Кейс: как крупная имущественная и медицинская страховая компания сократила время обработки звонков в 5 раз с помощью LLM-агента targetai
160 000+ диалогов, минус 80 % времени ожидания и 94 % точных классификаций данных на этапе звонка. Читаем в новом кейсе.
Проблема, знакомая любому контакт-центру
В компании с федеральной сетью и миллионами клиентов каждый день поступали десятки тысяч звонков: медицинское страхование, полисы ОСАГО, корпоративные клиенты, имущественные риски — тематика обширная.
Стандартный IVR-меню уже не выдерживал: длинные фразы-подсказки, ожидание, переводы между операторами. Всё это увеличивало нагрузку и стоимость обработки звонков.
Руководство поставило цель — сократить среднее время обработки и при этом не потерять в качестве общения.
Решение — SMART IVR на базе LLM-агента targetai
Команда targetai предложила перейти на новый формат — SMART IVR, систему, где голосовой LLM-агент распознаёт речь, понимает намерения и ведёт диалог с клиентом так, как это сделал бы живой оператор.
Что делает SMART IVR:
- принимает естественную речь, без нажатия клавиш;
- анализирует контекст и определяет цель обращения;
- уточняет детали, если в запросе есть неясность;
- маршрутизирует звонок в нужную очередь или решает вопрос сразу.
«Задача была не в том, чтобы “поставить робота”, а в том, чтобы клиент перестал чувствовать границу между машиной и человеком»
Что было сделано?
🧠 Внедрили SMART IVR на базе LLM-агента, способного понимать живую речь и распознавать интенты клиентов.
🔀 Настроили маршрутизацию по 12 очередям контакт-центра — включая ЕКЦ, АКЦ и МедКЦ — в зависимости от тематики и приоритета обращения.
📊 Интегрировали отчётность во внутренние подсистемы: теперь руководители видят в реальном времени статистику обращений, тематики и KPI-метрики.
Как проходил пилот
Перед стартом команда собрала и разметила датасет из реальных звонков, выделила ключевые интенты и обучила модель. После этого агент подключили к телефонным линиям — и он начал принимать живые обращения в режиме реального времени.
Пилот длился с апреля по июнь 2025 года. За три месяца система обработала 160 000+ диалогов (около 80 000 минут трафика), ежедневно улучшая качество распознавания и тональность общения.
«Мы переживали, как отреагируют клиенты, — но уже через неделю стало очевидно, что новый агент отвечает быстрее и точнее прежнего IVR»
Трудности и как их решили
- Недостаток обучающих данных — решено сбором живых звонков и регулярным дообучением.
- Неструктурированные запросы — оптимизировали классификатор интентов и добавили уточняющие вопросы.
- Скепсис к голосовым роботам — переписали интонации и темп речи; 85 % клиентов приняли формат без негатива.
Результаты
- Среднее время диалога сократилось со 119 до 23 секунд (в 5 раз).
- 94 % обращений классифицированы корректно.
- Количество переводов звонков между отделами уменьшилось в 2 раза.