Голосовые ИИ-агенты готовы не вообще, а по сценариям, и разница между сценариями больше, чем разница между вендорами. Подтверждение записи, напоминание об оплате и простая маршрутизация работают надёжно уже несколько лет. Первичная консультация и квалификация работают с оговорками, и оговорки эти денежные. Переговоры, спорные ситуации и разговор с раздражённым человеком не работают — не потому, что модель плохая, а потому, что цена ошибки в них несопоставима с экономией.
Разделительная линия проходит по одному признаку: сколько стоит одна ошибка робота. Если ошибка стоит переспроса — клиент не понял, повторил вопрос, получил ответ, — технология готова. Если ошибка стоит потерянной сделки, испорченного отношения или юридического последствия, считать надо не экономию на минутах, а цену этих последствий, и почти всегда она выигрывает.
Ниже — три группы сценариев с разбором, что именно ломается в каждой; пять вещей, которых не видно в демонстрации; два расчёта на одном и том же объёме в 3 000 звонков в месяц; российский стек на сентябрь 2026 года; требования, которые появляются вместе с голосом; и три ситуации, в которых робот прямо ухудшает выручку.
Три группы готовности
Группы отличаются не сложностью диалога, а тем, что происходит при ошибке. В первой ошибка самоисправляется, во второй — тихо уносит деньги, в третьей — становится видна только через месяц, в отчёте по выручке.
| Группа | Сценарии | Что происходит при ошибке | Готовность |
|---|---|---|---|
| Работает надёжно | Подтверждение записи, напоминание об оплате, статус заказа, простая маршрутизация по одному признаку | Клиент переспрашивает или просит человека; потеря — минута | Внедряется без пилота, эффект предсказуем |
| Работает с оговорками | Первичная консультация по каталогу, квалификация лида, сбор параметров заявки | Годный клиент помечен негодным и не перезванивают; потеря — сделка | Только с пилотом на половине потока и с замером конверсии |
| Не готово | Переговоры о цене, разбор жалобы, отказ в услуге, разговор с раздражённым клиентом | Клиент уходит и рассказывает об этом; потеря — клиент и репутация | Не автоматизируется, передаётся человеку сразу |
Первая группа объединена общим свойством: ответ берётся из системы, а не из головы. Робот не рассуждает, он читает статус записи, сумму долга или номер заказа и произносит его. Именно поэтому здесь мало что может сломаться: смысловая часть тривиальна, а вся сложность лежит в телефонии и распознавании. Разбор того, что именно робот делает лучше очереди на входящих, есть в отдельном материале про то, что умеет голосовой робот и где он раздражает.
Три вертикальные колонки разной высоты, подписанные по цене ошибки. Левая, низкая, зелёного тона: «Ошибка = переспрос», под ней перечислены подтверждение записи, напоминание об оплате, статус заказа, маршрутизация. Средняя, вдвое выше, жёлтого тона: «Ошибка = потерянная сделка, 2 160 ₽», под ней консультация по каталогу, квалификация лида, сбор параметров заявки. Правая, самая высокая, серого тона: «Ошибка = потерянный клиент», под ней переговоры о цене, разбор жалобы, отказ в услуге, раздражённый клиент. Под всеми колонками общая ось «цена одной ошибки робота». Чертёжный стиль, подписи по-русски.
Что ломает живой звонок и чего не видно в демо
Демонстрация всегда идёт в тишине, с внятной речью и по написанному сценарию. Живая линия отличается пятью вещами, и каждая из них бьёт по одному и тому же месту — по распознаванию.
- Фоновый шум. Улица, цех, машина, магазин, работающий телевизор. Паспортные показатели вендоров меряются на чистой записи одного диктора; на телефонной линии реальная доля ошибок по словам для русского языка — 14–22 %. Шум сдвигает её к верхней границе и выше.
- Перебивание. Человек отвечает, не дослушав реплику. Если робот не умеет останавливаться на середине фразы, он продолжает говорить поверх клиента, и дальше диалог рассыпается независимо от качества модели.
- Акцент и региональное произношение. Отдельно бьёт по именам, названиям улиц и артикулам. Лечится словарём терминов и подсказками из справочника, а не сменой движка.
- Пауза на размышление. Человек думает две-три секунды перед ответом на вопрос о дате или сумме. Робот, который считает молчание концом фразы, перебивает клиента ровно в момент раздумья — самый частый источник раздражения на живой линии.
