Audi Service Intelligence

Интеллектуальная система поддержки сервисных центров на основе RAG-архитектуры. Решение позволило создавать точные и актуальные ответы на основе технической документации, что значительно улучшило работу сервисных центров и качество обслуживания клиентов.

Исходные данные

Ежегодно сервисные центры Audi в Казахстане обрабатывают более 50 000 обращений. Техническая документация обновляется еженедельно и содержит более 500 000 страниц информации.

30% обращений в региональные сервисные центры требовали консультации с центральными дилерами в Алматы или Астане. Среднее время поиска нужной информации в документации составляло от 15 до 20 минут.

Новые сотрудники тратили до 6 месяцев на изучение технической документации. 15% ремонтов требовали повторного визита из-за неправильной диагностики.

Языковой барьер: часть документации была доступна только на немецком и английском языках. Разница в качестве обслуживания между центральными дилерами и сервисными партнерами.

Задача

Сократить время поиска технической информации до 1–2 минут и обеспечить мгновенный доступ к актуальной документации на казахском и русском языках. Это критично для снижения количества повторных визитов, обращений к центральным дилерам и ошибок в диагностике.

Также унифицировать уровень сервиса во всех партнёрских центрах, ускорить обучение новых сотрудников до 2 месяцев и сократить связанные с этим затраты на 40%. Поддержка должна быть доступна круглосуточно.

Решение

Система построена на агентной архитектуре с бэкендом на Python (FastAPI). В основе — SurrealDB, которая объединяет графовые и векторные запросы. Это позволяет находить не только прямые совпадения в документации, но и связанные процедуры, ошибки и компоненты.

Решение работает на базе LLM DeepSeek V3, дообученной на внутренних данных. Модель получает сжатый контекст, собранный агентами из текстов и изображений. Визуальные данные (например, схемы или фотографии поломок) обрабатываются через модуль на основе CLIP, конвертируются в эмбеддинги и участвуют в поиске наравне с текстом.

Агенты взаимодействуют через MCP с внешними системами. Медиаданные хранятся в S3 хранилище. Система собирает обратную связь и адаптируется под реальные сценарии.

Результаты

В результате внедрения системы повысилось качество обслуживания в региональных сервисных центрах, ускорилась адаптация новых сотрудников, а нагрузка на опытных специалистов в центральных дилерах снизилась.

Быстрый доступ к информации улучшил процесс принятия решений и обеспечил прозрачность источников. Система стала основой для дальнейшего развития и усилила взаимодействие между всеми сервисными точками.