Перед нашей командой стояла амбициозная цель: помочь крупному российскому банку автоматизировать анализ звонков, повысить качество обслуживания клиентов и оптимизировать работу колл-центра.

Наш клиент ежедневно обрабатывал тысячи звонков с самыми разными запросами: уточнение информации по счетам, подача заявок, жалобы и претензии. Руководство банка понимало, что качество обслуживания клиентов напрямую влияет на их лояльность, но сталкивалось с рядом серьёзных проблем:

• Огромный объем данных — звонки анализировались выборочно, и большая часть важной информации оставалась вне поля зрения.
• Человеческий фактор — вручную операторы могли ошибаться в оценке диалогов, терять важные детали и субъективно воспринимать разговоры.
• Низкая точность автоматического анализа — существующие решения не справлялись с распознаванием сложных диалогов, особенно с терминологией и специфическими акцентами.
• Информационная безопасность
• — банк не мог передавать аудиозаписи на внешние сервисы для анализа, так как это нарушало строгие требования по защите данных.
• Ограниченная интеграция — существующие системы не позволяли гибко работать с внутренней самописной CRM банка.

Мы развернули Речевую аналитику на стороне банка в формате on-premise, что обеспечило полную безопасность данных. Наше решение интегрировалось с коробочной версией Битрикс24, а также поддерживало работу с самописной CRM банка благодаря REST API.

В рамках проекта мы доработали систему под стереомикрофоны планшетов сотрудников банка для того, чтобы улучшить качество распознавания речи и минимизировать ошибки при анализе диалогов. В этом нам помогла кластерная диаризация на базе NeMo, обеспечивающая точность распознавания до 95% в условиях стандартных телефонных переговоров.