Как ИИ меняет работу девелоперов: опыт внедрения речевой аналитики

Наш первый контракт с одной из девелоперских компаний на поставку системы речевой аналитики на базе ИИ мы подписали более 10 лет назад. Тогда только предстояло доказать, что это решение приносит выгоду участникам этого рынка. Сегодня компании соревнуются в размере этой выгоды, и уже никто не задается вопросом, а нужно ли вообще такое техническое решение.

Речевая аналитика — не игрушка

Удивительно все, что связано с внедрением ИИ в бизнес. Более всего поражает скорость, с которой различные решения проникают во все бизнес- и технологические процессы предприятий. Кажется, что сдерживает эту динамику лишь человеческий фактор — нехватка у заказчиков опытных специалистов по ИИ. Среди всех продуктов выделяются системы речевой аналитики, пожалуй, первыми доказавшие, что ИИ не модный «гаджет», а реально приносит экономическую выгоду.

Первым это почувствовали финансовый сектор, прежде всего, банки, а также телеком и крупный ретейл. Работа с огромным числом частных клиентов создавала постоянно растущий «снежный ком» речевых данных — записей общения операторов контактных центров с физлицами. Проанализировать весь его было физически невозможно, анализ занимал недели, и охватывал не более 3-5% от всего объема, а выводы, столь нужные продуктологам, маркетологам, стратегическим управленцам, руководителям колл центров, опаздывали. В итоге, при достаточно эффективном сборе ценной клиентской информации, такой как запросы на улучшение продуктов, жалобы на не вполне устраивающие моменты обслуживания, причины отказа от услуг и продуктов, бизнес терял способность быстро и полномасштабно вычленить из всего массива главное и внести коррективы в свою работу. Как следствие — переток клиентов к конкурентам или вовсе клиентская апатия, сопровождающаяся общим снижением потребления всего спектра предложений компании, и даже всего рынка.

Высокий чек — высокая цена ошибки

Девелоперские компании давно осознали ценность речевой аналитики. Самый первый клиент из этой отрасли подключил наше техническое решение еще в далеком 2015 году. Сам же 3iTech основан в 2006-м, и входит в ТОП-3 разработчиков таких систем, по версии независимых экспертов из TelecomDaily, наряду с ЦРТ и BSS. В отличие от других отраслей, сосредоточенных на работе с большим числом клиентов на массмаркете, таких как, например, крупный сетевой ретейл, строители сделали ставку на минимизирование числа несостоявшихся сверхценных сделок.

Средний чек и риск потери единичного клиента в девелопменте настолько высоки, что абсолютно все параметры общения с покупателем приобретают решающее значение. Вы должны знать, как быстро подстроиться под специфические запросы клиента и максимально сократить время на поиск подходящего ему варианта квартиры, вы должны быть вежливы, буквально знать фразы, которые помогают продать, не упустить покупателя. Вы должны знать желания покупателя быстрее и четче, чем он сам их сформулирует. Предугадывать их. Именно это и дает речевая аналитика на базе ИИ, консультируя оператора и продавца налету, а также аккумулируя опыт продаж, вычленяя из него все, что повлияло на успех предыдущих сделок. Обучение продавцов на этом опыте становится качественно иным.

Сегодня в клиентском портфеле 3iTech уже 11 строительных брендов российского рынка, занимающих подавляющую долю своего сегмента в Москве и России. Суммарно, за 2025 год, наша система речевой аналитики проанализировала свыше 9 млн. минут их диалогов с клиентами, снабдив заказчиков инсайтами и бизнес-рекомендациями. Этот параметр хорошо иллюстрирует ранее озвученный тезис о невозможности анализа всего «снежного кома» речевых данных, обрушивающихся на людей, такое под силу только машине.

Обратимся к практике: опыт ГК «А101»

В 2025 году ГК «А101» публично поделилась с рынком  результатами внедрения 3i TouchPoint Analytics: нашей системы речевой аналитики.

Для справки, ГК «А101» — один из ключевых девелоперов России и лидер комплексного развития территорий. По данным Единого реестра застройщиков РФ Группа стабильно входит в топ-5 девелоперов Москвы по объемам строительства и занимает позиции в топ-5 по объему ввода жилья. В портфеле проектов — восемь жилых районов в Новой Москве, два в Ленинградской области, а также масштабные городские инициативы: бизнес-квартал и спортивно-событийный кластер в «Прокшино».

За последние 3 года число сотрудников этого девелопера выросло, поэтому возникла необходимость автоматизации процессов контроля качества обслуживания клиентов.

Фактически девелоперу, как и всем остальным игрокам этой отрасли, необходимо решение для автоматизации анализа звонков, чатов и видео-встреч с гибкой настройкой чек-листов, интеграцией ИИ и возможностью генерирования онлайн-отчетности о качестве и эффективности работы контакт-центра и его операторов. Так как же можно удовлетворить его, и как это было сделано на практике?

