Қазақстанда дауыстық AI-агенттер мен байланыс орталықтарын әзірлеу: қазақ және орыс тілінде сөйлеу, SIP-телефония, Kaspi QR және CRM интеграциясы
Қазақстанда (Алматы, Астана, Шымкент) және жаһандық нарықта дауыстық AI-агенттерді енгізу бойынша толық техникалық нұсқаулық. Архитектурасы: WebRTC/SIP, Whisper қазақ-орыс код-свитчингі, ультра-жылдам TTS, Kaspi Pay төлемдері және CRM синхронизациясы.
2026 жылғы байланыс орталықтарының өзекті мәселелері
Телефон арқылы сату және жедел клиенттік қолдау кез келген бизнестің негізгі кіріс көзі болып қала береді. Алайда Алматы, Астана, Шымкент және басқа өңірлердегі кәсіпорындар дәстүрлі колл-орталықтардың күрделі мәселелеріне тап болуда:
Қоңыраулардың 40–50%-ын жоғалту: Қарбалас уақытта және жұмыстан тыс уақытта тұтынушылар 3–5 минут бойы жауап күтуге мәжбүр. Зерттеулер бойынша, клиенттердің 78%-ы қайта хабарласпай, бірден бәсекелестерге кетеді.
Операторлардың жиі ауысуы: Бірінші желі операторы орта есеппен небәрі 2.5–3 ай ғана жұмыс істейді. Әр қызметкерді оқыту мен ұстау айына 250 000 – 400 000 ₸ шығын әкеледі.
Қос тілділік пен код-свитчинг мәселесі: Қазақстандағы қоңыраулардың 60%-дан астамы қазақ және орыс тілдерінің араласуымен өтеді («Сәлеметсіз бе, маған Алматыдағы складтан жеткізу керек еді, Kaspi QR арқылы төлеуге бола ма?»). Ескі IVR роботтары мұндай сөйлесуді түсінбейді.
Қоңырау кезінде әрекеттің болмауы: Кәдімгі оператор шот жіберуге немесе брондау жасауға 5–7 минут жұмсайды. Ал 2026 жылы клиент шотты дәл әңгіме барысында Kaspi Pay арқылы 1 секундта алуды күтеді.
VibeCode World форумы мен MurdaSoft студиясының негізін қалаушы, Kcell B2B бұрынғы өнім менеджері Александр Мурдасовтың тәжірибесі бойынша, заманауи дауыстық AI-агенттерді енгізу қоңырауларды өңдеу құнын 80%-ға азайтып, тәулік бойы 1 секундта жауап беруді қамтамасыз етеді және төлемге өту конверсиясын 30–45%-ға арттырады.
```
┌───────────────────────────────┐
│ Клиенттің кіріс қоңырауы │
│ (SIP Trunk / Kazakhtelecom / │
│ Kcell / Beeline / Zadarma) │
└───────────────┬───────────────┘
│
▼
┌───────────────────────────────┐
│ Asterisk / FreeSWITCH / WebRTC│
│ Төмен кідірісті дыбыс ағыны │
└───────────────┬───────────────┘
│
▼
┌───────────────────────────────┐
│ Silero VAD (Дауысты анықтау) │
│ Сөзді бөлуді өңдеу (Barge-in) │
└───────────────┬───────────────┘
│
▼
┌───────────────────────────────┐
│ Streaming STT (Whisper KK/RU) │
│ Код-свитчингті тану │
└───────────────┬───────────────┘
│
▼
┌───────────────────────────────┐
│ Voice Agent Orchestrator │
│ (LangGraph / State Machine) │
└───────┬───────────────┬───────┘
│ │
┌────────────────────────┘ └───────────────────────┐
▼ ▼
[Құралдар мен Интеграциялар] [Ultra-Low Latency TTS]
• 1С / Деректер қоры (Қалдықтар мен баға) Cartesia / ElevenLabs
• Kaspi Pay API (Шотты бірден шығару) Нақты уақыттағы дауыс
• WhatsApp Business API (Сілтемені жіберу) Кідіріс < 350 мс
• AmoCRM / Bitrix24 (Мәміле жасау) │
│ │
└────────────────────────┬───────────────────────────────────────┘
│
▼
┌───────────────────────────────┐
│ Клиентке нақты уақытта │
│ дауыстық жауап қайтару │
└───────────────────────────────┘
```
450 мс-тен төмен кідіріспен жұмыс істейтін Voice AI архитектурасы
Дауыстық жасанды интеллекттің ең басты көрсеткіші — кідіріс уақыты (latency). Егер жүйе 800 мс-тен артық ойланса, әңгіме табиғилығын жоғалтады. MurdaSoft ұсынатын архитектура:
Silero VAD арқылы сөзді бөлуді өңдеу (Barge-in): Клиент сөйлеп жатқан кезде агентті бөлсе, дауысты шығару бірден тоқтап, агент жаңа сұраққа лезде жауап береді.
Қазақ-орыс тілін танитын Streaming STT: Whisper v3 үлгісі Қазақстанның аймақтық топонимдеріне (мысалы, Алматыдағы «Әл-Фараби», «Райымбек» көшелері) және аралас сөйлеуге арнайы бейімделген.
LangGraph диалог басқарушысы: Агент тек ресми бекітілген мәліметтер негізінде жауап береді және жалған ақпараттан (галлюцинация) толық қорғалған.
Ультра-жылдам дыбыс синтезі (TTS): Жауаптың алғашқы буындары пайда болған бойда дыбыс генерациясы басталып, кідіріс 350 мс деңгейінде сақталады.
Нақты сценарий: Қоңырау → Сұраныс → Kaspi QR → CRM
- •Клиент: «Сәлеметсіз бе! Маған бензинді генератор керек еді, Алматыдағы қоймада бар ма және бағасы қанша?»
