«СтройЭнергоКом» устанавливает умные электросчётчики в 18 регионах России. Чтобы согласовать с потребителями визиты мастеров, колл-центр должен ежедневно совершать и принимать тысячи звонков: согласовывать даты визитов мастеров, принимать жалобы и отвечать на вопросы абонентов. С мая 2026 года компания запустила колл-центр на основе голосового ИИ. О том, как разрабатывалась система и каких результатов удалось достичь, мы беседуем с Маратом Гасаняном, руководителем управления проектов АСКУЭ.
Robogeek: Марат, добрый день. Расскажите, как и когда появилась идея по созданию колл-центра на основе ИИ?
Марат Гасанян: Изначально толчком послужила книга, которую я читал: «Machine Learning Systems», выпущенная школой инженерных и прикладных наук Гарвардского университета. В одном из разделов я обратил внимание на цепочки вызовов событий и подумал, что эту логику можно перенести в структуру телефонного звонка.
Когда я начал анализировать эту идею, стало понятно, что потенциально это сложная задача, в которой нужно решать вопросы с большими задержками при транскрибации речи, оперативной обработкой и отправкой контекста. Я предположил, что на рынке уже есть вендоры с готовыми решениями и нужно искать уже существующие технологии.
Поскольку мы уже давно работаем с Яндекс Облаком и держим там значительную часть своих ресурсов, мы обратились к Яндексу. В тот момент они как раз разрабатывали Realtime API и нам было логично протестировать этот инструмент. Мы быстро поняли, что Realtime API это другой уровень по сравнению с простой схемой «транскрибация речи - отправка в LLM – получение результата».
Если говорить о сроках, то идея начала оформляться в ноябре–декабре 2025 года, и тогда же я начал что-то пробовать. В январе 2026‑го мы перешли к тестированию гипотез. К тому моменту мы нашли Realtime API от Яндекса и начали его осваивать.
До этого мы пробовали локальные решения: поднимали модель Qwen 3.6 c 40 млрд. параметров, подключали её к нашей Jira и смотрели как это работает. Тогда еще наша цель была создать бизнес-аналитика, который идеально знает внутреннюю систему компании и может ответить на любой вопрос пользователя.Robogeek: То есть чёткой задачи от бизнеса на тот момент не стояло?
Марат Гасанян: Нет, четкой бизнес-задачи на старте не было. Причина была в другом: мы были не в восторге от работы человеческого колл-центра. Его сложно поддерживать, тяжело масштабировать, управлять штатом — это неизбежно ведет к проблемам с текучестью кадров, необходимости создавать комфортные условия, чтобы удерживать людей. Если же прибегать к аутсорсингу, возникает множество сопутствующих сложностей.
Изучая LLM и смежные технологии, я пришел к выводу, что эту задачу можно реально автоматизировать. Меня особенно зацепил момент, как устроена работа оператора: новый сотрудник без практики и обучения получает скрипт с типовыми вопросами и ответами, проходит короткий инструктаж — и через полчаса-час уже берет звонки и начинает решать проблемы. По сути, он решает однотипные, не очень сложные задачи, которые вполне по силам современной LLM-модели. Главный вызов заключался в другом: как организовать поиск по адресу или лицевому счету, как идентифицировать звонящего абонента. Но это уже не про LLM, а скорее задачи для классического программирования.
Robogeek: На конференции, где вы рассказывали об этом проекте, прозвучал тезис о невозможности оперативно наращивать штат операторов при пиковых нагрузках. Насколько эта проблема была реальной для вас? Как часто такие ситуации возникали?
Марат Гасанян: Да, регулярно. В энергетике, казалось бы, всё должно происходить планово, но на практике часто возникают внешние факторы, которые кардинально меняют наши приоритеты. Например, бывает так, что мы вынуждены долго ждать согласования отправки уведомлений, а потом массово отправлять их в сжатые сроки. В такие моменты нагрузка на контакт-центр очень высокая, а штат операторов мгновенно не увеличишь – отсюда и возникает проблема перегрузок. Такие ситуации из-за внешних факторов происходят достаточно регулярно.
Robogeek: Расскажите, о задачах которые решает колл-центр. Что самое сложное в процессе диалога с абонентами?
Марат Гасанян: Основная задача – договориться о приходе мастера на замену счётчика. Оператору необходимо согласовать дату монтажа, но ключевая сложность – идентифицировать точку подключения и самого звонящего. Нередко человек хочет одновременно и согласовать дату, и пожаловаться – поэтому нужно еще выслушать жалобу, отработать её и принять решение. Так что наш колл-центр нельзя назвать простым.
