Голосовые роботы и чат-боты на нейросетях: чем они отличаются от прежних

Роботы, обзванивающие клиентов, существуют лет пятнадцать. Репутация у них соответствующая: жёсткое дерево сценариев, «я вас не поняла, повторите», раздражение на том конце. Разберём, что изменилось с приходом языковых моделей и где новые системы действительно работают.

В чём разница технически

Старый подход. Разработчик прописывает дерево: если клиент сказал «да» — ветка А, «нет» — ветка Б, что-то другое — «повторите». Любая фраза вне сценария ломает диалог. Проработка одного сценария занимала недели.

Новый подход. Модель понимает смысл сказанного, а не совпадение с шаблоном. Клиент может ответить «ну в принципе можно, но давайте после праздников» — и система поймёт это как согласие с переносом, а не свалится в ошибку.

Практическое следствие: сценарий пишется как инструкция на русском языке, а не как блок-схема. Изменить логику — это отредактировать текст, а не переписывать код.

Где работает хорошо

Подтверждение записи и заказов. Робот звонит, подтверждает время, при отказе предлагает перенос, записывает результат в CRM. Задача узкая, ошибка не критична.

Первичная квалификация обращений. Входящий звонок или сообщение: выяснить, что нужно клиенту, и направить в нужный отдел с уже собранным контекстом.

Ответы на типовые вопросы. График работы, статус заказа, условия доставки, наличие. 60-80% обращений в поддержку — это повторяющиеся вопросы.

Сбор обратной связи. Обзвон после покупки, оценка, фиксация жалоб.

Расшифровка и анализ звонков. Не разговаривает, а слушает: разбирает записи менеджеров, отмечает, соблюдён ли скрипт, какие возражения возникали, что обещали клиенту.

Последнее часто даёт больше пользы, чем сами роботы: руководитель впервые видит, что реально происходит в разговорах, а не выборочные три записи в месяц.

Где работает плохо

Сложные продажи. Разговор, требующий выяснения потребности и работы с сомнениями, робот проваливает. Он не чувствует интонацию и не умеет отступить.

Конфликтные ситуации. Разозлённого клиента робот злит сильнее. Нужна процедура мгновенного перевода на человека при признаках раздражения.

Юридически значимые договорённости. Всё, что фиксируется как обязательство компании, требует человека.

Узкая специфика без данных. Если в отрасли свой язык и терминология, а примеров разговоров нет, качество будет низким.

Что определяет, будет ли раздражать

Три вещи, которые отличают приемлемого робота от невыносимого:

Честность. Робот должен представиться роботом. Попытки выдать его за человека вызывают агрессию, когда обман раскрывается — а он раскрывается всегда.

Быстрый выход на человека. Фраза «соедините с оператором» должна срабатывать с первого раза, без прохождения меню.

Скорость реакции. Пауза больше секунды перед ответом делает разговор мучительным. Это техническая характеристика, её нужно проверять на демо.

Сколько стоит

Ориентиры для средней компании:

  • готовое решение с настройкой сценариев — от 30 до 100 тысяч в месяц плюс минуты
  • интеграция с CRM и телефонией — разово 150-600 тысяч
  • собственное решение под специфику — от миллиона

Экономика считается просто: сколько обращений в месяц, сколько минут работы оператора они занимают, сколько стоит минута. Если контакт-центр обрабатывает 3000 обращений в месяц и половина из них типовые — экономия очевидна. Если обращений 200 — нет.

Подрядчики, которые занимаются ИИ-автоматизацией бизнеса, обычно считают эту экономику до начала работ и показывают расчёт. Отказ считать — плохой признак.

Что проверить на демо

  • Попробуйте сказать что-то нестандартное — робот должен не сломаться
  • Скажите «соедините с человеком» — должно сработать сразу
  • Замерьте паузу перед ответом
  • Спросите то, чего система знать не может — должна честно признать, а не выдумать
  • Проверьте, что попадает в CRM после разговора

Пятый пункт критичен: робот, который поговорил и не оставил структурированного следа, бесполезен.

Итог

Изменилось главное: система перестала требовать, чтобы человек говорил по её правилам. Это снимает большую часть раздражения. Но робот по-прежнему хорош в узких повторяющихся задачах и плох там, где нужно понимать человека, а не его слова.