---
title: Как с помощью ИИ найти в звонках клиентов причины обращений
metaTitle: Разбор звонков с ИИ: как найти причины обращений
description: Как с помощью ИИ разложить звонки и переписку клиентов по трём вопросам, найти причины обращений и понять, что чинить в процессах.
date: 2026-09-28
updated: 2026-10-02
tags: [agentic-ai, business-automation, customer-support]
cover: cover.webp
coverAlt: Настольный телефон с отсоединённым проводом и лента цветных отметок рядом, к которой рука добавляет новую
---

Разобрать сотни звонков и сообщений с помощью ИИ можно быстрее, чем прослушать их вручную: записи расшифровывают в текст, каждое обращение раскладывают по схеме «ситуация - чего хочет клиент - чего опасается», связывают с местом в процессе, где возникла причина, и ставят задачи с цитатами. Но сам разбор ничего не меняет. Обращений становится меньше только тогда, когда кто-то убирает причину.

## Почему «отвечать быстрее» лечит симптомы

В одной крупной сервисной компании задачу ставили так: как быстрее обрабатывать обращения. Запрос понятный. Только в нём заложено, что обращения будут всегда и их остаётся лишь успевать закрывать.

Полезнее спросить, как убрать причину, чтобы обращений стало меньше.

Обращение клиента - сигнал сбоя где-то в процессе: в интерфейсе, счёте, уведомлениях, знаниях сотрудников или в новой версии приложения. Оператор разбирается с последствиями, а причина остаётся там, где возникла.

Вовремя не решённая важная задача порождает сотню срочных.

## Что звонки показывают, а отчёты нет

Одна компания продаёт оборудование бизнес-клиентам. У клиентов есть личный кабинет самообслуживания с множеством функций. Колл-центр и отдел продаж - семь человек, обращений около тысячи в неделю.

За каждым обращением стоит работа: проверить счёт, что-то выставить, созвониться с коллегами.

Руководители успевают прослушать примерно по пять звонков в день. При тысяче обращений в неделю это единицы процентов от всего потока. По нескольким разговорам в день общую картину не соберёшь.

В записях слышно то, чего нет в отчётах: как клиент сам описывает, что у него случилось, и что ему отвечают на самом деле.

Гендиректор одной крупной телеком-компании примерно через полтора года на этой должности узнал на встрече, что абонент, у которого закончился интернет, не может его оплатить: оплата работала только через интернет. Он поставил срок исправить к 1 декабря. К этой дате ничего не изменилось.

Руководители часто не знают, как компания работает на самом деле. Звонки и переписка это показывают, даже если в регламенте написано иначе.

## Как разложить обращение по трём вопросам

![Переполненный лоток с карточками звонков и вращающаяся картотека, где карточки расходятся по трём цветным секциям](/blog/customer-calls-ai-analysis/fig-card-sorting.webp "Из переполненного лотка карточки расходятся по трём секциям, и становится видно, каких звонков больше")

Схема простая. Про каждое обращение отвечают на три вопроса: в какой ситуации клиент обратился, чего он хочет и чего опасается. Вместе ответы описывают работу, ради которой клиент пришёл (в теории продуктов это называют jobs to be done).

Опасение клиента - это его возражение. Оно же подсказывает, где процесс даёт сбой.

ИИ раскладывает по этим вопросам весь поток звонков, до которого у руководителя не доходят руки. У продавца оборудования он выделил группу «проблемы со счётом»: около сотни обращений в неделю из тысячи. Клиенты в этой группе хотели согласовать отгрузку по счёту, уточнить способ доставки, получить весь заказанный товар целиком.

Типичный звонок: клиент просит убрать из счёта две позиции. Оператор уточняет детали, вносит изменения. Клиент спрашивает, когда придёт счёт, и слышит «через пять минут».

В личном кабинете самообслуживания удаление строки должно занимать пару нажатий. Но счёт там показан огромной таблицей с множеством кнопок, и понятного способа удалить строку нет. Клиент не находит нужную кнопку и звонит. Дело в устройстве интерфейса и процесса.

