Implementation scenario / 08 / Quality assurance
AI-контроль качества звонков и переписок
Руководитель проверяет малую выборку диалогов и узнаёт о системных ошибках с задержкой.
Система проверяет обязательные элементы, тон, обещания и причины негатива, сохраняя фрагмент доказательства. Финальное решение и работа с исключениями остаются у ответственного: QA-специалист подтверждает нарушения и меняет рубрику оценки.
Проверить применимость сценария →
Problem / buying moment
Почему этот процесс становится задачей для руководителя.
Обычно к сценарию «AI-контроль качества звонков и переписок» приходит директор по сервису, руководитель поддержки или операционный директор, когда объём обращений растёт быстрее команды, а качество и SLA проверяются только по выборке. В этот момент локальная ручная проверка уже не масштабируется, но покупка отдельного AI-инструмента ещё не гарантирует изменения процесса.
В сервисе автоматизация полезна, когда сокращает путь от сигнала клиента до ответственного решения и сохраняет доказательство, на основании которого оно принято.
ПОЗИЦИЯ IT WHITEРезультат этого сценария — не «внедрённый AI», а управляемое изменение показателей: покрытие проверок, подтверждённые нарушения, повторяемые причины негатива. Система должна обнаруживать событие, объяснять контекст и доводить его до ответственного действия.
Target operating model
Что именно меняется после внедрения.
Как разобрать именно этот сценарий.
Полезность системы проверяется на одном повторяемом событии. Исходная ситуация формулируется так: Руководитель проверяет малую выборку диалогов и узнаёт о системных ошибках с задержкой. Для директор по сервису, руководитель поддержки или операционный директор это уже не локальное неудобство сотрудника, потому что сбой отражается на показателе «покрытие проверок» и со временем становится нормой, которую команда перестаёт замечать. До проектирования мы берём несколько реальных событий, восстанавливаем последовательность действий и отделяем причину от симптома.
Контур данных начинается не с единого хранилища, а с минимального набора доказательств. телефония фиксирует первичное событие; мессенджеры даёт контекст или состояние работы; BI подтверждает следующий шаг и результат. Для каждого поля определяется источник, допустимая задержка и правило отсутствующего значения. Если событие нельзя восстановить, его нельзя безопасно использовать для автоматического решения.
Рабочая логика сценария выглядит конкретно: Система проверяет обязательные элементы, тон, обещания и причины негатива, сохраняя фрагмент доказательства. При этом система не подменяет владельца процесса. QA-специалист подтверждает нарушения и меняет рубрику оценки. Такое разделение нужно зафиксировать в интерфейсе, правах доступа и журнале действий, иначе формальный human-in-the-loop останется надписью в презентации, а человек будет подтверждать решение без достаточного контекста.
Главный негативный сценарий тоже проектируется заранее: Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений. Поэтому у пилота должны быть порог уверенности, маршрут исключения, возможность открыть первичные данные и понятный способ отменить действие. Ошибку нельзя прятать в среднем показателе: команда отдельно разбирает ложные срабатывания, пропущенные события и ситуации, где правило сработало правильно, но не привело к действию.
Руководитель принимает решение о масштабировании по трём наблюдаемым изменениям: «покрытие проверок», «подтверждённые нарушения» и «повторяемые причины негатива». Сначала фиксируется базовая линия, затем одна зона работает в режиме пилота, а сравнение проводится на сопоставимом потоке. Целевой бизнес-результат: покрытие проверок, подтверждённые нарушения, повторяемые причины негатива. Если изменение держится только благодаря ручному контролю разработчика, система ещё не готова к эксплуатации.
Architecture
AI не получает власть над процессом. Он получает ограниченную роль.
- телефония
- мессенджеры
- BI
QA-специалист подтверждает нарушения и меняет рубрику оценки.
Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений.
Каждый вывод хранит исходное событие, версию правила или модели и действие ответственного. Если контекста недостаточно, система не угадывает, а переводит событие на ручную проверку.
Business case / no invented ROI
Экономика начинается с потери, которую можно пересчитать.
До сметы мы не обещаем проценты эффективности. Сначала измеряем частоту события, стоимость ручной работы и ошибки, нагрузку на проверяющего и цену эксплуатации контура.
объём событий, в которых возникает проблема «Руководитель проверяет малую выборку диалогов и узнаёт о системных ошибках с задержкой.»
стоимость ручного действия, задержки или ошибки по показателю «покрытие проверок»
доля исключений, которые после запуска всё равно должен проверять человек
стоимость интеграции и сопровождения систем: телефония, мессенджеры, BI
Если измеримый эффект не покрывает стоимость контура и риск, задачу не нужно превращать в отдельный продукт.
