Как голосовые роботы меняют взаимодействие граждан и государства

Цифровизация в регионах сегодня выходит за рамки «личного кабинета на госуслугах». Для граждан основной точкой контакта становятся телефон и мессенджеры. Если линии перегружены, время ожидания растет, а операторы выгорают. Неудобства возникают для всех — и для людей, и для власти. Голосовые ассистенты на базе ИИ позволяют регионам перейти от борьбы с очередями к управлению потоком обращений и качеством сервиса.

Решения компании BSS используются уже в десятках субъектов РФ и меняют работу контакт-центров, начиная от экстренных линий 122 до МФЦ.

Зачем региону голосовой ассистент

Региональные органы власти решают те же задачи, что и бизнес­ — снизить количество рутины, ускорить процессы, повысить лояльность и сделать сервис предсказуемым. Голосовой робот берет на себя все типовые сценарии, где есть понятный регламент и повторяющиеся запросы.

Он может:

• круглосуточно принимать и распределять входящие звонки;
• сокращать время ожидания на линии;
• повышать скорость обслуживания при пиковых нагрузках;
• минимизировать потери из-за недозвонов;
• снижать нагрузку на операторов за счет автоматизации типовых вопросов.

Робот не устает, не берет отпуск и одинаково эффективно работает ночью и в «час пик». При корректной настройке сценариев и речевой аналитики он делает меньше ошибок, чем перегруженный оператор, и дает руководству прозрачные метрики по каждому этапу обработки обращения.

Омниканальный контакт-центр как «единое окно»

Следующий шаг — объединить каналы взаимодействия с гражданами, такие как звонки, e-mail, онлайн-чаты, мессенджеры, социальные сети, мобильные приложения, в одну систему.

Омниканальная платформа решает несколько задач одновременно:

• сохраняет единый контекст общения, потому что вся история запросов и переписки видна в одном интерфейсе;
• позволяет гражданину начать диалог в чате, продолжить по телефону и завершить по почте без повторения одной и той же информации;
• дает оператору полную картину взаимодействия и помогает предложить персонализированное решение.

В одном из регионов решения интеллектуальной диалоговой платформы Digital2VerbAI компании BSS работают сразу в пяти ведомствах: Минздраве, Минсоцразвития, МФЦ, Центре занятости и региональном ИТ-центре. Внедрение реализовано совместно с БФТ-Холдинг. Единая платформа помогает выстраивать разные сценарии обслуживания для ведомств в рамках одного решения, без разворачивания отдельных контакт-центров под каждую задачу.

Экономика проекта — региональный Минздрав

Интересен опыт Министерства здравоохранения одного из российских регионов, где голосовой ассистент:

• обрабатывает до 12 тыс. звонков в день;
• помогает работе 50 операторов контакт-центра;
• самостоятельно записывает на прием к врачу около 34% абонентов;
• в 55% автоматизирует вызов врача на дом.

Робот совершает более 10 тыс. исходящих звонков в день, высвобождая до 300 временных интервалов медработников, улучшая доступность помощи. Один оператор в среднем за смену делает до 200 исходящих звонков, то есть без робота региону пришлось бы значительно увеличивать штат.

По оценке заказчика, голосовой помощник позволяет сэкономить более 2,5 млн руб. в месяц. В противном случае потребовалось бы расширить смену с 50 до 80 операторов, чтобы удержать тот же уровень сервиса для 1,4 млн жителей региона.

Голосовой робот в МФЦ — 77% обращений без оператора

В одном из крупнейших регионов страны голосовой ассистент внедрен в МФЦ. На старте команда проанализировала наиболее типовые запросы и настроила сценарии для:

• проверки статуса текущего заявления;
• предварительной записи в МФЦ;
• информирования о режиме работы офисов;
• подачи обращения через систему «Добродел»;
• отмены или переноса записи;
• напоминаний о визите.

В среднем за месяц голосовой помощник:

• обслуживает около 87 700 обращений граждан;
• совершает почти 69 000 исходящих звонков;
• обеспечивает уровень автоматизации порядка 77,5%, три четверти звонков закрываются без участия оператора.

