Голосовой ИИ-агент для колл-центра: разобрал три российских платформы

За последний год меня раз пятнадцать спросили одно и то же: "Какого голосового робота выбрать для колл-центра?". Вопрос обычно задаёт владелец бизнеса, у которого 5-20 операторов, очередь входящих не уменьшается, ФОТ растёт, а текучка у операторов под 40% в год. Реже спрашивают про исходящий обзвон по холодной базе или по просрочкам.

Я разобрал три платформы, к которым у меня были реальные подходы у клиентов: T-Bank VoiceKit, Robovoice и Naumen Erudite. Эти три - не лучшие в каком-то абсолютном смысле, но они закрывают три разных сегмента. Один - технологический конструктор для тех, кто готов программировать. Второй - быстрый старт для SMB с готовыми сценариями. Третий - тяжёлая корпоративная платформа для крупных контакт-центров. Дальше про каждую с плюсами, минусами и реальными цифрами.

Что вообще должна уметь платформа для колл-центра

До разбора платформ - короткий список того, на что я смотрю у клиента. Это нужно держать в голове, потому что маркетинг у всех вендоров одинаковый, а различия начинаются в деталях.

Время до первого ответа. Если робот думает 2 секунды перед каждой репликой, человек кладёт трубку. Норма - до 500 мс реакции на конец фразы клиента. Это видно только на проде, в демо все красавцы.

Распознавание речи в шуме. Клиент звонит из машины, из метро, с улицы. Хороший движок справляется. Слабый - просит повторить 3 раза, клиент вешает трубку. Метрика, на которую смотрю - WER (Word Error Rate) на телефонном канале 8 кГц.

Понимание свободной речи (NLU). Робот должен понимать "ну да, наверное", "не, я уже передумал", "слушайте, давайте позже" и переводить это в намерения. У сильных платформ точность интентов на типовых сценариях колл-центра - 85-92%. У слабых - 60-70%, и это уже неюзабельно.

Передача оператору. Когда робот понял, что не справляется, он должен мягко передать человека на оператора. Не "переключаю вас", и тишина, а "минуту, соединяю со специалистом, ваше имя Анна, вопрос - расторжение договора, оператору это видно". Без передачи контекста люди раздражаются и кладут трубку.

Интеграция с CRM и телефонией. Если робот не умеет залезть в CRM проверить статус клиента и не отдаёт расшифровку звонка обратно в карточку, его польза близка к нулю. На входящих он работает как обогащённое IVR, на исходящих - как генератор лидов с дозвоном.

Обработка возражений. На исходящих звонках это критично. "Дорого" - что отвечает робот? "Я подумаю" - что отвечает? Сильная платформа даёт сценарный конструктор с 5-7 веточками возражений и измеряемой конверсией по каждой.

Дальше смотрим на платформы под этой оптикой.

T-Bank VoiceKit: технологический конструктор для тех, у кого есть разработчик

VoiceKit - это набор API от Т-Банка (бывший Тинькофф). По сути - это распознавание речи, синтез, диаризация (разделение голосов в диалоге) и инструменты для построения голосового бота. Само ядро родилось из их внутреннего ассистента Олега, который у банка обрабатывает большую часть входящих и закрывает порядка 10% запросов без оператора.

Если хочется коротко: VoiceKit это сырьё, а не готовый бот. Кубики Lego, из которых надо собрать продукт. Из этого следуют все плюсы и все минусы.

Сильные стороны. Качество распознавания и синтеза - одно из лучших на русском рынке. Я тестировал на записях из логистики, где менеджеры говорят со страшным шумом склада на фоне - распознавание держит около 90% WER на чистом канале и около 78-82% на грязном. Синтез интонационно естественный, у меня клиенты в первые дни не понимают, что разговаривают с роботом. Цены прозрачные и адекватные. Распознавание - 0,72 рубля за минуту потоковой обработки, синтез - 820 рублей за миллион символов. Стартовый бонус 1000 рублей даёт около 92 часов распознавания, успеть протестировать сценарии под себя.

