Как ИИ научился слушать голос оператора: кейс «Сибирских сетей»

В крупных компаниях служба поддержки — это сердце бизнеса. И одновременно — источник постоянной головной боли. Тысячи звонков в день, раздраженные клиенты, операторы, которые выгорают, и руководители, которые вынуждены часами прослушивать записи разговоров, чтобы понять, где произошел сбой.

Новосибирский телеком-оператор «Сибирские сети» решил, что так больше продолжаться не может, и передал контроль над звонками искусственному интеллекту. Мы разобрали их кейс и рассказываем, как автоматизация вышла на новый уровень: теперь машина оценивает не только то, что сказал оператор, но и как он это сделал.

Компания «Сибирские сети» работает в Новосибирске, Алтайском крае, Кемеровской области и Красноярске с 2004 года. Как и у любого интернет-провайдера, у них огромная база абонентов и, соответственно, плотный поток входящих звонков.

Но стандартная схема работы давала сбои по четырем ключевым пунктам:

Ошибки маршрутизации. Клиент звонит по вопросу оплаты, а его соединяют с техподдержкой. И наоборот. Тратится время, растет уровень недовольства, а свободные специалисты простаивают.

Дорогая ручная проверка. Руководителям приходилось вручную прослушивать записи, чтобы оценить качество работы сотрудников. Это часы рабочего времени, которые можно было бы потратить на стратегические задачи.

Субъективность оценки. Как понять, вежлив ли был оператор, если не слышать его тон? Срывается ли он на крик, испытывает стресс, пренебрегает скриптами? Без объективных данных управлять качеством сервиса практически невозможно.

Риски для клиентского опыта (CX). Из-за задержек и человеческого фактора компания рисковала терять лояльность абонентов, а инциденты оставались незамеченными до тех пор, пока не поступала жалоба.

Вместо того чтобы увеличивать штат контролеров качества, в компании решили пойти по пути технологий. Специалисты внедрили AI-систему, которая работает в связке с IP-телефонией и CRM. По сути, это интеллектуальный фильтр и анализатор в одном флаконе.

Система делает три главные вещи:

1. Слышит и понимает. Запись звонка преобразуется в текст (Speech-to-Text), а затем NLP-модуль (обработка естественного языка) определяет тему обращения: это техническая проблема, вопрос по оплате, жалоба или подключение новой услуги.
2. Направляет. На основе распознанной темы вызов автоматически перенаправляется именно в тот отдел, где клиенту смогут помочь быстрее всего. Вручную это делать уже не нужно.
3. Анализирует эмоции. Самый интересный модуль. ИИ оценивает не только клиента, но и речь самого оператора: тон, наличие агрессии, стресс, позитивные или негативные формулировки.

Все это выводится на дашборд руководителя в режиме реального времени. Вместо хаотичного потока звонков — наглядная аналитика: сколько обращений обработано, кто из сотрудников на грани выгорания, где чаще всего возникают конфликты.

Хотя кейс описывает предполагаемые результаты, основанные на логике внедрения, цифры впечатляют:

• Точность маршрутизации выросла с 60–70% до 90–100%. Это значит, что практически каждый звонок мгновенно попадает к нужному специалисту.
• Сокращение ручной проверки звонков на 70–90%. Руководители перестали быть «прослушивателями». Они видят выдержки из разговоров и получают готовые срезы: где были проблемы, а где образцовый сервис.
• Оперативное вмешательство. Если система фиксирует, что оператор находится в состоянии стресса или клиент переходит на личности, руководитель может подключиться к разговору здесь и сейчас, а не через неделю, когда клиент уже написал негативный отзыв в соцсетях.
• Обучение на основе данных. Анализ тональности позволяет объективно оценивать KPI операторов. Компания может точечно тренировать сотрудников: например, если ИИ показывает, что оператор часто срывается на негатив при вопросах о перебоях связи, ему назначают дополнительный коучинг.

Кейс «Сибирских сетей» интересен тем, что решение универсально. Такая система — идеальный кандидат для внедрения в любых компаниях с высоким потоком входящих вызовов:

Банки и страховые компании. Здесь скорость обработки и вежливость напрямую влияют на доверие к финансовому учреждению.

Службы доставки и ЖКХ. Позволяет мгновенно разводить потоки: вопросы по адресам, качеству услуг, оплате или рекламациям.

Крупные ретейлеры. Многоканальные входы требуют масштабируемого контроля, который человек уже не в состоянии обеспечить.

«Сибирские сети» решили классическую проблему масштабирования: когда бизнес растет, контролировать качество обслуживания старыми методами (больше контролеров, больше часов прослушки) становится экономически нецелесообразно.

Искусственный интеллект в этом кейсе выполняет роль не просто автоматизатора, а объективного аудитора. Он избавляет от рутины, снижает человеческий фактор и, что важнее всего, делает клиентский опыт управляемым. Теперь в компании знают не только среднее время ожидания ответа, но и настоящий эмоциональный градус на линии — и могут на него влиять.