Разработка интеллектуального AI-ассистента для автоматизации поддержки клиентов туристического агентства
Журнал: Бюллетень науки и практики @bulletennauki
Рубрика: Технические науки
Статья в выпуске: 9 т.12, 2026 года.
Бесплатный доступ
Рассматривается разработка интеллектуального AI-ассистента для автоматизации поддержки клиентов туристического агентства. Актуальность исследования обусловлена ростом объёма клиентских обращений и необходимостью повышения качества обслуживания при снижении нагрузки на сотрудников. Проведён анализ существующих решений (Chatbase, ManyChat, Tidio AI), выявивший их ограниченную адаптацию к туристической сфере. Выполнено моделирование бизнес-процессов в нотации BPMN 2.0. Предложена архитектура ассистента на основе платформы n8n, Telegram Bot API, OpenAI API (модель GPT-4o-mini) и сервисов Google. Реализован механизм RAG (Retrieval-Augmented Generation), обеспечивающий семантический поиск по корпоративной базе данных. Разработана реляционная структура данных, включающая 10 сущностей. Результаты тестирования показали сокращение среднего времени ответа с нескольких часов до 10–15 секунд, автоматизацию до 78% типовых запросов и круглосуточную поддержку. Разработанное решение может быть внедрено в туристических агентствах для повышения эффективности клиентского сервиса.
Короткий адрес: https://sciup.org/14139011
IDS: 14139011 | УДК: 004.852 | DOI: 10.33619/2414-2948/130/15
Development of an Intelligent AI Assistant for Customer Support Automation in a Travel Agency
Discusses the development of an intelligent AI assistant for automating customer support in a travel agency. The relevance of the study is due to the growing volume of customer requests and the need to improve service quality while reducing the workload on employees. An analysis of existing solutions (Chatbase, ManyChat, Tidio AI) revealed their limited adaptation to the tourism sector. Business processes were modeled using BPMN 2.0. The assistant architecture is proposed based on the n8n platform, Telegram Bot API, OpenAI API (GPT-4o-mini model), and Google services. A RAG mechanism is implemented to provide semantic search through a corporate database. A relational data structure with 10 entities was developed. Testing results showed a reduction in average response time from several hours to 10–15 seconds, automation of up to 78% of typical requests, and round-the-clock support. The developed solution can be implemented in travel agencies to improve customer service efficiency.