Слабые стороны. Для самостоятельного запуска нужен разработчик. Просто "купить и включить" не получится. Нужно поднять серверную обвязку, прикрутить телефонию (SIP-trunk, Asterisk или что у вас), написать сценарную логику, прикрутить CRM. По моим оценкам разработчик-один полноценно собирает MVP с одним сценарием за 3-5 недель. Бюджет под подрядчика - от 250 до 700 тысяч рублей на запуск плюс минуты сверху.

Готовых отраслевых шаблонов почти нет. Если вам нужен робот для записи на ТО в автосервисе с заранее настроенным сценарием - VoiceKit не про это. Нужен робот для подтверждения курьерской доставки - тоже придётся писать самим.

NLU как такового там нет в коробке. Распознали речь, дальше что? Дальше либо своя классификация интентов, либо подключить LLM (GigaChat, YandexGPT или их же T-Pro). Это даёт гибкость, но снова требует разработчика. И снова поднимает чек.

Кому имеет смысл. Компаниям с собственной разработкой или с постоянным интегратором, которые хотят максимальное качество звука и распознавания, не хотят зависеть от чужих сценариев, и готовы инвестировать в свой продукт. На практике у меня это банки, страховые, крупный e-commerce. SMB на 5-15 операторов в эту лодку обычно не садится.

Robovoice: готовый продукт для SMB, заточенный под обзвон

Robovoice - российская платформа, которая выросла именно как сервис для голосового обзвона. У них фокус другой - не дать вам кубики, а дать готовый продукт со студией сценариев, готовой телефонией и интеграциями. Их аудитория - SMB и средние корпоративные клиенты, которым нужно "включить и поехало".

Сильные стороны. Время от регистрации до первого реального звонка - около часа, если сценарий типовой. У них есть студия с no-code конструктором, в которой собираются ветки диалога. Готовые шаблоны под популярные сценарии: подтверждение заказа в e-commerce, напоминание о записи в клинике, опрос NPS, сбор просрочек, актуализация базы. Цена прозрачная. Стартовый пакет - 11 800 рублей за 2000 минут на 3 месяца, посекундная тарификация, неограниченное число параллельных линий. На минуту разговора выходит 5-7 рублей. Это в 2-3 раза дешевле, чем держать оператора на тех же задачах, если считать честно с ФОТ, налогами и рабочим местом.

Бэк-офис у платформы зрелый. Есть отчётность по конверсии, по причинам срыва диалога, по успешным завершениям. Это не "звонок состоялся, звонок не состоялся", а нормальная воронка с разбивкой по веткам сценария.

Слабые стороны. Качество синтеза заметно хуже, чем у VoiceKit. На тестовых записях я слышу робота за 5-10 секунд диалога, особенно если фразы длинные. Для исходящего обзвона по холодной базе это не критично, там клиент и так не ждёт живого человека. Для входящего премиального сегмента (банк, страховая VIP-клиент) - уже не годится, человек чувствует обман.

NLU средний. На типовых сценариях ("да/нет/перезвоните", "интересно/неинтересно", "когда удобно") работает хорошо. На сложных сценариях с открытыми вопросами начинает уплывать. Это решается жёсткими сценариями с ограниченным набором ожидаемых реплик, но снижает естественность.

Кастомизация ограничена коробкой. Если вам нужен совсем нестандартный сценарий или интеграция с экзотической CRM (у одного клиента самописная CRM на Lotus Notes), готового коннектора не будет, надо договариваться. Цена кастомной интеграции у них договорная и обычно начинается от 80 тысяч за систему.

Кому имеет смысл. SMB и средним компаниям, которые хотят быстро закрыть массовый обзвон или типовое IVR. Особенно хорошо заходит у тех, у кого основная задача - либо обзвон по базе (страховые продления, e-commerce подтверждения, утилиты по долгам), либо отсечь спам и нетиповые обращения на входе колл-центра.