В клиниках, например, часто используются IVR системы – они звонят пациентам, называют ФИО и спрашивают «вы придёте на прием такого-то числа?», и человек должен сказать «да» или «нет». Это простая схема. У нас другая история – с живым диалогом, где люди звонят, чтобы рассказать о проблеме и пообщаться.
Иногда абоненты интересуются, почему соседу замени прибор учета, а им нет. В таких ситуациях ассистент проверяет адрес абонента и действует в соответствии с ситуацией не стандартными заготовками, а живым диалогом, адаптированным под конкретный случай.
Плюс многие думают, что им звонят мошенники, которые продают несуществующие услуги. Это тоже добавляет сложности, потому что нужно убедить человека, что мы – настоящие.
Robogeek: Расскажите, пожалуйста, о ходе работы над искусственным колл-центром. Когда был готов первый MVP?
Марат Гасанян: К практической работе мы приступили в середине февраля. Январь ушёл на подготовку: я искал внутри команды людей, которые возьмут на себя реализацию, мы делали эскизы, прорабатывали концепцию. Это был полноценный подготовительный этап.
Примерно через месяц мы получили версию, где с системой можно было пообщаться, но вопросы решать она ещё не умела. Первый MVP–колл-центр, в который уже можно было позвонить и оставить заявку – появился через два месяца, к середине апреля.
Robogeek: Сколько времени заняло тестирование системы?
Марат Гасанян: На тестирование и наладку у нас ушло чуть больше месяца. Само тестирование заняло несколько недель, но затем мы стали натыкаться на нестандартные пользовательские сценарии, которые приходилось дорабатывать. Любое исправление требовало полного регресса, так как часто ломалось что-то другое. Поэтому цикл затянулся.
Кстати, одна из главных сложностей при разработке онлайн-проектов – это регресс-тестирование. Мы пока не нашли адекватного способа автоматизировать его, особенно для такой сложной системы, как колл-центр. Поэтому оно требует значительных человеческих ресурсов.
Robogeek: Когда вы запустили колл-центр в работу?
Марат Гасанян: С мая система работает на продуктиве. А с июня мы полностью отказались от услуг внештатного колл-центра.
При этом штатный колл-центр сохранился — он занимается особо сложными жалобами и взаимодействием с юридическими лицами. Это сложные абоненты с высоким напряжением – от 6000 В и выше. Для них требуются нестандартные сценарии.
Также пока остаются операторы у наших подрядчиков, которые звонят, чтобы подтвердить визит мастера или перенести его. Но от этого мы планируем отказаться в ближайшее время. Здесь проблема уже не в доработке самого колл-центра, а в необходимости реализовать сервис маршрутизации. Сейчас у нас есть небольшие сложности с этим компонентом. Как только мы их решим, автоматизируем и эти звонки.Robogeek: Опишите, пожалуйста, в общих чертах схему решения.
Марат Гасанян: Во-первых, важно отметить: в реальном времени аудиопоток идёт напрямую в LLM, а не в текст. Модель анализирует его, принимает решение и сразу генерирует ответ. Параллельно система делает транскрибацию, и мы программно видим все произнесённые слова.
Внутри модели прописан промпт, разбитый на «стейджи» (ступени) – каждый напоминает отдельный скилл (навык). У каждого стейджа своя задача, которую LLM должна выполнить, попав в него. Это была одна из самых сложных частей: научить модель правильно входить в стейдж, выполнять всё необходимое и корректно завершать его.
Особенно трудно было сделать переключение между стейджами. Например, модель находится в стейдже согласования даты, а человек внезапно начинает оставлять жалобу. Она должна распознать это, переключиться в стейдж жалобы, выслушать, выделить главное – чтобы оператор потом читал не длинное письмо, а только суть проблемы. Но здесь возникала проблема: она могла идеально отработать жалобу и забыть про согласование даты – или наоборот. Научить её удерживать и то, и другое было непросто.
Отдельный вызов – идентификация. Разговаривая с абонентом, модель просит назвать адрес, по которому нужно заменить прибор учёта, но каждый человек формулирует его по-своему. Для ее решения мы подключили ElasticSearch и применили алгоритмы полнотекстового поиска. Здесь важно отметить, что задержки при этом должны составлять миллисекунды – а у нас порядка 7 миллионов заявок, по которым нужно выполнять неточный поиск практически мгновенно. Это была непростая задача. Трудности заключались не столько в настройке ElasticSearch, сколько в правильной подготовке адреса, который мы передаем как параметр поиска.
