Кейс: нейросеть контролирует качество клиентских чатов вместо руководителя

Ситуация

В IT-компании, работающей с Bitrix24 и 1С, руководитель ежедневно тратила 1–2 часа на ручную проверку переписок менеджеров с клиентами. При 20–30 активных диалогах приходилось открывать каждый чат, оценивать тон общения, фиксировать просрочки и отслеживать выполнение обещаний. Контроль качества коммуникаций превращался в отдельную рабочую смену.

Разработали и обучили собственную LLM-модель (большую языковую модель) на базе Qwen3-14B. Нейросеть запускается ночью, анализирует переписки в Telegram по 40 параметрам и к утру формирует отчет с цветовой маркировкой. Руководитель открывает веб-приложение и видит, где именно требуется вмешательство.

До 40 часов в месяц уходило на ручную проверку чатов

Менеджеры ведут переписки с клиентами в Telegram по проектам Bitrix24 и 1С. Компания строго регламентирует коммуникации: ответ клиенту в пределах 30–45 минут, после видеовстречи обязательна сводка с итогами, каждое обещание фиксируется и проверяется на выполнение.

Руководитель вручную просматривала 20–30 чатов ежедневно. На проверку одного диалога уходило 3–5 минут. Нужно пролистать переписку, оценить настроение клиента, убедиться в соблюдении регламента. В пересчете на месяц набиралось до 40 рабочих часов, потраченных исключительно на контроль переписок.

При таком объеме неизбежно страдала точность оценки.

• Время. Ежедневная проверка отнимала 1–2 часа у руководителя, задачи стратегического планирования отодвигались.
• Субъективность. Оценка зависела от внимательности и самочувствия проверяющего в конкретный момент.
• Пропуски. Часть переписок оставалась непросмотренной, негатив клиента обнаруживался с опозданием.
• Масштабирование. С ростом числа клиентов и менеджеров ручной контроль одного руководителя было недостаточно.

Отдельная сложность заключалась в самих критериях оценки. Одно дело заметить просрочку ответа. Другое дело уловить, что клиент ставит три точки после сообщений и переходит на формально-сухой стиль. Такие сигналы при ручном анализе часто упускались.

Собственная LLM-модель вместо готовых решений

Типовые инструменты для текстовой аналитики работают по шаблонам и упускают контекст. Сарказм в формулировке, резкая смена тона, повтор одного и того же вопроса: шаблонный анализатор пометит такую переписку как нормальную. Живая коммуникация требует понимания нюансов, поэтому для подобной задачи нужна обученная языковая модель.

Применили модель Qwen3-14B с открытым исходным кодом (open source) и обучили на собственных данных. Развернули на локальном сервере, чтобы переписки клиентов оставались внутри компании. Стоимость содержания сервера составляет около 8000 рублей в месяц. Нейросеть работает на процессоре, аренда видеокарты для подобных задач не нужна.

Модель запускается раз в сутки, ночью. За 1–2 часа обрабатывает все диалоги за прошедший день. Ночью есть запас времени для тщательного анализа каждой переписки.

3 статуса переписки и ежедневный дайджест для руководителя

После ночного анализа в каждом чате проставляется цветная отметка.

• Зеленая. Переписка в норме, менеджер работает по регламенту, замечаний нет.
• Желтая. Обнаружены риски: просрочка ответа, отсутствие подтверждения задачи, пропущенная сводка после встречи. Ситуация требует внимания, но остается на удовлетворительном уровне.
• Красная. Негатив от клиента, отсутствие ответа более суток, повторные жалобы на одну и ту же проблему. Руководителю нужно вмешаться немедленно.

Утром руководитель открывает веб-приложение и видит готовую сводку. Зеленые чаты занимают секунды внимания. Красные маркеры сразу показывают, в какие переписки требуется вмешаться.

Отдельный интерфейс создан для менеджеров. Каждый специалист заходит в систему под своим аккаунтом и видит результаты анализа собственных переписок. Если где-то зафиксирована просрочка или снижение тональности клиента, менеджер узнает об инциденте одновременно с руководителем.

Критерии оценки: время ответа и тональность клиента

Нейросеть проверяет каждую переписку по 40 параметрам. Список растет по запросу руководства, недавно добавили распознавание роли специалиста (аналитик, менеджер), чтобы сотрудники разных отделов видели отчеты исключительно по своим диалогам.

Перечень основных направлений проверки:

• Время ответа. Просрочки фиксируются автоматически с привязкой к регламентным срокам компании (от 30 минут до 1 часа).
• Тональность клиента. Восклицательные знаки, троеточия, формально-сухой стиль, негативные формулировки указывают на снижение лояльности.
• Соблюдение обещаний. Если менеджер назначил срок ответа в 1 час, а вернулся через полтора, модель фиксирует расхождение и маркирует диалог.
• Подтверждение задач. Модель отслеживает, принял менеджер поручение четко или отделался общими фразами.
• Тема обращения. Нейросеть различает диалоги по Bitrix24, 1С и другим направлениям компании, распределяя отчеты между профильными отделами.

Ускорили обучение для внедрения приложения в работу

Первый цикл обучения модели занял около 24 часов. Начали с 200 сгенерированных чатов, но модель пропускала нюансы реальных переписок. Изменили стратегию: загрузили 20 реальных диалогов с клиентами, отобрали самые показательные примеры и сократили набор правил. На реальных данных существенно выросла точность распознавания. Модель стала корректно определять температуру диалога, фиксировать просрочки и различать тематику обращений.

Свободное время для стратегических задач вместо ежедневной рутины

Автоматическая проверка заменила самый трудоемкий участок работы руководителя. 40 часов в месяц, ранее потраченных на ручной просмотр чатов, теперь уходят на развитие проектов и управление командой.

• 1–2 часа ежедневно освободились для стратегических задач. Руководитель видит один экран с готовой сводкой вместо ручного пролистывания десятков диалогов. Время, ранее уходившее на контроль, направлено на координацию проектов и работу с командой.
• Негатив клиента фиксируется быстро. Если клиент отправил гневное сообщение вечером, система маркирует чат красным еще до утренней планерки.
• Менеджеры отслеживают качество своей работы. Каждый специалист видит оценку переписок в личном кабинете и корректирует общение с клиентами. Прозрачность повышает дисциплину лучше любых устных замечаний.
• Содержание сервера обходится в 8000 рублей ежемесячно. Модель работает на процессоре, аренда видеокарты для подобного масштаба задач не нужна.
• Переписки остаются внутри компании. Все данные обрабатываются на локальном сервере, информация о клиентских чатах не передается за пределы корпоративной инфраструктуры.

Система запущена и дорабатывается в рабочем режиме. Количество критериев анализа растет, модель периодически дообучается на свежих данных. Есть нюансы, над устранением которых ведется работа, но по основным параметрам нейросеть уже справляется значительно лучше ручной проверки.

Автоматизируем контроль качества переписок с вашими клиентами. Разработаем и обучим нейросеть под специфику бизнеса, развернем на вашем сервере и настроим отчетность для руководителей.