Naumen Erudite: корпоративный комбайн с дорогим запуском и серьёзными возможностями

Naumen Erudite (включая компонент VoiceOut для исходящих и Conversation Intelligence для аналитики разговоров) - это платформа из совсем другой весовой категории. Это полноценная корпоративная NLU-платформа с генеративным ИИ, своим распознаванием, своими голосами, тяжёлой админкой и набором отраслевых решений. Naumen на этом рынке давно, у них реальные крупные внедрения, и среди клиентов - Почта России, ОТП Банк, Мосэнергосбыт, ЮMoney.

Сильные стороны. NLU-движок Naumen Erudite держит точность определения интента на типовых сценариях контакт-центра около 85%. Это документированная цифра из их официальных материалов, я её проверял на пилоте у клиента из коммунальной сферы - получилось 82-87% в зависимости от категории звонков. Для сравнения, у самописных решений на чистом GigaChat без промптинга получалось 60-70%.

Реальные кейсы внушают. У Почты России робот закрывает 20% обращений и снизил расходы на поддержку в 6 раз. У ОТП Банка автоматизация 54% и сокращение AHT (среднего времени обработки) на 30%. У Мосэнергосбыта экономия 31 миллион рублей в год на роботе, который занимается сбором просрочек, и 35% соглашений об оплате прямо в диалоге с роботом. У ЮMoney 60% автоматизация и в 4 раза быстрее обслуживание. Это не из маркетинга, это публично подтверждаемые цифры.

Платформа умеет масштабироваться. До 5000 одновременных звонков - это для серьёзного контакт-центра с обзвонами по большим базам. Есть AMD (Answering Machine Detection) - модуль, который понимает, что подняла трубку автоматическая голосовая почта, и не зачитывает текст в пустоту. Есть тяжёлая аналитика разговоров: тематики, эмоциональная окраска, нарушения скрипта.

Интеграция с корпоративными CRM (Bitrix24, amoCRM, кастом) и со своим же контакт-центром Naumen Contact Center. Если у вас уже стоит NCC - подключение Erudite идёт почти из коробки. Это, кстати, главная причина, почему его выбирают в крупных контакт-центрах: продолжение уже работающей инфраструктуры.

Слабые стороны. Дорого. Запуск даже простого пилотного проекта у Naumen - от 1,5 до 3 миллионов рублей на старте. Сюда входит лицензия, услуги их специалистов по обучению модели, настройка сценариев. Дальше идёт поминутная тарификация (детальные цены договорные, ориентир - 4-8 рублей за минуту обработки) плюс мейнтенанс.

Для SMB этого пакета - перебор. У клиента с 8 операторами и потоком 200 звонков в день платформа даёт меньше пользы, чем экономии. Окупаемость становится осмысленной, когда у вас 50+ операторов и 3000+ звонков в день, либо когда задача структурно сложная (нагрузка просрочками в коммуналке, страховые случаи в страховой).

Запуск долгий. Полноценный пилот с обучением модели занимает 2-4 месяца. Это нормально для крупного контакт-центра, но если вам нужно "включить голосового робота на холодную базу через 2 недели" - это не сюда.

Кому имеет смысл. Крупным контакт-центрам, банкам, страховым, ЖКХ, логистическим компаниям с десятками тысяч звонков в месяц. Особенно тем, у кого уже стоит инфраструктура Naumen или кому критично качество автоматизации и аналитика разговоров.