Robogeek: Вы дообучали модель специально под ваши адресные данные и отраслевую терминологию?
Марат Гасанян: Нет, не дообучали. Модель и так неплохо справляется. Она просит назвать адрес – город, улицу, дом. А мы на уровне промпта научились извлекать адресные объекты в правильной последовательности и передавать их в CRM-систему.
Тут важный момент в том, что мы должны проверить, есть ли такой адрес в нашей базе. Если нет, значит, заявки по этой квартире нет, прибор ещё не вышел на поверку МПИ (межповерочный интервал), и мы отправляем человека в сетевую или сбытовую организацию. Поэтому мы не ищем по всей России – только по своей базе. Но она всё равно большая – порядка 7 миллионов заявок, содержащих огромное количество адресов. При этом на группу заявок может приходиться один адрес, если они относятся к многоквартирному дому.
Robogeek: Насколько хорошо защищены чувствительные данные? Хранит ли Яндекс разговоры?
Марат Гасанян: У Яндекса есть все необходимые документы для хранения телефонных разговоров — они полностью соответствуют требованиям законодательства. Более того, согласно закону, запись любого мобильного разговора в любом случае хранится у оператора связи несколько лет. Так что в этом плане переживать абсолютно не о чем: Яндекс выполнил все требования о защите персональных данных.
Единственное, о чём действительно стоит беспокоиться, – это возможное распространение персональных данных самой LLM-системой. Но здесь ключевой принцип: если вы не хотите, чтобы ассистент что-то разгласил, просто не сообщайте ему эту информацию. Это справедливо и для человека-оператора. Идея в том, что работая с ИИ-ассистентом вы можете запросить чувствительные данные у абонента, транскрибировать их и передать в отдельную функцию для проверки – функция вернет только итог проверки – совпало или нет. Таким образом вы не показываете чувствительные данные из системы – абонент сам их называет.
И еще одно важное преимущество ассистента в том, что он может записывать сложные последовательности цифр или длинные адреса со скоростью речи, не переспрашивая абонента.
Robogeek: Бывает ли, что диалог с одним абонентом растягивается на несколько звонков?
Марат Гасанян: Да, конечно. Человек может позвонить, положить трубку, а потом перезвонить снова. Мы реализовали механизм, который запоминает контекст диалога и привязывает его к номеру телефона, с которого поступил звонок. При этом для одной заявки может быть указано несколько номеров – например, когда собственник сдаёт квартиру и просит связываться с другим ответственным лицом. Также система помнит, если в ходе разговора абонент просит перенести общение. Например: «Мне сейчас неудобно», или «Я пожилая бабушка, ничего не хочу выяснять, перезвоните вечером, когда сын придёт». LLM фиксирует эту просьбу и при следующем контакте учитывает её.
Robogeek: Сколько всего задач сейчас может выполнять агент?
Марат Гасанян: В пересчёте на стейджи — около тридцати-сорока. А если брать конкретные функции, которые агент умеет выполнять, то их ещё больше.
Robogeek: В колл-центрах всегда смотрят на метрики – время ожидания, длительность звонка. Вы замеряли эти показатели? Как они поменялись по сравнению с живыми операторами?
Марат Гасанян: Да, конечно, но мы все еще в активной фазе разработки, поэтому метрики не окончательные. Например, пару недель назад мы подключили механизм, который позволяет системе понимать, что ей перезванивает человек, с которым она уже общалась, и что его нужно согласовать на конкретную дату.
Сейчас мы работаем над поведением при перебиваниях. Допустим, Вера – так мы называем наш ИИ колл-центр – начинает фразу: «Давайте согласуем дату монтажа на 6 июня», но её перебивают на первых словах. Система останавливается, но при этом считает, что фраза уже произнесена целиком. Мы дообучаем модель, чтобы она понимала, что была озвучена только часть фразы.
На первых итерациях средняя продолжительность разговора с ассистентом была примерно на 20% длиннее, чем с человеком. Причина – избыточно длинные реплики. Например, робот всегда произносил «прибор учёта электроэнергии», тогда как человек говорит просто «счётчик». Мы начали анализировать эти моменты, сокращать речевые обороты. Это улучшает пользовательский опыт – люди звонят, чтобы быстро и качественно решить проблему, а не слушать длинные официальные формулировки.