- Смена темы в середине фразы. «Да, подтверждаю, а можно на час позже?» — одна реплика содержит и ответ на вопрос робота, и новый запрос. Сценарные роботы обрабатывают первую половину и теряют вторую; клиент считает, что его не услышали, и он прав.
Метрика распознавания: сколько слов из ста расшифровано неверно, пропущено или добавлено. На чистой студийной записи она бывает около 5 %, на телефонной линии с шумом и перебиваниями — 14–22 %. Важно, что 18 % ошибок по словам не означают 18 % испорченных звонков: тему разговора расшифровка отдаёт с точностью 88–93 %, а страдают в первую очередь конкретные значения — имена, даты, суммы, артикулы. Подробный разбор с методикой замера на своих 50 звонках есть в материале про точность распознавания русской речи.
Горизонтальный график роста доли ошибок по словам слева направо. Стартовая отметка «Демонстрация: чистая запись одного диктора — около 5 %». Дальше пять ступеней с подписями факторов, каждая поднимает уровень: «фоновый шум», «перебивание», «акцент и имена», «пауза на размышление», «смена темы в середине фразы». Конечная зона выделена и подписана «Живая телефонная линия: 14–22 %». Отдельная сноска: «тема разговора всё равно распознаётся с точностью 88–93 % — страдают значения: имена, даты, суммы, артикулы». Ось Y — доля ошибок по словам в процентах.
Практический вывод из этого списка простой: сценарий, где робот должен точно расслышать значение, рискованнее сценария, где он должен понять намерение. Подтвердить запись — это намерение («да» или «нет»). Записать новый адрес доставки со слуха — это значение, и здесь 18 % ошибок по словам превращаются в реальные проблемы.
Экономика надёжного сценария: 3 000 звонков в месяц
Модельная задача: 3 000 исходящих звонков в месяц с подтверждением записи. Переменная минута голосового контура складывается из четырёх частей: связь от 3,00 ₽, распознавание 1,10 ₽, синтез 0,40 ₽ и сценарная платформа 0,50 ₽ — итого 5,00 ₽ за минуту состоявшегося разговора. Недозвон минут не расходует. Полная стоимость часа администратора — 700 ₽.
Эта пропорция и есть главный вывод про надёжную группу. Голос окупается не тем, что он дешевле оператора, а тем, что он делает работу, которую оператор физически не делал. Администратор обзванивает завтрашний список и бросает его, когда начинается очередь на стойке; робот проходит весь список и повторяет попытку по недозвонившимся. Внедрение сценария такого класса стоит около 250 000 ₽, то есть возвращается примерно за 2,9 месяца — и именно поэтому подтверждения и напоминания остаются самым надёжным входом в голосовую автоматизацию.
Та же экономика в сценарии с оговорками
Теперь те же 3 000 звонков, но задача другая — квалификация лида: понять, есть ли задача, какой бюджет и стоит ли передавать менеджеру. Диалог длиннее, доля разговоров, которые робот доводит до пригодного результата, ниже, а разбирает передачи уже не администратор, а менеджер по продажам с полной стоимостью часа 900 ₽.
Точное значение зависит от вашей конверсии и маржи: при конверсии 30 % и марже 40 000 ₽ порог падает до 0,24 %, при конверсии 8 % и марже 4 000 ₽ поднимается до 9 %. Считать надо на своих числах, но вывод сохраняется на любых: в сценариях квалификации порог допустимой ошибки на порядок ниже, чем доля ошибок распознавания на живой линии. Отсюда единственный корректный способ внедрения — пилот на половине потока с замером конверсии, а не времени ответа.
Диаграмма из двух блоков на одном объёме 3 000 звонков в месяц. Левый блок «Подтверждение записи»: столбец расходов 36 897 ₽, столбец альтернативы 48 440 ₽, отдельный столбец «покрытие: 74 800 ₽», итог «+86 343 ₽/мес». Правый блок «Квалификация лида»: расходы 100 565 ₽, альтернатива 129 600 ₽, экономия 29 035 ₽, и красная горизонтальная линия «14 ошибочно отсеянных лида из 1 102 обнуляют экономию — это 1,2 %». Оси подписаны в рублях в месяц.
