שילוב AI עם מרכזיית ענן: תמלול וניתוח

שילוב AI עם מרכזיית ענן (Cloud PBX): תמלול וניתוח נתונים

נציגים מבזבזים עד 15% מזמן העבודה שלהם על הזנת נתונים ידנית לאחר שיחה. מנהלים מבלים שעות בהאזנה להקלטות בחיפוש אחר נתון בודד. תפריטי IVR סטנדרטיים מאלצים לקוחות ללחוץ על כפתורים, ומאבדים הקשר. שילוב AI עם מרכזיית ענן פותר את שלוש הבעיות בבת אחת: תמלול אוטומטי, ניתוח NLP וניתוב חכם ללא צורך בהקמת תשתית טלפוניה משלכם. יישמנו פתרונות כאלה עבור 15+ חברות — ממחלקות מכירות ועד מוקדי שירות עם 300 נציגים. הניסיון שלנו הוא 5+ שנים, עם אחריות SLA של שעתיים ועמידה ב-152-FZ.

תמלול וניתוח AI: איך זה עובד

הארכיטקטורה מבוססת על Webhook: המרכזייה שולחת בקשת POST לשרת ה-AI שלכם עבור כל אירוע (שיחה נכנסת, סיום שיחה). השרת מעבד את האודיו ומחזיר פקודות ניתוב או מעדכן את ה-CRM. זה מאפשר אינטגרציה תוך 1–4 שבועות — פי 3 מהר יותר מפיתוח מותאם אישית.

Облачная АТС (Mango/Zadarma/UIS) ↕ Webhook при входящем AI-Platform API ↕ Инструкция АТС (переключить/ответить) ↕ URL аудиофайла при завершении ↕ STT → NLP → CRM update 

אילו בעיות AI פותר?

אובדן הקשר שיחה. ללא תמלול אוטומטי, אנליסטים מבלים שעות בהאזנה להקלטות. תמלול AI עם דיוק של 95%+ וניתוח סנטימנט מדגיש רגעי מפתח תוך שניות.

ניתוב איטי. תפריטי IVR סטנדרטיים מאלצים את הלקוח לבחור אפשרויות. ניתוב חכם המבוסס על NLP והיסטוריית אינטראקציות מנתב את השיחה למומחה המתאים ללא קלט מהלקוח. זמן הטיפול מצטמצם ב-20–30%.

מילוי CRM ידני. נציגים מבזבזים עד 15% מזמנם על הזנת נתונים לאחר שיחה. חילוץ אוטומטי של ישויות (מספר הזמנה, שם, כתובת) מהתמלול ממלא את כרטיס הלקוח באופן מיידי.

אינטגרציה עם פלטפורמות PBX ספציפיות

Mango Office

Mango Office מספקת שני API עיקריים: ניהול שיחות והורדת הקלטות. הירשמו לאירועים דרך כתובת callback. דוגמת קוד לשליפת הקלטה וניתוב דינמי:

import hashlib
import hmac
import json
import requests

class MangoOfficeIntegration:
    def __init__(self, api_key: str, api_salt: str):
        self.api_key = api_key
        self.api_salt = api_salt
        self.base_url = "https://app.mango-office.ru/vpbx"

    def sign(self, json_data: str) -> str:
        return hashlib.sha256(
            f"{self.api_key}{json_data}{self.api_salt}".encode()
        ).hexdigest()

    async def get_call_recording(self, recording_id: str) -> bytes:
        data = json.dumps({"recording_id": recording_id, "action": "download"})
        response = requests.post(
            f"{self.base_url}/queries/recording/post_load",
            data={"vpbx_api_key": self.api_key, "sign": self.sign(data), "json": data}
        )
        return response.content

    async def set_call_routing(self, from_number: str, to_extension: str):
        """Динамическая маршрутизация входящего звонка"""
        data = json.dumps({
            "from_number": from_number,
            "to_number": to_extension,
            "sip_headers": {"X-AI-Routed": "true"}
        })
        requests.post(
            f"{self.base_url}/routing/transfer",
            data={"vpbx_api_key": self.api_key, "sign": self.sign(data), "json": data}
        )

UIS (CloudTalk)

UIS מספקת REST API עם אירועים דרך webhooks. דוגמת handler לשיחה שהושלמה:

class UISIntegration:
    async def handle_call_event(self, event: dict) -> None:
        if event["type"] == "call.finished":
            recording_url = event.get("recording_url")
            if recording_url:
                audio = await self.download_recording(recording_url)
                analysis = await self.analyze_call(audio, event)
                await self.push_to_crm(event["contact_id"], analysis)

    async def set_smart_routing(self, caller_id: str) -> str:
        """Определяем куда направить звонок на основе истории клиента"""
        customer = await crm.lookup_by_phone(caller_id)
        if not customer:
            return "general_queue"
        if customer.get("open_tickets"):
            return "support_queue"
        elif customer.get("segment") == "vip":
            return "vip_queue"
        return "general_queue"

