НСИС: локальная LLM и RAG для обработки обращений оператора АИС страхования
Описание проекта
«Национальная страховая информационная система», оператор АИС страхования, развернула большую языковую модель локально и построила на ней несколько контуров. Первый, автоматическая обработка обращений с множественными полями: модель извлекает и структурирует данные вместо ручного разбора. Второй, RAG-сервис для технической поддержки: ответы формируются на основе документов и базы знаний компании.
Третий контур, интеграция ИИ-агентов непосредственно в процесс разработки, включая автоматическое code review и анализ архитектурных решений; для тестирования агентных сценариев поднят MCP-сервер. Компания трансформировала не отдельный участок, а весь цикл: от приёма обращения до выпуска изменений в АИС страхования. Ключевой измеряемый эффект в том, что компания выдержала рост нагрузки без расширения штата.
Задача
Поток обращений в компанию рос двузначными темпами каждый месяц, а сами обращения содержат множество полей, которые ранее разбирались вручную. Линейное наращивание штата под такой рост было бы кратным и неприемлемым. Дополнительная нагрузка ложилась на техподдержку и на цикл разработки самой системы, а работа с чувствительными страховыми данными исключала использование внешних облачных моделей.
Цели внедрения
-
Автоматизировать разбор обращений с множественными полями
-
Выдержать рост потока обращений без пропорционального найма
-
Развернуть большую языковую модель локально, в собственном контуре
-
Ускорить техподдержку за счёт RAG по внутренней базе знаний
-
Применить ИИ внутри процесса разработки: code review и анализ архитектуры
Результаты
-
Время
-
Скорость обработки обращений выросла в 20 раз Нагрузка и масштаб
-
Среднемесячный рост числа обращений 11% выдерживается без снижения качества
-
Рост обращений в 1,5 раза год к году обработан без найма дополнительных сотрудников Финансы
-
Компания избежала необходимости расширения штата в 7 раз Качество и эффективность
-
RAG-контур поверх корпоративной базы знаний для технической поддержки
-
ИИ-агенты встроены в цикл разработки: автоматическое code review и анализ архитектурных решений Импортозамещение и compliance
-
Большая языковая модель развёрнута локально, в собственном контуре компании, что отвечает требованиям к обработке чувствительных страховых данных