ШІ для обробки рекламацій та повернень: швидше, але законно

Магазин електроніки обробляє 1 200 рекламацій на місяць. Половина надходить у вихідні та вечорами, коли команда неповна. Аналіз 6 місяців історії показує, що середній час першої відповіді становить 38 годин, а 18% справ ескалують через неточну класифікацію на вході. Впровадження агента ШІ для класифікації та попередньої обробки може скоротити час першої відповіді до 2-4 годин і зменшити ескалації на 40-60%, якщо межі автоматизації правильно спроектовані.

Кожне звернення щодо рекламації або повернення має кілька вимірів, які класифікатор визначає одночасно.

Тип справи – це перший вимір. Модель розрізняє рекламацію за гарантією (фізичний дефект, невідповідність опису), гарантію виробника, повернення у встановлений законом 14-денний термін при покупці онлайн та повернення після терміну або поза межами права. Ці категорії мають різні шляхи обробки та різні права споживача, тому помилкова класифікація призводить до неправильної пропозиції рішення.

Термін та право – це найскладніший вимір з правової точки зору. ШІ перевіряє дату покупки з бази замовлень, дату звернення та випливаючий з цього термін. Гарантія на споживчі товари в Польщі діє 2 роки від дати видачі, з презумпцією дефекту протягом перших 12 місяців. Законне повернення без зазначення причин – 14 днів від отримання при продажу на відстань. Модель не інтерпретує право самостійно; перевіряє факти (дати, стан товару, канал продажу) щодо закодованих правил, розроблених юристом.

Вимога споживача – це наступний вимір. Споживач може вимагати ремонту, заміни, зниження ціни або розірвання договору і має право змінити вимогу за умовами, передбаченими законом. Класифікатор зчитує вимогу з тексту звернення та позначає невідповідність між вимогою та правом (наприклад, вимога повернення коштів за товар з гарантією виробника, який не відповідає умовам гарантії).

Докази та недоліки. Агент перевіряє, чи містить звернення необхідні елементи: опис дефекту, дату його виявлення, вимогу. Якщо бракує ключової інформації, надсилає персоналізований запит на доповнення, не відхиляє справу. Це важливо з точки зору RODO та права: відмова через неповноту має передувати вимозі про доповнення.

Шаблон для e-commerce з 500-2000 рекламацій на місяць – це пайплайн структурованого виводу з шаром правових правил.

Крок 1: зчитування та нормалізація. Звернення з кожного каналу (форма, електронна пошта, чат) зводиться до спільної структури: текст звернення, метадані каналу, ID замовлення, якщо вказано. OCR обробляє фотографії дефектів та PDF-документи (рахунки, підтвердження).

Крок 2: збагачення даними. Агент отримує з бази замовлень: дату покупки, дату отримання, вартість замовлення, історію попередніх рекламацій клієнта, канал продажу (онлайн або офлайн, оскільки це змінює права). Без цих даних класифікація прав неможлива.

Крок 3: класифікація з валідацією. Модель повертає JSON: { "claim_type": "гарантія|гарантія_виробника|повернення_законне|поза_правом", "days_since_purchase": ..., "within_legal_deadline": true|false, "customer_request": "ремонт|заміна|знижка|повернення", "missing_info": [...], "confidence": 0.0-1.0 }. Схема валідується; низька впевненість (нижче 0,70) або відсутнє поле claim_type автоматично направляють справу до ручної черги.

Крок 4: пропозиція рішення. На основі результату класифікації система генерує пропозицію відповідно до дерева рішень, розробленого юристом. Гарантія в терміні з описаним дефектом отримує пропозицію ремонту або заміни з графіком. Повернення у 14-денний термін отримує інструкцію повернення з підтвердженням права. Справа поза правом передається людині з контекстом, не отримує автоматичної відмови.

Крок 5: human-handoff. Консультант бачить бриф: класифікацію, обґрунтування, пропозицію ШІ, історію клієнта, правові сигнали. Затверджує, змінює або відхиляє пропозицію. Відмовне рішення завжди приймає людина.

Найбільший правовий ризик в автоматизації рекламацій – це відмовне рішення, видане без участі людини. Закон про права споживачів та Цивільний кодекс надають споживачеві конкретні права, порушення яких автоматичною системою може призвести до скарг до УОКК, судових справ та репутаційних втрат.

ШІ не повинен самостійно:

• відхиляти рекламації з посиланням на відсутність прав,
• вирішувати, що дефект виник з вини користувача (це вимагає експертизи),
• застосовувати презумпції, невигідні для споживача, без перевірки людиною,
• надсилати відповіді у спірних справах або коли клієнт загрожує ескалацією до УОКК, омбудсмена чи суду.

