Опубликовано: 02.10.2026 | Источник: CNews (новости)

Автосекретарь в дипломе: от IVR до интеграции с МИС на примере кейса Хакасии

МТС опубликовала любопытную аналитику по Хакасии: медучреждения республики сократили время записи пациента по телефону ровно в три раза — за счёт переноса рутинных операций на автосекретаря виртуальной АТС. Для выпускника ИТ это не просто новость, а готовая фактура под ВКР: работающий бизнес-кейс с измеримым результатом, понятной архитектурой и открытыми метриками. Разберём, как превратить эту публикацию в защищаемую дипломную работу, какие инструменты использовать и на чём чаще всего «горят» студенты, выбравшие телеком-тематику без опыта в телефонии.

FAQ: что студенты спрашивают чаще всего, прежде чем взять тему по автосекретарю

Темы ВКР, которые вырастают напрямую из кейса Хакасии

• Тема 1. Разработка IVR-автосекретаря для записи пациентов с интеграцией в медицинскую информационную систему.
  Актуальность: прямая отсылка к статье — рост нагрузки на колл-центры и потребность в автоматизации первичного контакта. Цель: спроектировать и реализовать сценарий голосового меню с записью на приём. Задачи: анализ бизнес-процесса записи; выбор SIP-платформы (Asterisk/FreeSWITCH); проектирование API-шлюза к МИС; нагрузочное тестирование. Структура: Гл.1 — анализ предметной области и метрик AHT/FCR; Гл.2 — архитектура C4 + BPMN-диаграмма; Гл.3 — стенд, тесты, расчёт эффективности.

• Тема 2. Оптимизация телефонной нагрузки контакт-центра медучреждения на базе виртуальной АТС.
  Актуальность: перегрузка регистратур в районных больницах. Цель: снизить долю пропущенных вызовов и высвободить операторов. Задачи: аудит текущих метрик; построение имитационной модели (AnyLogic/SimPy); внедрение автосекретаря; оценка экономии фонда рабочего времени. Структура: Гл.1 — теория массового обслуживания (M/M/c); Гл.2 — имитационная модель и сценарии; Гл.3 — итоговые SLA-показатели.

• Тема 3. Интеллектуальный голосовой автосекретарь с распознаванием речи для записи на приём.
  Актуальность: ASR/TTS перестали быть роскошью, а Хакасия показала, что даже базовый IVR даёт эффект. Цель: собрать прототип с Yandex SpeechKit/GigaChat API. Задачи: обзор ASR-моделей; проектирование диалогового сценария; интеграция с календарём врача; оценка WER и Intent Recognition Accuracy. Структура: Гл.1 — обзор NLP-стека; Гл.2 — пайплайн ASR→NLU→TTS; Гл.3 — метрики качества диалога.

• Тема 4. Оценка экономической эффективности внедрения виртуальной АТС в медицинской организации.
  Актуальность: заказчику нужны не только фичи, но и расчёт ROI/TCO. Цель: построить методику расчёта эффекта от автоматизации. Задачи: сбор исходных данных; расчёт TCO облачного и on-premise решения; сценарии «как есть / как будет»; срок окупаемости. Структура: Гл.1 — методология TCO/ROI и PMBOK 7; Гл.2 — финансовая модель; Гл.3 — анализ чувствительности и выводы.

Как встроить материал статьи в три главы ВКР

Глава 1. Аналитическая: превращаем новость в постановку задачи

Не пересказывайте пресс-релиз. Извлеките из публикации сущности: тип организации (медучреждение), инструмент (автосекретарь виртуальной АТС), результат (трёхкратное сокращение времени). Сформулируйте гипотезу: снижение AHT обусловлено переходом от ручного диспетчирования к сценарному IVR. Постройте контекстную диаграмму C4 уровня Context (пациент → телефония → МИС → регистратура) и BPMN «как есть» — по шагам: дозвон, ожидание, диалог с оператором, поиск слота, подтверждение. Здесь же уместны ссылки на ISO/IEC 25010 (функциональная пригодность, производительность) и ГОСТ 34.601 как методическую рамку.

Глава 2. Проектная: архитектура и интеграция

Основной вес главы — диаграмма последовательности UML для сценария «пациент записывается на приём». Обязательно покажите обмен через CTI/ARI-шлюз и REST-адаптер к МИС. Ниже — минимальный фрагмент Asterisk dialplan, который без стыда смотрится в приложении:

[ivr-med]
exten => s,1,Answer()
 same => n,Wait(1)
 same => n,Background(privetstvie_med)
 same => n,Read(vybor,,1,,1,7)
 same => n,GotoIf($["${vybor}" = "1"]?zapis)
 same => n,GotoIf($["${vybor}" = "2"]?raspisanie)
 same => n,GotoIf($["${vybor}" = "3"]?operator)
 same => n,Playback(invalid)
 same => n,Goto(s,1)
 same => n(zapis),AGI(zapis_priyoma.py)
 same => n,Hangup()
 same => n(operator),Queue(registratura)
 same => n,Hangup()

А вот псевдокод адаптера, который вызывает API МИС после выбора пациента — покажите его в приложении как листинг:

POST /api/v1/ivr/appointment
Authorization: Bearer <token>
{
  "phone": "+79001234567",
  "doctor_id": "A-113",
  "slot": "2026-03-30T10:15:00+07:00",
  "source": "ivr"
}

Не забудьте про защиту API: TLS, ограничение частоты запросов, журналирование через OpenTelemetry — это уместная ссылка на рекомендации OWASP API Security Top 10.

Глава 3. Практическая: метрики, тесты, экономика

Соберите полигон: Asterisk в Docker, SIP-клиент (Zoiper/MicroSIP), mock-МИС на FastAPI. Прогоните 100 тестовых звонков в двух режимах — «с оператором» и «через IVR». Считайте не только среднее, но и медиану, 95-й перцентиль, доверительный интервал. Отдельно посчитайте FCR и Abandonment Rate. Итоговая таблица метрик — это ваш главный защитный аргумент.

Чему вы научитесь на такой ВКР

• Проектировать отказоустойчивые интеграции телефонии с медицинскими системами.
• Описывать требования и архитектуру по ГОСТ 34 и модели C4 — без воды и «красивых картинок».
• Считать AHT, FCR и TCO так, чтобы цифры выдерживали вопросы комиссии.
• Поднимать стенды Asterisk + Docker + mock-API за один вечер и воспроизводить эксперименты.
• Оформлять технические приложения (dialplan, листинги, спецификации API) по требованиям нормоконтроля.

Источник: Медицинские организации Хакасии в три раза сократили время записи пациентов по телефону с помощью автосекретаря (опубликовано 2026-03-26)