Серия «Нейроассистент»

Для ускорения обработки я использую систему словарей. Это заранее загруженные базы типовых фраз, терминов автосервиса, названий услуг, марок автомобилей и других часто встречающихся слов. Когда нейромодуль распознаёт речь, он сначала сверяется со словарями. Это снижает нагрузку на основную нейросеть и ускоряет распознавание. Система словарей работает как фильтр: она выделяет ключевые слова и передаёт их в аналитический модуль уже в структурированном виде.

Весь процесс выглядит так. Аудио в хешированном виде приходит на Beget. Beget передаёт его на мой сервер. Дешифровщик расшифровывает данные. Обработчик с помощью словарей быстро выделяет важную информацию. Нейромодули анализируют речь, голос и формируют подсказку. Готовая подсказка в хешированном виде отправляется обратно через Beget в интерфейс менеджера. Менеджер видит её на экране смартфона.

Все контейнеры используют общее API DeepSeek. Я оплачиваю тариф с достаточным лимитом запросов, чтобы обрабатывать одновременно до десяти звонков. Пока этого хватает. Если звонков больше, запросы выстраиваются в очередь и обрабатываются по очереди, но задержка всё равно остаётся в пределах нескольких секунд.

Важно, что контейнеры не хранят данные после завершения разговора. Как только звонок закончен, исполнительный модуль передаёт все данные на мой собственный сервер, а временный контейнер на Beget уничтожается. Это экономит ресурсы и гарантирует, что чужие данные не останутся в облаке.

Для меня было важно, чтобы менеджеры не чувствовали конкуренции за ресурсы. Если один разговор требует больше вычислительной мощности, например, клиент говорит сложными предложениями или эмоционально напряжён, это не влияет на другой разговор. Каждый контейнер имеет свои границы по памяти и времени.

Сейчас я планирую расширять систему. Во-первых, хочу добавить модуль, который будет анализировать повторные звонки от одного клиента. Чтобы система помнила предыдущие разговоры и видела динамику настроения клиента. Во-вторых, хочу настроить автоматическое создание отчётов для меня как руководителя. Чтобы в конце недели я получал сводку: сколько звонков обработано, сколько записей создано, какие возражения чаще всего возникали.

В-третьих, я думаю о том, чтобы добавить голосовой вывод подсказок. Чтобы менеджер мог не смотреть на экран, а слышать подсказку в наушник. Но это пока на стадии идей.

---

А теперь я хочу подвести краткий итог всей этой истории.

За полгода я создал систему, которая помогает моим менеджерам лучше общаться с клиентами. Ассистент работает в реальном времени, анализирует речь и голос, выдаёт подсказки, запоминает детали и автоматически заполняет CRM. Я не программист, я владелец автосервиса, и я сделал это с помощью современных инструментов и нейросетей.

Почему это важно. В нашем бизнесе общение с клиентом решает всё. Можно иметь отличных мастеров и современное оборудование, но если менеджер не может найти общий язык с человеком, клиент уйдёт к конкурентам. Нейроассистент не заменяет менеджера, он даёт ему опору и уверенность. Это как шпаргалка для экзамена, которая всегда под рукой.

Почему защита данных так важна. В автосервисе мы знаем о клиентах многое: номера телефонов, адреса, госномера, историю ремонтов. Эта информация должна быть под контролем. Все данные передаются в хешированном виде, расшифровываются только на моём локальном сервере. Beget я использую только как транзитный узел для передачи. Если у провайдера будут проблемы, моя база клиентов останется у меня. Если кто-то попытается взломать облачный сервер, он не получит историю разговоров и личные данные, потому что там нет расшифрованной информации. Это моя ответственность перед клиентами и законом.

Спасибо, что читали эту серию. Я не продаю и не рекламирую эту систему, я рассказываю о своём опыте. Всех 6 подписчиков обнял! Следующая серия пишется, она будет посвящена автоматизации приемки машин и проработки технологических процессов и их интеграция в систему. Если у вас есть вопросы — спрашивайте в комментариях, отвечу.

Конец.

Третий результат — количество записанных клиентов выросло. Я сравнил две недели до внедрения и две недели после. Прирост составил около пятнадцати процентов. Это не связано с рекламой или акциями. Просто менеджеры стали лучше завершать разговор предложением записи. Модуль подсказывает, когда и как сказать: "Я могу вас записать на удобное время". Раньше эта фраза иногда терялась в разговоре.

Четвёртое изменение коснулось работы руководителя. Я вижу все разговоры в системе в виде текстовых расшифровок. Мне не нужно слушать каждый звонок, чтобы понять, как проходит общение. Достаточно открыть историю и посмотреть, где менеджер воспользовался подсказкой, а где нет. Это помогает мне обучать сотрудников и корректировать их работу.

