Голосовой ИИ-агент: приём звонков, ответы голосом и передача человеку

Короткий ответ: голосовой ИИ-агент — это связка из четырёх частей: телефония принимает звонок, распознавание превращает речь в текст, модель решает, что ответить, синтез произносит ответ вслух. Весь круг должен уложиться примерно в полторы секунды, иначе разговор рассыпается. Агент уверенно закрывает типовые звонки — часы работы, статус заказа, запись на приём — и обязан передавать человеку всё остальное.

Из чего собран голосовой агент: телефония, распознавание, модель и синтез

Ключевое отличие от переписки: в чате пауза в пять секунд незаметна, в телефонном разговоре она означает, что собеседник пропал. Поэтому голосового агента проектируют не вокруг качества ответа, а вокруг времени ответа.

Бюджет задержки в полторы секунды: из чего складывается пауза перед ответом

Сложив по максимуму, легко получить четыре секунды — и разговор развалится. Отсюда три приёма, которые используют в живых сценариях. Первый: короткая реплика-заполнитель сразу после вопроса, вроде «секунду, смотрю» — она честно занимает паузу, пока идёт запрос в базу. Второй: ответ начинают произносить до того, как модель дописала фразу целиком. Третий: на всё, что требует долгого поиска, агент не ищет молча, а предлагает перезвонить или прислать в сообщении.

Что голосовой агент реально закрывает на входящих звонках

1. Часы работы, адрес, как проехать, есть ли парковка. Ответ один и тот же, ошибиться негде.
2. Статус заказа по номеру. Клиент называет номер, агент повторяет его для подтверждения и читает статус из базы.
3. Запись на приём или услугу. Свободные слоты берутся из календаря, запись подтверждается сообщением с датой и временем.
4. Приём заявки в нерабочее время. Имя, телефон, суть вопроса — утром это лежит списком у менеджера, а не потеряно в пропущенных.
5. Подтверждение и напоминание. Исходящий звонок с одним вопросом: подтверждаете ли запись на завтра.
6. Разгрузка первой линии. Агент выясняет тему и переводит на нужный отдел сразу, а не через три переключения.

Общий признак у всех шести: ответ либо один и тот же, либо однозначно берётся из базы. Как только вопрос требует оценки, торга или объяснения нестандартной ситуации, голосовой агент перестаёт помогать и начинает раздражать.

Где голосовой агент ломается: шум, цифры, адреса и перебивание

• Шум и фон. Звонок из машины, с улицы, из цеха. Ошибок в распознавании становится в разы больше, а переспрашивать больше двух раз нельзя — человек бросает трубку.
• Цифры и номера. Номер заказа, телефон, сумма. «Пятнадцать» и «пятьдесят» на плохой связи звучат похоже, поэтому цифры всегда повторяют вслух и просят подтвердить.
• Адреса и фамилии. Названия улиц, деревень, редкие фамилии — самое слабое место. Рабочий приём: не распознавать адрес на слух, а прислать ссылку или уточнить в сообщении.
• Перебивание. Человек начинает говорить поверх агента. Если агент это не обрабатывает, он продолжает свою фразу и говорит одновременно с клиентом — разговор мгновенно превращается в спор с автоответчиком.
• Смена языка внутри фразы. Русский с белорусскими словами вперемешку распознаётся хуже, чем каждый язык по отдельности.
• Эмоции. Раздражённая или сбивчивая речь — сигнал не уточнять дальше, а переводить на человека.
• Выдумывание. На вопрос не из базы модель охотно придумывает правдоподобный ответ. Лечится жёстким запретом в настройке: чего нет в базе — того нет, отвечать «уточню и передам менеджеру».

Как настроить перебивание, паузы и повтор, чтобы разговор не звучал как автоответчик

1. Разрешите перебивать. Как только клиент заговорил, агент замолкает на полуслове и слушает. Это одна настройка, но именно она отличает живой разговор от борьбы с роботом.
2. Короткие реплики. Одна мысль за раз, не длиннее двух предложений. Длинный монолог по телефону не дослушивают.
3. Один вопрос в одной фразе. «Назовите номер заказа» — хорошо. «Назовите номер заказа, дату и фамилию» — клиент ответит на что-нибудь одно.
4. Подтверждение важного. Цифры, дату и время агент повторяет своими словами и ждёт «да».
5. Не больше двух переспрашиваний. Не понял дважды — переводит на человека или предлагает прислать сообщение.
6. Пауза на размышление. Если ответ занимает больше секунды, агент говорит об этом вслух, а не молчит.
7. Внятное завершение. В конце — что записано, что будет дальше и когда перезвонят.

Когда агент обязан передать звонок человеку: три правила

Правило первое: по просьбе. Слова «оператор», «человек», «менеджер» переводят звонок немедленно, без попыток дообслужить. Правило второе: по теме. Жалоба, возврат денег, спор по договору, здоровье, любая нестандартная ситуация — сразу человеку, независимо от того, есть ответ в базе или нет. Правило третье: по состоянию разговора. Два неудачных распознавания подряд, повышенный тон, третий круг одного и того же вопроса — перевод.

