WordPulse

Что такое WordPulse

WordPulse — платформа управления качеством и эффективностью клиентских коммуникаций от MWS AI (ранее MTS AI). Платформа анализирует голосовые и текстовые коммуникации — звонки, чаты, email, отзывы, встречи — и связывает их с бизнес-данными заказчика: CRM, продажами, показателями контактного центра. Это позволяет находить причины падения конверсии, роста жалоб, увеличения AHT, снижения CSI и compliance-рисков вплоть до конкретного диалога, сценария или сотрудника.

Наименование программы для ЭВМ по продукту — NLP Analytics. Под этим именем продукт включён в единый реестр российских программ для ЭВМ и баз данных (реестровая запись № 23247). Правообладатель — ООО «Центр искусственного интеллекта МВС» (сокращённо ООО «МВС ИИ»), ИНН 9725021438, ОГРН 1197746575146, адрес: 115432, Москва, пр-т Андропова, д. 18, к. 9, каб. 21, эт. 3. Компания зарегистрирована в реестре аккредитованных ИТ-компаний Минцифры согласно постановлению Правительства РФ от 30.09.2022 № 1729.

В отличие от выборочного ручного контроля, WordPulse анализирует 100% коммуникаций в подключённых каналах. Продукт заявлен вендором как особенно актуальный для крупных компаний с большими объёмами обращений, чувствительными данными и потребностью принимать решения на основе полной картины диалогов.

Analytics Agent — инсайты по вопросу на естественном языке

Analytics Agent превращает коммуникации в управленческие выводы по запросу в формате чата. Пользователь загружает сессии — звонки и переписку — и задаёт вопросы обычным языком, а агент выявляет причины, паттерны и точки роста, подтверждая каждый вывод точными цитатами операторов и клиентов. Агент сохраняет контекст диалога, поэтому вопрос можно уточнять и переформулировать, постепенно сужая гипотезу до конкретных сессий. Примеры задач, которые вендор приводит для агента:

• ранжировать причины недовольства по частоте и найти сессии, где оператор не предложил компенсацию;
• сравнить ответы на возражения в успешных и неуспешных продажах и предложить формулировки для новых скриптов;
• сопоставить качество работы ботов и операторов по темам и этапам сценария;
• сгруппировать негативные упоминания товаров и найти диалоги с риском жалобы на маркетплейсе;
• найти нарушения регламента — необещанные условия, разглашение персональных данных — с цитатами для отдела контроля.

Распознавание речи и анализ диалогов

• Собственный движок распознавания речи с поддержкой стороннего ASR при необходимости
• Текстовые каналы наравне с голосом: чаты, email, отзывы, встречи
• Мультимодальная тональность — эмоции оцениваются одновременно по тексту и по голосовым признакам
• Автоклассификация и кластеризация обращений, определение тематики
• Точки перелома тональности — момент, где настроение клиента изменилось в разговоре
• ABSA (аспектный анализ): в одной фразе выделяются аспекты, оценки и тональность по каждому аспекту — например, отдельно про качество связи, тарифы и обслуживание
• Семантический поиск и поиск по саммари — находят релевантные диалоги, даже если формулировка не совпадает с запросом буквально
• Анализ передачи диалога между ботом и оператором с отдельной оценкой каждого участника

Контроль качества и скор-карты

Простые правила срабатывают на конкретные маркеры (например, ненормативную лексику), а сложные критерии — корректность консультации, соблюдение скрипта, работа с возражениями, поведение оператора — оцениваются ML- и LLM-моделями. Каждый критерий имеет заданный вес и правила расчёта, LLM автоматически оценивает диалог и рассчитывает итоговый балл. На выходе формируются скор-карты сотрудников, отделов, ботов и AI-агентов.

• LLM-оценка скриптов работает по смыслу, а не только по лексическим совпадениям
• Облегчённые версии проверки с оптимизированными ресурсами — для ускорения и снижения стоимости LLM-вызовов
• Проверка новых сценариев на исторических данных, без ожидания новых звонков
• Единые критерии качества и compliance для операторов, ботов и AI-агентов

BI, отчётность и алертинг

• Встроенные дашборды (до четырёх графиков на дашборд), кастомные отчёты, real-time виджеты состояния контактного центра
• Пять системных типов метрик: дефолтная, сентимент-анализ (Net sentiment, доля сессий с переломами), семантический анализ, ABSA и голосовая
• Настройка метрик и виджетов из интерфейса, без постоянного участия аналитика или разработчика
• Переход от агрегированных показателей к конкретному диалогу в один клик
• Фильтры по словам и фразам (точный и семантический поиск), тону общения, точкам перелома, индексу лояльности, тематике и количеству реплик; часто используемые наборы сохраняются как сеты фильтров
• Сравнение запросов с выводом «Топ слов» и «Топ фраз» и долей сессий
• Экспорт сессий в CSV, графиков и облака слов — в PNG; диспетчер задач показывает статус выгрузок
• Автоалерты по email при росте недовольства, нарушении скрипта, compliance-инциденте или превышении порогов по метрикам
• Формирование доказательной базы для внутреннего аудита и регуляторных проверок

Интеграции и данные

Подключение источников данных идёт по API и MCP: CRM, телефония, чаты, системы контактного центра, корпоративные базы данных, отчёты по продажам и маркетинговым кампаниям. Данные приводятся к единому виду через интеграционный слой. Логи сессий импортируются вручную или автоматически из систем заказчика; вход в веб-клиент — по учётной записи или через MTS ISSO. Вендор отдельно отмечает, что сложные бизнес-логики расчётов и семантические слои могут требовать проектной настройки.

