AI-продажний агент через голос, чат, Телеграм, WhatsApp (Одна труба)
Ситуація
Агентство B2B з продажу проводило кваліфікацію лідів у великому обсязі для своїх клієнтів. Потенційні клієнти зверталися через 4 канали: віджет на вебсайті, телефонні дзвінки, Telegram та WhatsApp. Агентство хотіло автоматизувати перші розмови через усі ці канали без найму додаткових SDR.
Проблема
Більшість інструментів автоматизації продажів є специфічними для каналу. Чат-бот для вебсайту. Окремий бот для Telegram. Інший постачальник для голосу. Кожен інструмент має свої власні записи лідів, свої власні сценарії, жодної спільної інформації. Коли один і той же потенційний клієнт звертався в Telegram, а пізніше телефонував на основний номер, ніхто не пов'язував ці два взаємодії. Оцінки лідів були фрагментованими. Відповіді бази знань були непослідовними між каналами. А вихідні дзвінки все ще вимагали людського SDR, який телефонує через електронну таблицю.
Агентству потрібен був один мозок за кожним каналом, а не чотири з'єднані разом інструменти.
Рішення
Я створив єдину платформу продажів, де кожне повідомлення проходить через одного й того ж AI-агента. Голос, чат, Telegram, WhatsApp: кожен канал має тонкий адаптер, який нормалізує вхідні повідомлення, а потім передає їх до спільного ChatService. Ця служба шукає ліда, отримує відповідні знання через RAG (вбудовування Voyage AI в pgvector) і передає історію розмови агенту, який відповідає на запитання, спираючись на фактичні документи продукту компанії, ціни та FAQ. Одні й ті ж записи лідів, одна й та ж база знань, одна й та ж оцінка через усі 4 канали.
Для виходу оператори завантажують список контактів, прикріплюють голосовий сценарій і запускають кампанію з адміністративної панелі. Робітники BullMQ телефонують контактам через Retell AI з обмеженням 1 дзвінок/секунду. Retell обробляє телефонію та мову; мій власний WebSocket-інтерфейс передає транскрипцію кожного дзвінка агенту в реальному часі. Після кожного дзвінка вебхуки Retell доставляють транскрипцію, підсумок дзвінка та аналіз настроїв назад на платформу, яка автоматично коригує оцінки лідів (+10 за позитивний настрій, -5 за негативний).
Вбудовуваний віджет є 53KB однофайловим пакетом Vite IIFE, який можна вставити на будь-який вебсайт за допомогою одного тегу скрипта, рендериться всередині Shadow DOM, щоб уникнути конфліктів CSS, і відновлює історію чату при перезавантаженнях сторінки через localStorage.
Технічний стек: NestJS, TypeScript, Claude API (Anthropic SDK), Retell AI, вбудовування Voyage AI, OpenAI Whisper, Supabase (PostgreSQL + pgvector), BullMQ, Redis, Next.js, Vite, Docker, nginx, Cloudflare Tunnel
Результати
- 4 канали об'єднані під 1 AI-потік: голосові дзвінки, чат на вебсайті, Telegram, WhatsApp ділять записи лідів, базу знань та оцінки
- Вихідні дзвінки повністю автоматизовані: оператори налаштовують кампанію один раз, система телефонує, спілкується, транскрибує та оцінює кожен контакт без участі SDR
- Готовий до багатокористувацького використання: організації, RBAC та бази знань для кожної організації вбудовані, тому платформа може хостити кілька клієнтів агентств
- Запущено в тестуванні з партнерами з 7 службами Docker, підписаною перевіркою вебхуків та тестовим покриттям через 34 тестові файли (одиничні, інтеграційні, поведінка AI, E2E)
Як це працює
1. Потенційний клієнт звертається через будь-який з 4 каналів (віджет, телефон, Telegram, WhatsApp)
2. Адаптер каналу нормалізує повідомлення та створює або шукає ліда
3. ChatService отримує історію розмови та проводить семантичний пошук по базі знань компанії
4. Агент генерує відповідь, спираючись на отримані документи
5. Відповідь повертається через той же адаптер каналу
6. Оцінка ліда оновлюється на основі сигналів повідомлення або (для голосу) аналізу настроїв після дзвінка
Агентство B2B з продажу проводило кваліфікацію лідів у великому обсязі для своїх клієнтів. Потенційні клієнти зверталися через 4 канали: віджет на вебсайті, телефонні дзвінки, Telegram та WhatsApp. Агентство хотіло автоматизувати перші розмови через усі ці канали без найму додаткових SDR.