Measurement
Как понять, что внедрение работает.
Источник: телефония. Базовая линия: 2–4 недели до пилота.
Источник: мессенджеры. Базовая линия: 2–4 недели до пилота.
Источник: BI. Базовая линия: 2–4 недели до пилота.
Сначала проверяем процесс, качество данных и владельца решения.
Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений.
Readiness check
Когда этот сценарий имеет смысл.
Автоматизация оправдана, когда проблема повторяется, влияет на управляемый показатель и у процесса есть владелец. Для сценария «AI-контроль качества звонков и переписок» сначала проверяем не модель, а фактический маршрут работы.
- 01Повторяемость
Событие повторяется достаточно часто, чтобы измерять «покрытие проверок».
- 02Доступность данных
Первичные данные доступны в системах: телефония, мессенджеры, BI.
- 03Владелец решения
Владелец процесса готов отвечать за исключения и финальное решение.
- 04Ограниченный риск
Риск «Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений.» можно ограничить правилами, журналом и ручной проверкой.
Questions before code
Что нужно выяснить до выбора технологии.
Ответы отделяют реальную задачу от красивой демонстрации. Они же задают границы пилота и критерии остановки.
- Q1
Сколько раз за неделю возникает ситуация: Руководитель проверяет малую выборку диалогов и узнаёт о системных ошибках с задержкой.
- Q2
Где сегодня фиксируется покрытие проверок и можно ли восстановить исходное событие?
- Q3
Кто принимает решение после сигнала и за какое время он должен отреагировать?
- Q4
Какие ошибки системы недопустимы и когда решение обязательно передавать человеку?
Pilot / 4–8 weeks
Как запускать без большой ставки вслепую.
Зафиксировать текущий маршрут
Интервью с владельцем процесса, карта событий, исключения, права доступа и исходные значения KPI. На этом этапе может выясниться, что проблему надёжнее решает обычная логика, а не AI.
Собрать минимальный контекст
Подключаем только необходимые источники: телефония, мессенджеры, BI. Не строим озеро данных до появления первого работающего сценария.
Запустить на ограниченной зоне
Система проверяет обязательные элементы, тон, обещания и причины негатива, сохраняя фрагмент доказательства. Первые решения логируются, а низкая уверенность и исключения уходят человеку.
Сравнить с базовой линией
Смотрим на покрытие проверок, подтверждённые нарушения, повторяемые причины негатива. Если процесс не изменился, не масштабируем интерфейс только ради уже написанного кода.
Пилот принимается по изменению покрытие проверок, подтверждённые нарушения, повторяемые причины негатива, а не по количеству экранов и промптов.
Останавливаем масштабирование, если данные нестабильны, ответственный не использует сигнал или сохраняется риск: Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений.
How IT WHITE enters the project
Не продаём всю систему до проверки процесса.
100–180 тыс. ₽
Карта процесса, данные, потери, владелец решения, варианты архитектуры и предварительная экономика.
от 450 тыс. ₽
Одна ключевая задача, необходимые интеграции, роли, журнал решений, запуск и критерии результата.
от 100 тыс. ₽/мес.
Мониторинг, исправления, качество решений, новые правила, развитие интеграций и отчёт по работе системы.
Decision FAQ
Три вопроса, которые защищают проект от лишней сложности.
Здесь точно нужен AI?
Не обязательно. Если событие определяется стабильными правилами, обычная логика будет дешевле, быстрее и надёжнее. AI нужен там, где решение зависит от неструктурированного контекста.
Что подготовить к первичному разбору?
Один реальный пример сбоя, список систем (телефония, мессенджеры, BI), пример исходных данных и человека, который сегодня принимает финальное решение.
Что происходит при ошибке?
Система сохраняет исходные данные и причину вывода, не выполняет критическое действие без разрешения и передаёт исключение человеку. Главный риск сценария: Оценка без исходного фрагмента и калибровки между экспертами непригодна для кадровых решений.
Evidence base
На каких рыночных сигналах основан сценарий.
Материал синтезирует публичные исследования и практики. Мы не переносим чужие кейсы на себя и не обещаем чужие показатели. Экономика рассчитывается только после анализа вашего процесса.
Related scenarios / Поддержка и сервис
Следующие процессы в том же контуре.
Fit check / 20–30 min
Проверим сценарий «AI-контроль качества звонков и переписок» на вашем процессе.
За 20–30 минут определим разрыв, доступные данные, владельца решения и разумный первый контур. Это бесплатная проверка соответствия задачи, не платная диагностика.