Первоначально все компании анализировали данные вручную, а значит, выборочно. На основе полученных данных выстраивается конкурентная стратегия, маркетинг, подходы к клиентам, обучение персонала, который с ними взаимодействуют, прежде всего, продавцов. Как и у большинства других компаний, до внедрения речевой аналитики, оценка качества коммуникаций в ГК «А101» с клиентами проводилась по классике, силами людей: прослушивалось около 3% звонков, т.к. больше просто не под силу. Аналитика получалась выборочной и занимала много рабочего времени специалистов группы контроля и аналитики продаж. В 97% коммуникаций качественную аналитику провести было невозможно. Не было структурированных исторических и оперативных данных, чтобы выявлять зоны роста сотрудников. Они получали обратную связь с большим опозданием, а это негативно сказывалось на их эффективности.

До 2022 года Группа использовала зарубежное решение, но оно ушло с российского рынка. Девелопер инициировал поиск нового поставщика, способного запустить пилотный проект. Два из них не были признаны успешными: один российский вендор не смог выполнить все требования по ТЗ, а именно построить расширенную отчетность с учетом данных о звонках из CRM, а вторая компания существенно увеличила стоимость в процессе пилотирования проекта. Важно понимать, что решение должно окупаться и уметь работать в существующей IT-инфраструктуре компании. В итоге, ГК «А101» внедрила наш продукт. При этом, ключевым фактором выбора поставщика было наличие у нас собственного мощного LLM-модуля. Почему он важен?

Какой бы поставщик ни внедрял у девелопера или иной компании решение, оно должно хорошо понимать естественную речь человека. Сегодня это уже стандарт. Системы с ИИ, но без LLM, увы, работают с шаблонными скриптами, а клиенты, особенно взыскательные, покупающие товары с большим чеком, ту же недвижимость, не любят скрипты. Они могут менять русло беседы на ходу, возвращаться к мыслям, высказанным ранее, отвлекаться, а оператор контактного центра не может их «одергивать». В этом сегменте рынка каждый покупатель финансово значим. Поэтому речевая аналитика просто обязана уметь максимально глубоко анализировать беседу, понимая все ее нюансы, учитывая эмоции и другие специфические факторы.

Отдельно расскажу об этапности работы по внедрению речевой аналитики, т.к. вопросы об этом возникают буквально у всех и сразу, как только в компании приходят к пониманию необходимости в такой автоматизации. Проиллюстрирую на живом примере: работа с ГК «А101» строилась в несколько этапов

Сначала проводилась диагностика бизнес-задач и процессов девелопера, и было разработано детальное ТЗ по настройке речевой аналитики с ИИ в контактном центре.

На втором этапе мы настроили чек-листы под задачи ГК «А101» и запустили пилотный проект, который продлился 8 месяцев.

Затем пришел черед обучения сотрудников нашего заказчика работе с платформой и дашбордами внутри нее. После этого, мы от «пилота» перешли к тестированию рабочей версии системы.

И на завершающем этапе, мы оценили результаты пилотного проекта и, с начала 2025 года, масштабировали рабочую версию решения внутри компании.

Интересно описать ключевые задачи, которые выполнила платформа речевой аналитики, т.к. об этом клиенты тоже всегда спрашивают на переговорах. Просто перечислю, тут детали важны для любого бизнеса.

1. Автоматическая оценка 100% диалогов в контактном центре.
2. Отчетность в разрезе операторов по основным критериям чек-листа (количество назначенных встреч, отработка возражений, назначение повторных встреч).
3. Создание дашборда с рейтингом операторов контакт-центра и количеством поданных ими апелляций (когда оператор не согласен с выводами системы речевой аналитики относительно качества своей работы). На отдельном дашборде также анализируются причины апелляций операторов и отслеживается динамика снижения апелляций, поданных из-за некорректной автоматической оценки.
4. AI-аналитика причин отказов клиентов от записи на встречу. Популярные причины, такие как «занятость/работа», «думает», «семейные обстоятельства», «финансовые причины», выявляются и классифицируются автоматически. Оперативная аналитика причин отказа и возражений позволяет возвращать клиентов в компанию и назначать им встречи, пока они «не ушли окончательно».
5. Предоставление исчерпывающих данных для разработки обучающих мероприятий для сотрудников, в том числе в рамках внутрикорпоративных программ.
6. Интеграция с внутренними системами и поддержка анализа аудио/видео/чатов.

Практические результаты важнее тысячи слов

Мы начали с тезиса о том, что речевая аналитика на базе ИИ это не игрушка. Расхожая фраза скрывает практический экономический смысл в затратах бизнеса на автоматизацию. Эпоха увлечения модными ИИ-продуктами для компаний на российском рынке прошла очень быстро, как и во всем мире. Сегодня, внедрению предшествует трезвый расчет. Да и вендоры выпускают на рынок только то, что действительно экономически выгодно клиентам, иначе продукт не продать. 

