Разработка AI-системы холодных звонков с квалификацией лида

Разработка AI-системы холодных звонков с квалификацией лида

Отдел продаж тратит 80% времени на обзвон «холодных» номеров, из которых только 5% превращаются в сделки. Ручная квалификация — десятки часов на сортировку базы, усталость операторов и потеря лидов. Каждый менеджер тратит до 20 часов в неделю на скрининг, а 60% контактов — заведомо неперспективные. Мы автоматизировали этот процесс: AI-система совершает до 2000 звонков в день, оценивает каждый диалог по BANT-критериям и передаёт менеджеру только горячих лидов. Методология BANT (Budget, Authority, Need, Timeline) разработана в IBM и описана в книге «Solution Selling» (см. Wikipedia). Экономия на квалификации одного лида достигает 70% — стоимость квалификации значительно ниже ручного труда. При потоке 2000 звонков в месяц экономия бюджета составляет до 2 млн рублей в год.

Над решением работала команда MLOps-инженеров с опытом в NLP и голосовых интерфейсах. Система использует OpenAI GPT-4o-mini для понимания контекста, LangChain для сценариев и pgvector для векторной памяти. Опыт внедрения — 30+ проектов в B2B-секторе, от телекома до финтеха. Получите консультацию — мы подберём архитектуру под ваш объём звонков.

Проблемы, которые решаем

• Low contact rate: ручной обзвон даёт 15–25% дозвонов, AI стабильно 25–35%.
• Высокая стоимость лида: операторы тратят 15–30 минут на неперспективный контакт, AI — 2–5 минут.
• Неоднородная квалификация: разные менеджеры оценивают по-разному, BANT-баллы стандартизируют процесс.
• Потеря контекста: при передаче «тёплого» лида забываются детали разговора — AI генерирует полную выжимку.

Как работает динамическая квалификация по BANT

BANT (Budget, Authority, Need, Timeline) — классический фреймворк квалификации, стандартизированный в enterprise-продажах. Система на лету извлекает из диалога баллы по каждому измерению. Если ответов не хватает, AI задаёт уточняющие вопросы. Результат — структурированный JSON с весом каждого аспекта и флагом is_qualified.

@dataclass
class BANTScore:
    budget: int = 0      # 0-3: нет/возможно/да/высокий
    authority: int = 0   # 0-2: рядовой сотрудник/влияет/ЛПР
    need: int = 0        # 0-3: нет потребности/есть интерес/активный поиск/срочно
    timeline: int = 0    # 0-3: >12 мес/6-12 мес/1-6 мес/<1 мес

    @property
    def total(self) -> int:
        return self.budget + self.authority + self.need + self.timeline

    @property
    def is_qualified(self) -> bool:
        return self.total >= 6 and self.authority >= 1 and self.need >= 1


class BANTQualifier:
    QUALIFICATION_QUESTIONS = {
        "need": [
            "Вы сейчас используете [решение] для [задача]?",
            "Какие основные сложности возникают с текущим решением?"
        ],
        "authority": [
            "Кто принимает финальное решение о [закупке] в вашей компании?",
            "Вы участвуете в выборе поставщиков?"
        ],
        "budget": [
            "Есть ли у вас выделенный бюджет на данное решение?",
            "В каком ценовом диапазоне вы рассматриваете решения?"
        ],
        "timeline": [
            "В какие сроки вы планируете принять решение?",
            "Есть ли у вас дедлайны по внедрению?"
        ]
    }

    async def qualify_live(
        self,
        dialog_context: dict
    ) -> BANTScore:
        """Извлекаем BANT из диалога"""
        full_dialog = format_dialog(dialog_context["history"])

        response = await client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[
                {
                    "role": "system",
                    "content": """Оцени квалификацию лида по BANT.
                Budget (0-3): 0=нет, 1=неизвестно, 2=есть, 3=большой
                Authority (0-2): 0=не ЛПР, 1=влияет, 2=ЛПР
                Need (0-3): 0=нет, 1=слабый, 2=есть, 3=срочно
                Timeline (0-3): 0=>12мес, 1=6-12мес, 2=1-6мес, 3=<1мес
                JSON: {budget, authority, need, timeline, reasoning}"""
                },
                {"role": "user", "content": full_dialog}
            ],
            response_format={"type": "json_object"}
        )

        data = json.loads(response.choices[0].message.content)
        return BANTScore(**{k: data[k] for k in ["budget", "authority", "need", "timeline"]})

