AI-інтеграція з хмарною АТС: транскрибація та аналітика

Оператори витрачають до 15% робочого часу на ручне введення даних після дзвінка. Менеджери прослуховують години записів у пошуках однієї цифри. Стандартні IVR-меню змушують клієнтів натискати кнопки, втрачаючи контекст. Інтеграція AI з хмарною АТС вирішує всі три проблеми одразу: автотранскрибація, NLP-аналітика та розумна маршрутизація без розгортання власної телефонії. Ми реалізували такі рішення для 15+ компаній — від відділів продажів до контакт-центрів на 300 операторів. Наш досвід — 5+ років, гарантуємо SLA 2 години та відповідність законодавству про захист даних. Працюємо на ринку 5+ років, реалізували 15+ проєктів з AI-інтеграцією.

Як працює інтеграція AI з хмарною АТС?

Архітектура будується на Webhook: АТС надсилає POST-запит на ваш AI-сервер при кожній події (вхідний дзвінок, завершення розмови). Сервер обробляє аудіо, повертає команди маршрутизації або оновлює CRM. Це дозволяє інтегруватися за 1–4 тижні — у 3 рази швидше самостійної розробки. Наша AI-інтеграція з хмарною АТС забезпечує транскрибацію та аналітику з точністю 95%+.

Хмарна АТС (Mango/Zadarma/UIS) ↕ Webhook при вхідному AI-Platform API ↕ Інструкція АТС (переключити/відповісти) ↕ URL аудіофайлу при завершенні ↕ STT → NLP → CRM update 

Які проблеми вирішує AI-інтеграція?

Проблема 1: Втрата контексту дзвінка. Без автоматичного розшифрування аналітики витрачають години на прослуховування записів. AI-транскрибація з точністю 95%+ та аналіз тональності виділяє ключові моменти за секунди. Вона точніша за базові рішення на 10–15%.

Проблема 2: Повільна маршрутизація. Стандартні IVR-меню змушують клієнта обирати опції. Розумна маршрутизація на основі NLP та історії взаємодій спрямовує дзвінок потрібному спеціалісту без участі клієнта. Час обробки скорочується на 20–30%.

Проблема 3: Ручне заповнення CRM. Оператори витрачають до 15% часу на введення даних після дзвінка. Автоматичне вилучення сутностей (номер замовлення, ПІБ, адреса) з транскрибації заповнює картку клієнта миттєво.

Інтеграція з конкретними АТС

Mango Office

Mango Office надає два основні API: управління викликами та завантаження записів. Підписка на події через callback-URL. Приклад коду для отримання запису та динамічної маршрутизації:

import hashlib
import hmac
import json
import requests

class MangoOfficeIntegration:
    def __init__(self, api_key: str, api_salt: str):
        self.api_key = api_key
        self.api_salt = api_salt
        self.base_url = "https://app.mango-office.ru/vpbx"

    def sign(self, json_data: str) -> str:
        return hashlib.sha256(
            f"{self.api_key}{json_data}{self.api_salt}".encode()
        ).hexdigest()

    async def get_call_recording(self, recording_id: str) -> bytes:
        data = json.dumps({"recording_id": recording_id, "action": "download"})
        response = requests.post(
            f"{self.base_url}/queries/recording/post_load",
            data={"vpbx_api_key": self.api_key, "sign": self.sign(data), "json": data}
        )
        return response.content

    async def set_call_routing(self, from_number: str, to_extension: str):
        """Динамічна маршрутизація вхідного дзвінка"""
        data = json.dumps({
            "from_number": from_number,
            "to_number": to_extension,
            "sip_headers": {"X-AI-Routed": "true"}
        })
        requests.post(
            f"{self.base_url}/routing/transfer",
            data={"vpbx_api_key": self.api_key, "sign": self.sign(data), "json": data}
        )

UIS (CloudTalk)

UIS надає REST API з подіями через вебхуки. Приклад обробника завершеного дзвінка:

class UISIntegration:
    async def handle_call_event(self, event: dict) -> None:
        if event["type"] == "call.finished":
            recording_url = event.get("recording_url")
            if recording_url:
                audio = await self.download_recording(recording_url)
                analysis = await self.analyze_call(audio, event)
                await self.push_to_crm(event["contact_id"], analysis)

    async def set_smart_routing(self, caller_id: str) -> str:
        """Визначаємо куди направити дзвінок на основі історії клієнта"""
        customer = await crm.lookup_by_phone(caller_id)
        if not customer:
            return "general_queue"
        if customer.get("open_tickets"):
            return "support_queue"
        elif customer.get("segment") == "vip":
            return "vip_queue"
        return "general_queue"

