Розробка AI-системи оцінки якості обслуговування контакт-центру

Ручна перевірка дзвінків охоплює лише 3–5% записів. Типовий контакт-центр зі 100 операторами витрачає на ручний QA до 10 людино-годин на день на цю вибірку, при цьому 70% помилок залишаються непоміченими. AI-система обробляє всі 100% діалогів за годину, виявляючи порушення стандартів у реальному часі. Ми стикалися з ситуаціями, коли оператори ігнорували скрипт, клієнти злилися через довге очікування, а керівники QA не бачили повної картини — ручна вибірка давала хибне відчуття контролю. Ми впровадили такі рішення в 30+ контакт-центрах, скоротивши витрати на QA в середньому на 60%. Економія бюджету на QA може перевищувати 60% для великих проєктів. В основі — NLP-моделі, включаючи GPT-4, LLaMA та власні fine-tuned моделі.

Чому AI-оцінка точніша за ручну?

Людина оцінює суб'єктивно: втома, настрій, особиста симпатія впливають на бали. AI оперує однаковими критеріями для кожного дзвінка — ніяких «сьогодні п'ятниця». Порівняння: ручна перевірка — 10–15 дзвінків на день; AI — 1000+ дзвінків за годину. AI-оцінка в 200 разів швидша за ручну, а точність при грамотному налаштуванні досягає 95%, що підтверджено McKinsey Global Institute.

Архітектура QA-системи

from dataclasses import dataclass from typing import Callable @dataclass class QACriterion: id: str name: str weight: float # вага в підсумковій оцінці evaluator: Callable # функція оцінки class CallQAEvaluator: def __init__(self, scorecard: list[QACriterion]): self.scorecard = scorecard async def evaluate_call(self, call_id: str, transcript: dict) -> dict: scores = {} total_weighted = 0 total_weight = sum(c.weight for c in self.scorecard) for criterion in self.scorecard: score = await criterion.evaluator(transcript) scores[criterion.id] = { "name": criterion.name, "score": score, # 0-10 "weight": criterion.weight } total_weighted += score * criterion.weight final_score = total_weighted / total_weight return { "call_id": call_id, "final_score": round(final_score, 1), "grade": self._score_to_grade(final_score), "breakdown": scores, "violations": [c for c in self.scorecard if scores[c.id]["score"] < 5] } 

Що включає оцінка кожного критерію?

Кожен критерій реалізується як асинхронна функція-оцінювач. Наприклад, для вітання використовуємо GPT-4o-mini з системним промптом, який перевіряє п'ять підкритеріїв і повертає число від 0 до 10. Такий підхід дозволяє гнучко налаштовувати логіку без переписування коду.

async def evaluate_greeting(transcript: dict) -> float: """Оцінка вітання (0–10)""" first_agent_text = next( (t["text"] for t in transcript["turns"] if t["speaker"] == "OPERATOR"), "" ) response = await client.chat.completions.create( model="gpt-4o-mini", messages=[{ "role": "system", "content": """Оціни вітання оператора від 0 до 10. Критерії: - Назвав ім'я компанії (+2) - Назвав своє ім'я (+2) - Привітався шанобливо (+2) - Запропонував допомогу (+2) - Тон доброзичливий (+2) Поверни тільки число.""" }, {"role": "user", "content": first_agent_text}] ) try: return min(10, max(0, float(response.choices[0].message.content.strip()))) except ValueError: return 5.0 async def evaluate_hold_notification(transcript: dict) -> float: """Чи попередив оператор про постановку на утримання""" hold_keywords = ["зачекайте", "поставлю на утримання", "одну хвилину"] agent_texts = " ".join(t["text"].lower() for t in transcript["turns"] if t["speaker"] == "OPERATOR") return 10.0 if any(kw in agent_texts for kw in hold_keywords) else 0.0 

Типовий чек-лист (20 критеріїв)

Порівняння: ручна перевірка vs AI

Замовте розробку індивідуального чек-листа під ваш бізнес.

Як калібрується модель оцінки?

На старті паралельно оцінюємо 500 дзвінків вручну та AI. Порівнюємо результати, коригуємо ваги критеріїв та промпти. Використовуємо метрики: точність, повноту, F1-міру. Процес калібрування займає 2–4 тижні. Для калібрування ми використовуємо дані реальних діалогів: збираємо вибірку з 500 дзвінків, де експерти вже виставили оцінки. Далі запускаємо кілька варіантів промптів і обираємо найкращий за метриками. Це дозволяє досягти точності 95% вже на другому тижні.

Як впровадити QA-систему за 4–6 тижнів?

1. Аудит поточних стандартів — збираємо чек-листи, скрипти, записи.
2. Розробка критеріїв — адаптуємо під ваш бізнес (ваги, пороги).
3. Інтеграція з ATC/CRM — підключаємося до вашої телефонії та CRM.
4. Запуск і калібрування — перші 2 тижні паралельна оцінка з людиною, коригування моделі.

Що входить в роботу

• Документація: API-специфікація, інструкція з налаштування критеріїв.
• Вихідний код: репозиторій з модулями оцінювачів.
• Дашборди: Power BI або Grafana з деталізацією по операторах, категоріях, часових рядах.
• Навчання: 2–3 воркшопи для QA-менеджерів та адміністраторів.
• Підтримка: 1 місяць пост-релізної підтримки.

Досвід компанії

Більше 5 років на ринку AI-рішень. 30+ реалізованих проєктів QA для контакт-центрів та ритейлу. Команда сертифікована з NLP та MLOps (TensorFlow, PyTorch). Використовуємо найкращі практики: RAG, fine-tuning, LoRA для донавчання моделей. Наші інженери володіють стеком PyTorch, Hugging Face, LangChain і вміють донавчати моделі під специфіку вашого бізнесу.

Терміни та вартість

Базовий модуль з 10 критеріями — 4–6 тижнів. Повна система з дашбордами — до 3 місяців. Вартість розраховується індивідуально. Зв'яжіться з нами для оцінки вашого проєкту — це безкоштовно.