Что касается конверсии, то она колеблется в диапазоне от 2 до 5%. Мы считаем, что это находится в пределах погрешности, и в целом конверсия дозваниваемости осталась на уровне человеческого колл-центра. Но здесь есть нюанс. Бывает, что сбытовые компании передают нам списки с очень старыми номерами телефонов по которым люди уже год не отвечают или у которых стоят блокировки. В таких списках конверсия всегда низкая. А если дают свежие – она высокая. Поэтому этот показатель плавает, но мы считаем его в пределах нормы.
Robogeek: Какова сейчас средняя длительность разговора ИИ-агента с абонентом? Она уже сравнялась с длительностью разговора с человеком-оператором?
Марат Гасанян: Сейчас длительность разговора с агентом всё ещё чуть длиннее, чем с человеком, но уже не на 20%, а примерно на 10%. Средняя продолжительность разговора составляет около двух с половиной минут. Основная проблема в перебиваниях. Агент иногда теряет понимание, если его прерывают, и он не завершает фразу. Поэтому иногда возникают курьёзы между Верой и абонентом. Например, она думает, что уже назвала дату, потом человек её о чем-то спрашивает, она отвечает на вопрос, а потом говорит: «Тогда 6 июня». Человек переспрашивает: «А что за 6 июня?» — и приходится обсуждать повторно.
Есть и другая проблема, влияющая на длительность. Не все люди понимают, что роботу можно диктовать данные с той же скоростью, с которой он говорит, поэтому многие, называя адрес, переходят на медленную речь. Вероятно, новая привычка сформируется у пользователей через несколько лет.
Отдельная категория – те, кто очень странно называет лицевой счёт. Например, говорят «семьсот», делают небольшую паузу, и добавляют «двенадцать», имея в виду 712. Думаю, и обычный оператор в таком случае переспрашивал бы. И, наконец, «чемпионы» – люди, звонящие из метро или на фоне работающего телевизора или во время беседы с кем-то. Естественно, слышимость плохая, много шума. Мы поражаемся, как Вера умудряется записывать то, что мы сами с трудом разбираем при транскрибации – иногда переслушиваем по несколько раз, чтобы понять, о чём речь.
Robogeek: Как вы оцениваете качество диалогов ИИ-агента с точки зрения вежливости и дружелюбия?
Марат Гасанян: По нашему опыту – а мы прослушали большое количество записей – вежливость и сдержанность ИИ-агента на порядок выше, чем у операторов.
Важно понимать контекст: люди работают в колл-центрах по 12 часов, часто оказываются в этой профессии в силу жизненных обстоятельств. Им предписано быть вежливыми, но у каждого своя жизнь, усталость, выгорание и это неизбежно отражается на диалогах. Мы были свидетелями не то чтобы откровенного хамства, но неприемлемого тона, резких оборотов речи.
При этом нельзя забывать и о звонящих: они тоже далеко не всегда вежливы. А робот стерпит всё. В крайних случаях, когда абонент переходит к откровенным оскорблениям, Вера просто прощается и завершает разговор.
Robogeek: Рассчитывали ли вы какие-либо индексы удовлетворённости клиентов, например CSAT?
Марат Гасанян: Есть люди, которые оскорбляют робота, но при этом продолжают с ним общаться. Бывает, человек звонит, грубо требует оператора, кладёт трубку, а через пару минут перезванивает и говорит: «Ну ладно, давай с тобой разговаривать». Он может продолжать грубить, но всё равно доходит до конца – оформляет заявку. Почему так происходит? Потому что в начале разговора Вера говорит: «По вашему номеру мы нашли заявку, мы знаем, что вы обращались, могу я вам помочь?» — и человек решает довести дело до конца.
Честно говоря, представить, как в таком случае считать CSAT, сложно – такие диалоги, скорее всего, получили бы отрицательную оценку. Мы просто прослушиваем часть разговоров, классифицируем их.
Оценить, сколько человек решает проблему с роботом, тоже непросто – есть те, кто принципиально отказывается общаться с ИИ. Затрудняюсь назвать точные цифры, но мне кажется, что доля успешно завершённых диалогов очень высокая, приблизительно такая же, как при работе с внештатным колл-центром. Каждый разговор заканчивается определённой классификацией – положительной или отрицательной – и мы их прорабатываем. Прослушиваем, анализируем. Это большая часть нашей работы.