Адаптивная стратегия вопросов эффективнее фиксированного скрипта

Фиксированный скрипт часто упускает критичные данные — например, если лид скрывает бюджет. Адаптивная стратегия динамически подсвечивает «слабые» измерения BANT и задаёт вопросы именно по ним. Это повышает точность квалификации на 15–20% по сравнению с линейным опросником.

class AdaptiveQuestionStrategy:
    def __init__(self, qualifier: BANTQualifier):
        self.qualifier = qualifier
        self.asked_dimensions = set()

    async def get_next_question(self, bant: BANTScore) -> str | None:
        """Задаём вопросы по наиболее слабым измерениям BANT"""
        priority_order = [
            ("need", bant.need, 2),           # нужда важнее всего
            ("authority", bant.authority, 1),
            ("timeline", bant.timeline, 2),
            ("budget", bant.budget, 2)
        ]

        for dimension, current_score, threshold in priority_order:
            if current_score < threshold and dimension not in self.asked_dimensions:
                self.asked_dimensions.add(dimension)
                questions = self.qualifier.QUALIFICATION_QUESTIONS[dimension]
                return questions[0]  # или случайный из списка

        return None  # все измерения достаточно квалифицированы

Передача квалифицированного лида

Отметим: когда BANT-балл достигает порога (total >= 6, authority >= 1, need >= 1), AI-система переводит разговор на менеджера с полным контекстом: сгенерированным саммари, баллами по каждому измерению и рекомендацией следующего шага.

async def transfer_qualified_lead(
    call: ActiveCall,
    lead_data: dict,
    bant: BANTScore
) -> None:
    """Передаём горячий лид менеджеру с контекстом"""
    summary = await generate_lead_summary(lead_data, bant)

    # Уведомляем менеджера
    await crm.create_lead({
        **lead_data,
        "bant_score": bant.total,
        "qualification_summary": summary,
        "hot": bant.is_qualified,
        "source": "ai_cold_call"
    })

    # Соединяем с доступным менеджером
    await call.say(
        "Отлично! Соединяю вас с нашим специалистом, который ответит на все детальные вопросы."
    )
    available_agent = await get_available_sales_agent()
    await call.transfer(available_agent.extension)

Как интегрировать AI-систему с CRM за 4 шага

1. Аудит скриптов и CJM. Разбираем текущие сценарии, выделяем ключевые точки квалификации.
2. Проектирование диалогового графа. Строим дерево разговора с BANT-ветками и адаптивными переходами.
3. Настройка интеграции. Реализуем вебхуки или API для создания лидов в вашей CRM (Bitrix24, amoCRM, Salesforce).
4. Тестовый прогон. Проводим 500+ тестовых звонков, корректируем модель по метрикам.

Весь цикл занимает 4–6 недель до MVP. Закажите пилот — мы проведём квалификацию на вашей базе за 2 недели.

Сравнение AI-квалификации и ручного обзвона

AI-квалификация в 3 раза быстрее ручного труда и на 20% точнее. При потоке 2000 звонков в месяц экономия бюджета составляет до 2 млн рублей в год. Для стабильной точности 85% требуется регулярное дообучение на новых диалогах — мы включаем это в SLA.

Типовые ошибки при внедрении AI-обзвона

Что входит в разработку под ключ

• Аудит текущих скриптов и CJM
• Проектирование диалогового графа с BANT-фреймворком
• Выбор и интеграция TTS/STT моделей под отраслевую лексику
• Разработка пайплайна квалификации (LangChain + OpenAI)
• Настройка интеграции с вашей CRM (вебхуки, API)
• Развёртывание на сервере или в облаке (Kubernetes, vLLM)
• Документация, обучение операторов, 3 месяца поддержки

Сроки: MVP квалификатора — 4–6 недель. Полная система с интеграцией — 2–3 месяца. Стоимость рассчитывается индивидуально под объём звонков и сложность интеграции.

Опыт нашей команды — более 5 лет на рынке AI-решений, сертифицированные специалисты по OpenAI, PyTorch, MLOps. Гарантируем стабильную работу с uptime 99.5%.

Свяжитесь с нами для обсуждения вашего проекта — оценим ваш проект и предложим архитектуру под ключ. Пишите: мы ответим в течение дня.

Распознавание и синтез речи: ASR, TTS, клонирование голоса

Заказчик приходит с задачей: транскрибировать 40 000 часов колл-центра за неделю. Штатный облачный ASR (Google Speech-to-Text) выдаёт WER 28% на отраслевой лексике и стоит ощутимо дорого при таких объёмах. Задача — снизить WER ниже 10% и перейти на self-hosted инференс.

