Автоматизация взыскания задолженности ЖКХ: пилот для УК и РСО

Как автоматизировать работу с задолженностью за ЖКУ, не подменяя процесс демонстрацией робота? Разбираем архивный кейс роботизированного обзвона: из чего состоит воронка, какие показатели фиксировать до старта и почему технология не освобождает организацию от правовых ограничений.

Как оценить пилот автоматизации взыскания задолженности за ЖКУ

Для оценки пилота фиксируйте показатели воронки до старта: количество наборов, переговоров, обещаний оплаты и фактических оплат. В реальном проекте за 12 недель на 92 600 активностей пришлось 3 190 переговоров, 362 обещания и 347 оплат. Технология не освобождает от правовых ограничений, поэтому учитывайте их при внедрении.

Материал подготовлен по выступлению: Докладчик секции цифровизации взыскания, разработчик роботизированного сервиса взыскания для предприятий ЖКХ. Доклад «От долгов к доходам: роботизированный сервис взыскания», ЖКХ Конф 2025.

Масштаб проблемы в цифрах

Задолженность в сфере ЖКХ докладчик оценивает примерно в 850 млрд рублей — это гигантские объёмы замороженных средств.

Второй тезис объясняет, почему ручная работа не справляется: 500 тысяч должников — это более 35 млн звонков ежемесячно. Ни один колл-центр такого объёма не закроет.

Третий — про сроки: поставщик коммунальных услуг не может позволить себе начинать работу с дебиторской задолженностью после её накопления, взыскание нужно начинать незамедлительно.

Из чего состоит система

Обзвон здесь лишь один из каналов. Докладчик перечисляет связку инструментов: СМС, автоинформатор, push-уведомления, чат-бот, «звонобот» и автоматизированный интеллектуальный агент, за которым стоит несколько роботов.

Основную задачу автор формулирует так: быстро конвертировать массив разнообразных данных в обещание абонента оплатить долг, а затем строго настаивать на исполнении этого обещания до погашения последнего рубля.

Результат за 12 недель

Докладчик приводит воронку на реальном проекте продолжительностью 12 недель.

• 92 600 наборов и контактов, активностей выполнено.

• 3 190 переговоров проведено.

• 362 обещания внести оплату зафиксировано.

• 347 лицевых счетов оплаты.

Как устроена техническая часть

Перечень технологий в докладе объясняет, почему разговор с роботом перестаёт быть очевидным для абонента.

• Модели искусственного интеллекта и генеративные модели, LLM для понимания контекста диалога.

• Smart-система перебиваний: робот понимает, когда нужно перебить собеседника, и сам останавливается, если перебивают его.

• Персистентная память: робот знает, чем закончился предыдущий диалог, и использует это в разговоре.

• Синтез речи — 12 голосов и мультиспикерная модель, собственные студии звукозаписи и дикторы, комбинация предзаписи и синтеза.

• Система распознавания NER: робот распознаёт номера лицевых счетов, суммы обещаний, дату оплаты, информацию о продаже квартиры.

• Распознавание речи (KALDI + E2E), распознавание эмоций, детекция голосовых помощников — 90%.

Сколько это стоит

Робот и инфраструктура оцениваются примерно в 10 млн рублей. Сумма, которая для большинства управляющих организаций закрывает тему.

Именно поэтому докладчик формулирует вопрос иначе: можно ли передать рутинную работу машине так, чтобы решение было доступно крупной компании и небольшому поставщику коммунальных услуг. Он предлагает модель «платить только за результат».

На конференции этот сюжет продолжается в юридической плоскости: обзвон должников ограничен 230-ФЗ — один звонок в сутки и два в неделю, и любая автоматизация обязана в эти рамки укладываться.

Что ограничивает робота: частота звонков и качество данных

У автоматизации взыскания есть жёсткая рамка, которую техника не отменяет: порядок взаимодействия с должниками ограничивает частоту контактов — по одному звонку в сутки и по два в неделю. Робот, настроенный «на максимум», превращает организацию из взыскателя в нарушителя быстрее, чем приносит деньги, поэтому лимиты закладываются в сценарий до запуска, а не после первой жалобы.

Второе ограничение — данные. Автоматический обзвон по грязному реестру звонит не тем людям и не по тем суммам, а каждый такой звонок стоит организации репутации в чате дома. Чистка реестра собственников и сверка сальдо дают больший эффект, чем сам робот.

Третье — граница компетенции. Робот хорош на ранней просрочке и напоминаниях; в конфликтных и сложных случаях он должен передавать разговор человеку, иначе организация теряет тех должников, с которыми можно было договориться.

Как оформить результат взыскания как конкурсный кейс

Автоматизация взыскания сама по себе — ещё не достижение. Для руководителя, партнёра или конкурсной комиссии важнее, какую финансовую проблему она решила и как организация сохранила контроль над коммуникацией с должниками.

Для номинации «Финансовая устойчивость и собираемость платежей» конкурса «Лидеры ЖКХ» стоит показать исходную задолженность и сегментацию, сценарий пилота, контроль соблюдения обязательных требований, фактическую воронку и экономический результат.

• Базовый замер: возраст и структура задолженности, текущая собираемость, стоимость ручной обработки и доля недозвонов.

• Сценарий: какой сегмент лицевых счетов вошёл в пилот, какие каналы применялись и где работу проверял сотрудник.

• Контроль: правила хранения данных, журнал действий, порядок обработки ошибок и проверка применимых ограничений до запуска.

• Результат «было → стало»: обещания оплаты, поступления, стоимость контакта, скорость обработки или иной показатель, который организация действительно измеряла.

• Вывод: что масштабируется, а что не сработало или требует ручного сопровождения.

Источники

• Архивный доклад «От долгов к доходам: роботизированный сервис взыскания» — кейс ЖКХ Конф 2025; цифры в статье относятся к описанному докладчиком пилоту и не являются отраслевой статистикой

Материал описывает архивный кейс 2025 года. Перед практическим запуском организация должна отдельно проверить действующие требования к взаимодействию с должниками, персональным данным и используемым каналам связи.