Интеграция LLM-агента в Битрикс24 для анализа звонков в медцентре.

Колл-центр принимает больше 2 200 звонков в месяц. Прослушать всё руками невозможно, поэтому контроль шёл по выборке в 5-10% звонков. Оценка зависела от того, кто слушал, а системно отслеживать ошибки и нарушения скриптов было нечем.

• →Под контроль попадало только 5-10% разговоров
• →Оценка качества зависела от того, кто и когда слушал
• →Нет единой картины по соблюдению скриптов и типовым ошибкам

Записи звонков проходят через сервис расшифровки Helprobot Dialog: голос превращается в текст с разбивкой по спикерам. Дальше ChatGPT определяет тип разговора и проверяет его по чек-листу этого типа. Чек-листы заводятся в отдельном приложении в Битрикс24: у каждого пункта есть критерий и пример выполнения.

По каждому звонку в смарт-процессе "Звонки" появляется карточка: тип звонка, оценка от 0 до 10, ссылка на лид или сделку, текст разговора и разбор. В разборе по каждому пункту стоит "ДА" или "НЕТ" и причина с цитатой из разговора. Оценка в списке звонков вынесена отдельной колонкой, поэтому слабые разговоры видны сразу.

Оценка считается по одной формуле для всех звонков: выполненные пункты делим на число пунктов чек-листа и умножаем на 10. Оператор выполнил 7 пунктов из 9 - оценка 7,8.

• →Расшифровка звонков с разделением по участникам диалога
• →Проверка нейросетью по чек-листу под каждый тип звонка
• →Карточка звонка в смарт-процессе с оценкой и разбором по пунктам

Под проверкой все звонки колл-центра. В октябре 2025 года нейросеть разобрала 2 222 разговора; при выборке 5-10% руководитель прослушал бы 110-220 из них. У каждой оценки есть объяснение: по любому пункту видно, что сказал оператор и почему пункт засчитан или нет.