Когда телеком встречает ИИ: история Circles и OpenAI

Телекоммуникационная отрасль накопила огромный массив данных о своих клиентах: история звонков, активность в сети, детализация счетов, геолокация. Однако превращать эти данные в своевременные, персонализированные действия операторы традиционно не умели. Именно этот разрыв решила устранить компания Circles — и сделала это с помощью технологий OpenAI.

29 апреля 2026 года Circles, глобальная технологическая компания, обслуживающая цифровых телеком-операторов, объявила о важной вехе в многолетнем сотрудничестве с OpenAI — запуске AI Concierge (ИИ-консьержа). Основанная в 2014 году, Circles разрабатывает инновационную SaaS-платформу, которая позволяет телеком-операторам по всему миру легко запускать новые цифровые бренды или обновлять существующие.

ℹ Что такое AI-native telco stack?
AI-native telco stack — это архитектура телеком-платформы, в которой искусственный интеллект встроен в каждый слой с нуля, а не добавлен поверх существующих систем. В отличие от традиционного подхода «ИИ как надстройка», здесь интеллект является основой всей инфраструктуры.

Проблема, которую нужно было решить

Телекомы располагают богатыми сигналами о клиентах — использование, биллинг, сетевая активность, геолокация — но превращать эти сигналы в своевременные персонализированные действия по-прежнему крайне сложно. Circles увидела в этом возможность переосмыслить телеком-опыт, используя OpenAI для создания AI-native telco stack, который в реальном времени объединяет поддержку, персонализацию, операции и монетизацию.

Телеком-операторы по всему миру испытывают трудности со снижением клиентского NPS (индекса потребительской лояльности), удержанием абонентов и падением рентабельности. Для российского рынка эта проблема не менее актуальна: абоненты легко переходят между операторами, а конкуренция за качество сервиса становится главным полем битвы.

В отличие от унаследованных систем, которые накладывают ИИ поверх фрагментированных рабочих процессов, Circles полностью перестроила телеком-опыт с нуля.

Архитектура решения: CareX и Xplore IQ

Результатом стал клиентский опыт, выстроенный вокруг AI Concierge от Circles — разговорного интерфейса на базе API-платформы OpenAI.

Решение состоит из двух ключевых компонентов:

CareX — мультиагентная поддержка клиентов

В основе трансформации лежит CareX — система на базе проприетарной мультиагентной архитектуры, которая оркестрирует специализированных агентов (системных, пользовательских и контентных) для выполнения сложных сквозных задач.

CareX, мультиагентная архитектура за AI Concierge, теперь обеспечивает автономное решение 65% обращений в клиентскую поддержку.

Xplore IQ — движок монетизации

CareX дополняет Xplore IQ — ИИ-движок монетизации, который переводит телекомы от реактивного к проактивному взаимодействию. Xplore IQ построен на трёх слоях: сначала использует классификацию намерений для предсказания потребностей клиента до того, как тот их выразил, затем подбирает под эту потребность гиперперсонализированное предложение через рекомендательный движок и наконец использует агентное выполнение для автономного завершения транзакции — например, смены тарифного плана.

В отличие от маркетинговой кампании или инструмента, XploreIQ непрерывно обучается на каждом взаимодействии, оттачивая точность в реальном времени.


graph TD
    A[Данные клиента\nбиллинг, сеть, активность] --> B[Xplore IQ\\nКлассификация намерений]
    B --> C[Рекомендательный движок\nГиперперсонализация]
    C --> D[Агентное выполнение\nАвтономная транзакция]
    A --> E[CareX\nМультиагентная поддержка]
    E --> F[65% автономных решений\nв клиентской поддержке]
    D --> G[+22% ARPU\n-9% Churn]
    F --> G

Вместе CareX и Xplore IQ образуют фундамент AI-native telco stack от Circles — единого ИИ-консьержа, который объединяет клиентский опыт, операции и генерацию дохода в единый интеллектуальный слой.

Измеримые результаты: цифры, которые говорят сами за себя

В Сингапуре Circles оценивала эффективность, сравнивая клиентов, получавших рекомендации на базе ИИ, с теми, кто их не получал. Группа с ИИ-рекомендациями показала рост ARPU (среднего дохода на пользователя) на 22% за счёт перехода на более дорогие тарифы и подключения дополнительных услуг, а своевременные и релевантные предложения помогли снизить отток клиентов на 9%.