- •Дауыстық агент: «Қайырлы күн! Иә, 5 кВт бензинді генераторлар қазір Алматы қоймасында бар, бағасы 185 000 теңге. Сізге бүгінге жеткізуді рәсімдейміз бе?»
- •Клиент: «Иә, Каспи арқылы төлеуге бола ма?»
- •Дауыстық агент: «Әрине! Мен дәл қазір нөміріңізге Kaspi Pay арқылы шот шығардым және WhatsApp-қа сілтемесін жібердім. Бір батырмамен растай аласыз. Төлем түскен бойда тапсырыс жиналады.»
Бағалар, мерзімдер және тиімділік кестесі (2026 жыл)
| Шешім деңгейі | Технологиялық стек | Мерзімі | Бағасы (₸) | Бағасы ($) | Бизнеске тиімділігі |
|---|---|---|---|---|---|
| Starter Voice Agent (Кіріс желі / Жазылу) | Asterisk / Zadarma, Whisper STT, ElevenLabs, CRM интеграциясы | 7–10 жұмыс күні | 450 000 ₸ бастап | $950 бастап | Тәулік бойы 100% қоңырауларды қабылдау, нөлдік жоғалту |
| Bilingual Commerce AI (Қазақша + Орысша, Kaspi QR) | SIP Trunk, fine-tuned Whisper, LangGraph, Kaspi Pay API, WhatsApp Business API | 14–20 жұмыс күні | 950 000 ₸ бастап | $2 000 бастап | Қоңырау барысында бірден төлем қабылдау, сатуды 35–45% өсіру |
| Enterprise AI Call Center (1C, ERP, Көпжелілік) | FreeSWITCH кластері, 50 000+ тауар каталогы, 1С және AmoCRM/Битрикс24 интеграциясы | 3–5 апта | 1 800 000 ₸ бастап | $3 800 бастап | Колл-орталық шығынын 70%-ға дейін қысқарту, 100+ бір мезгілдегі желі |
| Global SaaS Voice Bot (EN/ES/DE, Twilio, Stripe) | WebRTC streaming, Twilio Voice, Cartesia Sonic, Stripe Billing, HubSpot | 2–4 апта | $3 000 бастап | $3 000 бастап | Ағылшын тілді қызметкерлерсіз АҚШ және Еуропа нарығына шығу |
| Dedicated On-Premise Voice Cluster | Қазақстанның жергілікті Деректер орталығы (№ 94-V Заңы), оқшауланған сервер | 4–6 апта | 3 200 000 ₸ бастап | $6 800 бастап | ҚР заңнамасына толық сәйкестік, қатаң қауіпсіздік |
7 кезеңнен тұратын енгізу жоспары
Телефония мен бизнес-процестер аудиті (1–2 күн): Қолданыстағы телефония жүйесін талдау және негізгі диалог сценарийлерін бекіту.
SIP / WebRTC шлюзін баптау (2–3 күн): Дыбыс кідірісін азайту үшін Asterisk / FreeSWITCH серверін баптау.
Речевой модельдерді калибрлеу (3–4 күн): Қазақ және орыс тілдеріндегі кәсіби сөздерді, мекенжайларды тануды баптау және дауыс тембрін таңдау.
LangGraph диалог логикасы және RAG қоры (3–5 күн): Бизнеске қатысты деректерді жүйеге енгізу және жалған жауаптардан қорғау.
Төлем жүйелері мен CRM интеграциясы (3–4 күн): Kaspi Pay / Freedom Pay және AmoCRM / Битрикс24 жүйелерін қосу.
Тестілеу және Human-in-the-Loop баптауы (3–5 күн): Алғашқы 300–500 нақты қоңырауды талдап, дәлдікті 98%-ға жеткізу.
Өндіріске енгізу (1 күн): Барлық кіріс желілерді толыққанды дауыстық AI-агентке көшіру.
Жиі қойылатын сұрақтар (FAQ)
Дауыстық агент қазақша және орысша аралас сөйлеуді түсіне ме?
Иә. Біздің жүйе Қазақстандағы нақты аудио жазбаларға үйретілген Whisper акустикалық үлгілерін пайдаланады. Агент код-свитчингті, қалалық атауларды (Алматы, Астана, Шымкент көшелері) еркін түсініп, клиент сөйлеген тілде табиғи жауап береді.
Клиент қоңырау кезінде қалай төлем жасайды?
Агент қауіпсіз Kaspi Pay API арқылы клиенттің телефон нөміріне электронды шот жібереді және WhatsApp арқылы сілтемесін жолдайды. Клиент Kaspi.kz қосымшасында 1 рет басу арқылы төлейді.
Дауыстық AI ескі IVR роботтарынан несімен ерекшеленеді?
Ескі жүйелер «1-ді басыңыз» деп адамды шаршатса, жаңа дауыстық AI кәдімгі маман секілді еркін диалог жүргізеді, клиенттің сөзін бөлгенін түсінеді және нақты әрекеттер жасайды: қорды тексереді, брондайды, шот шығарады.
ҚР «Дербес деректер және оларды қорғау туралы» № 94-V Заңына сәйкес пе?
Иә. Біз серверлерді толығымен Қазақстан аумағындағы деректер орталықтарында оқшаулап орнату мүмкіндігін ұсынамыз.
Жүйені MurdaSoft студиясынан қалай тапсырыс беруге болады?
Біздің дайын архитектуралық шешімдеріміз бен жобаларымызды MurdaSoft Vibe Map бөлімінен көре аласыз. Толық сметаны есептеу және кеңес алу үшін тікелей негізін қалаушы Александр Мурдасовқа Telegram арқылы @murdasoft немесе @Allexndr жазыңыз.