/
Кейс внедрения голосового ИИ-оператора в аварийно-диспетчерской службе
Ниша: ЖКХ / управляющая компания
Тип бизнеса: региональная компания
Модель работы: диспетчерско-аварийная служба, приём звонков от жильцов
Контекст: более 10 крупных многоквартирных домов, отдельные бригады (слесари, электрики и др.). Диспетчерская служба совмещает приём аварийных заявок, консультации по начислениям и вопросы по оплате коммунальных услуг.
"У нас есть диспетчерская, пять операторов, работают с 8 до 20. Но жильцам, конечно, нет дела до нашего рабочего графика — аварии могут происходить и ночью, и днём, и в моменты, когда все операторы уже заняты.
Оператор — живой человек. Он может говорить только с одним абонентом. Звонок формально ничем не ограничен: объяснение платёжки пожилому человеку может затянуться на часы. Если линия занята — люди ждут, нервничают или просто бросают трубку.
Звонки бывают разными: аварии, вопросы по коммунальным начислениям, "почему нет горячей воды", "когда придёт мастер". Всё это попадает в одну диспетчерскую, и в пиковые моменты мы просто не успеваем.
В какой-то момент компания упёрлась в физический потолок: увеличивать штат дорого, а терять заявки и разбираться с недовольными жильцами — ещё дороже."
Мы встроили ИИ как дополнительный слой в существующие бизнес-процессы диспетчерской службы, не ломая текущие процессы и не меняя инфраструктуру заказчика. Решение работает поверх уже используемой телефонии и подключается к внутренним системам через API.
В основе — микросервис, который отслеживает входящие звонки и состояние очереди. Когда все операторы заняты или недоступны, система автоматически принимает звонок и переводит его в режим диалога с ИИ.
ИИ работает в реальном времени: принимает голос абонента, распознаёт речь, преобразует её в текст и анализирует содержание обращения. На этом этапе система определяет тип запроса — аварийная ситуация, вопрос по коммунальным начислениям или типовое обращение.
Если запрос относится к частым вопросам, ИИ находит ответ в базе знаний и озвучивает его абоненту голосом. Если звонок связан с аварией, система уточняет адрес (или определяет его по номеру телефона) и формирует корректную заявку во внутренней системе заказчика.
Живой оператор подключается только в тех случаях, где без участия человека не обойтись. Все типовые сценарии и часть аварийных обращений закрываются автоматически, без увеличения нагрузки на диспетчерскую.
Ядро системы, отвечающее за диалог с абонентами и обработку обращений. ИИ-агент разработан на базе Python и использует DeepSeek для понимания речи и формирования ответов. Управление запросами и маршрутизация моделей реализованы через OpenRouter и LiteLLM, что позволяет гибко работать с диалогами и нагрузкой.
Решение интегрировано в существующую голосовую инфраструктуру заказчика и работает поверх действующей телефонии на базе Asterisk. Обработка аудиопотока, приём и передача речи в реальном времени реализованы с использованием GStreamer. Это позволило встроить ИИ в текущую АТС без её замены и изменения привычных процессов.
Для связи ИИ-агента с внутренними системами заказчика реализован API-слой на FastAPI. Через него система формирует заявки, передаёт данные и взаимодействует с внутренними сервисами, обеспечивая корректную работу диспетчерских процессов.
Решение развернуто на сервере внутри контура клиента. Используется конфигурация без GPU, оптимизированная под нагрузку диспетчерской службы и требования по безопасности и стабильности работы.
50–60 звонков в сутки обрабатываются системой
Около 16% всех заявок формируются с помощью ИИ
Снижение нагрузки на операторов в часы пик
Хотите голосового ИИ-оператора для своего бизнеса? Давайте обсудим.
Хочу такое решение