Станция 42: AI SAAS
B2B-платформа автоматизации аудита работы сотрудников и поиска точечных зон роста
Контекст бизнеса
Стандарт есть почти везде, где человек работает с человеком: официант обязан предложить десерт, продавец-консультант — сначала выяснить, что нужно клиенту, и только потом продавать.
Бизнес отлично знает, что не соблюдение стандарта = потеря денег💸
Бизнес пытается следить за соблюдением стандартов:
Бизнес отлично знает, что не соблюдение стандарта = потеря денег💸
Бизнес пытается следить за соблюдением стандартов:
Тайный гость. Даёт точечный срез: нельзя найти системные проблемы и назначить системное обучение.
Администратор с опытом за несколько секунд считывает, что перед ним не рядовой клиент, и передаёт его лучшему сотруднику смены — не тому, кто фактически работает в этот час. Проверка показывает потолок возможностей лучшего сотрудника, а не реальную картину.
Администратор с опытом за несколько секунд считывает, что перед ним не рядовой клиент, и передаёт его лучшему сотруднику смены — не тому, кто фактически работает в этот час. Проверка показывает потолок возможностей лучшего сотрудника, а не реальную картину.
Выборочное прослушивание записей звонков/консультаций. Упирается в пропускную способность человека: реалистичный предел несколько процентов звонков за смену, потому что супервайзер физически не успевает больше. Остальное остаётся непроверенной зоной, и нарушения статистически чаще происходят именно там.
Масштаб проблемы виден на цифрах, которые публикуют другие игроки рынка речевой аналитики. У одной из металлопрокатных компаний после подключения автоматического контроля выяснилось, что скрипт продаж реально соблюдался в 29,75% звонков — до этого момента никто в компании не знал точную цифру, ориентировались на ощущения РОПа (кейс). У регионального пассажирского перевозчика отдел контроля качества силами 21 аудитора прослушивал 3% диалогов; после автоматизации охват вырос до 100%, а сам отдел сократился до 4 человек (кейс). У Т-Банка до перехода на автоматический анализ в штате держали больше 25 000 операторов, которые вручную слушали звонки и выставляли оценки, — и даже при таком масштабе штата прослушивался не весь объём разговоров, а выборка (источник).
Аудиоаналитику уже подключили. Не помогло.
Есть и третий способ — уже существующие сервисы речевой аналитики. Казалось бы, вот оно, решение: автоматика, которая слушает всё подряд и не устаёт. Но большинство таких сервисов считает слова и фразы заданные в словаре.
Это даёт формальное соответствие без гарантии содержания. Сотрудник может произнести нужную фразу и тут же нарушить тон разговора — метрика разницы не покажет.
Проблема глубже: подсчёт слов не учитывает порядок действий. Система не различает, выявил ли сотрудник потребность клиента перед тем, как сделать предложение, или просто вставил нужные слова в разговор вне логики сценария.
Это даёт формальное соответствие без гарантии содержания. Сотрудник может произнести нужную фразу и тут же нарушить тон разговора — метрика разницы не покажет.
Проблема глубже: подсчёт слов не учитывает порядок действий. Система не различает, выявил ли сотрудник потребность клиента перед тем, как сделать предложение, или просто вставил нужные слова в разговор вне логики сценария.
Первая гипотеза
В мае 2025 наш директор и основатель VR Supersonic сформулировал гипотезу: сервис, который отслеживает не отдельные слова, а последовательность этапов сценария, закроет то, что не закрывают тайный гость, выборочное прослушивание и существующая речевая аналитика вместе взятые. Так родилась Станция 42: сервис аудиоаналитики.
Я в продукте с самого первого бреншторма команды, с первой версии, когда в сервисе можно было только одно: загрузить аудиофайл и получить эксель с расшифровкой.
За прошедший год вышло 12 релизов (не считая микрорелизов), гипотеза подтвердилась на реальных данных, и продукт дошёл до пилота на 2 клиентах.
Я в продукте с самого первого бреншторма команды, с первой версии, когда в сервисе можно было только одно: загрузить аудиофайл и получить эксель с расшифровкой.
За прошедший год вышло 12 релизов (не считая микрорелизов), гипотеза подтвердилась на реальных данных, и продукт дошёл до пилота на 2 клиентах.
Как устроена моя работа внутри команды
Мы работаем стартап-темпом: гипотеза может родиться в понедельник, к среде у меня готов концепт и прототип, к пятнице разработка уже начинает резать задачи. Полного цикла «исследование — дизайн — разработка — тестирование», растянутого на месяц, тут просто нет — на это нет времени и ресурсов (Станция 42 — лишь один из продуктов. Той же командой пилим паралелльно LMS, VR-приложение и речевые тренажёры)
Гипотеза
/1.
Гипотезу приносят аналитик и бизнес — обычно одним абзацем в чате или устно, без ТЗ как документа: есть только смысл, который я сама достраиваю до работающего интерфейса.
Брейншторм
/2.
Если фича крупная Если фича/и крупная и сложная + нужно понять приоритетность — собираемся брейнштормить вслух разработка х бизнес х аналитика х дизайн (в моем единственном лице). Но чаще гипотеза небольшая, и я иду сразу в концепт — рисую, показываю, обсуждаем уже по факту готового решения.