עיבוד לאחר שיחה וטעויות נפוצות

תבנית Endpoint יחיד

כדי לאחד טיפול בשיחות מספקים שונים, אנו משתמשים ב-endpoint יחיד:

@app.post("/webhook/call-completed")
async def handle_completed_call(payload: dict):
    """Единый обработчик завершённых звонков от разных АТС"""
    recording_url = payload.get("recording_url") or payload.get("record")
    call_id = payload.get("call_id") or payload.get("uid")
    if not recording_url:
        return {"status": "no_recording"}
    # Асинхронная обработка в фоне
    asyncio.create_task(process_call_recording(call_id, recording_url))
    return {"status": "processing"}

async def process_call_recording(call_id: str, recording_url: str):
    audio = await download_audio(recording_url)
    transcript = await transcribe(audio)
    analysis = await analyze_call(transcript)
    await update_crm(call_id, transcript, analysis)

טעויות נפוצות

• התעלמות מ-timeouts — חלק ממערכות ה-PBX מצפות לתגובה מה-webhook תוך 5 שניות. השתמשו בעיבוד אסינכרוני עם Облачная АТС (Mango/Zadarma/UIS) ↕ Webhook при входящем AI-Platform API ↕ Инструкция АТС (переключить/ответить) ↕ URL аудиофайла при завершении ↕ STT → NLP → CRM update .
• חוסר ב-retries — כאשר הורדת הקלטה נכשלת, הטמיעו retries עם backoff אקספוננציאלי.
• ערבוב פורמטי אודיו — Mango מספקת WAV, UIS מספקת MP3. המירו לפורמט אחיד (16kHz, mono) לפני העברה ל-STT.

מדוע תמלול AI מדויק יותר?

אנו משתמשים במודלים מכווננים של Whisper-large-v3 עבור STT — דיוק של 95%+ ברוסית ללא אימון נוסף. עבור טרמינולוגיה מתמחה (משפטית, רפואית), אנו מבצעים כוונון עדין על ההקלטות שלכם. זמן עיבוד כולל של הצינור (webhook → הורדה → STT → NLP → עדכון CRM) אינו עולה על 3 שניות עבור הקלטה ממוצעת של 5 דקות. החיסכון באוטומציה משמעותי: עבור מוקד עם 100 נציגים, החזר ההשקעה הוא פחות משישה חודשים. עלויות אינטגרציה טיפוסיות נעות בין $3,000 ל-$10,000 בהתאם למורכבות.

מקרה בוחן: אוטומציה לאחר שיחה למחלקת מכירות

פרויקט אחד היה אינטגרציה עם Mango Office עבור מחלקת מכירות עם 50 נציגים. לאחר הטמעת תמלול AI ועדכוני CRM אוטומטיים, זמן העיבוד הממוצע לאחר שיחה ירד מ-5 דקות ל-2 שניות. מילוי הכרטיס הפך לאוטומטי לחלוטין, וחוסך כ-20 שעות בשבוע — שווה ערך לחיסכון חודשי של $1,200.

מה אתם מקבלים

• Endpoint webhook עובד עבור המרכזייה שלכם
• מודול תמלול (STT) עם מודל מכוונן
• ניתוח NLP: סנטימנט, ישויות, ביטויי מפתח
• אינטגרציית CRM (עדכון כרטיסים אוטומטי)
• ניתוב חכם (אופציונלי)
• תיעוד API והוראות לנציגים
• תמיכה טכנית 24/7
• אחריות SLA של שעתיים
• סודיות נתונים ועמידה ב-152-FZ

שלבי עבודה

1. ניתוח — ביקורת על המרכזייה הנוכחית, API, תרחישי טיפול בשיחות.
2. עיצוב — ארכיטקטורת אינטגרציה, בחירת מודל AI.
3. הטמעה — הגדרת webhook, תמלול, ניתוח NLP, אינטגרציית CRM.
4. בדיקות — בדיקות עומס (100+ שיחות במקביל), בדיקת חביון p99.
5. פריסה — על השרת שלכם (Triton, vLLM) או בענן.
6. תיעוד — מפרט API, מדריך למפעיל.

לוח זמנים ועלות

לוח זמנים לאינטגרציה: משבוע 1 (ניתוח בסיסי לאחר שיחה עבור מרכזייה אחת) עד 4 שבועות (אינטגרציה מרובת מערכות עם ניתוב מותאם ו-NLP). העלות מחושבת בנפרד לאחר ביקורת. קבלו ייעוץ — נעריך את הפרויקט שלכם. פשוט צרו קשר — נשלח הצעה מסחרית.

איך להזמין?

השאירו פנייה באתר שלנו — ניצור קשר תוך שעתיים, נבצע ביקורת ונציע את הפתרון האופטימלי. אנו מבטיחים סודיות נתונים ועמידה ב-152-FZ. הזמינו אינטגרציית AI עוד היום.

מדדי החברה: 5+ שנות ניסיון, 15+ פרויקטים מיושמים, תמיכה 24/7, SLA שעתיים. עבדנו עם מוקדי שירות מ-5 עד 300 נציגים.