Короткое сравнение по ключевым параметрам

Чтобы не теряться в простыне выше, приведу краткую сводку. Качество распознавания на чистом канале: VoiceKit лучший, Naumen чуть ниже, Robovoice заметно ниже. Качество синтеза: VoiceKit и Naumen примерно равны, Robovoice ощутимо проигрывает. NLU: Naumen лучший с готовым движком, VoiceKit требует своей интеграции LLM, Robovoice работает на типовых сценариях. Время до первого реального звонка: Robovoice 1 час, VoiceKit 3-5 недель, Naumen 2-4 месяца. Стоимость старта: Robovoice от 12 тысяч рублей, VoiceKit от 250-700 тысяч с подрядчиком, Naumen от 1,5 миллионов. Стоимость минуты: Robovoice 5-7 рублей, VoiceKit 1-2 рубля плюс инфраструктура, Naumen договорная 4-8 рублей. Готовые отраслевые сценарии: Robovoice много, VoiceKit нет, Naumen зависит от внедренца.

Это не означает "Robovoice лучше всех, потому что дешевле". Это означает, что они закрывают разные ниши. Если у вас обзвон по 50 тысяч контактов в страховании - Naumen окупится за квартал. Если у вас стоматология на 4 кабинета и нужно подтверждать запись - Naumen сожжёт деньги, нужен Robovoice. Если вы IT-стартап и хотите свой уникальный продукт - смотрите на VoiceKit и собирайте кастом.

Три реальных кейса, чтобы приземлить

Кейс первый, страховая компания на 120 операторов. Задача - продление полисов ОСАГО. Каждый день уходит 800-1200 исходящих звонков с напоминаниями. Раньше держали отдельную смену из 18 операторов под эту задачу. Поставили Naumen Erudite с двумя сценариями: напомнить и спросить готовность продлевать, если "да" - перевести на оператора для оформления. Через полгода 47% звонков закрываются роботом без оператора, 28% переводятся на оператора уже с готовностью продлевать. Конверсия в продление выросла на 22%, потому что робот звонит по всей базе вовремя, а живые операторы не успевали. Окупилось за 8 месяцев с учётом сокращения смены до 9 человек.

Кейс второй, интернет-магазин одежды на 25 человек в колл-центре. Задача - подтверждение заказов перед отправкой и обработка отмен. До робота операторы тратили на это 60% времени, продажи нового клиенту шли по остаточному принципу. Поставили Robovoice с готовым сценарием "подтверждение заказа". Запуск за две недели вместе с интеграцией с их CRM на amoCRM. Сейчас 78% подтверждений идёт роботом, операторы остаются на сложных кейсах и продажах. Выручка на оператора выросла в 1,6 раза за полгода. Стоимость подключения была около 60 тысяч рублей (стартовый пакет плюс настройка), мейнтенанс - 25 тысяч в месяц минут.

Кейс третий, региональный банк с собственным финтех-приложением. Хотели свой голосовой ассистент в приложении плюс робота на входящие в колл-центр. Стандартные коробки не подошли - нужно было встроить ассистента в их iOS/Android-приложение, тонко настроить промпты под их продуктовую линейку, выводить специфические данные. Пошли в VoiceKit плюс свой движок поверх. Бюджет проекта 4,2 миллиона рублей на 6 месяцев разработки. Внутри приложения ассистент сейчас закрывает 12% запросов поддержки. В колл-центре на входящих робот отсекает спам и направляет по тематикам, что снизило AHT на 18%. Окупилось не быстро, но дало стратегическое преимущество - продукт не как у всех.

Что общего у этих историй. Везде платформа подбиралась под задачу, а не наоборот. И везде расчёт окупаемости делался до запуска, а не "ну попробуем, авось". Где этого не было, кейсов в моей подборке тоже нет, потому что они закончились разочарованием.

Где все три платформы пока пробуксовывают

Маркетинг любит говорить "робот неотличим от человека". На сегодня в РФ это вранье. Разберём, где конкретно ломается.

Сложные возражения и эмоции. Если клиент раздражён и говорит длинную тираду с междометиями, иронией, переключением контекста - все три платформы плывут. Naumen лучше держит благодаря LLM-обвязке, но и он не всегда. Поэтому в проде ставят триггеры на эмоции и принудительно переключают на оператора, когда детектируется агрессия или матерные слова.

