Задача была проверить идею сервиса, который автоматически анализирует звонки менеджеров и помогает отделу контроля качества быстрее находить ошибки, сильные стороны и зоны роста.
В MVP нужно было собрать сценарий, который получает звонки из Битрикс24/Voximplant или принимает загруженный аудиофайл, распознаёт речь, разделяет роли менеджера и клиента, фильтрует нецелевые звонки и передаёт целевые диалоги на AI-анализ.
Проект создавался как MVP-прототип для тестирования логики, пользовательского сценария и качества AI-оценки, а не как финальная промышленная версия продукта.
Я собрала workflow в n8n, который автоматизирует полный цикл обработки звонка.
Сценарий получает звонки из Битрикс24/Voximplant по выбранному периоду, менеджеру и длительности, скачивает запись, отправляет аудио на транскрибацию через Whisper / GPT-модель, выполняет первичную фильтрацию через AI Gatekeeper и отсеивает нецелевые звонки.
Для целевых звонков реализована разметка ролей менеджера и клиента, структурированный AI-анализ по чек-листу качества, определение типа звонка, продукта, возражений, критических ошибок, рекомендаций и итоговой оценки.
Также добавила авторизацию через email-код, проверку сессии, ручную загрузку аудио с сайта и передачу результата в интерфейс в виде JSON-структуры.
Стек: n8n, Битрикс24 REST API, Voximplant, webhook, Google Sheets, SMTP, Whisper/GPT, AI Gatekeeper, JSON.
В результате получился рабочий MVP-прототип сервиса для AI-анализа звонков.
Система автоматически получает или принимает аудиозапись, распознаёт речь, фильтрует нецелевые звонки, анализирует диалог по чек-листу и возвращает структурированный результат для интерфейса: transcript, роли участников, оценку звонка, блоки качества, ошибки, рекомендации, маркеры и JSON с результатами анализа.
MVP позволил проверить основную гипотезу: можно сократить ручной разбор звонков, быстрее получать структурированную оценку качества диалога и использовать результат как основу для обратной связи менеджерам.
Пожаловаться
