В данной работе описана интеллектуальная система автоматической обработки письменных обращений граждан, разработанная для тюменского филиала АО «СУЭНКО». Реализован NLP-пайплайн из пяти модулей – предобработка с OCR-фолбеком, классификация по семи категориям (TF-IDF + логистическая регрессия), извлечение именованных сущностей (spaCy, ru_core_news_lg), семантический поиск прецедентов (FAISS) и генерация черновиков ответов (RuT5-base). Архитектура Human-in-the-Loop обеспечивает участие оператора в финальном утверждении ответа; все компоненты функционируют локально без обращения к внешним сервисам в соответствии с требованиями контура КИИ и ФЗ-152. По результатам тестирования на 40 реальных обезличенных обращениях достигнуты все целевые метрики: accuracy классификации 81%, F1-мера NER 88,3%, Precision@3 для RAG 92%. Время обработки одного обращения сократилось с 24 часов до 3,5–5 минут, трудозатраты оператора снизились на ~60%. Система готова к промышленному развёртыванию.

This paper presents an intelligent system for automated processing of written citizen appeals developed for the Tyumen branch of JSC SUENKO. A five-module NLP pipeline was implemented – preprocessing with OCR fallback, classification into seven categories (TF-IDF + logistic regression), named entity recognition (spaCy, ru_core_news_lg), semantic precedent retrieval (FAISS), and draft response generation (RuT5-base). The Human-in-the-Loop architecture ensures operator involvement in the final approval of responses; all components operate locally without external service calls, in compliance with CII requirements and Federal Law No. 152-FZ. Testing on 40 real anonymised appeals confirmed all target metrics: classification accuracy 81%, NER F1-score 88.3%, RAG Precision@3 92%. Processing time per appeal was reduced from 24 hours to 3.5–5 minutes, with operator workload reduced by approximately 60%. The system is ready for industrial deployment.