Детальная информация

Работа посвящена созданию ИИ-помощник «Афина» для платформы, предназначенной для гостиничного бизнеса. Ассистент отвечает отельерам на вопросы о работе платформы прямо в личном кабинете, опираясь на корпоративную базу знаний. Задачи, которые решались в ходе исследования: 1. Изучение работы службы поддержки, оценка её нагрузки; анализ существующих средств поддержки клиентов для гостиничного бизнеса; 2. Разработка архитектуры системы и выбор технологического стек; 3. Программная реализация серверной и клиентской частей; 4. Тестирование, проверка сценариев контролируемого отказа; 5. Анализ метрик реальной эксплуатации. Ассистент доведён до эксплуатации: за 12 недель – 841 обращение, рост со 100 отелей пилота до 1500. Решения по внедрению применимы и к другим задачам с RAG-ассистентом над документацией. В работе использовались следующие технологии: серверная платформа .NET и реляционная СУБД PostgreSQL; векторная база данных Qdrant; оркестратор Microsoft Semantic Kernel; потоковая передача ответа с помощью SignalR; клиентское часть на React; внешние API языковых моделей.

The work is devoted to the creation of the AI assistant «Athena» for a platform designed for the hospitality business. The assistant answers hoteliers questions about how the platform works directly in their personal dashboard, relying on the corporate knowledge base. When there is not enough ground for a confident answer, the AI assistant does not invent one but honestly declines. This helps reduce the workload associated with processing requests to technical support. The research set the following goals: 1. Studying the work of the support service and assessing its workload; analyzing existing customer support tools for the hospitality industry; 2. Development of the system architecture and selection of the technology stack; 3. Software implementation of the server-side and client-side components; 4. Testing and verification of controlled failure scenarios; 5. Analysis of real-world operational metrics. The assistant has been brought into production: over 12 weeks – 841 requests, growing from a 100-hotel pilot to 1,500. The deployment solutions are also applicable to other tasks involving a RAG assistant working over documentation. The following technologies were used in the work: the .NET server platform and the PostgreSQL relational database; the Qdrant vector database; the Microsoft Semantic Kernel orchestrator; response streaming via SignalR; a React-based client side; and external language model APIs.