Отдельно продумывается перевод в нерабочее время: если передать некому, агент честно говорит об этом, записывает контакт и обещает звонок в конкретное время — завтра до одиннадцати, а не «в ближайшее время». Обещание, которое никто не выполнит, вредит сильнее, чем не отвеченный звонок.

Что агент говорит в первые пять секунд: робот, запись и согласие на данные

Первая фраза решает, будет ли разговор. В неё помещается четыре вещи: кто звонит или куда попал клиент, что отвечает автоматический помощник, что разговор записывается и как быстро можно попасть на человека. Пример: «Компания такая-то, здравствуйте. Отвечает автоматический помощник, разговор записывается. Скажите, чем помочь, а если нужен сотрудник — просто скажите оператор».

Это не только вежливость. Запись разговора и внесение имени и телефона в базу — обработка персональных данных, а её основания в Беларуси регулирует закон о защите персональных данных: человека надо уведомить и получить согласие. Практический минимум — предупреждение в первой фразе, хранение записей ограниченный срок и понятный ответ на просьбу удалить данные. Формулировки уведомления и сроки хранения стоит согласовать с юристом, а не собирать по чужим шаблонам из интернета.

Сколько стоит голосовой агент и с какого числа звонков он окупается

Точные цены на распознавание и синтез меняются и различаются у сервисов, их смотрят на страницах тарифов перед расчётом. Сравнивать честнее с альтернативой: оператор на телефоне обходится компании примерно от 900-1400 BYN в месяц вместе с отчислениями и закрывает один поток звонков в рабочие часы. Голосовой агент отвечает круглосуточно и на несколько линий сразу, но требует сборки и постоянного присмотра. По опыту внедрений порог окупаемости — примерно 300-500 однотипных звонков в месяц: ниже дешевле и лучше живой человек.

С чего начать внедрение: один сценарий, две недели и разбор записей

Рабочий порядок такой. Возьмите самый частый тип звонка — обычно это «когда работаете» или «где мой заказ» — и соберите агента только под него, с немедленным переводом на человека во всех остальных случаях. Две недели слушайте записи каждый день и правьте сценарий по местам, где агент не понял или ответил не то. Второй сценарий добавляйте только после того, как первый перестал приносить сюрпризы.

Какие процессы в малом бизнесе отдают ИИ первыми и во что это обходится, разобрано на странице для владельцев бизнеса. На курсе «AI Профи» голосовым и текстовым агентам отведён отдельный блок: сценарий разговора, связь с базой и CRM, правила передачи человеку и разбор записей. Обучение рассчитано на 12 месяцев, уроков более 150 и становится больше, тарифы 99, 169 и 699 BYN в месяц с платежом на 12 месяцев. Как этот навык превращается в профессию, показано на странице о смене профессии, а начать можно с бесплатного разбора на 20-30 минут: расспросим про ваши звонки и покажем, какую их часть закрывает автоматика уже сегодня.

Частые вопросы

Чем голосовой ИИ-агент отличается от обычного автоответчикаАвтоответчик проигрывает запись и предлагает нажать цифру. Голосовой агент распознаёт свободную речь, понимает смысл сказанного, может уточнить и обратиться в вашу базу за ответом. Клиенту не нужно знать, какую кнопку нажимать, он просто говорит.

Понимает ли голосовой агент белорусский акцент и трасянкуРусскую речь с местным произношением он распознаёт нормально. Проблемы начинаются на смешении языков в одной фразе, на редких словах, названиях улиц и деревень. Именно на них чаще всего ошибаются, поэтому такие места в сценарии дублируют подтверждением по буквам или переводом в SMS.

Сколько времени агент думает перед ответомКомфортная пауза - до полутора секунд от конца фразы клиента до начала ответа. Из них распознавание занимает 0,2-0,5 секунды, ответ модели 0,4-1 секунду, синтез голоса 0,2-0,5. Задержка больше двух секунд ощущается как обрыв связи, и человек начинает говорить снова.

Обязательно ли предупреждать, что звонок принимает роботПредупреждать нужно. Клиент должен понимать, с кем говорит, а согласие на обработку персональных данных требует белорусский закон о защите персональных данных. Первая фраза агента - кто звонит, что отвечает автоматический помощник и что разговор записывается.

Что дешевле: голосовой агент или оператор на телефонеОператор в Беларуси обходится компании примерно от 900-1400 BYN в месяц вместе с отчислениями и закрывает один поток звонков в рабочие часы. Агент работает круглосуточно и параллельно, но требует сборки, настройки и присмотра. Экономия появляется от 300-500 однотипных звонков в месяц, ниже этого порога дешевле человек.