Паттерны эскалации и разрешения неоднозначности

Суть

Эскалация — по явным категориальным критериям с few-shot примерами (пробел в политике, явный запрос, невозможность продвинуться), а не по самооценке уверенности или анализу тональности. Самооценка уверенности плохо калибрована; тональность ≠ сложность дела.

Причинность и однозначная идентификация

Перед корректирующим действием проверяйте и событие-триггер, и причинно-следственное последствие. Явный запрос человека — безусловный триггер эскалации, исполняйте немедленно. При нескольких совпадениях клиента не выбирайте эвристикой («самый свежий»/«ближайшее имя») — запросите доп. идентификатор (email, телефон).

Anti-patterns

Ловушка	Почему не работает	Верный паттерн
Эскалировать по самооценке уверенности	Уверенность LLM плохо калибрована на собственных ошибках	Явные критерии: пробел политики, явный запрос, невозможность продвинуться
Эскалировать по тональности/раздражению	Раздражение ≠ сложность; спокойный клиент с исключением из политики тоже требует эскалации	Эскалация по типу дела, не по эмоции
Решать дело до явного запроса об эскалации	Ещё больше раздражает; нарушает заявленное предпочтение	Исполнять явные запросы немедленно
Эвристический выбор при нескольких совпадениях клиента	«Самый свежий»/«ближайшее имя» рискует доступом не к тому аккаунту	Запросить доп. идентификатор для сужения до одного

Exam traps

Ловушка	Почему не работает	Верный паттерн
Оценка уверенности «решает» проблему	Не устраняет корень — нечёткие границы	Явные критерии границ
ML-классификатор для эскалации	Переусложнение до оптимизации промпта	Сначала явные критерии
Анализ тональности вместо сложности	Решает другую задачу	Эскалация по типу дела

Практическое задание (T2)

Написать явные критерии: явный запрос человека, пробел политики, невозможность продвинуться, раздражён-но-решаемо (каждый с few-shot).
Тест раздражённого клиента со стандартным возвратом: агент предлагает решить, затем эскалирует при повторном требовании эскалации.
Тест запроса о подгонке цены конкурента (политика только своего сайта): эскалация срабатывает на пробеле политики.
Смоделировать несколько совпадений клиента: агент запрашивает доп. идентификаторы, а не выбирает «лучшее».
Сравнить долю разрешения до/после добавления явных критериев + few-shot.

Проверка знаний

Поддержка с разрешением 55% с первого контакта

Агент эскалирует простые случаи (стандартная замена по фото повреждения) и при этом пытается сам делать исключения из политики. Разрешение 55%, цель 80%. Что сделать?

A Добавить явные критерии эскалации с few-shot примерами в system prompt
B Пусть агент самооценивает уверенность (1–10) и эскалирует при уверенности ниже 5
C Развернуть ML-классификатор, обученный на исторических тикетах
D Внедрить анализ тональности и эскалировать при негативе выше порога

Клиент явно просит человека

Раздражённый клиент пишет: «Я обращаюсь к вам в третий раз. Я просто хочу поговорить с живым человеком». Агент начинает расследование перед переводом. Верно ли это?

A Агент должен завершить расследование, чтобы человек получил полную сводку дела
B Явный запрос человека — безусловный триггер эскалации; эскалировать немедленно без расследования
C Признать раздражение и предложить решение перед эскалацией
D Эскалировать после одной попытки расследования

Задержка доставки и испорченные продукты

Агент подтвердил задержку доставки, убедился, что она была, и выдал кредит $45. Пост-инцидентный разбор: агент пропустил обязательный шаг. Какой?

A Надо было эскалировать все претензии выше $25
B Надо было проверить причинность — что задержка действительно привела к порче продуктов, а не просто что задержка была
C Надо было применить комиссию за обработку перед выдачей кредита
D Превысил полномочия, ведь $45 близко к лимиту $50