Как мы автоматизировали контроль качества звонков и переписок с помощью ИИ
В этой статье я расскажу, как мы упростили и полностью автоматизировали контроль звонков отдела продаж в компании «Триада» — без прослушивания сотен разговоров вручную, без отдельных контролёров качества и без рутины, которая обычно съедает часы рабочего времени.
Специалист в области автоматизации бизнес процессов и диджитализации бизнеса
Что мы сделали?
Мы внедрили мультиагентную систему на базе искусственного интеллекта, которая сама расшифровывает звонки, анализирует качество коммуникаций, сравнивает речь менеджера со скриптами, оценивает работу с возражениями — и отправляет готовый разбор прямо в сделку в Битрикс24.
Проблема: сотни звонков ежедневно, а контроля — нет
Наши менеджеры ежедневно делают и принимают сотни звонков:
консультации по промышленной безопасности, экологии, проектированию, сопровождению, продажам, сопровождение постоянных клиентов.
Задача простая и сложная одновременно:
видеть, как реально работают менеджеры;
где они срывают сделки;
где плохо отрабатывают возражения;
кто игнорирует скрипты;
кто теряет заявки на ровном месте.
Раньше это было невозможно: руководитель физически не может слушать сотни разговоров ежедневно.
И мы создали систему, которая делает это автоматически.
Проконсультируем по внедрению искусственного интеллекта в ваш бизнес. Предложим наиболее подходящее решение с учетом ваших требований и бюджета.
Также проведем аудит и составим карту внедрения ИИ
Проведем детальный аудит бизнес процессов вашей компании.
Как работает решение?
Шаг 1. Все звонки стекаются в единую таблицу
В компании звонки идут в разные направления: по лидам, по текущим сделкам, по повторным обращениям.
Мы объединили их в одну структуру — Google-таблицу, которая ежедневно и автоматически обновляется.
Там фиксируется:
менеджер,
компания клиента,
вид звонка (лид или сделка),
аудиозапись,
статус,
время,
и главное — результаты анализа ИИ.
Шаг 2. ИИ расшифровывает каждый звонок
Агент поднимает запись, переводит аудио в текст и формирует расшифровку разговора.
Результат расшифровки также подтягивается в таблицу.
Что важно?
При расшифровке ИИ понимает особенности (терминологию) оказания наших услуг (понимает, что такое ФЗ-116, экспертиза промышленной безопасности, нормативы допустимых выбросов).
Поэтому качество расшифровки получается максимально качественным.
Шаг 3. Второй агент анализирует, как менеджер работал по скрипту
Он определяет:
поздоровался ли менеджер правильно;
выяснил ли потребность;
корректно ли представил услугу;
правильно ли закрыл возражения;
предложил ли следующий шаг.
ИИ буквально сравнивает диалог с эталонным скриптом и указывает на ошибки.
Результаты оценки ИИ агент закрепляет в таблице.
Шаг 4. Третий агент оценивает работу с возражениями
Он проверяет:
не уходил ли менеджер в спор;
не давал ли ложной информации;
не забывал ли задавать уточняющие вопросы;
не обрывал ли клиента;
умел ли довести диалог до результата.
Результаты работы обоих агентов также подтягиваться в таблицу и в Битрикс, чтобы менеджер по продажам смог увидеть свои ошибки.
Шаг 5. Четвертый агент создает комментарий в Битриксе
Если клиент впервые обратился в компанию — ИИ расшифрует результат обращения клиента, укажет с какими услугами он обратился, какой у него бюджет, какие сроки проведения работ.
Если клиент уже работающий (звонок с ним повторный), ИИ внесет комментарий где обозначит как прошли переговоры с клиентом и какой следующий шаг у менеджера по продажам планируется с клиентом.
Как работает решение?
Чтобы было понятно, что происходит «под капотом», расскажу человеческим языком. На самом деле вся архитектура — это большая мультиагентная система, где каждый агент выполняет свою узкую функцию, а n8n управляет всей режиссурой процесса.
Работает всё так.
Как только в компанию поступает новый звонок, телефония дергает наш вебхук — обычный HTTP-адрес, который мы используем как точку входа. Через него в систему прилетает аудиофайл mp3 и служебные данные.
Первый агент — «слушатель». Он берет mp3 и через модель распознавания речи превращает его в текст полностью автоматически. Он использует алгоритм Whisper от OpenAi, который максимально качественно расшифровывает звонки.
Второй и третий агенты берут этот текст и начинают «понимать» разговор. Один разделяет роли («менеджер», «клиент») и очищает текст от мусора. Второй — проводит глубокий анализ: проверяет, насколько менеджер соблюдал скрипт, выявлял ли потребности, корректно ли объяснял услуги, отрабатывал возражения и доводил разговор до следующего шага.
Четвёртый агент — «рейтинг». Он выставляет итоговую оценку по 10-балльной шкале и указывает причины, почему поставил именно такую оценку: где менеджер отработал хорошо, а где провалился. Чтобы оценка была честной, мы используем разные подсказки для модели: систему (где зашиты правила и критерии оценки) и пользовательский запрос (где лежит сама расшифровка звонка).
Все эти агенты объединяются через узлы Merge — склеиваются результаты анализа, и мы получаем единый готовый отчёт: расшифровку, анализ и оценку.
Через вебхук результаты расшифровки подгружаются сначала в Google Таблицу, а затем в Bitrix24.
Теперь внутри сделки менеджер и руководитель видят аккуратный отчёт по каждому звонку: что произошло, как менеджер себя вёл и где нужно подтянуть навыки.
В итоге работа выглядит так: звонок поступил → вебхук получил → агенты разобрали → оценки сформированы → отчёт улетел в CRM. Всё делает мультиагентная система.
Что получила наша компания?
В сухом остатке компания перестала «жить ощущениями» и начала управлять продажами по факту.
Руководитель больше не тратит часы на прослушку. Вместо того чтобы мотать записи и вылавливать косяки, он заходит в карточку сделки и видит готовый отчёт: расшифровка, анализ, оценка, сильные и слабые стороны звонка.
Появилась прозрачность по каждому менеджеру. Стало видно, кто системно не выявляет потребности, кто сливается на возражениях, а кто, наоборот, стабильно ведёт клиентов к следующему шагу. Не на уровне «мне кажется», а на уровне конкретных разговоров и оценок.
Обучение перестало быть абстрактным. Руководитель больше не читает «универсальные лекции» по продажам. Он показывает конкретные звонки: вот здесь ты не уточнил задачу клиента, вот здесь не закрепил следующий шаг, вот тут начал оправдываться вместо того, чтобы отработать возражение. Из этого собираются живые разборы и индивидуальные планы развития.
Сократилось количество потерянных заявок. Система быстро подсвечивает проблемные звонки: где клиент явно проявлял интерес, а менеджер ничего не довёл до логического завершения. Руководитель может точечно вмешаться — перезвонить клиенту, скорректировать предложение, доработать скрипт.
Появилась база для управленческих решений. Можно сравнивать отделы, менеджеров, типы сделок: где провалы, где сильные стороны, какие сценарии срабатывают лучше. На этой основе корректируются скрипты, мотивация, обучение — уже опираясь на данные, а не на настроение руководителя.
Наши эксперты написали для вас более 30 статей по автоматизации бизнес процессов с помощью искусственного интеллекта. Их прочтение поможет Вашему предприятию найти точки роста.