Например, мы заметили, что некоторые люди отказываются от замены приборов учёта. Начали прослушивать этих «отказников», чтобы понять, в чём причина. И обнаружили, что примерно 50% из них просто положили трубку во время разговора — возможно, оборвалась связь. При этом диалог шёл нормально, но Вера классифицировала это как отказ и не перезванивает, потому что считает, что человек не хочет продолжать. А мы не можем перезвонить, потому что зафиксирован отказ.
Robogeek: А сколько всего обращений обработала Вера?
Марат Гасанян: Всего Вера приняла более 30 тысяч заявок во входящих звонках и получила более 15 тысяч успешных кейсов во время исходящих звонков. Что касается исходящих звонков, она показала себя настолько эффективно, что несколько дней назад мы её отключили. Причина проста, Вера забронировала и согласовала такое количество дат, что мы пока не можем выполнить обязательства, которые она успела взять. Вероятно, бизнес подавал эти заявки с определенной долей недоверия в возможности нашей системы.
Robogeek: У нее есть график или ограничения по количеству заявок в день? Почему произошел переизбыток?
Марат Гасанян: Ей пока просто дают задание. Например, есть список из 10 тысяч адресов с распределением по датам: на одно число нужно согласовать 200 заявок, на другое – 100, на третье – 50 и так далее. Агент начинает обзвон и в диалоге подводит абонента к нужной дате: «Такого числа наша бригада работает именно в этом районе, давайте согласуем эту дату».
Переизбыток появился потом, что бизнес не очень сильно верил в эту идею, поэтому поставил желаемое количество заявок, которое хотел бы выполнять в этот день. Система достигла этой метрики. Но параллельно у нас продолжал работать поток входящих обращений через другие каналы связи и в итоге возникла перегрузка.
Robogeek: Как сотрудники колл-центра отреагировали на внедрение системы?
Марат Гасанян: Возможно, какие-то волнения у сотрудников и есть, но мы о них не слышали. При этом важно подчеркнуть: у нас нет планов замещать внутренний колл-центр. Мы никогда не сможем заместить его на 100%, потому что наши операторы работают со сложными заказчиками – крупными системными объектами, где цена ошибки высока и необходимо живое общение.
Кроме того, в компании много процессов, где люди по-прежнему нужны. И те 4–5 человек, которые у нас остались, всегда найдут работу внутри компании.
Robogeek: Оценивали ли вы объём работы, который сейчас выполняет Вера, например, в эквиваленте полной занятости (FTE)?
Марат Гасанян: Раньше у нас работал внештатный колл-центр, в котором работало до 35 человек. Вера однозначно заменяет этот объём – более того, выполняет работу даже больше, чем они. Я бы сказал, что для замещения её работы потребовалось бы 40–45 операторов.
Кроме того, она работает 24/7, и мы неожиданно для себя стали получать звонки уже в 6–7 утра.
Важно и другое: резкое масштабирование в моменте обходится очень дорого. Например, в будние дни может требоваться 10 человек, а в четверг–пятницу уже 20. Где взять дополнительных людей и как организовать такую работу – сложная задача. Равномерность нагрузки ничем не гарантирована.
Robogeek: Сколько это стоит для бизнеса? Если можно оцените текущие операционные затраты, какова экономика решения?
Марат Гасанян: Сумму в деньгах я называть не буду, но могу сказать, что сейчас наш ИИ-колл-центр обходится в три раза дешевле, чем человеческий. А новые доработки, которые мы планируем, позволят сократить затраты еще сильнее.
Эти доработки связаны в первую очередь с борьбой против роботов – это отдельная затратная часть. Кроме того, у нас есть много идей, которые позволят экономить ещё по 10–20%, но к ним мы перейдём после реализации крупных этапов оптимизации.
Есть и идеи для очень тонкой настройки. Например, некоторые реплики всегда звучат одинаково: «Добрый день, меня зовут Вера, я ассистент компании Стройэнергоком» или «Давайте подберём удобную для вас дату». Мы понимаем, что если заменить эти реплики заранее записанными аудиофайлами, можно сэкономить. Также можно разбить промпт на более мелкие части и подключать их в зависимости от ситуации. Сейчас Вера удерживает в памяти очень большой промпт, где описаны практически все её навыки, а маленький промпт будет предназначен только для отсеивания роботов – это тоже можно оптимизировать.
