В июле я считал, сколько бизнес теряет на пропущенных звонках, а чуть раньше показывал Айку — голосового ИИ-приёмщика, которого можно услышать прямо на нашем сайте. Тогда это были две отдельные истории: теория про чужие потери и демо в вакууме. На этой неделе они сошлись: наш голосовой помощник впервые сел на настоящую телефонную линию настоящего бизнеса и начал отвечать на настоящие звонки.
Рассказываю, как прошли первые дни. Спойлер: между «работает в демо» и «работает в трубке» оказалась пропасть — и почти вся статья про то, как мы её перепрыгивали.
Зачем производству голос в трубке
Клиент — производственная компания. Владелец — человек-оркестр: замеры, производство, монтаж, и один телефон на всё. Днём он физически на объекте и не всегда может взять трубку. А звонок, на который не ответили, не ждёт: человек просто набирает следующего поставщика из поиска.
Сначала была версия, что виноваты нецелевые звонки с рекламы — надо, мол, чистить запросы. Проверил статистику кампаний: по нецелевым темам за неделю — два показа и ноль кликов. Реклама ни при чём. Люди приходят из карт и обычного поиска, а там запрос не выбираешь и минус-словами ничего не вылечишь. Отфильтровать своих от чужих можно только в момент самого звонка.
Схему взяли самую осторожную из возможных: помощник получает только те звонки, которые владелец не успел взять сам. Не секретарь вместо человека, а страховочная сетка под канатом. Это снимает главный страх владельцев — «бот распугает клиентов»: пропущенный звонок и так был потерян, испортить тут нечего. Можно только подобрать.
Первым делом мы забрали у Айки имя и голос
Звучит жестоко, но это было первое осознанное решение. В компанию звонят прорабы и снабженцы, тема техническая. Женское «здравствуйте, я Айка» здесь не к месту: звонящему не нужно знакомиться с ботом, ему нужно понять, что он попал по адресу. Поэтому на этой работе помощник говорит мужским голосом и представляется просто названием компании.
Для нас это был тест самой идеи: Айка — не персонаж, а платформа. Голос, имя и характер настраиваются под бизнес. Салону красоты — женский голос с именем. Производству — мужской и по делу.
Первый настоящий звонок: пауза четыре секунды
В чате пауза в четыре секунды незаметна. В телефонной трубке это вечность: «Алло? Вы меня слышите?» — и человек кладёт трубку.
Разбор первого живого звонка по логам дал точную цифру: 4,08 секунды от конца фразы до начала ответа. Причём распознавание речи срабатывало мгновенно — почти всё время съедала классическая цепочка «распознал текст → отправил модели → дождался ответа → озвучил».
За сутки мы перевели разговор на потоковый голосовой движок — тот же, что работает в веб-демо Айки. Он слушает и говорит единым потоком, не дожидаясь конца ответа. Первый звук теперь раздаётся через 0,4 секунды — в десять раз быстрее. На слух это разница между «кажется, связь зависла» и обычным темпом человеческого разговора.
«Отвечай короче» не работает. Работает «не длиннее 20 слов»
Вторая проблема вскрылась в том же первом звонке: на простой вопрос помощник выдал монолог на одиннадцать секунд. В его инструкции при этом честно было написано «отвечай одной-двумя короткими фразами». Модель это спокойно игнорировала.
Помогла только конкретика: жёсткий лимит в словах плюс примеры хороших и плохих ответов. Стало 10–14 слов на реплику — нормальный телефонный темп. Этот урок повторяется у нас из проекта в проект: модели бесполезно говорить «покороче». Ей нужна цифра и образцы.
Момент истины — телефонный номер
Вся конструкция существует ради одного: чтобы владелец мог перезвонить. Если номер записан с ошибкой, всё остальное бессмысленно.
Мы прогнали десять тестовых диалогов с диктовкой номера голосом — так, как это делают живые люди: «девять один шесть, три два один…». Модель подешевле записала номер верно в трёх случаях из десяти, в остальных дублировала цифры. Самое коварное: вслух она при этом повторяла номер правильно. Звонящий слышит верное подтверждение и спокойно кладёт трубку — а в заявке остаётся номер, по которому никогда не дозвониться. Лид теряется молча, и никто об этом не узнаёт.
Модель мощнее дала десять из десяти — её и оставили. И добавили страховку: номер из речи вылавливает не модель, а отдельный код, который детерминированно разбирает числительные. Нашёл номер — его версия главнее.
Экономия на модели съела бы единственную функцию, ради которой продукт существует.
Мелочи, из которых состоит живая речь
Дальше пошла шлифовка, которую не увидишь ни в одном демо. Помощник влезал в паузы, пока человек ещё формулировал мысль, — подняли порог тишины, теперь дожидается. Ослышки: одно слово из названия конструкции распозналось как «пиццу питон», и бот вместо переспроса вежливо попрощался — теперь он сначала переспрашивает. А ещё его пришлось отдельно учить класть трубку после прощания. Оказывается, этому тоже надо учить.
Где мы сейчас
С 30 июля линия живая. Помощник отвечает на пропущенные звонки, а сразу после разговора владельцу прилетает карточка: кто звонил, что нужно, размеры, город, телефон. Наши проверочные звонки размечаются отдельно и клиента не беспокоят. Аудио разговоров мы не храним — только текстовую расшифровку: голос — такие же персональные данные, а пользы от записи для задачи нет.
Эксперимент рассчитан на месяц, и статистика собирается с первого звонка: сколько вызовов подхвачено, сколько из них целевые, сколько превратилось в заявки. Через месяц выйдет отчёт с цифрами — какими бы они ни оказались. Это дневник, тут не принято приукрашивать.
Если запускаете голосового ИИ в телефонию — заберите три вещи: потоковый движок вместо цепочки «распознал-подумал-озвучил», лимит длины реплики цифрой и примерами, и проверку точности номера, а не факта его наличия. Подписывайтесь на @pervyyii, если интересно смотреть на маленькую ИИ-студию изнутри — с граблями и находками.