Проблема
Більшість інструментів автоматизації продажів є специфічними для каналу. Чат-бот для вебсайту. Окремий бот для Telegram. Інший постачальник для голосу. Кожен інструмент має свої власні записи лідів, свої власні сценарії, жодної спільної інформації. Коли один і той же потенційний клієнт звертався в Telegram, а пізніше телефонував на основний номер, ніхто не пов'язував ці два взаємодії. Оцінки лідів були фрагментованими. Відповіді бази знань були непослідовними між каналами. А вихідні дзвінки все ще вимагали людського SDR, який телефонує через електронну таблицю.
Агентству потрібен був один мозок за кожним каналом, а не чотири з'єднані разом інструменти.
Рішення
Я створив єдину платформу продажів, де кожне повідомлення проходить через одного й того ж AI-агента. Голос, чат, Telegram, WhatsApp: кожен канал має тонкий адаптер, який нормалізує вхідні повідомлення, а потім передає їх до спільного ChatService. Ця служба шукає ліда, отримує відповідні знання через RAG (вбудовування Voyage AI в pgvector) і передає історію розмови агенту, який відповідає на запитання, спираючись на фактичні документи продукту компанії, ціни та FAQ. Одні й ті ж записи лідів, одна й та ж база знань, одна й та ж оцінка через усі 4 канали.
Для виходу оператори завантажують список контактів, прикріплюють голосовий сценарій і запускають кампанію з адміністративної панелі. Робітники BullMQ телефонують контактам через Retell AI з обмеженням 1 дзвінок/секунду. Retell обробляє телефонію та мову; мій власний WebSocket-інтерфейс передає транскрипцію кожного дзвінка агенту в реальному часі. Після кожного дзвінка вебхуки Retell доставляють транскрипцію, підсумок дзвінка та аналіз настроїв назад на платформу, яка автоматично коригує оцінки лідів (+10 за позитивний настрій, -5 за негативний).
Вбудовуваний віджет є 53KB однофайловим пакетом Vite IIFE, який можна вставити на будь-який вебсайт за допомогою одного тегу скрипта, рендериться всередині Shadow DOM, щоб уникнути конфліктів CSS, і відновлює історію чату при перезавантаженнях сторінки через localStorage.
Технічний стек: NestJS, TypeScript, Claude API (Anthropic SDK), Retell AI, вбудовування Voyage AI, OpenAI Whisper, Supabase (PostgreSQL + pgvector), BullMQ, Redis, Next.js, Vite, Docker, nginx, Cloudflare Tunnel
Результати
- 4 канали об'єднані під 1 AI-потік: голосові дзвінки, чат на вебсайті, Telegram, WhatsApp ділять записи лідів, базу знань та оцінки
- Вихідні дзвінки повністю автоматизовані: оператори налаштовують кампанію один раз, система телефонує, спілкується, транскрибує та оцінює кожен контакт без участі SDR
- Готовий до багатокористувацького використання: організації, RBAC та бази знань для кожної організації вбудовані, тому платформа може хостити кілька клієнтів агентств
- Запущено в тестуванні з партнерами з 7 службами Docker, підписаною перевіркою вебхуків та тестовим покриттям через 34 тестові файли (одиничні, інтеграційні, поведінка AI, E2E)
Як це працює
1. Потенційний клієнт звертається через будь-який з 4 каналів (віджет, телефон, Telegram, WhatsApp)
2. Адаптер каналу нормалізує повідомлення та створює або шукає ліда
3. ChatService отримує історію розмови та проводить семантичний пошук по базі знань компанії
4. Агент генерує відповідь, спираючись на отримані документи
5. Відповідь повертається через той же адаптер каналу
6. Оцінка ліда оновлюється на основі сигналів повідомлення або (для голосу) аналізу настроїв після дзвінка
Харків 
Вільний для роботи