МТС Exolve внедрила голосового робота в образовательную платформу «ИнтернетУрок»
По данным CNews, платформа МТС Exolve подключила голосового робота к экосистеме образовательного сервиса «ИнтернетУрок».
Савелий Попов·обновлено 16 августа 2026 г.
Робот принимает входящие вызовы, отвечает на типовые запросы и маршрутизирует сложные кейсы операторам поддержки. Для ниши это показательный кейс применения голосового ИИ в EdTech при нагрузке порядка тысячи звонков в сутки.
Архитектура интеграции
Голосовой робот закрывает три функции: первичный приём звонка, NLU-классификация интента и передача контекста в CRM. Распознанная сущность обращения и метаданные вызова уходят в систему платформы, дальше работа ведётся через интерфейс менеджера. Сценарий — классическая гибридная схема: ASR + intent classifier + правило маршрутизации, без передачи всего диалога живому оператору на каждом шаге.
Заявленная пропускная способность — мгновенное подключение без очереди. Это ключевой параметр при пиковой нагрузке: при всплесках обращений (начало учебного года, сессии) узким местом становится именно hold-time, а не распознавание. Екатерина Блинова из «ИнтернетУрока» фиксирует именно эту метрику — скорость корректного перенаправления.
Параллель на европейском рынке
Контекст для ниши: Telefónica España расширила B2B-портфель за счёт интеграции технологий ElevenLabs для синхронного перевода и корпоративного голосового ИИ. Разные стеки — собственный робот МТС Exolve против внешних TTS-моделей ElevenLabs — но одинаковый тренд: телеком-операторы выводят голос как отдельный продуктовый слой, а не как фичу колл-центра. Это сдвиг от сценарных IVR к разговорным пайплайнам на базе LLM+TTS.
Что отслеживать
- WER (word error rate) на доменной лексике — школьные предметы, классы, расписание. Без адаптации акустической модели на EdTech-датасет точность просядет.
- Доля звонков, закрытых без эскалации. Это и есть метрика окупаемости робота.
- Латентность первого ответа. При «мгновенном подключении» важно измерить реальный TTFB, а не заявленный.
- Совместимость с CRM-схемой передачи контекста. Потеря метаданных при маршрутизации ломает работу оператора.
Сдвиг в сторону агентных голосовых решений вместо классического RPA здесь виден напрямую: робот не просто повторяет скрипт, а принимает решение о маршруте и передаёт управляемый контекст дальше.