Как подготовить звонки и чаты для обучения ИИ‑агента: пошаговая инструкция 2026

Результат: вы получите легально обезличенный набор звонков и чатов, готовый для обучения ИИ‑агента, и план внедрения — обычно за 2–4 недели при наличии готовой базы записей.

Содержание

• Что понадобится
• Шаг 1. Определите объём и цель
• Шаг 2. Юридическая проверка и согласия
• Шаг 3. Выберите метод обезличивания
• Шаг 4. Транскрибация и автоматический скрининг
• Шаг 5. Ручная вычитка и контроль качества
• Шаг 6. Подготовка метаданных и хранения
• Шаг 7. Пилот и оценка качества
• Как проверить, что всё работает
• Типичные ошибки и как их избежать
• FAQ

Что понадобится

• Сбор звонков и чатов — экспорт аудио и логов (форматы: WAV/MP3, JSON/CSV для чатов).
• Короткое ТЗ: цель обучения (интенты, обработка возражений, старт/стоп скрипта).
• Юрист или внешняя проверка политики персональных данных.
• Инструменты транскрибации и скрипты для поиска PII (регулярные выражения).
• Контроль доступа к исходным файлам и место хранения в РФ (если это требование вашей политики).

Шаг 1. Определите объём и цель

Опишите, чему именно вы хотите научить ИИ: отвечать на типовые вопросы, закрывать возражения, приоритизировать лиды или давать рекомендации менеджеру. От этого зависит набор данных: для обучения закрытия возражений нужны примеры диалогов с возражением «дорого» и их корректной отработкой.

Рекомендация по объёму: начните с 500–2 000 транскрибированных диалогов для базовой модели, затем расширяйте выборку по необходимости.

Шаг 2. Юридическая проверка и согласия

Проверьте, есть ли у вас правовая база на использование записей в обучении. Опции:

• есть явное согласие клиента на обработку и использование записей — можно использовать как PII при соблюдении правил;
• нет согласия — применяйте полное обезличивание, чтобы из данных нельзя было восстановить личность;
• подпишите NDA и ограничьте круг доступа к исходникам.

На практике многие компании хранят данные на серверах в РФ и используют техническое обезличивание перед передачей в процесс обучения — это снижает риски соответствия 152‑ФЗ. При сомнениях перед использованием данных в обучении согласуйте подход с юристом.

Шаг 3. Выберите метод обезличивания

Типовые методы:

1. Удаление явных PII: телефон, email, ФИО — заменяйте токенами (например, [PHONE_1]).
2. Маскирование: частичная замена (оставлять первые/последние цифры) — удобно для аналитики форматов, но оставляет риск восстановления.
3. Псевдонимизация: хеширование идентификаторов с хранением ключа отдельно и под усиленной защитой.
4. Контекстное ослепление: удалять конкретные гео‑указания, номера квартир, уникальные события, которые могут идентифицировать клиента.

Практическое правило: если цель обучения — понимать намерения и работать со скриптом, достаточно заменить все имена и контакты на токены и оставить смысл фраз. Для задач, требующих персонализации, нужно правовое основание для использования PII.

Шаг 4. Транскрибация и автоматический скрининг

Порядок действий:

1. Оцифруйте аудио (однородный формат, одна частота дискретизации).
2. Запустите транскрибацию — автоматический текст в удобном формате (JSON/CSV).
3. Автоматически прогоните транскрипты через набор правил/регексов: телефоны, email, паспортные шаблоны, даты, адреса, ФИО.
4. Замените найденные элементы токенами; зафиксируйте замену в логе для последующего аудита (лог хранится отдельно и под контролем доступа).

Шаг 5. Ручная вычитка и контроль качества

Автоматика пропускает контексты. Обязательно ручная вычитка выборки:

• проведите проверку 5–10% транскриптов вручную;
• особое внимание — редким, уникальным фразам и описаниям ситуаций;
• проверьте, что токены не дают возможности восстановить личность по комбинации параметров.

Шаг 6. Подготовка метаданных и хранения

Метаданные часто содержат идентификаторы. Действуйте так:

• удаляйте или обезличивайте поля caller_id, IP, номера устройств;
• оставляйте полезные маркеры: канал обращения (телефон/чат), длительность, метки «возражение/цена/онбординг»;
• храните исходные записи и таблицу соответствий (если есть) в зашифрованном хранилище с ограниченным доступом;
• если по политике требуется локализация данных — разместите хранилище на серверах в РФ.

Шаг 7. Пилот и оценка качества

Запустите пилот на небольшой части данных и проверьте бизнес‑метрики и поведение ИИ:

• оцените точность распознавания интентов и соответствие скрипту на тестовой выборке;
• сравните результаты пилота с живой работой менеджеров по контрольным сценариям;
• заведите метрики качества и риск‑контроли: процент случаев с неустранимыми PII, доля неверных токенов, доля отклонений от скрипта.

Как проверить, что всё работает

Контрольные пункты:

1. автоматический скан показал 0 совпадений по регексу для телефона/email в обезличенной выборке;
2. ручная вычитка 10% не обнаруживает реальных ФИО/контактов;
3. пилотный ИИ‑агент решает задачу: корректно классифицирует интенты и не просит персональные данные;
4. все исходники и логи хранятся в зашифрованном виде с учётом прав доступа.

Типичные ошибки и как их избежать

• Ошибка: полагаться только на автоматические фильтры. Как избежать: комбинируйте регексы и ручную выборку.
• Ошибка: оставлять уникальные контексты (адреса, даты) в тексте. Как избежать: применять контекстное ослепление.
• Ошибка: хранить ключи к псевдонимам там же, где и данные. Как избежать: хранить ключи отдельно и ограничить доступ.
• Ошибка: тестировать ИИ на тех же данных, на которых обучали. Как избежать: держать отдельную тестовую выборку.

FAQ

1. Нужно ли брать согласие у всех клиентов?

   Если вы планируете использовать запись с PII в обучении — да, лучше получить явное согласие. Альтернатива — полное обезличивание данных до такой степени, чтобы личность восстановить было невозможно.

2. Какую долю данных нужно вычитать вручную?

   Рекомендуется ручная проверка 5–10% выборки при первой подготовке, затем контролировать случайные выборки регулярно.

3. Можно ли использовать чаты и звонки вместе?

   Да. Важнее унифицировать формат: транскрибируйте аудио и приведите чаты к единой разметке интентов и меток.

4. Где хранить исходные записи?

   В зашифрованном архиве с ограниченным доступом; если у вас политика локализации данных — на серверах в РФ.

5. Как быстро увидеть эффект от обучения на ваших данных?

   После корректного обезличивания и пилота первые изменения в работе ИИ и рекомендации обычно видны в течение нескольких недель; у клиентах, где аналитик менеджеров по продажам стандартизировал процесс, это привело к заметному росту метрик. Например, в проекте «Коди» конверсия в оплату достигла 26% (+53%), средний чек — 51 000 ₽ (+21%) (подробно).

Если вы не хотите тратить время на настройку и правовую проработку — Агентура может помочь подготовить, обезличить и настроить потоки данных для обучения ИИ; подробнее и заявка на работу с подготовкой данных — на странице инструмента для обучения и аналитики разговоров.