Другой сбой в той же компании начинается сразу после заказа. Если клиент просит дополнительные условия по оборудованию, ему не приходит ни письмо, ни СМС. Через два-три дня тишины он звонит сам.

Или уходит, так и не позвонив.

Разбор нашёл и повторяющийся ответ менеджеров: «Не знаю, уточню, перезвоню».

Один звонок часто указывает сразу на несколько сбоев.

## Шесть шагов разбора

Звонок клиента, сообщение в чате и задача от руководителя устроены одинаково: это обращение, которое проходит этапы обработки. Поэтому шаги ниже годятся для продаж, поддержки и внутренних задач.

1. Выгрузите звонки и переписку за последние две недели. Если обращений мало - за месяц.
2. Расшифруйте записи в текст. Это можно сделать на серверах компании, не отправляя голосовые файлы в сторонние сервисы.
3. Разметьте каждое обращение, то есть припишите к нему короткие метки с ответами на три вопроса: что за ситуация, чего хочет клиент, чего он опасается. Одно обращение может получить несколько меток, это нормально.
4. Для каждой метки найдите место в процессе, где возникает причина: интерфейс, счёт, уведомления, знания сотрудников, выпуск новой версии приложения.
5. Поставьте задачи с цитатами из звонков и назначьте человека, который отвечает за изменение.
6. Раз в неделю считайте, сколько обращений каждого типа приходится на 100 заказов.

Для шестого шага хватит простой формулы. Обращения одного типа за неделю делят на число заказов за ту же неделю и умножают на 100. Заказы в расчёте нужны, чтобы рост продаж не прятал проблему и не раздувал её.

Учебный пример, числа условные. За неделю пришло 120 обращений про изменение счёта на 800 заказов, это 15 на каждые 100 заказов.

Допустим, в личном кабинете появилась понятная кнопка удаления строки, и в другую неделю набралось 34 таких обращения на 850 заказов, то есть 4 на 100. В этом условном примере обращений про счёт на 100 заказов стало меньше в три с лишним раза.

## Что говорит клиент - где причина - что менять

| Что говорит клиент | Где причина | Что менять |
|---|---|---|
| «Уберите из счёта две позиции» | В личном кабинете нет понятного способа удалить строку | Заметная кнопка удаления строки в счёте |
| «Я заказал, а мне никто не написал» | При заказе с дополнительными условиями не уходит ни письмо, ни СМС | Автоматическое уведомление со сроками |
| «Соедините с инженером» | Часть операторов сразу переводит технические вопросы на инженера | Справочник из ответов инженеров (база знаний - собранные ответы на типовые вопросы) и кнопка прямой связи |
| «Не знаю, уточню, перезвоню» (так отвечает менеджер) | Вероятно, у менеджера нет нужных данных под рукой | Доступ к статусу заказа и счёта прямо во время разговора |
| Звонков стало больше после выпуска новых функций | Разработчики не видят, как их релизы влияют на обращения | Замер обращений после каждого релиза и общий доступ к итогам разбора |

В первой колонке - типичные фразы из звонков, в последней - рекомендации по итогам разбора. У вас фразы будут другими, но за каждой тоже найдётся своё место в процессе.

## Как проверить, что ИИ не выдумал вывод

На большом объёме ИИ ошибается и иногда выдумывает, как и люди. Поэтому у каждого вывода должен быть обратный путь к конкретным звонкам и цитатам. Такую проверку называют перекрёстной.

Если ИИ пишет, что около сотни обращений в неделю связаны со счётом, рядом с выводом нужны сами записи и цитаты из них. Второй способ защиты - связать данные заранее: звонок, цитату и причину. Тогда ИИ пересказывает подготовленное вместо того, чтобы додумывать.

Как устроены проверяемые ответы ИИ по внутренним документам, подробно разобрано в статье [«Проверяемые ответы AI по документам компании»](/ru/blog/ai-answers-company-documents/).