Также я заметил, что сами менеджеры стали меньше уставать. Раньше им приходилось одновременно слушать клиента, запоминать детали и думать, что сказать. Теперь часть этой работы взял на себя ассистент. Голова не перегружена, и к концу смены сотрудники чувствуют себя лучше.

Конечно, были и сложности. Первые дни система иногда выдавала подсказки с задержкой, потому что я неправильно настроил буфер аудио. Пришлось уменьшить размер порций, которые отправлялись на сервер. Также менеджеры привыкали смотреть на экран во время разговора. Но через пару дней это стало естественным.

В следующем посте расскажу о том, как система работает с несколькими звонками одновременно и как я планирую развивать проект дальше.

Второе направление — это исследования речи. Я добавил работы по лингвистике и речевым паттернам. Модуль научился замечать, когда человек использует обороты сомнения, когда переходит на защиту, когда готов к согласию. Это помогло ему не только анализировать, но и строить свои ответы, избегая конфликтных и провокационных фраз.

Третье направление — это маркетинг и реклама. Я собрал материалы по психологии покупок, по обработке возражений, по закрытию сделок. Модуль запомнил типичные вопросы и сомнения клиентов автосервиса: "дорого", "долго", "а вдруг не поможет", "у соседей дешевле". Для каждого возражения он подобрал варианты ответов, которые приводят к записи или продаже.

Но самое необычное — это четвёртое направление. Я обучил модуль на классике русского кино и литературы. Это дало ему понимание живых, естественных речевых оборотов, которые используются в повседневном общении. Фразы из фильмов и книг звучат тепло и знакомо для русского уха. Модуль не говорит канцеляритом и не копирует западные шаблоны. Его подсказки похожи на речь грамотного, доброжелательного собеседника, а не на стандартные скрипты продаж.

Обучение я проводил в несколько этапов. Сначала я загрузил все тексты и дал системе задание просто прочитать и запомнить. Потом я тестировал её на реальных диалогах, которые я записывал в своём сервисе раньше. Система предлагала свои варианты ответов, а я оценивал, насколько они уместны. Если ответ мне не нравился, я помечал его и загружал правильный вариант для переобучения. Так происходила настройка.

Сейчас, спустя несколько недель тестирования, я вижу, что подсказки стали точными и естественными. Менеджеры говорят, что им легко использовать эти фразы, потому что они звучат как обычные слова, а не как заученный скрипт.

В следующем посте расскажу о первых результатах и о том, что изменилось в работе моего автосервиса после внедрения ассистента.

Сам обработчик, в котором работают все пять нейромодулей, находится на моём собственном защищённом сервере в офисе. Именно там происходит распознавание речи, эмоциональный анализ, формирование подсказок и запись данных. Beget не видит содержание разговоров, он только передаёт зашифрованный поток.

Все важные данные я храню на своём сервере. Это физическая машина, к которой имеют доступ только я и мой системный администратор. На сервере хранятся записи разговоров, карточки клиентов, история ремонтов, договорённости и задачи для мастеров. Аудиофайлы не покидают мой локальный сервер, они остаются там навсегда.

Связь между Beget и моим сервером построена по защищённому протоколу. Передаются только те данные, которые нужны для работы: имя клиента, его номер, выбранные услуги, дата и время записи. Вся эта информация идёт в хешированном виде, чтобы даже в случае технического сбоя на Beget никто не мог прочитать личные данные клиентов.

Для меня это важно ещё и потому, что я не хочу зависеть от одного провайдера. Если у Beget будут технические проблемы или взлом, данные клиентов останутся в безопасности на моём сервере. Веб-интерфейс может временно отсутствовать, но база с записями и задачами будет у меня. Я смогу продолжать работать в офлайн-режиме, пока облачный сервер восстанавливается.

Кроме того, я соблюдаю закон о персональных данных. Хранение информации на своём сервере даёт мне контроль над тем, кто и когда получает доступ к данным. Я веду журнал всех обращений к базе, чтобы отслеживать подозрительную активность.

Доступ к интерфейсу ассистента у менеджеров тоже ограничен. Каждый из них входит в систему по своему логину и паролю. Без авторизации интерфейс не показывает никакой информации, только форму входа. Это исключает случайный доступ, если телефон менеджера потеряется.

В следующем посте расскажу, как проходило обучение нейромодулей на психологии, маркетинге и русской классике. Многие спрашивали про этот этап.

Как только первая порция аудио приходит на сервер, она отправляется в нейромодуль распознавания. Этот модуль использует API DeepSeek. Он переводит речь в текст с минимальной задержкой. Но здесь важный момент: я не жду, когда модуль завершит полную расшифровку всей фразы. Текст передаётся в аналитический модуль по мере поступления слов, по кусочкам.

