Прокачка отдела продаж с помощью ИИ

Что показываем в видео уроке по настройке шаблона

На практике показываем, как объединить два бота в один. Сначала тестируем результат: бот присылает возражение, менеджер отвечает голосовым, бот пишет «ответ принят, анализирую», а затем выдаёт разбор по семи критериям со средним баллом по пятибалльной шкале. Затем устанавливаем шаблон «Прокачка отдела продаж с помощью ИИ», копируем из него блоки и вставляем в бота из первой части. Настраиваем ключевые моменты: включаем блок «входящий webhook» (ретрансляция запросов на блок по ID), создаём три глобальные переменные (GPT-токен, TLG-токен, логин аккаунта JBL), правим цепочки сообщений и промты. Разбираем логику по веткам: блок «условие» проверяет, что транскрибация прошла (переменная = 1), блок «переключатель» ведёт на ветку нужного вопроса, «интерпретатор JavaScript» через go to block связывает сценарии, а блоки «запись в Google таблицу» и «обновить запись в Google таблице» сохраняют вопрос, ответ и анализ в нужные ячейки. Отдельно объясняем, что голосовое из Telegram приходит в неподдерживаемом ChatGPT формате, поэтому конвертация в MP4 и вызов метода create transcription вынесены в отдельный микросервис.

Ключевая идея

Ключевая идея урока — собрать связку «голос → текст → анализ» на готовых блоках, не погружаясь в код. Voice ловит блок «входящий webhook», транскрибацию через ChatGPT выполняет внешний микросервис (Telegram отдаёт голос в формате, который нейросеть не принимает напрямую, поэтому нужна конвертация в MP4 и метод create transcription), а качество ответа оценивает GPT по вашему промту. Именно промт задаёт критерии и структуру анализа, а переменная с текстом транскрибации подставляется в каждую ветку вопроса. Разбираем важные приёмы объединения шаблонов: менять блоки местами и убирать лишние стрелки, чтобы «операция над переменной» успевала отработать до того, как webhook перехватит голосовое, и аккуратно вести запись анализа в отдельные ячейки Google таблицы, чтобы данные не превратились в кашу.

Что за проект вы получаете

В итоге вы получаете бота, который принимает голосовые, распознаёт речь и выдаёт по ним автоматический анализ с оценкой — готовый тренажёр отработки возражений для отдела продаж. Но главная ценность урока шире: связку транскрибации и ИИ-анализа можно встроить в любой бот. Это удобный способ проверять развёрнутые устные ответы там, где текстом отвечать неудобно: обучение сотрудников, проверка заданий, мини-консультации экспертов. Такую механику легко упаковать в лёгкий недорогой продукт-пробник, который знакомит человека с вашей экспертностью и ведёт к полноценной консультации, а разобравшись в webhook, микросервисах и промтах, вы сможете собирать подобные ИИ-проекты самостоятельно.