Голосовой ИИ-агент для бизнеса складывается из четырёх частей: распознавание речи, языковая модель, синтез речи и подключение к телефонии или мессенджеру. На практике важнее сценарии применения, чем сама архитектура — где агент отрабатывает без раздражения клиента и где вместо него нужен человек. Повторяющийся сценарий с понятным скриптом агент ведёт сам, а живой разговор с непредсказуемым поворотом переходит к оператору.
Из чего состоит
Голосовой ИИ-агент для бизнеса складывается из четырёх слоёв — распознавание речи переводит голос в текст, языковая модель формирует ответ по сценарию, синтез речи превращает его обратно в голос, а слой телефонии или мессенджера связывает всё с реальным звонком или чатом.
Первый слой — распознавание речи: такую задачу решают инструменты вроде Yandex SpeechKit или Whisper. Это разные инструменты с разными задачами: Whisper распознаёт речь и только, а синтез голоса и остальные слои контура компания собирает отдельно, поверх него.
Второй слой — языковая модель, которая понимает распознанный текст и формирует ответ по заранее собранному сценарию с ветками. Третий слой — синтез речи, превращает текстовый ответ обратно в голос. Четвёртый — подключение к телефонии с программным интерфейсом или к мессенджеру, через который агент реально разговаривает с человеком.
Все четыре слоя — из готовых сервисов или открытых моделей, собранных в один сценарий: разговор про отдельный конструктор с нуля здесь обычно лишний, задача в том, чтобы сшить слои между собой и заполнить сценарий правильными ветками.
Готовые конструкторы голосовых агентов на рынке собирают эти четыре слоя внутри одного интерфейса, и тогда компании незачем настраивать каждый слой по отдельности — разговор про сборку с нуля актуален только для нестандартного сценария или высокой нагрузки.
Где реально работает
Голосовой ИИ-агент закрывает четыре типовых задачи бизнеса, и две из них — запись на визит с напоминанием и первичная квалификация входящего — уже описаны как сценарий линии в статье ИИ для звонков: расшифровка, оценка и голосовой бот. Акцент этого раздела — на двух остальных.
- Исходящие уведомления — статус заказа, срок доставки, напоминание об оплате
- Справочные ответы — часы работы, адрес, типовые условия услуги
- Запись и квалификация входящих — тот же контур, что на линии: уточнить, зафиксировать, сложный случай передать оператору
Сервисная компания с потоком входящих звонков строит разговор так: клиент звонит записаться на услугу, агент уточняет тип услуги, свободное время и контакт, а сложный вопрос про нестандартный случай сразу переводит на оператора. Похожая логика на конкретных нишах разобрана в статьях про запись в стоматологическую клинику и про запись к ветеринару — там та же архитектура под конкретную нишу.
Взыскание задолженности через голосового робота — отдельный сценарий со своими границами закона, разобран в статье голосовой робот для коллекторов на нейросети.
Расшифровка звонков и оценка качества разговора — соседние, но отдельные задачи: там текст звонка разбирают уже после разговора, здесь агент ведёт сам разговор в реальном времени. Три применения ИИ в работе со звонками разобраны в той же статье про ИИ для звонков — этот материал сфокусирован на устройстве и запуске именно голосового агента.
Где раздражает клиента
Три ситуации раздражают клиента на голосовом агенте чаще остальных: сценарий без ветки под нестандартный вопрос, растянутое приветствие перед сутью разговора и агент, который переспрашивает живой ответ человека по два-три раза подряд.
| Ситуация | Почему раздражает | Что сделать |
|---|---|---|
| Вопрос без ветки в сценарии | агент зацикливается или повторяет один ответ | добавить явный перевод на оператора по ключевым словам |
| Долгое приветствие | клиент ждёт, прежде чем сказать суть вопроса | сократить вступление до одной короткой фразы |
| Слабое распознавание живой речи | агент переспрашивает по два-три раза | улучшить качество звука или сузить сценарий вопросов |
Перевод на оператора — предусмотренный шаг сценария: агент честно признаёт границу своих возможностей и сразу передаёт разговор человеку — сценарий гасит попытку зациклиться на непонятном вопросе на этом же шаге.
Доля звонков, переведённых на оператора, — рабочий показатель качества сценария: высокая доля в первую неделю обычно нормальна, а стабильно высокая через месяц сигнализирует, что сценарий пора расширять.
Метрика раздражения формальная, но полезная — количество жалоб на «робота, который переспрашивает» в обратной связи клиентов растёт быстрее, чем кажется, если сценарий остаётся без обновлений месяцами.
Что нужно для запуска
Запуск голосового ИИ-агента требует четырёх вещей на старте: телефонии с программным интерфейсом для звонков, записи разговора с уведомлением клиента, сценария с ветками под типовые обращения и базы готовых ответов на частые вопросы.
- Подключите телефонию с программным интерфейсом — без него агент технически остаётся без канала связи для звонка
- Настройте запись разговора и уведомление клиента о ней — точный порядок компания сверяет с юристом по актуальной редакции требований к обработке данных
- Соберите сценарий с ветками — минимум путь для типового обращения и путь перевода на оператора
- Заполните базу ответов на частые вопросы — часы работы, условия услуги, статус заказа
Сценарий с веткой перевода на оператора идёт обязательным пунктом с самого начала: без него агент упирается в тупик на первом же нестандартном вопросе и раздражает клиента там, где мог бы решить его задачу.
Готовый список из четырёх пунктов выше закрывает техническую часть запуска — дальше вопрос в том, кто в компании реально тонет в потоке однотипных звонков прямо сейчас.
Поток входящих звонков в компании сейчас держится на человеке?
Как проверить
Готовность агента проверяют на двадцати тестовых звонках вместо демонстрационного сценария от подрядчика — только реальные формулировки, с которыми звонят настоящие клиенты.
Два показателя главные: доля звонков, где агент верно понял суть обращения с первого раза, и время до перевода на оператора там, где перевод — правильное решение сценария. Долгое зависание перед переводом раздражает клиента почти так же, как отказ перевести вообще.
Двадцать тестовых звонков с реальными формулировками клиентов — минимальный набор для решения о запуске. Меньшая выборка держит слишком много случайности, а метрику разумно замерять до и после каждого заметного изменения сценария.
Итог проверки решает судьбу пилота — расширять сценарий на новые типы обращений или сузить его до самых частых вопросов. Общий разбор голосовых технологий для бизнеса — в разделе ИИ-агентов и статье про распознавание и синтез речи для бизнеса.
Сборка готового голосового сценария под конкретный поток звонков компании — тема чат-ботов для бизнеса: раздел закрывает текстовые сценарии вместе с голосовыми контурами — логика сценария и перевода на человека у обоих одна.
Решение о масштабировании агента на другие каналы — исходящие звонки, мессенджер, встроенный виджет на сайте — принимают только после того, как первый канал прошёл проверку на реальных звонках.