Как интегрировать нейросети с Битрикс24
Менеджер тратит часы на прослушивание записей звонков, маркетолог ждёт дизайнера для простого баннера, лиды распределяются вручную. Мы интегрируем нейросети с Битрикс24 через REST API, чтобы автоматизировать эти задачи. Наш десятилетний опыт в разработке на Битрикс и сертифицированные специалисты гарантируют стабильную работу интеграции. За четыре года мы выполнили более 50 проектов по интеграции нейросетей — от транскрибации до сложных ML-пайплайнов.
Как устроена архитектура интеграции?
Схема стандартна: Битрикс24 REST API → middleware-сервер → API нейросетей (OpenAI, Replicate, собственные модели). Middleware принимает событие из Битрикс24, определяет тип задачи, выбирает модель, формирует запрос, получает результат и возвращает его в Битрикс24. Один middleware работает с десятком моделей — маршрутизация по типу задачи.
Как автоматизировать транскрибацию звонков с помощью Whisper?
Самый востребованный сценарий после текстовой генерации. Звонок завершается, запись попадает в Битрикс24. Whisper превращает аудио в текст, а GPT делает из него структурированное резюме.
Техническая цепочка:
- Событие
ONVOXIMPLANTCALLENDотправляется на middleware. - Middleware скачивает запись звонка через
voximplant.statistic.get. - Аудио отправляется в Whisper API (параметры:
model=whisper-1,language=ru,response_format=verbose_json). - Транскрипция передаётся в GPT с промптом: «Выдели ключевые договорённости, вопросы клиента, следующие шаги. Формат: JSON».
- Результат записывается в комментарий к звонку или в пользовательское поле сделки через
crm.timeline.comment.add.
Экономия времени руководителя очевидна: вместо прослушивания 20-минутного звонка — чтение резюме за 30 секунд. Стоимость каждого запроса к Whisper и GPT составляет копейки, а экономия на ручном труде достигает десятков тысяч рублей в месяц. Окупаемость наступает за первые недели.
Как генерировать изображения прямо из Битрикс24?
Маркетологу нужен баннер для рассылки или визуал для карточки товара. Вместо ожидания дизайнера — запрос нейросети из интерфейса Битрикс24.
Реализация:
- Через чат-бота. Маркетолог пишет боту: «Сгенерируй баннер для акции -20% на зимнюю коллекцию, стиль минимализм, формат 1200×628». Бот отправляет промпт в DALL-E 3 или Stable Diffusion через Replicate API. Получает URL изображения, загружает на Диск Битрикс24 через
disk.file.uploadtofolder, отправляет превью в чат. - Через бизнес-процесс. При создании маркетинговой активности в CRM автоматически генерируются варианты визуала на основе параметров кампании.
DALL-E 3 хорошо работает с концептуальными изображениями. Для фотореалистичных изображений и контроля стиля используем Stable Diffusion XL — он гибче в настройке, поддерживает ControlNet и LoRA-модели. По тестам, SDXL генерирует изображения в 2 раза быстрее DALL-E при схожем качестве, а стоимость запроса ниже на 40%.
Почему классификация лидов и анализ тональности повышают конверсию?
Текстовые модели решают задачи, не сводящиеся к генерации:
-
Классификация лидов по тематике. Модель определяет категорию обращения: «разработка сайта», «поддержка», «интеграция». На основании категории middleware через
crm.lead.updateустанавливает направление и назначает ответственного. - Анализ тональности. Письма и сообщения проходят через модель sentiment analysis. При негативной тональности обращение получает повышенный приоритет, уведомляется руководитель. Используем fine-tuned модель на базе BERT или промпт к GPT.
-
Извлечение сущностей (NER). Из текста письма извлекаются структурированные данные: название компании, ИНН, сроки, бюджет. Поля лида заполняются автоматически через
crm.lead.update. Исключается ручное заполнение карточки.
Пример: входящее письмо попадает в CRM. Middleware извлекает текст, отправляет в GPT-4o-mini с промптом «Классифицируй обращение по категориям: разработка, поддержка, интеграция, другое. Верни JSON с категорией и уверенностью». Результат записывается в пользовательское поле UF_CRM_CATEGORY. Если уверенность ниже 0.7, лид направляется на ручную проверку.
Какие модели выбрать для разных задач?
| Задача | Модель | API |
|---|---|---|
| Транскрибация звонков | Whisper | OpenAI |
| Резюме разговора | GPT-4o-mini | OpenAI |
| Квалификация лида | GPT-4o-mini | OpenAI |
| Генерация изображений | DALL-E 3 | OpenAI |
| Фотореалистичные изображения | SDXL | Replicate |
| Классификация тональности | BERT fine-tuned | Собственный сервер |
| Извлечение сущностей | GPT-4o-mini / spaCy | OpenAI / свой сервер |
Для сложных сценариев строим ML-пайплайны: входящее письмо → извлечение текста → классификация → определение тональности → квалификация → маршрутизация. Каждый шаг — отдельный вызов API с обработкой ошибок и fallback.
Сроки внедрения
| Масштаб | Что входит | Срок |
|---|---|---|
| Один сценарий | Транскрибация звонков или генерация изображений | 3–5 дней |
| Комплекс | 2–3 сценария, классификация + транскрибация + генерация | 1–2 недели |
| ML-пайплайн | Полная цепочка обработки, кастомные модели, мониторинг | 3–5 недель |
Что входит в работу
- Middleware-сервер с маршрутизацией запросов по типу задачи и модели
- Настройка REST API Битрикс24 для приёма событий и записи результатов
- Интеграция выбранных нейросетей (Whisper, GPT, DALL-E, SDXL, кастомные)
- Написание промптов и алгоритмов обработки для каждого сценария
- Дашборд мониторинга расхода токенов и логирование
- Документация интеграции и обучение сотрудников
- Гарантийная поддержка после внедрения
Мы оцениваем проект бесплатно. Свяжитесь с нами, чтобы обсудить ваши задачи. Закажите консультацию — подберём оптимальные модели и подготовим интеграцию под ключ. Получите расчёт сроков и стоимости за один рабочий день.