Как проверить сценарий за две недели
Проверка нужна только для второй группы: в первой эффект предсказуем, в третьей ответ известен заранее. Она стоит примерно 60 000 ₽ — тестовый сценарий, обзвон половины потока и разбор результатов — и отвечает на единственный вопрос: не упала ли конверсия.
- 1Шаг 1. Разделить поток пополам случайным образом
Не по дням недели и не по источнику заявки: обе эти нарезки дают разный состав клиентов в половинах, и сравнение потеряет смысл. Делить надо по чётности внутреннего номера обращения или любым другим признаком, не связанным с содержанием.
- 2Шаг 2. Заранее записать, что именно сравниваем
Одна метрика, выбранная до старта: доля обращений, дошедших до встречи, до расчёта или до оплаты. Время ответа, доля дозвона и длительность разговора фиксируются как справочные — они улучшатся в любом случае и ничего не докажут.
- 3Шаг 3. Слушать по десять разговоров в день вручную
Первые дни всегда вскрывают то, чего не было в тестах: клиент отвечает на вопрос недельной давности, шум на линии съедает середину фразы, робот не отдаёт диалог по фразе «можно человека». Правки в сценарий вносятся ежедневно и записываются в журнал — иначе к концу пилота непонятно, что именно сравнивается.
- 4Шаг 4. Считать не экономию, а разницу конверсий
Если конверсия у робота ниже, умножьте разницу на объём и на маржу — почти всегда результат перекроет всю экономию на минутах. Если разница в пределах погрешности, а объём небольшой, честный вывод — пилот ничего не показал, и решение принимается по цене ошибки, а не по цифрам за две недели.
Российский стек на сентябрь 2026 года
Контур собирается из четырёх слоёв, и менять их можно независимо. Ошибка, из-за которой проекты застревают, — купить всё одним пакетом у одного поставщика и потерять возможность заменить слабое звено.
| Слой | Российские инструменты | На что смотреть при выборе |
|---|---|---|
| Телефония и номера | Mango Office, Sipuni, UIS, Novofon (ранее Zadarma), МТС Exolve | Качество записи, двухканальная запись, программный интерфейс для управления звонком |
| Платформы обзвона | Скорозвон, Zvonobot | Управление списками, повторные попытки, стоп-лист, отчётность по попыткам |
| Распознавание и аналитика речи | Rechka.ai, отраслевые движки, свой сервер на открытых моделях | Доля ошибок на ваших записях, а не в презентации; поддержка своего словаря терминов |
| Смысловая часть диалога | GigaChat, YandexGPT, локальные модели на своём сервере | Где физически обрабатываются данные и что уходит за пределы вашего контура |
Отдельно про качество записи. Первое, что стоит проверить, — не вендора, а тракт: двухканальная запись вместо смешанного моно и гарнитура вместо линии снимают часть ошибок бесплатно, до всякой смены движка. Это единственное улучшение в голосовом проекте, которое не стоит ничего.
Что появляется вместе с голосом: запись, предупреждение, хранение
Голос тянет за собой требования, которых нет у переписки. Все три пункта ниже закрываются настройкой и документом, но закрывать их надо до запуска, а не после первой претензии.
- 1Запись разговора — персональные данные. Голос вместе с номером телефона и содержанием разговора однозначно относится к сведениям о конкретном человеке. Отсюда всё обычное: основание обработки, хранение на серверах в России, срок хранения, перечень тех, кто имеет доступ. Что именно попадает под это определение, разобрано в материале про то, что относится к персональным данным.
- 2Предупреждение в начале звонка. Клиенту сообщают, что разговор записывается, и что он говорит с программой. Второе стало обязательным вместе с регулированием, вступившим в силу 1 сентября 2026 года: собеседник должен понимать, что перед ним не человек. Формулировка повторяется при возврате из перевода на оператора обратно в автоматический контур.
- 3Хранение расшифровок. Расшифровка — такой же персональный документ, как запись, и часто более опасный: по ней ищут, её выгружают в отчёты и передают в аналитику. Фиксируются место хранения, срок и то, кто и на каком основании её обрабатывает, если этим занимается подрядчик.