Post-call обробка та типові помилки

Патерн єдиного ендпоінта

Щоб уніфікувати обробку дзвінків від різних провайдерів, використовуємо єдиний ендпоінт:

@app.post("/webhook/call-completed")
async def handle_completed_call(payload: dict):
    """Єдиний обробник завершених дзвінків від різних АТС"""
    recording_url = payload.get("recording_url") or payload.get("record")
    call_id = payload.get("call_id") or payload.get("uid")
    if not recording_url:
        return {"status": "no_recording"}
    # Асинхронна обробка в фоні
    asyncio.create_task(process_call_recording(call_id, recording_url))
    return {"status": "processing"}

async def process_call_recording(call_id: str, recording_url: str):
    audio = await download_audio(recording_url)
    transcript = await transcribe(audio)
    analysis = await analyze_call(transcript)
    await update_crm(call_id, transcript, analysis)

Типові помилки

• Ігнорування timeouts — деякі АТС чекають відповіді від webhook не більше 5 секунд. Використовуйте асинхронну обробку з asyncio.create_task.
• Відсутність ретраїв — при збої завантаження запису потрібно повторювати спробу з exponential backoff.
• Змішування форматів аудіо — Mango віддає WAV, UIS — MP3. Конвертуйте в єдиний формат (16kHz, mono) перед передачею в STT.

Чому AI-транскрибація точніша за базові рішення?

Ми використовуємо донавчені моделі Whisper-large-v3 для STT — точність 95%+ на українській та російській мовах без додаткового навчання. Для специфічної термінології (юридичної, медичної) проводимо fine-tuning на ваших записах. Час обробки повного пайплайну (webhook → завантаження → STT → NLP → CRM update) не перевищує 3 секунд для середнього запису тривалістю 5 хвилин. Економія від автоматизації становить суттєву суму для контакт-центру на 100 операторів, окупність — менше півроку. Наприклад, економія може сягати до 500 000 грн на рік. Вартість базової інтеграції — від 50 000 грн.

Кейс: автоматизація постобробки для відділу продажів

Один із проєктів — інтеграція з Mango Office для відділу продажів на 50 операторів. Після впровадження AI-транскрибації та автооновлення CRM середній час постобробки дзвінка скоротився з 5 хвилин до 2 секунд. Заповнення карток стало повністю автоматичним, що дозволило заощадити близько 20 годин на тиждень.

Що входить у роботу?

У результаті ви отримуєте:

• Робочий webhook-ендпоінт для вашої АТС
• Модуль транскрибації (STT) з донавченою моделлю
• NLP-аналітику: тональність, сутності, ключові фрази
• Інтеграцію з CRM (автооновлення карток)
• Розумну маршрутизацію (опціонально)
• Документацію API та інструкцію для операторів
• Технічну підтримку 24/7
• Гарантію SLA 2 години

Етапи роботи

1. Аналіз — аудит поточної АТС, API, сценаріїв обробки дзвінків.
2. Проєктування — архітектура інтеграції, вибір моделей AI.
3. Реалізація — налаштування webhook, транскрибація, NLP-аналітика, CRM-інтеграція.
4. Тестування — навантажувальне тестування (100+ одночасних дзвінків), перевірка latency p99.
5. Деплой — розгортання на вашому сервері (Triton, vLLM) або в хмарі.
6. Документація — API-специфікація, інструкція оператора.

Терміни та вартість

Терміни інтеграції: від 1 тижня (базова post-call аналітика для однієї АТС) до 4 тижнів (мультисистемна інтеграція з кастомною маршрутизацією та NLP). Вартість базової інтеграції від 50 000 грн. Отримайте консультацію — оцінимо ваш проєкт. Просто напишіть нам — надішлемо комерційну пропозицію.

Як замовити?

Залиште заявку на нашому сайті — ми зв'яжемося протягом 2 годин, проведемо аудит і запропонуємо оптимальне рішення. Гарантуємо конфіденційність даних та відповідність законодавству про захист даних. Замовте інтеграцію AI вже сьогодні.