, где студенты уже пишут. Через интеграцию с 1С:Университет он показывает статус поданного заявления, наличие мест в общежитии и задолженности по оплате.

Ключевое отличие от справочного бота: ассистент не пересказывает общий FAQ, а ссылается на конкретный пункт приказа или положения. Если ответа в базе знаний нет или уверенность модели ниже порога, диалог автоматически уходит живому специалисту с историей переписки.

Как это устроено технически

Основа — приватная LLM, развёрнутая в контуре вуза: персональные данные студентов не уходят во внешние сервисы, что критично с точки зрения 152-ФЗ. База знаний собрана из регламентов, приказов, шаблонов заявлений и разбора реальных обращений прошлого года. Сканы и PDF распознаются через OCR, чтобы в индекс попадали и старые документы.

Отдельная работа — версионирование. Приказ о стипендиях за разные годы отличается незначительно, но эта разница меняет ответ. Поэтому у каждого документа хранится дата редакции, а ассистент всегда указывает, на какую версию он опирается.

Что показали первые недели

За первую неделю сентября через ассистента прошло около 1 480 обращений. Без участия сотрудника закрылось 71% — это справки, сроки, порядок подачи, типовые требования к документам. Среднее время первого ответа сократилось с 6–8 часов до 3 минут, включая ночные обращения.

Оставшиеся 29% эскалаций — как раз то, ради чего всё делалось: конфликтные ситуации, индивидуальные переводы, случаи с неполным пакетом документов. Сотрудники перестали тонуть в однотипных письмах и занялись ими предметно.

Где ассистент ошибался и что с этим сделали

Первый типовой сбой — уверенные ответы на вопросы, которых нет в базе. Решили порогом уверенности и обязательной формулировкой «передаю специалисту» вместо попытки догадаться. Второй — путаница редакций приказов, закрыли версионированием. Третий — попадание персональных данных в логи, для этого добавили маскирование на входе.

Практические шаги для своего отдела

Начните с выгрузки 50 самых частых вопросов за прошлый сентябрь — это готовая карта автоматизации. Затем выберите один канал, обычно Telegram или почту, и оцифруйте 10–15 регламентов, которые закрывают большую часть этих вопросов. Обязательно настройте эскалацию и заведите метрики: доля закрытых без человека, время первого ответа, причины передачи специалисту. И только после этого расширяйте на интеграции с учётной системой.

Как мы можем помочь

Мы разворачиваем приватные LLM и RAG-ассистентов в контуре заказчика, подключаем OCR, интеграции с 1С и CRM и настраиваем эскалацию так, чтобы сложные случаи не терялись. Начинаем с аудита обращений и пилота на одном канале — за две-три недели видно реальную нагрузку и эффект. Обсудить проект