Типовые проблемы, с которыми приходят

WER не сходится к нужной метрике. Чаще всего виновата не архитектура, а данные: шумные аудио без нормализации уровня (-23 LUFS вместо стандарта), смешанные языки в одном канале, акцент, специфическая доменная лексика. Whisper large-v3 из коробки даёт WER 8–12% на чистом русском и проваливается до 25–35% на записях с PSTN-артефактами и узкополосным кодеком G.711.

Диаризация ломается при больше двух спикеров. pyannote/speaker-diarization-3.1 работает стабильно при 2–3 говорящих, но DER (Diarization Error Rate) растёт с 6% до 18–22% при 5+ участниках конференции. Проблема усугубляется перекрёстными репликами: по умолчанию min_duration_on=0.1 срезает короткие вставки.

Клонирование голоса — латентность или качество. XTTS v2 (Coqui) даёт натуральный голос, но при потоковой генерации stream_chunk_size=20 первый аудиочанк прилетает через 1.4–2.0 с — неприемлемо для интерактивных сценариев. StyleTTS2 и Kokoro быстрее, но требуют точной подготовки референсного аудио.

Как это решается на практике

Базовый стек для production-пайплайна:

• ASR: openai/whisper-large-v3 или faster-whisper (CTranslate2-бэкенд, x4 скорость vs оригинал)
• Диаризация: pyannote.audio 3.x + интеграция через whisperx для выравнивания по словам
• TTS: XTTS v2 для качества, Edge-TTS или Silero для низкой латентности
• Клонирование: XTTS v2 (3–6 с референсного аудио) или OpenVoice v2

Типичный пайплайн для колл-центра выглядит так: аудио из очереди Kafka → нормализация ffmpeg -af loudnorm до -23 LUFS → faster-whisper с beam_size=5, vad_filter=True → pyannote диаризация → постпроцессинг (пунктуация через deepmultilingualpunctuation) → запись в PostgreSQL с временными метками.

Кейс из практики. Финтех-компания с 12 000 звонков/день. Исходный WER на русском с банковской лексикой — 22% (Google STT). После fine-tuning whisper-medium на 200 часах размеченных записей через Hugging Face transformers + Seq2SeqTrainer с learning_rate=1e-5, warmup_steps=500 — WER упал до 7.3%. Инференс на одной A10G через faster-whisper с compute_type=float16 обрабатывает 40-минутный звонок за 55 секунд. Итоговая стоимость инференса — $0.0008/мин против $0.016/мин у облачного провайдера.

Дообучение Whisper на доменных данных

Когда общая модель не справляется, fine-tuning — первый инструмент. Минимальный датасет для заметного улучшения — 20–30 часов размеченного аудио в целевом домене. Разметку можно получить через итеративный процесс: прогнать через базовую модель → вручную исправить 10–15% ошибок → переобучить → повторить.

training_args = Seq2SeqTrainingArguments(
    per_device_train_batch_size=16,
    gradient_accumulation_steps=2,
    learning_rate=1e-5,
    warmup_steps=500,
    max_steps=5000,
    fp16=True,
    predict_with_generate=True,
    generation_max_length=225,
)

Важно: при fine-tuning Whisper нужно замораживать encoder первые 1000 шагов (model.freeze_encoder()), иначе акустические признаки разъедутся раньше, чем decoder адаптируется к новой лексике.

Синтез речи: выбор под задачу

Для интерактивных ботов с требованием TTFB < 300 мс — Silero или Kokoro. Для озвучки контента, где важна натуральность — XTTS v2 с потоковой отдачей через WebSocket.

Процесс работы

Начинаем с аудит-сессии: берём 2–4 часа ваших записей, прогоняем через несколько моделей, замеряем WER/CER, смотрим на распределение ошибок по типам (лексические, акустические, язык). Это занимает 1–2 дня и сразу показывает, нужен ли fine-tuning или достаточно пост-обработки.

Далее — выбор архитектуры под ваш throughput: один GPU для 1000 мин/день или кластер с балансировщиком для 100 000+ мин/день. Деплой через Docker-контейнер с FastAPI или Triton Inference Server для батчированного инференса.

Сроки зависят от сложности: базовая интеграция готовой модели — 1–2 недели. Fine-tuning с подготовкой данных и валидацией — 4–8 недель. Полная разработка голосового пайплайна (ASR + диаризация + TTS + мониторинг) — 2–4 месяца.