- Город
- Челябинск
- Опыт работы
- 3 года
- На сайте с
- 2026 года
- Юридический статус
- Самозанятый
Компании по доставке воды нужно было проверять, как операторы и менеджеры отрабатывают скрипт продаж. Раньше это делали вручную: руководитель выборочно слушал записи и заполнял чек-лист.
Задача: автоматически забирать записи звонков, переводить речь в текст, проверять разговор по пунктам скрипта и показывать результат по каждому сотруднику. Работал по ТЗ и договору, данные звонков на скриншотах скрыты.
Сделал сервис целиком, от загрузки записи до отчёта:
- автозабор записей с FTP вместе с данными клиента из 1С
- распознавание речи с разделением на оператора и клиента, словарь терминов компании для точности
- проверка разговора по пунктам скрипта нейросетью: ответ «Да», «Нет» или «Не применимо» с цитатой из разговора
- там, где ответ можно вычислить по тексту, его считает код, а не модель: так проверка стабильнее
- маскирование персональных данных перед отправкой текста в нейросеть
- редактор скрипта: руководитель сам меняет пункты, критерии и веса, ключевые пункты отправляют звонок в проблемные
- дашборд: средний балл, проблемные звонки, матрица выполнения блоков по сотрудникам, поиск по фразам из разговора, теги и тон клиента
- сравнил несколько движков распознавания и языковых моделей на реальных звонках, движок меняется настройкой
Стек: Python, FastAPI, Next.js, React, SQLite. Развернул на сервере и настроил выкладку обновлений.
Сервис работает на реальных звонках: записи сами приходят с FTP, в системе появляются расшифровка и оценка по скрипту.
Прошёл несколько раундов замечаний от заказчика. После разбора спорных случаев точность проверки на тестовом наборе звонков дошла до 98%.
