Назначение заявок: по кругу, по загрузке, по компетенции или с ИИ? Мы смоделировали 50 недель

Мы смоделировали 200 заявок и 5 специалистов при семи методах назначения. Компетенция с ИИ на сортировке и переадресацией дала наименьшее ожидание в 46 из 50 недель; назначение по кругу потребовало почти на 50% больше часов. Таблица для скачивания и как это сделать в GLPI.

В этой статьеРазделов: 6

Мы смоделировали одну и ту же неделю работы службы поддержки при семи способах назначения заявок: 200 заявок и 5 специалистов. Один из них дал наименьшее ожидание в 46 из 50 смоделированных недель: отправлять заявку специалисту по профилю, с сортировкой силами ИИ и переадресацией, когда профильный специалист перегружен. Среднее ожидание сократилось до 33 минут против 94 при назначении по кругу. А метод, которым многие команды пользуются, сами того не замечая, — свободная очередь, — работает, только если кто-то постоянно следит за очередью.

В этой статье используются 200 вымышленных заявок и реальная сортировка Jev из теста Сортировка заявок без LLM: мы протестировали Jev.

Методы назначения

Метод Как работает Что обычно идёт не так
Свободная очередь Заявка попадает в очередь, и её берёт свободный специалист Зависит от того, следит ли кто-то за очередью; каждый выбирает то, что умеет делать
По кругу По одной каждому, по порядку Игнорирует, кто занят и кто умеет решать
Наименьшая загрузка Уходит тому, у кого меньше работы в очереди Игнорирует, кто умеет решать
Компетенция Уходит профильному специалисту категории Перегружает того, кто покрывает самые тяжёлые категории; зависит от сортировки
Компетенция с ИИ ИИ классифицирует заявку при создании и отправляет профильному специалисту Та же проблема с загрузкой; ИИ иногда ошибается
Компетенция + переадресация Сначала профильный специалист; если он сможет приступить только через 1 час, заявка уходит тому, кто свободен Нужны чёткое правило и специалисты, которые закрывают базовые вопросы других направлений

Как мы построили модель

  • Заявки: 200 из теста Jev (по 25 в каждой категории: сеть, доступ, ERP, e-mail, принтер, оборудование, ПО и телефония), поступающие случайным образом в течение 5 рабочих дней по 8 часов.
  • Специалисты: 5, каждый — профильный специалист в одной или двух категориях. Ана покрывает сеть и оборудование, самые трудоёмкие.
  • Время обслуживания: от 15 минут (доступ) до 60 (ERP) для профильного специалиста, с разбросом. Непрофильный специалист тратит в 1,6 раза больше.
  • Сортировка: при компетенции без ИИ диспетчеру в среднем нужно 20 минут на классификацию. При компетенции с ИИ категория — та, которую Jev реально предсказал в тесте, с его 6 ошибками на 200; каждая ошибка стоит 15 минут на передачу.
  • Свободная очередь: проверена двумя способами — специалист смотрит очередь в момент, когда освобождается (идеал), и раз в 30 минут (как обычно и бывает).
  • Повторения: 50 разных недель со случайными поступлениями и длительностями. Приведённые ниже цифры — среднее значение.

Параметры и результаты — в таблице модели, где есть вкладка для оценки часов вашей команды при каждом методе.

Результат

График: среднее ожидание, ожидание 10% худших заявок и рабочие часы за неделю для шести методов назначения
Компетенция с ИИ на сортировке и переадресацией дала наименьшее ожидание; назначение по кругу и по наименьшей загрузке требуют почти на 50% больше часов. Среднее по 50 смоделированным неделям, NexTool, окт. 2026.
Метод Среднее ожидание до начала работы 10% худших ждут дольше Среднее время решения Обслужено профильным специалистом Рабочих часов за неделю Разница в загрузке между специалистами
Свободная очередь, проверка раз в 30 мин 77 мин 164 мин 122 мин 73% 150 ч 5,8 ч
По кругу 94 мин 240 мин 151 мин 19% 191 ч 8,5 ч
Наименьшая загрузка 54 мин 120 мин 111 мин 20% 190 ч 3,7 ч
Компетенция (сортировка человеком) 85 мин 241 мин 124 мин 100% 128 ч 28,7 ч
Компетенция с ИИ на сортировке 66 мин 221 мин 104 мин 100% 128 ч 28,7 ч
Компетенция с ИИ + переадресация 33 мин 78 мин 79 мин 69% 154 ч 8,9 ч
Идеальная свободная очередь (проверка сразу) 20 мин 55 мин 72 мин 41% 174 ч 5,3 ч

Что показывают цифры

1. Назначение по кругу и по наименьшей загрузке выглядят справедливыми, но обходятся дорого. Оба метода выравнивают объём, но только 1 из 5 заявок попадает к тому, кто умеет её решать. Результат: команда работает 190 часов, чтобы выдать то, что модель по компетенции выдаёт за 128. Это почти на 50% больше усилий на те же 200 заявок.