МетрикаРезультатМеханизм
ARPU (средний доход на абонента)+22%Апгрейд тарифов и дополнительные услуги
Churn (отток клиентов)−9%Своевременные релевантные предложения
Автономное решение обращений65%CareX мультиагентная архитектура
Эффективность разработки+29%Codex: дизайн, код, тестирование
💡 Совет для операторов
Ключ к успеху Circles — не просто внедрение ИИ, а измерение его влияния через контрольные группы. Сравнение абонентов с ИИ-рекомендациями и без них дало чёткое понимание реальной ценности технологии. Подобный A/B-подход стоит взять на вооружение любому оператору, который хочет обосновать инвестиции в ИИ перед советом директоров.

Codex внутри компании: ИИ для инженеров

Помимо продуктов для клиентов, Circles активно применяет ИИ во внутренних процессах.

Помимо клиентских ИИ-продуктов, Circles использует Codex внутри компании для повышения скорости разработки в командах инженеров, информационной безопасности и управления инцидентами. Команды применяют Codex для ускорения проектирования, помощи в написании кода и тестирования, при этом специалисты остаются ответственными за валидацию и финальную проверку.

Codex обеспечил рост эффективности разработки на 29%, охватывая дизайн, помощь в кодировании и юнит-тестирование, позволяя инженерам сосредоточиться на высокоценных продуктовых инновациях.

# Пример использования OpenAI API для классификации намерений абонента
import openai

client = openai.OpenAI()

def classify_customer_intent(customer_data: dict) -> str:
    """
    Определяет намерение абонента на основе данных о его активности.
    Пример применения подхода Xplore IQ.
    """
    prompt = f"""
    Проанализируй данные абонента и определи его намерение:
    - Текущий тариф: {customer_data['plan']}
    - Использование данных: {customer_data['data_usage']}%
    - Дней до окончания тарифа: {customer_data['days_left']}
    - История обращений: {customer_data['support_tickets']}
    
    Верни одно из: UPGRADE | DOWNGRADE | CHURN_RISK | SATISFIED
    """
    
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content

# Пример вызова
abonent = {
    "plan": "Базовый 10 ГБ",
    "data_usage": 95,  # Использовал 95% трафика
    "days_left": 5,
    "support_tickets": 0
}
print(classify_customer_intent(abonent))  # Вероятно: UPGRADE

Безопасность и контроль данных

Создание ИИ для телекомов требует защитных механизмов как для клиентов, так и для операторов. Circles применяет автоматизированные средства контроля до того, как информация о клиентах достигает модельного слоя, включая идентификацию и обработку чувствительных данных.

⚠ Важно: защита данных
При работе с телеком-данными особую роль играет предварительная фильтрация персональных данных до их передачи в языковую модель. Circles реализует этот принцип на уровне архитектуры, что критически важно с точки зрения соответствия требованиям GDPR и локальных регуляторов.

Стратегическое партнёрство с горизонтом на 2 года

Это только начало стратегического сотрудничества: в течение следующих двух лет Circles и OpenAI продолжат ускорять дорожную карту ИИ, направленную на реализацию концепции полностью автономного телекома, способного максимизировать рентабельность и удовлетворённость клиентов.

Сегодня Circles сотрудничает с ведущими телеком-операторами в 14 странах на 6 континентах, включая KDDI Corporation, Etisalat Group (e&), AT&T и Telkomsel.

«ИИ должен расширять возможности пользователей, а не втискивать их в устаревшие сценарии. Роль OpenAI оказалась критически важной для того, чтобы Circles могла масштабировать это видение глобально.» — Авайс Малик, директор по глобальному росту Circles

Вывод

История Circles — это не просто кейс внедрения ИИ в телеком. Это демонстрация принципиально иного подхода к построению продукта: когда интеллект не «прикручивается» к существующей инфраструктуре, а закладывается в её основу с первого дня. Способность телеком-операторов предсказывать потребности клиентов и реагировать на них ещё до того, как те возникнут, открывает возможность для дифференциации на высококонкурентных рынках.

Результаты — рост ARPU на 22%, снижение оттока на 9% и повышение эффективности разработки на 29% — убедительно доказывают: ставка на AI-native архитектуру окупается. Для российских операторов, которые также сталкиваются с жёсткой конкуренцией и давлением на маржинальность, этот опыт представляет особый интерес. Технологии OpenAI API доступны глобально, а подходы, отработанные Circles в Сингапуре, вполне применимы в российских реалиях — при условии адаптации к требованиям локального законодательства о персональных данных.

В конечном счёте, победителями в телеком-гонке станут те, кто первым научится слышать своего абонента раньше, чем тот сам осознал свою потребность.