С конца 2024 по 2025 год в речевой аналитике произошёл резкий прорыв: от простого распознавания и поиска по тексту — к глубокому пониманию системой смысла и контекста разговора. Это поставило рынок перед двумя вызовами. Во-первых, нужно было найти баланс между надёжными классическими инструментами (словарями, тегами, ML) и новыми генеративными LLM — для U-BSS это была нетривиальная задача. Во-вторых, критически важным стал вопрос защиты приватных данных клиентов, которые резонно спрашивали о рисках привлечения нейросетей к анализу диалогов.
Чтобы ответить на эти вызовы, U-BSS внедрила в свою систему многофункциональный AI-модуль на основе LLM с двумя режимами: AI-сканер и AI-исследователь. AI-сканер через запросы к модели извлекает из диалогов детальную информацию: от оценки клиентской удовлетворенности до персональных рекомендаций операторам. Каждый такой вывод LLM записывается в диалог как конкретный признак — число, текст, рубрика, да/нет или резюме. На основе этих признаков можно строить отчеты, видеть динамику (например, эмоций клиентов за день) или анализировать эффективность, сравнивая успехи операторов, использующих лучшие практики, с теми, кто работает только по скриптам.
Второй режим, AI-исследователь, анализирует пользовательскую выборку диалогов. Для её формирования можно задействовать все инструменты системы: лексические словари, временные и количественные фильтры, данные ML-моделей и результаты AI-сканера. В ответ AI-исследователь выдаёт общие выводы, вскрывая неочевидные для аналитика инсайты. Формат промптов не ограничен, что даёт пользователю пространство для экспериментов и позволяет регулировать точность, объективность и предсказательную силу ответов модуля.
Чтобы гарантировать безопасность приватных данных, был разработан гибко настраиваемый деперсонализатор чувствительной информации. Пользователь самостоятельно определяет, какие данные необходимо защитить, и решение выполняет их шифрование. Это особенно важно для безопасной работы со сторонними большими языковыми моделями, например, YandexGPT и GigaChat.
«Наш агент-исследователь уже прогнозирует действия клиентов, выявляя закономерности в диалогах. В будущем такие системы смогут анализировать не только текст, но и данные из WFM и CRM, что сделает прогнозы клиентского пути ещё точнее.
Будущее — за интеллектуальными агентами на базе больших языковых моделей. Они смогут самостоятельно находить закономерности в диалогах, проверять гипотезы, отправлять отчёты, предлагать решения и оценивать их экономический эффект. Речевая аналитика становится полноценным AI-помощником в управлении клиентским опытом. Наша компания продолжает развивать модульную AI-платформу и совместно с заказчиками тестировать новые корпоративные сценарии», — прокомментировал директор U-BSS Пулат Халиулин.