Собственный AI-стек и гибкость моделей

• Собственные ASR (Audiogram) и LLM (Cotype) работают в едином on-prem контуре, снижая зависимость от внешних провайдеров
• Поддержка BYOASR и BYOLLM: Cotype, GigaChat, YandexGPT, open-source модели — без переделки интеграций
• Дообучение и настройка ML-моделей под отраслевую терминологию и специфику обращений заказчика
• Интеграция с MWS AI Agents Platform: качество ботов и AI-агентов измеряется по тем же критериям, что и работа операторов-людей

Модель поставки и безопасность

Базовый вариант поставки — on-prem развёртывание внутри защищённого контура заказчика: заказчик получает дистрибутив ПО и лицензию для установки на своих серверах, данные не покидают периметр компании. Для проектов с другими требованиями возможна облачная поставка по запросу — тогда заказчик получает доступ к API и ссылку на личный кабинет. Установка выполняется силами сотрудников правообладателя или партнёра, права на ПО предоставляются по договору.

Заявленные вендором требования к инфраструктуре: модуль анализа тональности — 500 millicore CPU, 3 Gi RAM, 1 ядро GPU V100, 3 Gi HDD; модуль кластеризации — 1000 millicore, 3 Gi RAM, 1 ядро GPU V100, 3 Gi HDD; OpenSearch — 8000 millicore, 16 Gi RAM, 1000 Gi HDD; вспомогательные сервисы аналитического модуля — 1500 millicore, 1.5 Gi RAM, 9 Gi HDD. Горизонтальное масштабирование выполняется увеличением количества POD.

Место в экосистеме MWS AI

WordPulse — модуль аналитики клиентских коммуникаций в составе ИИ-клиентского сервиса MWS AI, мультиагентной системы для автоматизации и масштабирования клиентского обслуживания. В эту же экосистему входят ИИ-Оператор для обслуживания клиентов в текстовых и голосовых каналах и ИИ-Суфлёр для поддержки сотрудников в реальном времени. WordPulse доступен как самостоятельный модуль, в составе ИИ-клиентского сервиса или MWS AI Agents Platform.

Где применяется

• Телеком — контроль качества обслуживания и соблюдения скриптов, анализ работы операторов, выявление эффективных сценариев, пресечение отклонения от тем и разглашения конфиденциальной информации
• Банки и финансовые компании — анализ преколлекшен-звонков, выявление потребностей клиентов, оценка диалогов с операторами и менеджерами в офисах продаж, выявление ненормативной лексики, оповещение о стоп-словах и кризисных ситуациях
• Ритейл и службы доставки — контроль работы службы поддержки, сбор потребностей клиентов, оценка вежливости и пунктуальности курьеров, данные для планирования рекламных кампаний
• Медицинские организации — анализ работы кол-центра: оценка вежливости, соблюдение скриптов, контроль подтверждения записей на приём и напоминаний, изучение потребности в новых услугах

Сроки внедрения

• Внедрение на правилах под конкретный кейс — 2 месяца
• Интеграция с дообучением ML-модели — 1–2 недели
• LLM дообучения не требует
• Отдельная команда аналитиков для работы с сервисом и дообучения моделей не нужна

Результаты внедрений

Вендор приводит обезличенные результаты проектов (названия компаний не раскрываются):

• Телеком-оператор из топ-3 РФ, контактный центр: рост CSI на 44% за три года; 100% диалогов под автоматическим контролем вместо менее 5%; мотивация операторов переведена на объективные данные системы
• Крупнейший банк, compliance-мониторинг: свыше 200 000 автоматических проверок в месяц без ручного труда, скорость обнаружения инцидентов выросла в 2 раза
• Системообразующий банк, единый контроль качества операторов и AI-ботов: ROI AI-моделей контроля качества — 5,1x затрат ежегодно, 300+ процессов под единым аналитическим покрытием
• Крупный розничный банк, аналитика бизнес-процессов через Analytics Agent: скорость анализа выросла в 2–3 раза, первопричина выявляется за часы вместо 5–14 дней
• Банк, оптимизация AHT: снижение среднего времени обработки на 10% с первого дня, экономия около 1100 часов в месяц на 100 000 звонков
• Финансовый сервис, аналитика LLM-агентов в чате: до 45% обращений автоматизировано без операторов, качество агента стало измеримым KPI
• МТС — публичный кейс на сайте вендора: обработка диалогов чат-ботов и операторов с клиентами экосистемы

⚠️ Отдельно от кейсов вендор публикует «рыночные ориентиры по отрасли» (рост продаж до +60% в год, снижение оттока до −15% и другие) и бизнес-эффекты речевой аналитики со ссылкой на исследования MarketsandMarkets, Just AI, ЦРТ и Ростелекома. Это ориентиры по рынку речевой аналитики в целом, а не измеренные результаты WordPulse.