Проверять нужно и неожиданные находки. В другой компании руководитель попросил проанализировать звонки за период, записи которого никто не выгружал. ИИ ответил, что записей за этот период нет, но нашёл 18 тысяч звонков за март-июль и предложил работать с ними. Прежде чем соглашаться, проверьте, что эти данные входят в согласованный доступ и их можно использовать для такого разбора.

Разбор показал, что звонков и обращений стало больше примерно на 30%. Спрос тут ни при чём: всё это время команда выпускала новые версии приложения, и эти релизы добавили обращений.

Разработчики об этом не знали. Задачи разработки, серверы, система учёта клиентов и телефония в этой компании живут в разных местах. У менеджеров нет доступа к системам разработки, у разработчиков - к системе учёта клиентов и записям звонков.

## Почему после разбора ничего не меняется

![Рука на складе сверяет старую фотографию полки с пустым местом с той же полкой, где товар уже стоит](/blog/customer-calls-ai-analysis/fig-shelf-check.webp "Снимок показывает, где было пусто. Что-то меняется, только когда товар ставят на полку")

У того же продавца оборудования часть операторов на технические вопросы отвечала: «Я не технический специалист, соединю с инженером». Клиент терял время.

Из разбора вышли три гипотезы: снять этих операторов с технических вопросов; собрать ответы инженеров в базу знаний, чтобы на типовые вопросы отвечал бот; добавить в личный кабинет кнопку прямой связи с инженером.

Дизайн этой кнопки в компании был готов давно. Саму кнопку так и не сделали.

Разбор сэкономил примерно неделю ручной работы по прослушиванию. Но ни один показатель не сдвинулся. У руководителя отдела прибавилось дел: появились новые знания и новые задачи.

А обращений становилось только больше. Процессы и поведение людей не поменялись, значит, не поменяются и цифры.

Разбор выдаёт гипотезы. Показатели двигаются, только когда кто-то переделывает процесс или интерфейс.

В задаче по итогам разбора нужны цитаты из звонков, иначе исполнителю непонятно, что именно чинить. С ИИ то же самое: размытый запрос даёт размытую задачу. Как описать поручение, чтобы его понял и человек, и AI-агент (программа, которая сама выполняет шаги работы), - в статье [«Как поставить задачу AI-агенту для рабочего проекта»](/ru/blog/ai-agent-task-brief/).

Кто-то в компании должен взять изменения на себя: один человек и понятный срок. Без него разбор так и останется списком гипотез.

Majento внедряет ИИ в рабочие процессы компании и подключает разбор обращений к её системам с учётом прав доступа. Подробнее - на страницах [о внедрении ИИ](/ru/ai-implementation/) и [об автоматизации бизнес-процессов](/ru/business-automation/).

## Вопросы и ответы

### Сколько звонков нужно для первого разбора?

Точного порога нет. Начните с выгрузки за последние две недели, а если обращений за это время мало, возьмите месяц.

### Можно ли разбирать записи, не отправляя их в сторонние сервисы?

Да. Расшифровку голоса в текст можно запускать на серверах компании. Тогда сами записи не уходят в сторонние сервисы.

### Чем разбор с ИИ отличается от выборочного прослушивания звонков руководителем?

Руководитель успевает послушать единицы процентов разговоров. В одной компании руководители слушали примерно по пять звонков в день, а обращений приходило около тысячи в неделю. ИИ раскладывает по одной схеме все звонки за период, поэтому видно, какие поводы повторяются: так нашлась группа проблем со счётом, около сотни обращений в неделю.

### Кто в компании должен отвечать за изменения после разбора?

Тот, кто отвечает за участок, где нашли причину. Если клиент не находит кнопку в личном кабинете, задача уходит тому, кто отвечает за кабинет. Если после заказа не приходит письмо, её получает тот, кто отвечает за уведомления клиентам. У каждого изменения должен быть один ответственный и срок.

Если хотите разобрать обращения своих клиентов и найти, что чинить в первую очередь, напишите в [Telegram](https://t.me/shimaoz) или на [hello@majento.ai](mailto:hello@majento.ai).