Что касается расчётов с Яндексом – они идут по количеству сожжённых токенов. К каждому телефонному разговору привязывается идентификатор транзакции, и в рамках неё расходуются токены на транскрибацию, синтез, работу LLM и другие компоненты.
Robogeek: Видите ли вы сейчас какие-то минусы или риски этого решения? Например, галлюцинации LLM или описанную ситуацию, когда Вера завершала разговор, думая, что уже сказала всё необходимое?
Марат Гасанян: Это все же наш технический баг – мы ещё не доделали этот механизм. Яндекс относительно недавно выкатил API, который позволяет нам видеть точную миллисекунду, когда агента перебили, так что скоро мы это поправим.
Одна из самых серьёзных проблем – нельзя гарантировать, что Вера 100% вызовет нужную функцию внутри стейджа. Это проблема не только Веры, но и, например, OpenAI. Поэтому нам нужно либо технически валидировать каждый вызов, либо просто быть готовыми к таким сбоям. К счастью, происходит это крайне редко.Robogeek: Рассматривали какие-то пограничные сценарии?
Марат Гасанян: Мы проработали пограничный сценарий – завершение разговора на уровне детерминированного кода. У нас прописаны все случаи, когда нужно попрощаться или когда собеседник долго не отвечает. Мы проанализировали все диалоги и выяснили, что 2–3% разговоров в перспективе приближаются к пяти минутам. Поэтому мы установили пятиминутное ограничение.
Теоретически среди 20–30 тысяч звонков может найтись один, где, например, бабушка очень долго переспрашивает и общается дольше пяти минут. В таком случае детерминированный код оборвёт разговор. Но к этому моменту все ключевые вопросы уже решены. Если же нет – звонок классифицируется как «Необходимо перезвонить», и ассистент перезвонит. Это защищает от нецелевого расхода токенов.
Robogeek: Как вы оцениваете текущий уровень LLM-систем? И планируете ли внедрять других агентов для других задач? Есть ли планы по внедрению агентов для других задач?
Марат Гасанян: Я оцениваю текущий уровень LLM-систем как очень высокий. При этом мне кажется, что их потенциал пока еще не реализован в экономике в полной мере. Думаю, потребуется ещё около пяти лет, чтобы вся мощь современных моделей нашла своё применение в бизнес-процессах. А за это время сами LLM, безусловно, шагнут ещё дальше.
Да, мы планируем активно внедрять LLM-решения и для других задач. Однако важно понимать: это не волшебная пилюля, которая подходит для любых процессов. Но есть направления, где применение LLM даёт мощный эффект и существенно упрощает работу людям.
Например, мы хотим вернуться к идее, которая возникла ещё в декабре: скормить LLM всю нашу базу знаний – Confluence и Jira, – чтобы создать помощника для бизнес-аналитиков. Он будет помогать анализировать задачи, заниматься системным анализом, имея доступ ко всей накопленной информации.
Более того, я пришёл к выводу, что лучшая база знаний — это репозитории с кодом. В отличие от Confluence и Jira, где описание задач и «фиксов» может отличаться от реальной реализации, код отражает истинное положение дел. Если нам удастся выстроить надёжный реверс-инжиниринг и подключить его к репозиториям, мы получим идеального аналитика, который знает систему целиком.
Robogeek: И заключительный вопрос: что в планах по развитию?
Марат Гасанян: В краткосрочной перспективе мы ставим три задачи. Во-первых, научить агента более аккуратно работать с перебиваниями – понимать, что было сказано в момент, когда ее прервали. Во-вторых, оптимизировать затраты. В-третьих, реализовать дополнительные сценарии.
В более долгосрочной перспективе Вера станет неотъемлемой частью нового сервиса исходящего обзвона. Сейчас он работает достаточно стихийно: выбирает район и начинает обзванивать случайные адреса. Мы планируем учитывать географический фактор. Система будет понимать, куда лучше звонить в данный момент, чтобы мастер мог поехать на конкретную улицу, а не в любой конец района. То есть отслеживать количество согласованных заявок на карте и понимать, в какую сторону лучше двигать географию монтажа, чтобы минимизировать транспортные расходы.Robogeek: Марат, благодарим вас за подробный и содержательный рассказ о вашем ИИ-колл-центре. Желаем успехов в развитии и совершенствовании сервиса.
Комментарии
(0) Добавить комментарий