AI Call Audit System

Автоматизированный контроль качества звонков: 100% диалогов проходят через Speech‑to‑Text и LLM, а не 3 случайные записи в неделю.

Speech AI Call Analytics

Проблема и бизнес‑кейс

До внедрения: РОП слушал несколько выборочных звонков в неделю. Ошибки менеджеров всплывали только когда «что‑то пошло совсем не так» — жалоба клиента, потерянная сделка, конфликт.

Не было единого чек‑листа, по которому можно быстро понять, выполняется ли скрипт: приветствие, выявление потребности, презентация, отработка возражений, фиксация следующего шага. Каждый руководитель считал «по ощущению».

  • Нет прозрачной картины по каждому менеджеру и по отделу в целом.
  • Топ‑ошибки повторяются от звонка к звонку (отсутствие next step, слабая отработка «Дорого»).
  • Обучение строится на интуиции, а не на данных.

Задача: Снять с РОПа ручную прослушку, получить 100% покрытие звонков и свести качество работы отдела продаж к понятным метрикам, а не субъективным ощущениям.

Дашборд аудита звонков
[CALL QUALITY DASHBOARD]
manager=Ivan · score=4.3/5 · red_flags=2

Как это работает

1. Подключение IP‑телефонии и сбор аудио

Система подключается к Asterisk / Mango / amoCRM и автоматически забирает записи звонков. Никаких ручных выгрузок: новые файлы подхватываются по webhook или по расписанию.

2. Speech‑to‑Text и разметка диалога

Каждый звонок прогоняется через Whisper / Yandex SpeechKit. Модель разделяет реплики Менеджера и Клиента, фиксирует паузы, перебивания и тональность. На выходе — структурированный диалог, готовый к анализу.

3. LLM‑аудит по чек‑листу

LLM получает на вход транскрипт и набор правил, завязанных на ваш скрипт продаж:

  • Было ли корректное приветствие и представление компании.
  • Выявил ли менеджер потребности, задал ли уточняющие вопросы.
  • Как отработано возражение «Дорого / Я подумаю / Нам не актуально».
  • Зафиксирован ли следующий шаг: встреча, КП, демо, повторный звонок.
  • Были ли перебивания клиента, токсичные формулировки, обещания без подтверждения.

По результату LLM формирует оценку звонка, пометки по каждому пункту чек‑листа и короткий резюме‑отчёт для РОПа.

4. Дашборд для РОПа и обучение

В дашборде видно: кто из менеджеров стабильно «тянет планку», а у кого системно провал по выявлению потребности или закрытию. Можно провалиться в любой звонок, прочитать проблемный фрагмент и дать точную обратную связь — с примерами фраз, а не абстрактным «надо лучше продавать».

Итоги внедрения

  • 100% звонков под контролем: у РОПа больше нет «слепой зоны» — каждый диалог имеет оценку и расшифровку.
  • –2 часа в день РОП‑тайма: ручная прослушка уходит, фокус смещается на разбор конкретных кейсов и обучение.
  • Рост конверсии в сделку: за счёт того, что скрипт реально начинают выполнять — AI мгновенно подсвечивает повторяющиеся ошибки.

Технологический стек

Speech‑to‑TextOpenAI Whisper / Yandex SpeechKit
LLM‑анализGPT‑4o + кастомный чек‑лист
BackendPython, FastAPI, Celery workers
ХранениеS3 (аудио) + PostgreSQL (текст, метрики)
ИнтеграцииAsterisk / Mango / amoCRM / Битрикс24

Демонстрация работы

[VIDEO PLACEHOLDER]