Несколько месяцев я дорабатывал инструмент контроля качества звонков через ИИ. Каждый раз убеждаюсь: в таких проектах решает не умение кодить, а понимание бизнес-процессов и логики. Расскажу почему.
Я начинал с довольно простого инструмента, собирал всё на n8n — вот есть звонки, вот первая нейронка которая переводит их в текст, вот вторая которая оценивает. Вроде всё логично и должно работать. Но нет. Когда на вход приходит большой поток информации, любая LLM — GPT, Claude, DeepSeek — начинает тупить и давать неверные оценки диалогам менеджеров с клиентами. Потому что ты пытаешься засунуть в одну нейронку слишком много контекста и слишком много задач одновременно. Практически в любом бизнесе есть куча нюансов в продукте, которые сложно разом объяснить, чтобы ИИ понимал - вот здесь нужно ответить вот так.
Первое что нужно сделать — построить в голове мультиагентную ИИ систему.
Что это такое? Это когда один агент переводит голос в текст. Второй определяет — стоит ли диалог вообще оценивать и по какому скрипту. Дальше пачка агентов, каждый из которых заточен под работу с одним конкретным скриптом: первичная продажа, действующий клиент, возврат ушедшего и так далее. Пять скриптов — пять агентов. Пытаться работать со всеми скриптами и засунуть в один промт — дорого и плохо с точки зрения качества анализа. И это не только в оценке звонков.
С такой архитектурой качество начинает заметно расти. Но и тут не всё. Важен процесс отладки и доработки промтов и данных, с которыми они работают. Это наверное самый долгий и сложный этап. Приходится по одному ловить косяки нейронки и вносить изменения в работу системы. Для этого тоже можно использовать ИИ, потому что объём информации бывает огромным, но не всегда.
Кстати, на рынке куча сервисов, которые делают и запускают такие решения для бизнеса. Только проблема в том, что они работают как разработчики, предприниматели, маркетологи — а не как бизнес-аналитики, которые копают в бизнес и понимают как он работает, чтобы адаптировать продукт для него. Разработка в таких решениях сейчас стоит недорого. Намного дороже — правильная интеграция и адаптация под конкретный бизнес. То есть купить подписку и смотреть потом на сюр который выдает ИИ при оценке работы менеджеров - так себе затея. В том же Битрикс есть бесплатное решение для анализа звонков, мы его скипнули сразу же.
На своём примере могу сказать — это сложно, по стоимости токенов может приближаться к работе живого человека. Но с несопоставимой точностью и объёмом обработанных данных. Живой человек физически не может прослушать тысячи звонков и по каждому дать объективную оценку. Нейронка — может.
И вот тут хочу вернуться к мысли Дарио Амодеи, основателя Anthropic. Он говорит, что ИИ уже способен загрузить миллион токенов контекста — это недели человеческого чтения — и освоить их за секунды. Но человек не может обработать тот объём, который этот же ИИ выдаст обратно. Не успевает правильно описать свои процессы, правильно поставить задачу, правильно выстроить архитектуру. ИИ уже может обработать 500 звонков и найти паттерны, которые ты за годы не замечал. Но для этого кто-то должен разобраться как устроен именно твой бизнес, разложить его на понятную логику и передать нейронке в правильном формате. Мне было по кайфу заниматься этим несколько месяцев, но без энтузиазма это работает не очень.
Итог
Внедрение таких инструментов — осознанный выбор, с которым бизнес должен быть готов не к моментальному результату, а к работе на перспективу. К счастью наши трудозатраты сейчас оправдывают такие вложения, писал об этом в другой статье.