Как распределить типовые тревожные сигналы между голосовым AI и оператором: опыт центра мониторинга безопасности

Автоматизация контакт‑центров обычно начинается с простых сценариев — консультаций или маршрутизации звонков. Один из крупных центров мониторинга систем безопасности столкнулся с более чувствительной задачей: автоматизировать обработку тревожных сигналов по автомобилям так, чтобы не потерять в скорости реакции и точности. Рассказываем, как компания вместе с разработчиком в сфере голосовых технологий Neuro.net искала границу между тем, что может делать голосовой AI, и тем, что должно оставаться за оператором — и что из первой версии сценария пришлось поменять.

С какой задачей пришёл заказчик

Дополнительно к этому нужно было решить несколько условий одновременно:

• сократить время реакции на сигнал тревоги — особенно в пиковые периоды, когда операторов не хватает на всех обратившихся;
• снизить нагрузку на операторов и стоимость обработки одного обращения;
• сохранить корректную идентификацию клиента, в том числе при использовании паролей и других проверочных данных;
• минимизировать ошибки, связанные с человеческим фактором — особенно у новых сотрудников;
• не ухудшить качество сервиса и не увеличить раздражение клиентов от частых звонков.

Было очевидно, что автоматизировать процесс целиком нельзя: часть решений в сфере охранного мониторинга требует оценки оператора. Вопрос был не «автоматизировать или нет», а «с чего начать и где провести границу».

Почему начали с одного типа тревог

Внедрение не стартовало сразу по всем видам сигналов. Первым выбрали тип тревоги «вторжение» — сообщение о потенциальной попытке проникновения в автомобиль и риске угона. Причина в том, что именно здесь задержка реакции была наиболее рискованной: в пиковые периоды, когда количество срабатываний превышало возможности операторов одновременно их обрабатывать, звонок клиенту мог поступать спустя несколько минут после сигнала — а при реальной попытке угона это критично.

Сегодня голосовой AI обрабатывает около 65% типов тревог и самостоятельно завершает 86% обращений в рамках этих сценариев

После того как сценарий на этом типе тревоги показал стабильный результат, его начали расширять на другие виды сигналов. Сегодня голосовой AI обрабатывает около 65% типов тревог и самостоятельно завершает 86% обращений в рамках этих сценариев — остальные передаются операторам. Сейчас в компании обсуждают следующий шаг: передавать эти оставшиеся сценарии оператору не сразу, а с задержкой, чтобы в первую очередь их разбирал голосовой ассистент.

Что пришлось поменять после первого запуска

Одной из проблем, с которой заказчик столкнулся ещё до внедрения голосового AI, было раздражение клиентов от самой политики частых звонков: сигнал тревоги срабатывает даже на некритичные события — например, сильный шум рядом с автомобилем или сильный дождь, — и каждый раз клиенту звонили, просили назвать код, спрашивали, всё ли в порядке с машиной. Полностью убрать сами звонки было нельзя: одна пропущенная реальная тревога обходится компании дороже, чем лишний звонок клиенту, а решение о том, реагировать ли на сигнал, — это политика компании, а не то, что можно изменить настройкой робота.

Как организовали работу голосового ассистента

Голосовой AI Neuro.net принимает звонок, идентифицирует клиента по одному фактору подтверждения, получает необходимую информацию по регламенту и передаёт данные в систему. Если разговор выходит за рамки стандартного сценария, клиент относится к VIP‑категории или прямо просит оператора — вызов автоматически переводится сотруднику центра мониторинга.

Время реакции на сигнал тревоги — то есть время от срабатывания сигнала до первого контакта с клиентом — сейчас не превышает 10 секунд.

Как встроили сценарий в процесс заказчика

Внутри компании‑заказчика действует протокол эскалации: если дозвониться до основного контакта клиента не удаётся, система делает повторные попытки по резервным контактам — до трёх попыток дозвона. Если ни один из контактов не отвечает, обращение передаётся в группу реагирования, которая, прежде чем выезжать на место, тоже сначала пытается самостоятельно связаться с абонентом. Голосовой AI встроен в начало этой цепочки: он берёт на себя первый и самый массовый этап — типовой контакт по стандартному сценарию, — оставляя эскалацию по нестандартным и неотвеченным случаям на существующий процесс заказчика.

Что можно перенять другим компаниям

После того как сценарий на автомобильных тревогах показал стабильный результат, заказчик начал тестировать аналогичный подход для обработки тревог по объектам недвижимости.