Контекст
Olimpberry — e-commerce с растущей командой продаж. Младшие менеджеры приходят, не знают всех продуктовых деталей, регламентов и ответов на типовые возражения. Каждый второй вопрос — к старшему. Старшие — «справочное бюро».
Архитектура
- База знаний в Notion: продуктовые карточки, скрипты продаж, типовые возражения, политики возврата, регламенты эскалации.
- Pgvector индексирует базу еженедельно, embedding через OpenAI ada-002.
- Агент на Claude Sonnet с инструкцией: отвечать на русском, цитировать источник из базы знаний, при низкой confidence — эскалировать.
- Доступ через Telegram-бота. Любой менеджер пишет вопрос, получает ответ за 5–10 секунд с цитатой источника. Старшие подписаны на эскалации.
Метрики
За первый месяц после запуска:
- Обращения младших к старшим: ~50/день → ~5/день
- Скорость ответа клиенту: в среднем в 4 раза быстрее (chronograph в Telegram-чатах)
- Старшие менеджеры освободили ~20 часов в неделю на стратегические задачи
Ограничения
Новинки продукта первые 2–3 недели после релиза эскалируются. RAG обновляется раз в неделю — это компромисс между свежестью базы и стоимостью реиндексации. Можно делать чаще, но эффект на качество ответов не оправдывает рост счёта за embedding.