Kako radi AI kontakt centar: ceo poziv ostaje na vašim serverima

Poziv stiže preko vašeg SIP provajdera ili telefonske centrale. Od tog trenutka sve — prepoznavanje govora, odlučivanje šta reći, sinteza glasa, snimci — dešava se unutar vaše infrastrukture.

Arhitektura

Ilustracija: Ilustracija: lokalni AI kol centar — podaci ostaju u vašim prostorijama VAŠE PROSTORIJE — PODACI NE IZLAZE AI Fortis GPU server prepoznavanje govora · glas · hub Jezički model lokalno (opciono) SIP trunk / PBX Vaš CRM / ERP Pozivalac vaš provajder (API) Ilustracija
Sa vašim LLM provajderom preko API-ja izlazi samo tekst razmena; sa lokalnim LLM-om ništa.

Komponente

Telefonski gejtvej

Radi na vašem serveru i povezuje se sa vašim SIP trankom ili PBX-om. Dolazni i odlazni pozivi, prepoznavanje zauzeća, prebacivanje na kolegu.

Prepoznavanje govora

Naše sopstveno prepoznavanje govora, na GPU serveru, prilagođeno telefonskom zvuku i svakom jeziku koji isporučujemo.

Glas

Naši sopstveni neuronski glasovi, optimizovani za telefonske razgovore i ispravne akcente. Prilagođeni glas za vaš brend na zahtev.

Upravljanje razgovorom

Ko kada govori, upadanje pozivaoca u reč, pauze, zaštita od ponavljanja, obaveštenje da je reč o AI i najava snimanja.

Jezički model

Formuliše odgovore i odlučuje kada da pozove alat. Vaš postojeći dobavljač preko API-ja ili potpuno lokalni model bez interneta.

Kontrolna soba

Agenti i verzije, kampanje, lista „ne zovi“, vreme pozivanja, snimci, transkripti, izdvajanje podataka, klijentski portali, uloge, revizijski dnevnik.

Put jedne razmene — sa izmerenim vremenima

Ilustracija: Ilustracija: jedna razmena u pozivu sa izmerenim vremenima
Pozivalac
SIP gejtvej
Prepoznavanje govora
Jezički model + alati
Glas
javljanje za 0,14–0,31 s prvi zvuk 136 ms (medijana) kraj govora → prvi zvuk 1,4 s (medijana, test pozivi) Ilustracija
  1. Pozivalac govori; zvuk preko SIP-a stiže do gejtveja na vašem serveru.
  2. Prepoznavanje govora pretvara govor u tekst dok pozivalac još završava.
  3. Jezički model određuje odgovor i po potrebi poziva alat (npr. proveru stanja u CRM-u).
  4. Glas sintetizuje odgovor u delovima, pa prvi zvuk počinje pre nego što je ceo odgovor spreman.
  5. Poziv, transkript i izdvojena polja čuvaju se u hubu; webhook obaveštava vaše sisteme.

Vremena su laboratorijska merenja i merenja test poziva (oktobar 2026). Ukupno vreme razmene najviše zavisi od jezičkog modela koji izaberete.

Šta se dešava na vašim serverima tokom poziva

Poziv stiže do vašeg telefonskog gejtveja preko postojećeg SIP trunka ili PBX-a. Odatle ide u naše sopstveno prepoznavanje govora, koje reči pozivaoca pretvara u tekst unutar vaše zgrade. Sloj razgovora odlučuje šta dalje, uz jezički model po vašem izboru: vašeg postojećeg provajdera preko API-ja, pri čemu se šalje samo tekst replika, ili potpuno lokalni model bez internet veze.

Ako agentu trebaju podaci, poziva vaše sisteme preko HTTP alata, koristeći samo radnje koje ste dozvolili. Odgovor zatim odlazi u naše sopstvene glasovne modele, koji ga izgovaraju u pozivu. Snimci, transkripti i logovi ostaju na vašim serverima, uz rok čuvanja koji postavljate po klijentu.

Pošto se svaki korak odvija unutar vaše infrastrukture, vaš tim za bezbednost može da proverava tok podataka, mrežna pravila i evidenciju događaja na isti način kao i za bilo koji drugi interni sistem. Ništa u pozivu ne zavisi od cloud usluge za govor, pa zadržavate kontrolu nad podacima i nad troškom.

Tokom pilota ove korake merimo na vašoj opremi i sa jezičkim modelom koji ste izabrali, jer je taj model najveći deo kašnjenja. Dobijate brojke za vašu postavku, a vaš tim vidi kako se agent ponaša u stvarnim pozivima pre bilo kakvog uvođenja. Ista kontrolna soba zatim prikazuje pozive uživo, kampanje, snimke i evidenciju događaja za svakog agenta.

Hardver i kapacitet

Isporučujemo enterprise GPU servere dimenzionisane prema vašem obimu. Ovo smo izmerili na jednom od naših laboratorijskih servera:

KonfiguracijaIstovremeni poziviPrvi zvuk glasa (medijana / p95)
Enterprise GPU server — standardno podešavanje50.000+136 / 178 ms
Enterprise GPU server — podešavanje za maksimalnu tačnost16p95 156 ms
Server samo sa CPU-om (mala okruženja)697 / 179 ms

Izmereno sa stvarnim prepoznavanjem govora na snimljenom bugarskom govoru. Produkcioni serveri se dimenzionišu prema vašem obimu; veći obim znači više servera.

Pogledajte nivoe hardvera u konfiguratoru →

Česta pitanja

Da li zaista sve radi na našim serverima?

Da: naše sopstveno prepoznavanje govora i glasovni modeli, upravljanje razgovorom, telefonski gejtvej, kampanje i snimci. Jezički model birate vi: vaš postojeći dobavljač preko API-ja (tada se šalje samo tekst replika) ili potpuno lokalni model bez interneta.

Koji hardver je potreban?

Isporučujemo enterprise GPU servere dimenzionisane prema vašem obimu. Za orijentaciju, jedan od naših laboratorijskih servera obradio je 50.000+ istovremenih poziva. Pogledajte korak 2 konfiguratora.

Koliko brzo agent odgovara?

U našim probnim pozivima sa jezičkim modelom u oblaku medijana vremena od kraja rečenice pozivaoca do prvog zvuka odgovora bila je 1,4 s; sam glas počinje 136 ms nakon što je tekst odgovora spreman. Jezički model čini najveći deo, zato ga merimo sa vašim izborom u pilot-projektu.

Sa kojom telefonijom radi?

Sa bilo kojim standardnim SIP trankom ili PBX-om: vaši postojeći brojevi i operater ostaju isti.

Pogledajte kako radi na vašem sopstvenom scenariju

Zakažite razgovor od 20 minuta, poslušajte agenta ili neka napravimo besplatnog probnog agenta za jednu vrstu vaših poziva. Bez obaveze.

  • GDPR po dizajnu
  • Radi na vašim serverima
  • Rad i podrška 24/7
  • Tim od 5 ljudi u Sofiji, EU

Već radi u produkciji u organizacijama u Bugarskoj — nazivi su pod NDA.

Kako dokazujemo →