شبکه هوشمند ابتکار ویستا
شبکه هوشمند ابتکار ویستاAI، GeoAI و CivicTech در استان سمنان
شهر هوشمند

Civic-RAG و تحلیل سامانه ۱۳۷ (نمایه‌سازی معنایی فارسی On-Prem + SLA)

نمایه‌سازی معنایی تماس‌ها/تیکت‌ها، خوشه‌بندی موضوعی، ارجاع هوشمند و بهبود SLA شهرداری/استانداری؛ کاهش زمان پاسخ ۲۰–۳۵٪.

Civic-RAG و تحلیل سامانه ۱۳۷ (نمایه‌سازی معنایی فارسی On-Prem + SLA)
شهر هوشمند

Civic-RAG و تحلیل سامانه ۱۳۷ (نمایه‌سازی معنایی فارسی On-Prem + SLA)

نمایه‌سازی معنایی تماس‌ها/تیکت‌ها، خوشه‌بندی موضوعی، ارجاع هوشمند و بهبود SLA شهرداری/استانداری؛ کاهش زمان پاسخ ۲۰–۳۵٪.

وضعیتدر حال بهره‌برداری
استانسمنان
حوزهشهر هوشمند

خلاصهٔ مدیریتی

این پروژه، داده‌های تماس‌ها/پیام‌های ۱۳۷ (و کانال‌های دیگر) را به‌صورت معنایی نمایه‌سازی کرده و با RAG پاسخ‌های یکنواخت و ارجاع هوشمند به واحدهای مسئول ارائه می‌دهد. خروجی عملیاتی: کاهش زمان پاسخ ۲۰–۳۵٪، افزایش نرخ حل در اولین تماس و کاهش ارجاع‌های خطا ۳۰–۵۰٪. استقرار به‌صورت On-Prem برای رعایت محرمانگی دادهٔ شهروندان است.

مسئله و ضرورت

حجم بالای تماس‌ها، تنوع موضوعات و پراکندگی داده در کانال‌های مختلف، کارایی پاسخ‌گویی را پایین می‌آورد. نبود نمایه‌سازی معنایی و دانش‌نامهٔ به‌روز باعث پاسخ‌های ناهمگن و ارجاع‌های اشتباه می‌شود.

اهداف کمی

  • کاهش متوسط زمان پاسخ (MTTR) ≥۲۰–۳۵٪.
  • افزایش First-Contact Resolution ≥۱۵ واحد درصد.
  • کاهش Misroute ≥۳۰–۵۰٪.

معماری راهکار

  • ورودی: صوت/متن تماس، فرم‌های وب/اپ، شبکه‌های اجتماعی.
  • ASR/نویزگیری: تبدیل گفتار فارسی به متن + تفکیک گوینده (در صورت نیاز).
  • Embeddings فارسی On-Prem: نمایه‌سازی معنایی در Vector DB.
  • RAG: پاسخ‌سازی با اتکا به اسناد مصوب، رویه‌ها و پاسخ‌های نمونه.
  • طبقه‌بندی و مسیردهی: دسته‌بندی موضوع/منطقه/شدت و ارجاع اتومات به کارتابل واحد مسئول.
  • داشبورد SLA: وضعیت تیکت‌ها، گلوگاه‌ها و نقاط داغ جغرافیایی.

داده و حاکمیت

تمام داده‌ها در دیتاسنتر سازمانی ذخیره و پردازش می‌شود. ناشناس‌سازی برای گزارش‌گری و آموزش فعال است. سطح‌بندی دسترسی و ممیزی رویداد برای انطباق با مقررات دادهٔ شهروندان اجرا می‌شود.

جریان کار

  1. دریافت تماس/پیام → ASR/Text Normalization → استخراج موجودیت‌ها (مکان/موضوع/شدت).
  2. RAG: پاسخ پیشنهادی مبتنی بر اسناد مصوب + بازشناسی سناریوهای پرتکرار.
  3. ارجاع: واحد/منطقه/سطح خدمت مناسب + SLA و زمان‌بندی بازخورد.
  4. کنترل کیفیت: بازخورد اپراتور/مدیر و به‌روزرسانی دانش‌نامه.

KPI و صرفه‌جویی

در ۴۰هزار تماس ماهانه، کاهش ۳۰ ثانیه از AHT (میانگین زمان رسیدگی) ⇒ ~۳۳۳ ساعت بهره‌وری/ماه؛ ارزش معادل حقوقی/بهره‌وری به‌علاوهٔ رضایت شهروند. کاهش Misroute، اعزام‌های میدانی بی‌نتیجه را کاهش می‌دهد و ترافیک کارتابل‌ها را متعادل می‌کند.

زمان‌بندی استقرار

  • ماه ۱: اتصال به سامانهٔ ۱۳۷، دریافت دادهٔ نمونه، تعریف SLA/طبقه‌بندی.
  • ماه ۲: آموزش Embedding/RAG، ساخت داشبورد و کارتابل ارجاع.
  • ماه ۳: Go-Live، اصلاح آستانه‌ها، برنامهٔ به‌روزرسانی دانش‌نامه.

ریسک‌ها و کاهش

  • کیفیت پایین صوت/نویز → پیش‌پردازش و بازخورد اپراتوری.
  • ابهام موضوعی → سؤال‌های Clarify خودکار کوتاه (چندگزینه‌ای).
  • تغییر رویه‌ها → Pipeline انتشار دانش‌نامه با نسخه‌بندی.

اقلام تحویل

  • Vector DB و سرویس RAG On-Prem، داشبورد SLA.
  • کارتابل ارجاع/پیگیری، گزارش دوره‌ای و نقشهٔ نقاط داغ.
  • مستندات و آموزش کاربران/سرپرستان.

RACI

  • Accountable: شهرداری/استانداری.
  • Responsible: شبکه هوشمند ابتکار ویستا.
  • Consulted: واحدهای اجرایی خدمات شهری/عمرانی/اجتماعی.
  • Informed: مدیریت ارشد/روابط عمومی.

Art Brief (تصاویر اختصاصی)

  • Hero: مرکز تماس مدرن با دیوار KPI، تم آبی/سبز مینیمال.
  • Heatmap: نقشهٔ شهری با نقاط داغ موضوعی.
  • Workflow: کارت ارجاع با SLA و وضعیت.
درخواست همکاریبازگشت به پروژه‌ها