Для региона это означает управляемую нагрузку на фронт-офис, меньше очередей и измеримые показатели качества работы.

Безопасность персональных данных и технологический суверенитет

Для государственных заказчиков критичен вопрос, где хранятся данные и как обеспечивается защита паспортных данных, СНИЛС, полисов ОМС и другой чувствительной информации.

Архитектура проекта строится так, чтобы:

• развернуть решение в закрытом контуре заказчика;
• использовать защищенные протоколы передачи данных (например, ViPNet);
• хранить данные на мощностях, предоставленных регионом;
• аттестовать рабочие места операторов по требованиям информационной безопасности.

Весь стек AI-решений, включающий конструктор диалогов, распознавание и синтез речи, обучение моделей, автоматизацию исходящих звонков, речевую аналитику, разворачивается внутри контура. Это снижает зависимость от внешних сервисов и помогает соблюдать требования регулятора по суверенитету данных. При необходимости платформа может быть установлена и в облачной инфраструктуре самого заказчика.

Интеграция с региональными информационными системами идет через API, так как сформирована библиотека готовых модулей для типовых систем. При «уникальных» интеграционных шинах задача решается за счет изучения локальных протоколов. Технических блок-факторов, как правило, не возникает, но увеличивается только время проектирования.

Маршрутизация, аналитика и метрики

Основной принцип — голосовой робот не заменяет оператора, а работает в связке с ним. Переход от ассистента к человеку настраивается в сценариях и реализуется через маршрутизацию вызова.

В социально значимых службах это особенно заметно:

• в нестандартных ситуациях;
• при явном недовольстве или тревоге абонента;
• по прямой просьбе «соединить с оператором».

В этих случаях робот передает звонок и весь контекст, то есть распознанные данные, адрес вызова, выбранную услугу, экономя время на уточнения и снижая риск ошибки.

Речевая аналитика дополняет эту связку:

• система записывает и анализирует диалоги по набору критериев качества;
• сравнивает поведение оператора с утвержденными сценариями;
• выделяет «узкие места» и точки, где абоненты чаще всего «падают» из воронки;
• помогает службе контроля качества выстраивать адресное обучение сотрудников.

В современных проектах используется комбинация классических моделей и больших языковых моделей (LLM) с технологией RAG. Модель обучается на специальной базе знаний по каждой линии и на примерах реальных диалогов, которые прошли проверку. Это повышает точность классификации запросов и понимание контекста.

Для управления эффективностью обычно применяют две базовые метрики:

• Автоматизация — доля звонков, которые ассистент обработал без перевода на оператора.
• Конверсия — доля успешно оказанных услуг в рамках сервиса, например, завершенная запись к врачу.

Такой подход позволяет точечно дорабатывать сценарии и аргументированно объяснять эффект проекта руководству региона.

Риски и перспективы ИИ

Генеративные модели дают новые возможности, но несут и риск недостоверных ответов. Для бизнеса и госорганов это вопрос репутации и доверия граждан.

Чтобы управлять этим риском, на начальных этапах интеграции можно:

• маркировать ответы ассистента как тестовые, не являющиеся официальной позицией ведомства;
• ограничивать перечень сценариев, где используется генеративный ИИ;
• обеспечивать возможность быстрого вмешательства человека через речевую аналитику в реальном времени. Например, реагировать на маркеры конфликтных тем или некорректной лексики и перехватывать звонок.

В перспективе трех — пяти лет логичным развитием представляются мультиагентные системы. Несколько специализированных ассистентов, которые координируют свои действия, чтобы решать сложные запросы граждан, будь то запись ко врачу или сопровождение социального кейса. При этом полностью отказываться от привычных голосовых меню и тонового набора никто не планирует. Часть аудитории, прежде всего пожилые люди, чувствует себя с ними комфортнее. Задача региона — дать каждому удобный вариант взаимодействия.

Современные AI-решения уже сегодня позволяют регионам выстраивать клиентоориентированные сервисы, разгружая операторов, минимизируя очереди и делая услуги доступными 24/7. Ключевой фактор успеха — это управленческий подход: воспринимать контакт-центр не только как службу поддержки, но и как инструмент повышения качества услуг и доверия граждан.