Как мы автоматизировали оценку коммуникаций и сократили объём ручной проверки звонков

Готовые решения помогают увидеть общую картину, но редко объясняют причины проблем и почти не подсказывают, что именно нужно изменить в работе.

Именно поэтому мы решили разработать собственную систему оценки.

Продумали систему оценки звонков

Создать универсальную систему оценки сложно. Мы адаптируем её под каждый проект: учитываем задачи клиента, сценарии коммуникаций, регламенты и скрипты — весь необходимый контекст для решения задач конкретного бизнеса.

Критерии оценки для ИИ нужно описывать подробнее, чем для ручной оценки. Если специалист может учитывать контекст и в одном диалоге закрыть сразу несколько критериев, то модели нужны максимально конкретные правила оценки. Поэтому каждый пункт мы разбиваем на отдельные проверяемые действия.

Так мы научили ИИ приходить к тем же выводам, которые делали сами. Подход позволил сохранить нашу экспертность и усилить её с помощью возможностей ИИ.

Продолжали регулярно тестировать систему

ИИ-решение нельзя один раз настроить и забыть. Нужно регулярно проверять результаты, искать ошибки и дообучать систему.

Например, однажды мы увидели звонок, который получил нулевые оценки по всем критериям.

Когда начали разбираться, оказалось, что в записи вообще не было разговора — нейросеть не выгрузила расшифровку звонка. Вместо того, чтобы сообщить об ошибке, ИИ попытался выполнить задачу: придумал диалог и сам же его оценил. Такие ситуации хорошо показывают, почему экспертный контроль остаётся обязательной частью процесса.

В результате всех доработок мы собрали инструмент, который анализирует коммуникации по тем же принципам, что и специалисты по контролю качества, но делает это значительно быстрее.

Контроль качества по-прежнему остаётся экспертной функцией. Именно специалисты определяют логику оценки, проверяют сложные случаи, корректируют критерии и помогают бизнесу делать выводы из полученных данных.

ИИ-решение помогает быстрее обрабатывать большой объём коммуникаций и находить закономерности, которые сложно заметить при выборочной ручной проверке.

Мы планируем масштабировать систему: в перспективе она сможет оценивать не только звонки, но и переписки, а также заполнять CRM на основе данных из звонков.

Выводы

Готовые ИИ-инструменты уже умеют расшифровывать разговоры и формировать краткие комментарии. Но для принятия решений бизнесу обычно нужны ответы на другие вопросы: почему возникает проблема, какие действия сотрудников влияют на результат и что стоит изменить в работе.

Поэтому мы сделали ставку не на автоматическую оценку саму по себе, а на систему, которая помогает масштабировать экспертизу специалистов по контролю качества.

Важно помнить: ИИ не работает по принципу «внедрили и забыли». Наш пример показательный — выделите в своем списке задач ревизию работы ИИ, чтобы вовремя находить ошибки или даже фиксировать идеи для развития системы. Только в этом случае они действительно помогают ускорять работу и сохранять качество анализа.

В результате мы получили инструмент для более быстрого анализа коммуникаций, а бизнес — дополнительный источник данных о клиентах и качестве взаимодействия с ними.