В серии наших статей мы рассказываем о сервисе, который разработали для автобизнеса, делимся новыми кейсами. А в этой статье мы хотим приоткрыть капот, и рассказать как устроен наш сервис изнутри.
Этапы развития анализа звонков, если коротко, были такими:
- Специально обученные люди сидели и прослушивали десятки звонков в день, выставляя оценки по чек-листам.
- Следом появились технологии распознавания речи, что помогло автоматизировать процесс. Но это тоже было далеко от идеала. Слова превращались в текст, но смысл диалога нередко терялся где-то по пути.
Что изменилось с ИИ?
Как работает анализ звонков сейчас:
- запись звонка расшифровывается технологией voice to text.
- предварительно создан промпт для нейросети, в котором перечислены критерии и вопросы, важные для бизнес-процесса.
- модель анализирует каждый звонок и присваивает ему взвешенную оценку. Всё это происходит за несколько минут.
Voice-to-text и другие тонкости
Для распознавания речи на первых этапах мы использовали Whisper 2.0 от OpenAI — один минус: он не российский. Многим клиентам важно, чтобы данные не уходили за пределы компании, поэтому наш выбор пал локальные решения, например, от Яндекса или Сбера.
Здесь не обошлось без курьезов. Примеры транскрибации, которые мы заслужили:
- Оставайтесь, пожалуйста, на линии до ответа оператора добрый день, оператор контакт центра сотона отслушаю?
- Добрый день, оператор контакт центра ссылка на вас слушаю.
В оригинале звонка: «Оператор контакт-центра Султанат, слушаю» (Султанат — женское имя).
Почему это важно?
Выводы с ИИ мы сравнили с ручным анализом звонков, перепроверив операторов и нейросеть непредвзятым аудитором. Оценщик-супервайзер обычно точен на 81%, причин тому может быть масса: начиная от выгорания и усталости и заканчивая оппортунизмом. О последнем мы написали отдельную статью на базе исследования. А вот ИИ остаётся беспристрастным, выдавая стабильный результат в 84%.
Отметим еще момент с правильной постановкой задачи для ИИ. Общие вопросы вроде «Оцени от 1 до 10, насколько дружелюбен был оператор» не сработают. Важно разбивать их на конкретные запросы — так мы добиваемся более точных результатов. Важно также дать примеры, объяснить на них, что хорошо, а что плохо. Благодаря им нейросети будет проще оценивать звонки. Мы также выявили, что порядок вопросов влияет на эффективность модели, пришлось поэкспериментировать, чтобы добиться лучшего результата.
Внедрение ИИ в анализ звонков — это не просто тренд, это необходимость для тех, кто хочет идти в ногу со временем и оптимизировать процессы. Также отметим, что это отличный способ сделать так, чтобы ваши сотрудники росли и решали важные и творческие задачи, пока рутинные процессы берут на себя нейросети.