// case / controler.ai
Не просто расшифровка звонков, а AI‑система управления коммуникациями клиники.
controler.ai анализирует звонки стоматологий, находит потери пациентов, проверяет качество работы администраторов и помогает руководителю видеть реальные проблемы сервиса без ручного прослушивания тысяч часов разговоров.
// context
В стоматологии большая часть продаж и удержания проходит через звонки.
Первичная запись, переносы, отмены, подтверждения, консультации, экстренные обращения, лист ожидания и повторные визиты — всё это часто уже записывается, но почти никогда системно не анализируется.
У руководителя есть CRM, отчёты и архив разговоров, но нет ясной картины: почему пациент не записался, где администратор не предложил альтернативу, какие обращения были срочными и где клиника потеряла клиента по своей вине.
// hidden.losses
Внутри звонков скрыты события, которые напрямую влияют на деньги и сервис.
// product.logic
Задача была не в том, чтобы получить текст разговора.
Обычная транскрибация не решает бизнес‑задачу. Клиникам нужен вывод: что произошло, кто что сделал, был ли риск потери пациента и какое действие нужно выполнить дальше.
Поэтому controler.ai превращает каждый звонок в структурированную карточку: тип обращения, подкатегория, итог, признаки срочности, настроение клиента, потенциальная потеря, чек‑лист администратора и рекомендации для клиники.
// architecture
Архитектура как несколько связанных контуров.
Интеграции
Телефонии, CRM, мессенджеры и МИС отдают звонки и связанные события в единый слой нормализации.
Обработка речи
Записи проходят распознавание, а где возможно — разделение участников диалога, чтобы понимать, где говорит пациент, а где администратор.
AI‑анализ
LLM работает не как пересказчик, а по строгой таксономии: категория, подкатегория, итог, риск потери, срочность, настроение и рекомендации.
Бизнес‑логика
Поверх анализа строятся чек‑листы, алерты, очереди проблемных звонков, отчёты и задачи для ответственных сотрудников.
Безопасность
Архитектура учитывает персональные и медицинские данные: доступы, хранение, локальную обработку и ограничения на внешние AI API.
// my.zone
Моя роль — собрать продуктовую и инженерную систему целиком.
Я подключился не как разработчик отдельной функции, а как CTO / технический партнёр: архитектура продукта, AI‑пайплайн, интеграции, обработка данных, безопасность и перевод сырой речевой аналитики в понятный бизнес‑инструмент для владельцев клиник.
- архитектура AI‑пайплайна обработки звонков;
- выбор подхода к ASR, диаризации и LLM‑анализу;
- логика классификации звонков и бизнес‑событий;
- интеграционный слой с телефониями, CRM, мессенджерами и МИС;
- обработка больших объёмов записей через устойчивый контур очередей;
- безопасная работа с персональными и медицинскими данными;
- перевод бизнес‑логики клиник в правила, чек‑листы и AI‑промпты;
- подготовка продукта к масштабированию на разные клиники и процессы;
// result
Проект вырос из идеи “анализировать звонки” в полноценный AI‑контур для стоматологий.
Система обрабатывает тысячи часов разговоров, интегрирована более чем с 10 внешними системами — телефониями, мессенджерами, CRM и МИС — и помогает находить проблемные коммуникации через автоматический анализ, а не ручное прослушивание.
// why.hard
Почему это сложнее обычной речевой аналитики.
Неидеальные данные
Реальные звонки шумные, короткие, с перебиваниями, паузами, разным качеством связи и неполной CRM‑информацией.
Точность классификации
Подтверждение нельзя путать с отменой, новый лид — с текущим пациентом, а лист ожидания может быть как хорошим, так и плохим исходом.
Чувствительный контекст
В звонках есть персональные данные, медицинские жалобы, записи к врачу и история обращений — архитектура должна быть аккуратной.
Масштабирование
Поток звонков, очереди обработки, повторный анализ, интеграции и рост числа клиник не должны превращаться в ручную операционку.
Этот кейс показывает мой тип задач: сложная предметная область, много интеграций, чувствительные данные, AI‑пайплайн, реальные бизнес‑процессы и необходимость собрать не демо, а рабочий продукт.
Здесь нужно было говорить на двух языках одновременно: с бизнесом — про потери пациентов, сервис и управляемость клиники; с разработкой — про архитектуру, очереди, модели, интеграции, безопасность, данные и масштабирование.