AI-Cуфлёр

В «ППР» — экосистема 35+ продуктов и 80 тысяч В2В клиентов. При этом в сервисе и продажах есть текучка кадров, а количество наставников ограничено. Долгий выход новичков на KPI/ невыполнение KPI — для компании потенциальная упущенная выгода. Идея проекта: внедрение в процесс ИИ-ассистента, который в реальном времени анализирует диалог с клиентом и предоставляет релевантные текстовые подсказки по отработке возражений.

Целями проекта для нас являлись: - выход на целевые показатели менеджеров за 6 месяцев вместо 1,5 года; - выполнение плана продаж 70% менеджеров; - повышение конверсии в продажу при работе с возражениями на 10% благодаря использованию релевантных скриптов в базе знаний и техникам убеждений, которые система предлагает в нужный момент диалога менеджера с клиентом.

2025

1. Первый этап проекта — подготовка рабочего прототипа — реализован за 6 месяцев со старта обучения команды сверх рабочих задач участников

2. Скорость ответа модели при анализе диалога в реальном времени составляет 2 секунды. Задержка подсказок не влияет на динамику разговора. Точность классификации > 70%, качество распознавания речи – 95%.

3. Прототип внедрен в тестовую эксплуатацию на «боевых» звонках менеджеров продаж с ростом конверсии в сделку до 27%

4. 70% новых сотрудников продаж правильно отработали сложные возражения благодаря AI-Суфлёру

5. На 35% снижена нагрузка на наставников, за счет отсутствия потребности прослушивать звонки и формировать ручные подсказки и разборы кейсов

6. 84% пользователей AI-Суфлера (сотрудников) отметили повышение уверенности в диалогах с клиентами. 100% отметили удобство использования.

Python 3.11 с асинхронной архитектурой на FastAPI для высокопроизводительного API, PostgreSQL для хранения промптов и метрик. Модели машинного обучения: дообученные BERT-модели для классификации услуг и возражений, Qwen3-8B для генерации контекстных ответов. Интеграционные модули для подключения к телефонии Voximpant по REST API.

Система использует гибридный ИИ подход, сочетающий быструю классификацию услуг и возражений через дообученные BERT-модели, RAG архитектуру с базами знаний и локальную генеративную LLM для создания контекстно-зависимых ответов. Это позволяет обрабатывать диалоги со средней задержкой формирования рекомендации 2 секунды и работать синхронно с реальным разговором.

В проекте не используются решения из каталога Global CIO

Проект реализован в сжатые сроки благодаря модульной архитектуре и распределению задач между специалистами. Каждый из 12 специалистов работал над автономным компонентом системы: интеграция с телефонией, дообучение AI-моделей, создание системы промптов, сбор и построение базы знаний, построение API, разработка пользовательского интерфейса.

Параллельная разработка позволила одновременно вести работу над классификацией возражений, генерацией ответов и механизмом обратной связи. Это обеспечило быстрый запуск MVP с последующим итеративным улучшением функциональности.

Гибкий подход к интеграции позволил создать кросс-платформенное решение, работающее с любой телефонией через унифицированные API, что упростило внедрение без изменения существующей инфраструктуры.

В рамках проекта менеджеры продаж получили AI-помощника, работающего в реальном времени. Система анализирует диалоги и автоматически предоставляет подсказки по отработке возражений, учитывая контекст диалога между участниками звонка.

AI-Суфлёр идентифицирует тип услуги и наличие возражения в диалоге в режиме реального времени и предлагает менеджеру наиболее эффективные варианты ответов, основанные на лучших практиках компании, закрепленных в базе знаний. База знаний Суфлёра постоянно обновляется на основе обратной связи менеджеров и успешных кейсов.

Суфлёр интегрирован с существующей телефонией через универсальные API, обеспечивая бесшовную работу текущих процессов.

Архитектура системы построена по модульному принципу, что позволяет легко добавлять новые сценарии обработки без изменения ядра платформы.

Платформа поддерживает масштабирование под растущий объем звонков.

Для контроля качества реализован механизм сбора обратной связи от менеджеров, позволяющий улучшать качество рекомендаций и эффективность системы.

Может адаптироваться под специфику различных продуктов и услуг компании, включая консультации сотрудников сервисной поддержки клиентов и горячей линии. Тем самым создает единый AI-контур для внутренних коммуникаций и клиентского взаимодействия.

РФ, но не ограничено