2. Чистая компетенция экономит часы и создаёт узкое место. Каждая заявка уходит профильному специалисту, но загрузка перекашивается: в первую смоделированную неделю Ана (сеть и оборудование) отработала 43 часа, а Ева (телефония) — 12. 10% худших заявок ждут больше 4 часов. Тот, кто создал заявку по сети в четверг после обеда, это почувствует.

3. ИИ на сортировке убирает ожидание диспетчера. Даже с 6 ошибками на 200 классификация при создании сократила среднее ожидание с 85 до 66 минут. Выигрыш не в интеллекте, а в том, что не нужно ждать, пока кто-то прочитает заявку.

4. Узкое место устраняет именно переадресация. Если профильный специалист сможет приступить только через час, заявка уходит тому, кто свободен. Команда работает немного больше (154 ч), но среднее ожидание падает до 33 минут, а загрузка выравнивается. Это был лучший метод в 46 из 50 недель (не считая идеальной свободной очереди, которую никто не способен поддерживать).

5. Свободная очередь отлична на бумаге и плоха в реальной жизни. Если каждый специалист смотрит очередь в тот момент, когда заканчивает заявку, это лучший вариант из всех (20 минут ожидания). Если смотреть раз в 30 минут, ожидание вырастает почти вчетверо (77 минут). К тому же свободная очередь не показывает, кто что держит у себя.

Как сделать это в GLPI

Что GLPI делает сам: у каждой категории могут быть Ответственный специалист и Ответственная группа. В организации Автоматическое назначение заявок, изменений и проблем использует эту информацию («На основе категории, затем элемента» или наоборот). Это чистая компетенция: всегда один и тот же человек или одна и та же группа, без учёта загрузки.

Бизнес-правила позволяют назначать по категории, местоположению, инициатору или слову в заголовке, но тоже без учёта того, кто свободен. См. бизнес-правила в GLPI.

Чтобы выравнивать загрузку внутри группы, бесплатный модуль Smart Assign распределяет заявки каждой категории между специалистами группы по кругу или по наименьшей загрузке.

Для сортировки при создании категория должна приходить правильной без того, чтобы кто-то читал заявку: автоматическая категоризация и обязательные поля и тест сортировки с ИИ.

Схема, которую мы рекомендуем: 1. Одна группа на каждую специализацию, а категория указывает на ответственную группу. 2. Распределение по наименьшей загрузке внутри группы. 3. Сортировка при создании (хорошо сделанная форма или ИИ), чтобы заявка сразу получала правильную категорию. 4. Группа поддержки, которая получает то, что превышает лимит ожидания профильного специалиста. Согласуйте лимит с командой и отслеживайте его по времени до первой реакции.

Прежде чем менять свой метод

  • Измерьте ожидание до первой реакции по категориям. Если одна категория ждёт намного дольше остальных, узкое место в компетенциях, а не в объёме.
  • Посмотрите разницу в загрузке между специалистами за месяц. Разница больше чем в 2 раза между самым и наименее загруженным — признак компетенции без переадресации.
  • Пересмотрите категории до автоматизации. В тесте Jev ошибки, общие для всех трёх моделей, пришлись на категории с двумя возможными толкованиями.
  • Внесите свои цифры в таблицу (заявки по категориям, время обслуживания, специалисты и насколько дольше работает непрофильный специалист) и посмотрите, сколько часов требует каждый метод.

Моделирование NexTool от 3 октября 2026 г.: 200 вымышленных заявок, 5 вымышленных специалистов, 50 случайных недель, сортировка ИИ на основе реальных ответов Jev в тесте от 1 октября 2026 г. Это модель: цифры служат для сравнения методов, а не для прогноза вашей очереди. Полные параметры — в таблице.

Часто задаваемые вопросы

В нашей модели — отправлять заявку профильному специалисту с категорией, которую ИИ определяет при создании, и переадресовывать тому, кто свободен, если профильный специалист сможет приступить только через 1 час. Этот метод дал наименьшее ожидание в 46 из 50 недель.

Оно выравнивает объём, но игнорирует, кто умеет решать. В модели только 19% заявок попали к профильному специалисту, а команда отработала почти на 50% больше часов, чем в модели по компетенции.

Только если специалисты смотрят очередь в момент, когда освобождаются. При проверке раз в 30 минут среднее ожидание в модели выросло почти вчетверо, а свободная очередь не показывает, кто что держит у себя.

Да, по категории или по элементу: у каждой категории может быть ответственный специалист или ответственная группа, а бизнес-правила назначают по другим критериям. Сам GLPI загрузку не выравнивает; для этого существует Smart Assign.

Помогает на этапе сортировки: классификация заявки при создании, без ожидания, пока кто-то её прочитает, сократила в модели среднее ожидание с 85 до 66 минут, даже с 6 ошибками категории на 200.

Нужна помощь?