Алина работает ML инженером «Интерсвязи». Свою дипломную работу под руководством старшего преподавателя кафедры информационных технологий и экономической информатики Ивана Николаева она посвятила задаче быстрой и точной детекции автоответчиков в исходящих звонках контакт-центра.
«Задача возникла из проблемы компании, — поясняет Алина. — Несколько лет для детекции автоответчика при обзвонах использовался алгоритм, который на основе ключевых фраз его выявляет. Как пример, типичная фраза стационарного автоответчика: «абонент занят и не может сейчас ответить». Этот вариант плохо подходит для детекции «умных» автоответчиков, реплики которых невозможно чётко отделить от человеческих. Для решения проблемы мы провели исследование подходов. В результате была выбрана модель для диаризации спикера и дообучена на специально собранных звонках для детекции автоответчика. Этот подход позволил не только повысить качество определения автоответчиков, но и сократить время на тарифицированное общение с ними».
Алина отмечает, что используемый ранее шаблонный алгоритм требовал ручного обновления ключевых слов, зависел от качества модели распознавания и задерживал завершение вызовов, что приводило к прямым тарифным потерям и ухудшало клиентский опыт. Для минимизации этих издержек наша выпускница разработала детектор, основанный на нейросети WavLM и линейном классификаторе, обеспечивающий определение автоответчика на первых трёх секундах разговора.
«На текущий момент детектор внедрён в платформу автоматизации колл-центра и используется в обзвонах, — говорит Алина. — Сейчас только занимаемся поддержкой и улучшением. Система позволила сократить избыточное время соединений и улучшила операционную эффективность контакт‑центра».