Основная задача
Клиенту нужен был не автоответчик и не меню «нажмите один». Нужен живой голосовой диалог: принять звонок, ответить по знаниям компании, квалифицировать клиента и не потерять итог. Мы разработали голосового ИИ-агента с нуля и встроили его в телефонию и CRM. В тот же контур вошли автообзвон базы, транскрибация и аналитика звонков.
Зачем это понадобилось
Компания работает через телефон: входящие обращения и исходящий обзвон действующих и потенциальных клиентов. Часть разговоров типовые — вопросы и первичная квалификация. Часть сложные, там нужен специалист. История велась в CRM.
Раньше всю первичную работу выполнял оператор: принимал звонки, уточнял запрос клиента, отвечал на одни и те же вопросы и после разговора вручную переносил данные в CRM. При исходящих звонках процесс повторялся. Рутина и сложные обращения стояли в одной очереди. Содержание звонка почти не сохранялось: оставались короткие заметки без полной картины диалога и без нормальной аналитики по коммуникациям.
Задача была конкретной: разработать агента, который сам принимает входящие и обзванивает базу, ведёт естественный диалог по базе знаний, квалифицирует собеседника, пишет результат в CRM и вовремя отдаёт сложный разговор человеку.
Один звонок глазами системы
Клиент набирает номер. Агент принимает вызов, слышит свободную речь, переводит её в текст и смысл, ищет ответ в базе знаний компании и озвучивает реплику голосом — без жёсткого дерева кнопок.
Параллельно идёт квалификация: система уточняет нужные параметры и собирает структурированный результат для отдела. Типовой вопрос агент закрывает сам и сразу пишет статус с итогом в CRM. Если запроса в базе нет или нужен человек — переводит разговор оператору вместе с уже сказанным. Клиенту не приходится начинать сначала.
Исходящий сценарий использует тот же контур, только старт другой. Система получает базу для обзвона, сама инициирует звонки, ведёт диалог по сценарию и снова кладёт результат каждого контакта в CRM. Транскрипции копятся отдельно: по ним видно, о чём реально говорят клиенты и где сценарий проседает.
Что именно разработали
Мы не подключали готового бота к номеру. Собрали собственного голосового агента и рабочий контур вокруг него.
- Ядро агента. Спроектировали логику диалога, сценарии квалификации и правила эскалации. Это не IVR с ветками, а агент, который держит смысл разговора и продолжает с нужного места, даже если клиент перебил или перефразировал вопрос.
- Телефония. Подключили агента к телефонному каналу: приём входящих и запуск исходящих по списку для автообзвона. Один агент обслуживает оба режима, а не две разрозненные схемы.
- Контур «речь → смысл → голос». Настроили распознавание речи, понимание реплики, формирование ответа и синтез голоса в ходе разговора — так, чтобы диалог шёл в реальном времени, а не «запишите сообщение после сигнала».
- База знаний. Связали ответы с материалами компании. Перед репликой агент ищет релевантную информацию и опирается на найденные факты, а не на универсальные заготовки «спасибо за обращение».
- Квалификация. Встроили сбор параметров клиента прямо в разговор: не отдельная анкета после звонка, а структурированный итог по ходу беседы.
- CRM. После звонка в карточке появляются статус, итог и данные квалификации — без ручного переноса из блокнота.
- Эскалация на оператора. Если ответа в базе нет или запрос выходит за рамки сценария, агент передаёт звонок человеку вместе с контекстом. Граница заложена в логику: система не должна уверенно выдумывать то, чего нет в знаниях компании.
- Транскрибация и аналитика. Разговоры сохраняются текстом. Команда может разбирать частые вопросы, качество сценариев и результаты коммуникаций — телефон перестаёт быть «устным каналом без следа».
Где ломалось и как чинили
Свободная речь ломает линейный скрипт: люди перебивают, уточняют детали, возвращаются на шаг назад. Жёсткое «меню из семи пунктов» в таких условиях быстро теряет контекст. Поэтому диалог построили вокруг распознавания смысла и поиска в базе знаний: агент учитывает уже сказанное и не перезапускает сценарий после каждой реплики.
Вторая граница — доверие к ответам. Ранние версии рисковали «додумать» то, чего нет в материалах. Мы отдельно проработали эскалацию: нет надёжного фрагмента в базе или запрос явно сложный — звонок уходит оператору, контекст сохраняется, клиент не повторяет всё с нуля.
Клиенту нужен был не автоответчик, а живой диалог по базе знаний компании. Мы собрали голосового агента с нуля: распознавание речи, квалификация, запись в CRM, автообзвон и эскалация на оператора. Отдельно проработали две границы — свободная речь ломает линейный скрипт, и агент не должен уверенно отвечать там, где в материалах дыры.
„
Максим, Руководитель проектов NeuroB2B
Как изменилась работа команды
| Было | Стало |
| Звонки обрабатывал оператор | Типовые обращения ведёт голосовой ИИ-агент |
| Обзвон базы вручную | Автообзвон без участия оператора |
| Итог звонка — ручные заметки | Результат и квалификация пишутся в CRM |
| Содержание звонков почти не анализировали | Есть транскрипции и аналитика разговоров |
| Типовые и сложные кейсы в одной очереди | Сложный разговор уходит оператору с контекстом |
Итог
Компания получила собственного голосового ИИ-агента в связке с телефонией и CRM — рабочий контур для телефонных коммуникаций, а не набор интеграций поверх чужого скрипта.
Агент сам принимает звонки и обзванивает базу, отвечает по знаниям компании, квалифицирует клиента, фиксирует итог в CRM и передаёт сложные диалоги человеку. Операторы больше не обязаны быть на каждом гудке. Телефонные разговоры стали источником данных: транскрипции и аналитика показывают, что реально происходит в звонках.
Дальше контур можно расширять новыми сценариями входящих и исходящих, наращивать базу знаний и правила квалификации под разные продукты. По накопленным транскрипциям — усиливать слабые места сценария и точнее видеть, где клиенту всё ещё нужен человек.