Концепт
/3.
Дальше — кликабельный прототип. Показываю бизнесу и аналитику — решает ли гипотезу, разбираем с разработчиками как лучше реализовать (в зависисмости от задачи, это может быть до концепта)
Доработка макетов
/4.
Детально дорабатываю макеты, довожу решение до передачи в разработку — состояния компонентов, edge-кейсы, тексты, поведение при пустых данных и ошибка. Пока разрабы пилят, я на связи: что-то дообсуждаем по ходу, потому что не всё можно было предусмотреть заранее. В конце — дизайн-ревью релиза.
Сбор обратной связи
/5.
Бизнес приходит с фичей к клиенту, приносит реакцию — и цикл стартует заново, как с уточнением той же гипотезы, так и с новой.
Мне не приносят чёткие требования — мне приносят идею и ожидание, что я сама придумаю, как это должно выглядеть и работать. И я это делаю. И мне это в кайф
Чеклисты
У существующих решений вместо чеклиста словарь: список слов и фраз-триггеров, которые ищутся в тексте расшифровки. Его долго создавать, заполнять, актуализировать и настраивать. Зато легко обмануть систему, сказав подряд нужное слово)
У нас же единица чек-листа — не слово, а этап сценария
Внешне экран почти не менялся с первой версии: чек-лист можно посмотреть, отредактировать, создать с нуля, импортировать из JSON — и выгрузить обратно, в том же JSON и отдельно в текстовом формате для тех, кому проще работать с обычным файлом, чем разбирать структуру.
Внешне экран почти не менялся с первой версии: чек-лист можно посмотреть, отредактировать, создать с нуля, импортировать из JSON — и выгрузить обратно, в том же JSON и отдельно в текстовом формате для тех, кому проще работать с обычным файлом, чем разбирать структуру.
Отчëты
Отчёты — экран, на котором я провела больше времени, чем на любом другом в продукте, потому что он менялся почти в каждом из 12 релизов.
Версия 0 не была продуктом в привычном смысле. Аналитик вручную загружал коллекцию аудиофайлов, скрипт прогонял их через распознавание речи и ИИ, и на выходе получался эксель с сопоставлением: звонок, этап сценария, отметка о выполнении. Этот эксель мы носили на демо клиентам как доказательство, что технология вообще работает.
После нескольких успешных демо стало ясно, что продукт нужен, только после этого стали разивать просмотр отчёта в UI
Версия 0 не была продуктом в привычном смысле. Аналитик вручную загружал коллекцию аудиофайлов, скрипт прогонял их через распознавание речи и ИИ, и на выходе получался эксель с сопоставлением: звонок, этап сценария, отметка о выполнении. Этот эксель мы носили на демо клиентам как доказательство, что технология вообще работает.
После нескольких успешных демо стало ясно, что продукт нужен, только после этого стали разивать просмотр отчёта в UI
В шапку таблицы вынесла средние проценты выполнения этапов чек-листа, чтобы руководитель видел общую картину, не проваливаясь в каждую запись по отдельности. Добавила группировку по пользователям: руководителю нужно смотреть не «все звонки одним списком», а «как работает конкретный сотрудник за период».
В первой версии отчёт умел одно — показать текст расшифровки. Прочитать, что было сказано, без возможности услышать, как именно это было сказано и провалидировать ответ ИИ. Следующим шагом стало прослушивание с синхронизацией: клик по фразе в расшифровке перематывает плеер точно на этот момент и подсвечивает заливкой кусок текста, который сейчас звучит.
В первой версии отчёт умел одно — показать текст расшифровки. Прочитать, что было сказано, без возможности услышать, как именно это было сказано и провалидировать ответ ИИ. Следующим шагом стало прослушивание с синхронизацией: клик по фразе в расшифровке перематывает плеер точно на этот момент и подсвечивает заливкой кусок текста, который сейчас звучит.
Дальше добавили Action Plan — что сотруднику стоит изменить, если пункт чек-листа не выполнен. План генерирует GPT по конкретному разговору, а не берёт из шаблона, а значит, генерация не мгновенная и может не получиться.
За этими словами — далеко не всё, что есть в отчётах. Есть подсветка «слабых» этапов чек-листа цветом по порогам выполнения, есть отдельная обработка ситуации «этот этап не требовался в конкретном разговоре», чтобы она не портила процент выполнения там, где по сути его и не должно было быть. Но выше — костяк: как отчёт вырос из экселя для демо в интерфейс.
За этими словами — далеко не всё, что есть в отчётах. Есть подсветка «слабых» этапов чек-листа цветом по порогам выполнения, есть отдельная обработка ситуации «этот этап не требовался в конкретном разговоре», чтобы она не портила процент выполнения там, где по сути его и не должно было быть. Но выше — костяк: как отчёт вырос из экселя для демо в интерфейс.
Дашборд
Не могу выкладывать настоящий Дашборд из-за NDA.
Спроектировала новый, чтобы был виден уровень владения визуализацией данных
Спроектировала новый, чтобы был виден уровень владения визуализацией данных