Федеральный девелопер с выручкой 75 млрд рублей столкнулся с тем, что ручной контроль качества перестал успевать за ростом компании. Исполнитель проекта — платформа речевой аналитики 
Imot.io — рассказал Sostav, как искусственный интеллект заменил выборочную «прослушку» и почему операторы сами просят анализировать их звонки.
В недвижимости цена ошибки в разговоре высока: один упущенный клиент — это потерянные миллионы рублей. Когда контакт-центр обрабатывает сотни звонков ежедневно, контролировать качество вручную становится невозможно. Супервайзеры успевают прослушать 2−3 звонка в месяц на сотрудника, что дает лишь иллюзию контроля.
Компания «Брусника», выросшая по выручке в 3 раза за последние три года, решила кардинально изменить подход. Вместо расширения штата контролеров девелопер внедрил речевую аналитику Imot.io, доверив ИИ 100% коммуникаций.
О компании
«Брусника» — российская девелоперская компания, специализирующаяся на строительстве жилья и развитии городских территорий.
Основана: 2004 год.
Штат: более 4 000 сотрудников.
Контакт-центр: 60 сотрудников, 300+ звонков ежедневно.
Задачи
- Уйти от выборочного контроля. Прослушивание 1% звонков не давало объективной картины. Руководство не понимало, почему одни сделки срываются, а другие — нет.
- Снизить нагрузку на тимлидов. Руководители тратили часы на «прослушку», вместо того чтобы заниматься обучением и стратегией.
- Увидеть «серые зоны» в диалогах. Нужно было фиксировать не только ключевые слова («купить», «цена»), но и смыслы: реальные возражения, сомнения и отложенный спрос, которые не попадали в CRM.
Реализация
В партнерстве с Imot.io «Брусника» внедрила систему, которая не просто транскрибирует текст, но еще и оценивает его по сложной логике с использованием GPT.
Этап 1. Умные чек-листы
Вместо простого поиска слов внедрили взвешенную систему оценки. Разговор разбивается на блоки, каждому присваивается вес. Критическая ошибка (например, грубость или дезинформация) автоматически обнуляет рейтинг звонка. Это дало объективную цифровую оценку работы каждого оператора.
Этап 2. GPT-аналитика смыслов
Для анализа сложных материй подключили GPT-модуль. Он научился выявлять контекст, который не поймать обычными словарями:
- Истинные намерения: «Я просто смотрю» vs «Ищу квартиру сыну».
- Скрытые возражения: «Подумаю» как вежливый отказ vs реальная потребность посоветоваться.
- Сроки: Автоматическое извлечение дат («перееду в июле», «деньги будут после праздников»).
Этап 3. Система апелляций
Чтобы команда приняла новый инструмент, процесс сделали прозрачным. Оператор видит свою оценку сразу после звонка. Если он не согласен с вердиктом ИИ, он может нажать кнопку «Апелляция». Руководитель разбирает только спорные моменты, а не слушает всё подряд.
Результаты
Спустя девять месяцев после старта проекта «Брусника» получила полностью оцифрованный процесс контроля качества:
- 70% экономия времени тимлидов. Руководители перестали заниматься рутинной «прослушкой». Теперь они работают только с проблемными зонами, которые подсветила система.
- 100% охват звонков. Ни один диалог не остается без оценки. Это исключило фактор случайности, когда премия зависела от того, какой именно звонок попался проверяющему.
- Продуктовые инсайты. Данные из звонков (чего хотят клиенты, на что жалуются, с чем сравнивают) теперь автоматически собираются и передаются в отделы маркетинга и продукта. Раньше для этого требовались отдельные исследования.
- Рост вовлеченности. Операторы начали соревноваться за баллы качества. Прозрачная система оценки (зеленая/желтая/красная зоны) превратила контроль в геймификацию.
Вера Берникова, руководитель Подразделения заботы о клиенте «Брусники»:
Нам нужен был инструмент, который оценивает все, а не единичные диалоги. Только так можно понять реальные зоны роста сотрудников. Сейчас мы не тратим время на поиск ошибок — система сама приносит их нам. Тимлиды занимаются развитием людей, а не механическим контролем.
Сергей Фомин, генерального директора Imot.io:
В проекте с «Брусникой» мы впервые применили GPT-модуль для анализа скрытых смыслов в диалогах. Стандартные алгоритмы хорошо работают с ключевыми словами, но не различают контекст. Фраза «я просто смотрю» может означать холодный интерес или серьезное намерение купить квартиру для родственника.
Вера Берникова изначально обозначила важное требование: система должна быть справедливой. При выборочном контроле оценка зависела от того, какие именно звонки попали на прослушку. Это создавало ощущение случайности у операторов.
Переход к 100% анализу изменил восприятие. Когда оценка основана на полном массиве данных, команда начинает доверять метрикам. Операторы сами стали отслеживать свои показатели и запрашивать обратную связь.
Интересный эффект дала система апелляций. Возможность оспорить оценку ИИ не только снизила сопротивление внедрению, но и помогла нам улучшить алгоритмы. Около 15% апелляций показывали ситуации, где система ошибалась, и мы дорабатывали логику на основе этих кейсов.
Выводы
Опыт «Брусники» доказывает: в масштабном бизнесе невозможно управлять качеством вручную. Речевая аналитика Imot.io позволила девелоперу не только сэкономить тысячи часов работы руководителей, но и превратить контакт-центр из «отдела ответов на звонки» в поставщика ценных данных для всего бизнеса.
Теперь «Брусника» слышит 100% своих клиентов, а не 1%, как это бывает у тех, кто не использует современные AI-технологии. И это напрямую влияет на качество продукта и финансовый результат.