Немного об Алексее
Алексей Новиков, 39 лет, Беларусь
Работаю продюсером онлайн-школы на полставки — отвечаю за общее управление.
- ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
- Где и как применять? Потестируем модель после установки на разных задачах
- Как дообучить модель под себя?
Поиск лучшего специалиста
Всё началось с задачи внутри нашей школы: я искал в интернете решение для контроля качества отдела продаж с помощью нейросетей. В теории всё звучало красиво, но на практике не нашлось ни одного специалиста, который предложил бы понятное и рабочее решение.
Пришлось разбираться самому — и именно это подтолкнуло меня к обучению.
Я понимал: нейросети — это не просто хайп, а инструмент, который можно использовать по-настоящему эффективно. Уже были идеи, как применить их в работе.
Изначально хотел идти на курс по Python, но карьерный консультант «Зерокодера» порекомендовал промпт-инжиниринг — сказал, что так будет быстрее и практичнее. А в рамках полного тарифа открылся и доступ к Python. В итоге получилось комплексное обучение, которое сразу дало пользу и понимание, как работать с нейросетями в реальных задачах.
Обучение на практике
Сейчас я на восьмом модуле — прошёл около 70% курса, на VIP-тарифе.
Материал даётся хороший и понятный. Мне нравится, что задания сразу можно адаптировать под свои задачи.
Если в домашке нужно придумать проект, я беру реальную идею из своей онлайн-школы и начинаю её внедрять. По сути, я уже прямо в процессе обучения делаю полезные штуки для своего бизнеса — это очень мотивирует.
Из того, чего немного не хватает — общения с другими студентами. Сейчас я задаю вопросы вип-менеджеру, а дальше она передает их куратору. Всё работает, но хотелось бы больше комьюнити: живого общения, совместных обсуждений.
В целом курс мне заходит — это не просто теория, а инструмент, который можно сразу применять.
Система контроля качества звонков
По одному из уроков я собрал систему, которая обрабатывала звонки менеджеров и проводила их анализ. Однако отдел продаж на работе ее не принял, для них результат был неудовлетворительным.
Я начал разбираться в причинах. Оказалось, что OpenAI плохо справляется с распознаванием русской речи — в первую очередь из-за качества самих записей. Звук часто не очень, и в результате транскрибация выходит неточной.
Например, из 10 звонков только 5 расшифровываются нормально, остальные — «битые», даже визуально не прочитать. Автоматизировать анализ в таком случае не имеет смысла.
Я решил пойти дальше и провёл собственное тестирование: подключил API Яндекса и OpenAI, сделал кучу тестов, настроил среду в Google Colab, сам придумал способ массовой проверки. И в результате вывел свою методику: объединять Яндекс и OpenAI через специальный промпт. У Яндекса отличная точность распознавания русского языка, а OpenAI хорошо понимает структуру фраз. В связке они дают очень точные транскрибации — в 99% случаев.
Эта же связка оказалась и самой дешевой. Стоимость транскрибации — всего 1–2 цента за минуту.
Рабочая схема
После этого перешёл ко второму этапу — обработке полученной информации. Хорошая транскрибация есть, нужно как-то её анализировать. На курсе предлагали базовые методы, но я решил углубиться и в итоге собрал систему анализа на базе Qwen, потому что это дешевле и она хорошо понимает семантику русского языка (использовал модель 2.5 max).
Всё это я объединил в веб-приложении на Flask. Схема работает так:
- Менеджер завершает звонок.
- Система ловит запись, транскрибирует её.
- Далее текст поступает на анализ.
- Результат отправляется в Telegram-чат менеджера — по каждому звонку приходит обратная связь.
Обратная связь включает:
- Что можно улучшить в следующем звонке;
- какие фразы использовать;
- какие точки касания выстроить, чтобы повысить шанс продажи.
Плюс, система автоматически фиксирует жёсткие отклонения от скриптов (я загрузил речевые модули в RAG-базу Qwen). Она сравнивает фактический диалог с шаблоном и указывает, например: «не выявлена потребность», «нет точки касания», «слабое завершение диалога» и т.п.
Если в разговоре звучат возражения, система это тоже отслеживает и выдаёт менеджеру два варианта отработки:
- Один из внутреннего скрипта;
- Второй — из внешнего поиска (бот или веб-поиск).
Так у нас и появилась система, которую реально можно использовать в работе. Она помогает не только выявлять слабые места, но и обучать менеджеров в реальном времени.
Преимущества нейросети
Один из главных плюсов нейросети — с ней не бывает «плохих» звонков. Даже если сценарий не сработал идеально, она всегда предлагает новые варианты, которые можно доработать или протестировать.
Например, недавно она сгенерировала интересную идею: вместо традиционного звонка с экспертом предложила подключить к разговору куратора или даже другого ученика. Такой собеседник может поделиться личным опытом, ответить на сомнения потенциального клиента и тем самым повысить доверие. На следующей неделе мы планируем протестировать эту гипотезу.
Стремления
Сейчас я уже почти закончил обучение — остался, кажется, последний модуль, где идет практическая часть. А дальше уже будет этап поиска клиентов: есть подборка проектов, которые можно брать, и я хочу попробовать себя.
Наверное, главный совет, который могу дать: чаще включайте голову. Это всегда работает.
Связаться с Алексеем
Telegram — @alexejnowikow
- Освой нейросеть Perplexity и узнай, как пользоваться функционалом остальных ИИ в одном
- УЧАСТВОВАТЬ ЗА 0 РУБ.
- Расскажем, как получить подписку
- ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросеть DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