Лучше всего, практический смысл решений, в том числе и на базе ИИ, иллюстрирует опыт достигнутых ими результатов, сама польза, ради которой стоит тратить деньги и время. Опираясь на нашу внутреннюю статистику по нескольким сотням подобных проектов за 20 лет могу сказать, что экономический эффект от речевой аналитики определяется десятками процентов роста эффективности продаж в контактных центрах. В течение первого года этот показатель может составлять 35-50% и выше. Обычно, эти данные защищены условиями о неразглашении (NDA), хотя часть компаний озвучивает их публично, в пресс-релизах и презентациях. Но, ведь экономическую эффективность можно оценить и по общим бизнес-эффектам, полученным от внедрения речевой аналитики.  Вернусь к примеру ГК «А101».

• Весь объем звонков анализируются автоматически (до этого показатель был не выше 3%).
• Время на обработку данных сократилось с дней до минут.
• Выявлены и классифицированы причины отказов клиентов от встреч.
• Выявлены причины, по которым клиенты выбирают ГК «А101», и составлен их рейтинг.
• Выявлены источники, из которых клиенты узнают о компании.
• Разработана корпоративная система обучения сотрудников на основе данных AI-аналитики.

Очевидно, Группа компаний получила и продолжает получать в постоянном режиме стратегические преимущества для маркетинга и продаж, а ее клиенты выиграли в качестве и скорости обслуживания. Таков главный итог внедрения нашего продукта.

Сложности внедрения

Наши клиенты из различных секторов экономики подтверждают, что внедрение может быть несложным при правильно выстроенном процессе внутри компании. Например, интернет-магазин бытовой техники и электроники HOLODILNIK.RU отмечал на отраслевых конференциях, что успех внедрения речевой аналитики зависит от вовлеченности всех сотрудников компании и отсутствия страха у людей перед этой инновацией. 

Изначально, такое ПО выглядит для них, как средство контроля с целью ужесточения условий работы, «затягивания гаек», лишения премий за несоответствие формальным высоким стандартам. Задача тех, кто отвечает за успех такого внедрения, состоит, в первую очередь, в разъяснительной работе и развеивании негативных мифов. Речевая аналитика позволяет сотрудникам развиваться, становиться более профессиональными, их стоимость на рынке повышается за счет отточенного мастерства и более глубокого понимания клиента. Сотрудники больше продают, и больше зарабатывают. Эта разъяснительная работа помогает достичь еще большей эффективности самой системы и повышает лояльность сотрудников к компании в целом, т.к. она помогает им поднять профессиональный уровень. Тогда, внедрение и последующее обучение действительно проходят легко.

Многое зависит и от вендора, насколько он отзывчив к малейшим сомнениям или сложностям, возникающим у клиента в процессе внедрения. Насколько само решение способно встроится в существующую IT-инфраструктуру заказчика. Гладко получается не у всех.

Приведу слова Анны Макаровой, руководителя Управления автоматизации и контроля бизнес-процессов CRM ГК «А101»: «Наша компания изначально осознавала ценность речевой аналитики, весь персонал участвовал в ее внедрении. Главная цель — рост продаж. Аналитика помогает оценить работу продавцов, их эффективность в назначении встреч с клиентами, выявить ключевые моменты: как сотрудники применяют тренинги, нет ли давления на клиентов. Теперь мы быстро узнаем о клиентских предпочтениях (например, увеличении спроса на однокомнатные квартиры или запросов на наличие балкона). Также мы выявили причины, в том числе неочевидные для нас, почему клиенты выбирают именно ГК «А101». 3iTech стал надежным партнером в трансформации наших продаж, и мы активно масштабируем внедрение AI в клиентский сервис».

Прогнозы

Рынок недвижимости в России обладает огромным потенциалом и сохраняет свой рост даже в столь сложный для национальной экономики период. По данным исследования TAdviser совокупная выручка строительных компаний в 2025 году приблизилась к 5,6 трлн. рублей. При этом, рост выручки за год в ряде городов исчисляется десятками процентов, а, например, в Нижнем Новгороде достиг и вовсе почти 50%. Аналитики этой компании особо упоминают искусственный интеллект, как важный драйвер роста девелоперского рынка. И хотя подавляющую его часть контролируют сегодня лишь около 20 лидирующих компаний, общее число более-менее крупных застройщиков в России оценивается почти в 2,5 тысячи. 

Экономический рост в сегменте, рано или поздно, получит новый импульс, а не будет держаться лишь на льготной семейной ипотеке. А значит, количество данных для аналитики возрастет еще больше, на порядки. И если уже сегодня мы говорим, что силами людей проанализировать получается не более 3-5% диалогов с клиентами, то завтра без автоматизации обойтись не получится вовсе. Конкуренция за покупателя неминуемо приведет всех без исключения игроков этого рыночного сегмента к необходимости внедрения речевой аналитики.