Параллельно с распознаванием текста работает модуль эмоционального анализа. Он получает тот же аудиопоток и анализирует голосовые характеристики: частоту, громкость, паузы. Этот модуль не ждёт текста, он работает независимо.

Когда появляются первые слова текста и первые данные эмоционального анализа, они объединяются в аналитическом модуле. Модуль смотрит на то, что сказано, и на то, как сказано. Он определяет, о чём говорит клиент, и в каком он состоянии.

Дальше вступает рекомендательный модуль. Он знает, какую цель выбрал менеджер в интерфейсе. Он берёт текущий анализ разговора и подбирает подходящий вариант ответа. База ответов — это те самые фразы, которые я загрузил при обучении на психологии, маркетинге и классической литературе.

Итоговая подсказка отправляется обратно в интерфейс менеджера. Весь этот цикл занимает от двух до пяти секунд с момента, когда клиент закончил говорить. Этого времени достаточно, чтобы менеджер услышал собеседника, посмотрел на экран и подготовил ответ.

Я тестировал задержку при разной скорости интернета. На Beget сервер расположен в России, поэтому пинг минимальный. Даже при слабом мобильном интернете у менеджера подсказка появляется раньше, чем клиент начинает следующую фразу.

В следующем посте расскажу о безопасности и о том, почему я храню данные на отдельном сервере, а не на Beget.

В центре экрана появляются подсказки. Они приходят в виде коротких фраз или вопросов. Например, клиент говорит: "Дороговато у вас". Система анализирует это и выдаёт вариант ответа: "Я понимаю, для многих цена важна. Но давайте я расскажу, что входит в эту стоимость". Подсказка видна на экране, и менеджер может произнести её своими словами или почти дословно.

В нижней части экрана расположены кнопки с целями. Менеджер может выбрать одну из них до разговора или в процессе. Это кнопки: "Продажа", "Консультация", "Перевод на сайт", "Перевод в соцсети", "Запись клиента". Когда цель выбрана, система подстраивает подсказки под неё. Если цель — продажа, подсказки будут убеждающими. Если цель — консультация, подсказки будут объясняющими и подробными.

Также на экране есть кнопки быстрого действия. Одним нажатием менеджер может создать задачу для мастера, отправить клиенту смс с напоминанием или перенести запись. Все эти действия фиксируются в системе онлайн-записи.

Отдельно я сделал историю разговора. Она появляется в виде чата, когда менеджер прокручивает экран вниз. Там видны все реплики, которые распознала система, и все подсказки, которые она выдавала. Это помогает после звонка быстро вспомнить детали.

Что важно — интерфейс не мерцает и не мигает. Подсказки появляются плавно, без резких звуков и вспышек. Я тестировал это с менеджерами, и они подтвердили: экран не отвлекает. Они смотрят на него только тогда, когда им нужна помощь.

В следующем посте расскажу, как происходит техническая обработка звонка от нажатия кнопки принять до появления подсказки на экране.

Третий модуль — аналитический. Он соединяет данные от первых двух. Он смотрит на текст и на эмоциональную окраску и делает выводы. Например, клиент говорит "я подумаю", но голос у него уверенный и заинтересованный. Модуль понимает, что это не отказ, а просто формальность. И наоборот, если клиент говорит "да, хорошая цена", но голос напряжённый, модуль видит сомнение.

Четвёртый модуль — рекомендательный. Это самый важный для менеджеров. Он получает выводы от аналитического модуля и знает, какую цель мы выбрали в интерфейсе. Дальше он подбирает правильные слова для ответа. Он хранит в себе базу фраз, которые я загрузил туда при обучении. Эти фразы основаны на классике русского кино и литературы, чтобы звучать живо и по-человечески. Модуль выдаёт менеджеру короткие подсказки прямо на экран смартфона.

Пятый модуль я назвал исполнительным. Он отвечает за действия. Когда разговор завершён или когда в процессе разговора менеджер нажимает кнопку, этот модуль берёт всю собранную информацию и распределяет её по разделам системы онлайн-записи. Он создаёт карточку клиента, запоминает дату и время, фиксирует договорённости и ставит задачи мастеру или другому менеджеру.

Все эти модули работают одновременно в реальном времени. Задержка минимальная, потому что я использовал асинхронную обработку, но об этом расскажу в посте про техническую сторону.

Самое важное для меня — что модули не просто механически обрабатывают информацию. Они действительно помогают менеджеру чувствовать клиента. Я сам проверил это на первых звонках. Раньше я не всегда понимал, почему клиент уходит. Теперь система показывает слабые места прямо во время разговора.

В следующем посте расскажу, как выглядит интерфейс на смартфоне менеджера и как он работает в реальном звонке.