Жизнь после RAG: MCP, логи и автоматический анализ тикетов Jira
Привет, Хабр! Меня зовут Илья Парамошин, я ведущий инженер в МТС Web Services. В прошлый раз я рассказывал об архитектуре RAG-помощника для технической поддержки: индексации Confluence и Jira, гибридном поиске, генерации ответов с цитатами и оценке качества поиска. А недавно мы опубликовали продолжение — о том, как построили ИИ-агента для анализа тикетов.
Техническая поддержка: ключевые метрики и тренды 2026–2027
ВведениеДанный отчет составлен на основе актуальных данных ведущих аналитических агентств и исследовательских компаний мира — Gartner, Forrester, Zendesk, Salesforce и других.
Почему я перестал слать каждый вопрос в LLM: архитектура предсказуемого конвейера
О проекте. Я разрабатываю систему ИИ-поддержки первой линии — «Финлоджик. Контур Поддержки» (FinlogiQ AI Support). Бот принимает обращения через веб-чат и Telegram, понимает суть вопроса, ищет ответ в базе знаний и передаёт сложные случаи живому оператору. Делаю один: начиналось как заказная разработка под клиента, затем выросло в самостоятельный продукт. Это первая статья из цикла о внутреннем устройстве системы.Пара терминов: LLM (large language model) — большая языковая модель, нейросеть вроде YandexGPT или DeepSeek; RAG
Service desk системы в 2026 году: сравниваем 10 решений для российского бизнеса
Выбираете ли вы сервис деск для автоматизации с нуля или ищете замену текущему, это задача не из простых. Как не ошибиться и не потратить бюджет на продукт, который не оправдает ожиданий?
AI-помощник для технической поддержки: новый этап в TG Support Bot 7.1.0
Всем привет! Я продолжаю развивать TG Support Bot как open-source решение для поддержки клиентов в мессенджерах и в этом релизе хочу поделиться обновлением 7.1.0.С момента последней публикации, данный проект набрал более 200 звёзд на GitHub и более 2 тысяч клонирований. Большое спасибо всем кто поддерживает данный проект!В этом релизе мы сфокусировались на снижении нагрузки на команды и добавили AI-помощника, который теперь работает сразу на трёх платформах, лучше учитывает контекст диалогов и может либо готовить черновики ответов для менеджера, либо отвечать клиенту напрямую — в зависимости от режима.
