Кейс 3. Речевая аналитика и AI-супервайзер

Создана система, которая собирает и анализирует почти все коммуникации с клиентами (звонки, чаты, почта, голосовые) и превращает их в управляемую аналитику по причинам отказов, слабым местам скриптов и рисковым клиентам. На её основе конверсия выросла примерно на 18–20%, а работа менеджеров стала прозрачной.

Проблема

• Анализировалась лишь небольшая часть звонков (<5%), остальное — «черный ящик»
• Переписки в мессенджерах и почте фактически выпадали из поля зрения
• Скрипты обновлялись интуитивно, без данных о том, что реально работает
• Руководителю не хватало прозрачности: почему лиды «сгорают»?

Решение: AI‑Supervisor по всем каналам

• Настроен единый поток коммуникаций: телефония, мессенджеры, почта, чаты
• ASR (Whisper) и LLM (Llama/Gemma) для транскрибации и анализа с разделением ролей
• Анализ по 20+ параметрам: соблюдение скрипта, возражения, эмоции, паузы
• Дашборды для руководства: причины отказов, успешные паттерны, рисковые клиенты
• Система рекомендаций: что переписать в скриптах, чему обучить менеджеров

• Качество распознавания речи зависит от канала и шумов; сложные случаи требуют ручной проверки
• Эмоциональный анализ даёт вероятностную оценку, используется как помощник, а не для наказаний
• Поддержка многоязычности и спецтерминов требовала донастройки моделей