Правильний шаблон: ШІ готує пропозицію з обґрунтуванням, людина затверджує рішення. Час реакції все одно скорочується з 38 годин до 4-8 годин, оскільки консультант отримує готовий бриф замість сирого звернення.

Human-oversight тут є вимогою не лише етичною, але й правовою. Польський закон про захист прав споживачів, директива ЄС 2019/771 та настанови AI Act вказують, що автоматизовані рішення у справах споживачів повинні підлягати можливості оскарження людиною.

Рекламація містить персональні дані: ім'я, адресу, номер замовлення, опис проблеми, іноді фотографії товару з даними на задньому плані. Кілька вимог RODO тут особливо важливі.

Правова підстава обробки – це виконання договору (ст. 6 п. 1 літ. b RODO) для даних, необхідних для розгляду рекламації. Надлишкові дані (наприклад, довгі описи особистих обставин) слід видаляти або анонімізувати перед записом у систему.

Зберігання. Документація щодо рекламацій зберігається 3-5 років з доказових міркувань (позовна давність). Дані поза цим терміном слід видаляти. Якщо рекламація потрапляє до моделі ШІ як тренувальні дані, потрібна DPIA та анонімізація.

PII masking. Якщо для класифікації використовується зовнішнє API (хмарний LLM), дані звернення повинні пройти через PII masking перед відправкою до моделі. Номер замовлення, електронна пошта, ім'я можна замаскувати токенами перед викликом API та відновити на стороні застосунку.

Альтернативою є self-hosting класифікаційної моделі, що усуває проблему передачі даних зовнішньому постачальнику. При обсязі понад 2 000 рекламацій на місяць витрати на self-hosting стають виправданими.

Впровадження класифікатора рекламацій у shadow mode усуває ризик помилкових рішень на старті. Протягом перших 4-8 тижнів система класифікує та пропонує рішення, але консультант все одно приймає кожне рішення самостійно. Порівняння рішень ШІ з рішеннями консультантів створює дані для калібрування моделі та виявляє категорії, де ШІ систематично помиляється або пропонує рішення, несумісні з регламентом.

Хороший пілот починається з 3 кроків:

1. Зберіть 300-500 історичних рекламацій з мітками (тип, рішення, обґрунтування). Це тренувальні дані та точка відліку для оцінки моделі.
2. Визначте з юристом дерево рішень для кожного типу справ. Модель настільки хороша, наскільки хороші правила, які вона реалізує.
3. Запустіть shadow mode з панеллю, що порівнює пропозиції ШІ з рішеннями консультантів. Поріг прийняття перед переходом до авто-асистенції: понад 85% узгодженості для даного типу справ.

Детальніше про проєктування агента, що обробляє багатоетапні процеси: агент ШІ багатоетапне планування та автоматизація обслуговування клієнтів ШІ.

Ні. Відмовне рішення завжди має бути затверджене людиною. ШІ готує пропозицію з обґрунтуванням, але консультант приймає остаточне рішення. Автоматична відмова без нагляду людини може порушувати законні права споживача та тягнути за собою юридичну відповідальність продавця перед УОКК та судом.

Пілот shadow mode з класифікатором few-shot можна запустити за 3-6 тижнів, якщо є історичні дані з мітками та готове дерево рішень, узгоджене з юристом. Повне впровадження з інтеграцією до CRM-системи, метриками та процедурами ескалації займає 8-14 тижнів. Більшість часу займає підготовка даних та визначення правил, а не програмування моделі.

Мінімум – 200-500 історичних рекламацій на тип справи з мітками (категорія, рішення, обґрунтування). Перед використанням даних для тренування або fine-tuning необхідна анонімізація персональних даних (ім'я, адреса, номер замовлення) або проведення DPIA. Якщо використовується зовнішнє API для класифікації, застосуйте PII masking перед відправкою даних.

Агент надсилає персоналізований запит на вказівку номера замовлення або даних, що дозволяють ідентифікувати транзакцію. Не відхиляє справу через відсутність даних, а призупиняє класифікацію до моменту доповнення. Якщо клієнт не доповнить після 2 спроб зв'язку, справа потрапляє до ручної черги з історією комунікації.

Системи ШІ, що підтримують обробку рекламацій споживачів, слід проаналізувати на предмет класифікації ризику згідно з AI Act. Якщо система впливає на рішення щодо прав споживача (відмова, надання послуги), може вимагати прозорості роботи та можливості оскарження рішення. Принцип human-in-the-loop при відмовних рішеннях практично відповідає цим вимогам, незалежно від остаточної класифікації ризику. Проконсультуйтеся з юристом перед впровадженням.

Пов'язані статті: Класифікація та маршрутизація звернень ШІ, Автоматизація обслуговування клієнтів ШІ, Агент ШІ для призначення зустрічей, ШІ в e-commerce. Спроектуйте архітектуру свого рекламаційного агента за допомогою інструменту blueprint агента.