За шесть месяцев группа из двенадцати backend‑инженеров без опыта машинного обучения создала и вывела в продакшн голосового AI‑ассистента «Суфлёр». Команда использовала стек FastAPI, PostgreSQL, дообученный BERT и локальную модель Qwen‑8B, полностью разместив решение on‑premise для соответствия строгим требованиям информационной безопасности.
Продукт классифицирует услуги, детектирует возражения и генерирует подсказки в реальном времени через Voximplant API. Задержка ответа удерживается в 1,5–2 секунды, что позволяет менеджерам получать релевантные скрипты во время звонков.
В результате среднее время обработки клиентского запроса сократилось на 25 %, а компания отказалась от дорогостоящего привлечения внешних ML‑экспертов. Команда прошла обучение по RAG, fine‑tuning и работе с LLM, что продемонстрировало возможность самостоятельного внедрения AI без специализированных специалистов.
Почему это важно: вы можете построить конкурентный AI‑инструмент внутри компании, сократив затраты на внешних экспертов и ускорив процесс продаж. Это пример того, как технологический стек и внутреннее обучение позволяют быстро масштабировать AI‑решения даже в строгих ИБ‑условиях.