УДК 004.89
DOI: 10.36871/26189976.2026.03-3.007
Авторы
Салават Айратович Хамидуллин,
Ольга Юрьевна Янова,
Казанский государственный энергетический университет, Казань, Россия
Аннотация
Статья посвящена разработке и анализу архитектурноалгоритмической модели интеллектуальной обработки клиентских коммуникаций в CRM-системе с использованием больших языковых моделей. Актуальность темы обусловлена необходимостью повышения эффективности управления процессами взаимодействия с клиентами в условиях цифровой трансформации бизнеса, роста объёма обращений, а также повышения требований к скорости квалификации лидов. Предметом исследования являются процессы интеллектуальной обработки клиентских коммуникаций, включающие транскрибацию аудиозаписей, классификацию степени заинтересованности клиентов и автоматическое сопоставление результатов анализа со стадиями CRM-системы. Указанные процессы определяют скорость первичной обработки запросов потенциальных клиентов, точность их квалификации и формирование аналитической базы для принятия управленческих решений. Цель исследования — разработать и формализовать модель системы, обеспечивающей автоматизированную обработку коммуникаций с клиентами на основе методов обработки естественного языка. Задачи исследования включают: формализацию задачи многоклассовой классификации клиентских коммуникаций; разработку архитектуры микросервисной системы с выделением отдельных сервисов; проведение экспериментальной оценки влияния внедрения интеллектуального модуля на показатели обработки лидов. Практическая значимость работы заключается в возможности внедрения предложенной модели в деятельность предприятий, использующих CRM-платформы и обрабатывающих значительные объёмы клиентских коммуникаций. Реализация разработанного решения позволит сократить время первичной обработки обращений, повысить объективность квалификации лидов, автоматизировать переходы по стадиям воронки продаж и обеспечить формирование агрегированных аналитических показателей. Таким образом, исследование направлено на создание масштабируемой и технологически обоснованной системы интеллектуальной поддержки процессов взаимодействия с клиентами, соответствующей требованиям современной цифровой среды.
Ключевые слова
микросервисы
производственные процессы
искусственный интеллект
CRM-система
автоматизация
коммуникация с клиентами
Список литературы
[1] Алисултанова И. А., Янова О. Ю. Анализ построения системы искусственного интеллекта // Экономика и управление: проблемы, решения. 2025. Т. 8, № 1(154). С. 142–147. DOI 10.36871/ek.up. p. r.2025.01.08.016. EDN KOVBXO.
[2] Битрикс24: cервис для управления бизнесом [Электронный ресурс].—ООО «1С-Битрикс».—Режим доступа: https://www.bitrix24.ru (дата обращения: 26.02.2026).
[3] Зарипова К. И., Нуриев М. Г. Автоматизация процесса предварительной оценки кредитоспособности клиентов коммерческого банка // Russian Journal of Management. 2024. Т. 12. № 4. С. 42–56. EDN UMDTLF.
[4] Зарипова Р. С., Чупаев А. В., Хаматгалеева Г. А. Автоматизация процесса управления взаимоотношениями с клиентами // Наука Красноярья. 2021. Т. 10. № 4–3. С. 38–43. EDN FJDPWQ.
[5] Минаев О. М., Янова О. Ю., Магомадова А. И. Роль интеллектуальных информационных систем в формировании конкурентных стратегий бизнеса // Экономика и управление: проблемы, решения. 2025. Т. 10, № 11(164). С. 196–201. DOI 10.36871/ ek.up. p. r.2025.11.10.021. EDN PKUIZW.
[6] Николаева С. Г., Ахунова И. Р. Интеграция SQL с технологиями блокчейн и искусственный интеллект // Современные цифровые технологии. Материалы II Всероссийской научно-практической конференции. Барнаул, 2023. С. 182–184.
[7] PostgreSQL Global Development Group. PostgreSQL: объектно-реляционная система управления базами данных [Электронный ресурс]. Режим доступа: https://www. postgresql.org/ (дата обращения: 26.02.2026).
[8] Qwen Team (Alibaba Group) [Электронный ресурс]. Разработчик моделей Qwen2.5. Режим доступа: https://qwenlm.github.io/ (дата обращения: 26.02.2026).
[9] Qwen Team. Qwen2.5: A Party of Foundation Models [Электронный ресурс]. — Режим доступа: https://qwenlm.github.io/blog/qwen2.5/ (дата обращения: 26.02.2026).
[10] T-One [Электронный ресурс]. Открытая модель автоматического распознавания речи T-One, лицензия Apache 2.0. Режим доступа: https://huggingface.co/t-tech/T-one (дата обращения: 26.02.2026).
[11] T-Tech [Электронный ресурс]. — Команда модели T-One. — Режим доступа: https:// huggingface.co/t-tech (дата обращения: 26.02.2026).
[12] Yang A., Yang B., Hui B., Zheng B., Yu B., Zhou C., Li C., Li C., Liu D., Huang F., Dong G., Wei H., Lin H., Tang J., Wang J., Yang J., Tu J., Zhang J., Ma J., Xu J., Zhou J., Bai J., He J., Lin J., Dang K., Lu K., Chen K., Yang K., Li M., Xue M., Ni N., Zhang P., Wang P., Peng R., Men R., Gao R., Lin R., Wang S., Bai S., Tan S., Zhu T., Li T., Liu T., Ge W., Deng X., Zhou X., Ren X., Zhang X., Wei X., Ren X., Fan Y., Yao Y., Zhang Y., Wan Y., Chu Y., Liu Y., Cui Z., Zhang Z., Fan Z. Qwen2 Technical Report [Электронный ресурс]. — arXiv preprint arXiv:2407.10671, 2024. — Режим доступа: https://arxiv.org/abs/2407.10671 (дата обращения: 26.02.2026).