Распространение рекламы средствами автоматического дозванивания без участия человека запрещено частью 2 статьи 18 закона о рекламе; штраф юридическому лицу доходит до 500 000 ₽. Сервисные звонки по действующему договору — подтверждение записи, напоминание об оплате, статус заказа — под этот запрет не подпадают, но граница между сервисным звонком и рекламным проходит по содержанию реплики, а не по названию сценария. Фразу «а ещё у нас акция» в сервисный обзвон добавлять нельзя.
Схема звонка слева направо из пяти блоков: «Список и стоп-лист» → «Телефония: номер, запись, двухканально» → «Распознавание речи» → «Смысловая часть: сценарий или модель» → «Синтез речи». Обратная стрелка от смысловой части: «стоп-темы → живой оператор». Под цепочкой три сноски-требования с привязкой к блокам: у телефонии — «запись = персональные данные, серверы в России»; у синтеза — «предупреждение о записи и о том, что говорит программа, в первой реплике»; у распознавания — «расшифровки: место, срок, доступ». Сбоку пометка «переменная минута 5,00 ₽: связь 3,00 + распознавание 1,10 + синтез 0,40 + платформа 0,50». Чертёжный стиль, подписи по-русски.
Что устареет первым и как это заметить
Оценка выше дана на сентябрь 2026 года. Устареет она неравномерно: одни величины двигаются каждые несколько месяцев, другие не сдвинулись за три года.
- Быстрее всего устареет доля ошибок распознавания. Диапазон 14–22 % на телефонной линии сдвигается вниз, и вместе с ним двигается граница между первой и второй группой. Как заметить: повторять замер на своих 50 звонках раз в полгода одной и той же методикой. Изменение видно по своей выборке раньше, чем по заявлениям вендоров.
- Следом — состав стека. Провайдеры телефонии и платформы обзвона переименовываются, объединяются и меняют тарифные модели чаще, чем меняется технология. Как заметить: раз в квартал проверять, не изменились ли условия по вашему договору и не появился ли у провайдера новый интерфейс управления звонком.
- Медленнее — граница третьей группы. Переговоры, жалобы и отказы останутся у людей ещё долго, и не по техническим причинам: там нужна ответственность за решение, а не качество речи.
- Не устареет ничего из экономики. Порог допустимой ошибки считается от вашей конверсии и маржи и не зависит от модели. Требование выхода на человека по первой просьбе тоже не зависит: оно про уважение к клиенту, а не про технологию.
Практический вывод для компании на 30–100 человек: строить голосовой контур так, чтобы менять слои по отдельности. Распознавание, синтез, телефония и смысловая часть должны быть отдельными звеньями с понятной точкой стыка. Тогда улучшение распознавания через год достаётся вам заменой одного слоя, а не переделкой проекта.
Три ситуации, в которых робот ухудшает выручку
Все три проверяются до внедрения одним и тем же способом: пилот на половине потока в течение двух недель со сравнением конверсии, а не времени ответа. Время ответа улучшится в любом случае — это ничего не доказывает.
- 1Единственная линия входящих у бизнеса с высоким чеком. Клиент, который звонит по поводу покупки на сотни тысяч рублей, ожидает человека. Робот на первом касании отсекает часть таких обращений, и потеря одной сделки перекрывает годовую экономию на минутах. Проверка: половина потока идёт на робота, половина на людей, сравнивается доля дошедших до встречи.
- 2Продукт, который надо объяснять. Квалификация роботом устроена как анкета, а клиент не знает ваших терминов и не может ответить на вопрос о конфигурации. Он отвечает неточно, робот относит его в отсев. Внешне это выглядит как «мало качественных лидов», а на деле — как отсев по незнанию словаря.
- 3Малый поток с высокой узнаваемостью. В компании, где клиенты звонят конкретному менеджеру по имени, робот на входящей линии разрушает главный актив — личное отношение. При потоке ниже тысячи звонков в месяц автоматизировать здесь нечего в принципе: разбор порогов по объёму есть в материале про то, когда голосовые роботы окупаются.
И общий принцип, который стоит держать в голове при любом разговоре о голосе. Демонстрация всегда показывает лучший случай: тишина, внятная речь, вопрос из сценария. Живая линия состоит из худших случаев, и именно они определяют экономику. Поэтому решение принимается не по впечатлению от демонстрации, а по двум числам — доле ошибок на ваших записях и цене одной ошибки в вашем сценарии.
Голос готов там, где ошибка стоит переспроса. Где она стоит сделки — считать надо не минуты, а сделки.
