CallAudit — AI-контроль качества звонков
Пара специализированных AI-агентов, которая слушает 100% звонков операторского центра: транскрибирует, оценивает по скрипту компании и каждый день приносит руководителю готовый разбор нарушений.
Проект выполнен для сети сервисных клиник под NDA — название клиента и детали регламентов не раскрываем.
Задача
Администраторы принимают десятки звонков в день, а контроль качества держался на выборочном прослушивании:
-
Старший администратор успевал прослушать лишь 5–10% записей -
Оценка субъективна: у разных проверяющих разные критерии -
Нарушения скрипта всплывали через недели — когда клиент уже потерян -
Разбор ошибок и подготовка отчёта отнимали часы каждую неделю
Решение
Два AI-агента по принципу «один агент = одна роль»: каждый со своими обязанностями, источниками данных и правилами эскалации:
Транскрипция на своей инфраструктуре
faster-whisper на собственном сервере — записи звонков не покидают контур компании, расшифровка не зависит от внешних API.
Оценка по скрипту, а не «по ощущениям»
Регламенты разбиты по ролям и процессам и хранятся в PostgreSQL. Агент сверяет разговор с конкретными пунктами чек-листа и возвращает структурированный JSON с баллами.
Автоматический разбор нарушений
Спорные кейсы попадают в очередь разбора к человеку. Если у агента нет релевантного пункта регламента — он не «додумывает», а эскалирует.
Проверяемый журнал решений
Для каждой оценки сохраняются вход, найденные фрагменты регламента, версия промпта и итоговый JSON — любую оценку можно проверить.
Состав системы — 2 AI-агента
У каждого агента свои обязанности, права, ограничения и правила эскалации — как у сотрудника с должностной инструкцией.
Call Analysis Agent
Транскрибирует запись звонка (faster-whisper) Оценивает разговор по чек-листу скрипта — балл по каждому пункту Определяет настроение клиента и риск потери Формирует рекомендации оператору по конкретному разговору
AI-старший администратор
Агрегирует нарушения по каждому оператору и смене Ведёт очередь разбора: спорные кейсы уходят человеку Строит рейтинг команды по качеству разговоров Каждый день отправляет руководителю готовый отчёт
Как проходит один звонок
01
Запись поступает
Файл звонка загружается автоматически или вручную
02
Транскрипция
faster-whisper расшифровывает разговор на своём сервере
03
Оценка по скрипту
Call Analysis сверяет разговор с чек-листом → структурированный JSON
04
Разбор нарушений
AI-старший администратор классифицирует и эскалирует спорное человеку
05
Отчёт руководителю
Ежедневная сводка: баллы, нарушения, рейтинг, динамика
Результат каждого шага фиксируется в PostgreSQL — процесс продолжается с последнего успешного шага даже после сбоя.
Технологический стек
Python + FastAPI
Backend и агенты
faster-whisper
Транскрипция на своём сервере
OpenAI API
Structured outputs
PostgreSQL
Регламенты и журнал решений
Результаты
100%
Звонков проходят контроль качества — вместо 5–10% при ручном прослушивании
15 мин
От поступления записи до готовой оценки
82%
Совпадение оценок AI со старшим администратором на эталонном наборе
×10
Меньше времени руководителя на контроль и отчёты
Качество проверяется на эталонном наборе из 100 звонков с ручной разметкой: после каждого изменения промпта или модели набор прогоняется заново — регрессия не принимается.
OpsCrew — 4 агента + координатор
Полный операционный контур: CRM, SLA и эскалации.
Atlas AI OS — 9 AI-компонентов
AI Operating System с оркестратором для сети филиалов.
Хотите AI-контроль качества у себя?
Первое демо «звонок → транскрипция → оценка → отчёт» показываем уже на второй неделе разработки.
Обсудить проект