«Я вас не слышу!»: Как мы научили компьютер понимать миллионы звонков и находить в них самое важное

Привет! Если вы хоть раз звонили в какой-нибудь колл-центр, то наверняка слышали фразу: «В целях улучшения качества обслуживания все разговоры записываются». А вы когда-нибудь задумывались, кто и как слушает эти записи? Ведь их могут быть миллионы!

На самом деле, еще недавно это была огромная проблема. Служба контроля качества могла прослушать лишь крошечный процент звонков — ну, может, один из ста. А что в остальных девяноста девяти? Какие там проблемы? Какие вопросы задают клиенты? Что на самом деле происходит «на линии»? Это была настоящая «черная дыра».

Сегодня я хочу поделиться историей о том, как мы создали систему, которая, как супергерой с идеальным слухом, способна «прослушать» все телефонные разговоры в компании и за секунды найти в них самое важное.

В чем была проблема? Представьте, что у вас библиотека размером с город… но без каталога

Давайте разберемся, с какой болью сталкивались компании.

• Огромные объемы данных. Крупный колл-центр генерирует миллионы часов аудиозаписей. Прослушать их вручную — это как пытаться вычерпать море ложкой. Невозможно.
• Вопросы безопасности. Разговоры с клиентами — это часто конфиденциальная информация. Передавать их для анализа в какие-то внешние «облачные» сервисы — большой риск. Данные должны оставаться внутри компании, под семью замками.
• Сложность поиска. А как найти в миллионе звонков те, где клиенты жаловались на конкретную проблему? Или те, где оператор был груб? Без специальных инструментов это была задача со звездочкой

Задача перед нами стояла амбициозная: создать такой инструмент. Своего рода «Google», но только для телефонных разговоров. Чтобы можно было установить его прямо на серверы компании, и он бы быстро и безопасно анализировал весь этот аудиопоток.

Как мы это лечили? Построили «фабрику по разбору речи»

Мы поняли, что нужно создавать не просто программу, а целую платформу-конструктор. Ведь у разных компаний разные задачи и разные требования к анализу.

Представьте, что мы построили не просто одно устройство, а целую фабрику, на которой можно собирать разные аналитические инструменты. Вот из каких «цехов» она состояла:

1. Гибкий «конвейер» — микросервисная архитектура.
Мы не стали строить один огромный монолитный комбайн. Вместо этого мы создали систему из множества маленьких, независимых программок-сервисов.

• Одна программка отвечает за прием аудиофайлов.
• Другая — за их превращение в текст (это называется распознавание речи).
• Третья — ищет в этом тексте ключевые слова, эмоции, темы.
  Это как на заводе: если один станок сломался, весь конвейер не останавливается. А если нужно увеличить мощность — мы просто добавляем еще несколько таких же станков. Очень гибко и надежно.

2. «Сменные насадки» — поддержка разных ИИ-моделей.
Самая главная фишка, на мой взгляд. Мы поняли, что не существует одной идеальной нейросети, которая одинаково хорошо распознает все на свете. Одна модель лучше понимает быструю речь, другая — термины из специфической отрасли.
Поэтому мы сделали нашу систему «всеядной». К ней можно подключить практически любого провайдера распознавания речи или любую нейросеть для анализа. Это как дрель со сменными сверлами: для каждой задачи можно подобрать самый подходящий инструмент и получить максимальное качество.

3. Простой и понятный «пульт управления».
Для кого мы делали эту систему? Для аналитиков, для руководителей, для службы качества. Это люди, которым нужен результат, а не сложности с настройками. Поэтому мы создали очень простой и наглядный интерфейс.

• Удобные фильтры: «покажи мне все звонки, где клиент сказал "дорого" и оператор не предложил скидку».
• Наглядные дашборды: графики, которые показывают динамику жалоб или упоминаний конкурентов.
• Поиск по ключевым словам, как в обычном поисковике.

4. Скоростной «архив».
Где хранить миллионы звонков так, чтобы доступ к любому из них занимал секунды? Мы разработали специальное высокопроизводительное хранилище. Теперь найти звонок трехлетней давности по номеру телефона или дате — дело нескольких секунд.

Что изменилось? От «черной дыры» к полной прозрачности

Когда наши клиенты начали пользоваться этой системой, для них это стало настоящим прорывом. Они наконец-то смогли увидеть, что на самом деле происходит в их коммуникациях.

• Анализ миллионов звонков стал занимать секунды. Теперь можно было в реальном времени отслеживать настроения клиентов, выявлять проблемы и быстро на них реагировать.
• Контроль качества вышел на новый уровень. Система сама находит звонки, где оператор нарушил скрипт, был невежлив или не смог помочь клиенту.
• Бизнес получил бесценную информацию. Руководство начало видеть тренды: на что чаще всего жалуются, какие продукты хвалят, что говорят о конкурентах. Это все — информация для принятия правильных управленческих решений.
• И самое главное — все это абсолютно безопасно, потому что система работает внутри компании и никуда не передает данные.

Какой из этого можно сделать вывод?

В современном мире данные — это новая нефть. А разговоры с клиентами — это одно из самых богатых ее месторождений. Но чтобы добыть эту «нефть», нужны правильные инструменты.

История с речевой аналитикой отлично показывает, как технологии помогают нам превратить огромные, хаотичные массивы информации в четкие, понятные и, самое главное, полезные знания. И услышать то, что раньше было просто фоновым шумом. 😉