Бабушки. Без шуток, серьёзная проблема. Возрастные клиенты говорят медленно, с паузами, иногда переспрашивают, иногда говорят в сторону. Распознавание уплывает. У меня клиент в коммуналке отдельно настраивал сценарий для тех, кто старше 65 (определяли по голосу и по базе), там робот говорит медленнее, делает паузы длиннее, охотнее переключает на оператора. Конверсия выросла, удовлетворённость тоже.

Контекст между звонками. Клиент звонит в понедельник, не дозвонился, звонит в среду, ему отвечает уже другой робот по другому сценарию. Тонкая интеграция с CRM, которая хранит историю всех касаний и подсовывает её роботу в контекст, есть только у Naumen из коробки. У остальных - либо своё допиливание, либо никак.

Передача оператору с контекстом. Должно работать так: робот понял проблему, набил карточку в CRM, передал оператору, тот видит карточку, продолжает с того же места. На практике часто работает так: робот переключил, оператор слышит звонок, на экране ничего нет, спрашивает "как вас зовут, по какому вопросу". Клиент уже бесится. Это лечится интеграционной работой, но требует усилий и времени.

Юридическая сторона. На исходящем обзвоне есть требования закона о персональных данных и о согласии на коммуникации. Все три вендора это поддерживают, но настройка лежит на вас. Видел истории, когда после запуска прилетал штраф от Роскомнадзора за то, что обзвон шёл по неактуальным согласиям. Это техники не касается, но имейте в виду.

Как выбирать платформу под свой случай

Короткая шпаргалка, по которой я принимаю решение у клиентов.

Если у вас задача - массовый исходящий обзвон (e-commerce подтверждения, страховые продления, опросы NPS, нотификации), команда колл-центра до 30 операторов, бюджет до 200 тысяч на запуск - смотрите Robovoice. Поднимется быстро, типовые сценарии есть, окупаемость прозрачна.

Если у вас крупный контакт-центр (от 50 операторов), сложные сценарии (просрочки, страховые случаи, многоэтапное сервисное обращение), готовы вкладывать миллионы и ждать 2-4 месяца до запуска - смотрите Naumen. Если уже стоит Naumen Contact Center, это вообще no-brainer, ставится поверх.

Если у вас уникальный продукт, нужен встроенный голосовой ассистент в приложение, своя нейтив-разработка, голос должен быть максимально естественным (премиум-сегмент) - VoiceKit плюс свой движок. Бюджет от 1 миллиона, сроки 4-6 месяцев, но получите своё.

Если у вас смешанный сценарий и не понимаете, что выбирать - начните с пилота на самой простой платформе (Robovoice) на одной задаче. Получите цифры конверсии и затрат. Если хотите расти и не хватает движка - переходите на более тяжёлое. Если хватает - оставьте, не плодите технологии.

И главное. Голосовой робот - не серебряная пуля. Он не заменит проектирование сценариев, обучение, контроль качества и аналитику. Он закрывает рутинные звонки, освобождает операторов для сложных кейсов и даёт измеримую экономию. На этой логике он окупается. На логике "хотим робота, потому что у всех есть" он сжигает деньги.

Близкие темы

Голосовой ИИ под ключ - продуктовая страница с подходом и ценами. Обзвон базы клиентов голосовым ИИ - под исходящие сценарии, страховые продления, e-commerce. Голосовой ИИ-агент для бизнеса - смежная статья про то, зачем голосовой агент вообще нужен и как считать ROI. Распознавание речи на русском в бизнесе - глубже про STT-движки, WER и где ломается. Синтез речи на русском в проде - подробно про TTS и качество голосов.

Источники

Думаете про голосового робота в колл-центр?

Расскажите задачу: входящие или исходящие, какой объём, какой сектор, какая CRM. Верну рекомендацию по платформе с расчётом окупаемости за 24 часа. Без предоплаты, до подписания договора.

Обсудить задачу

Комментарии

Добавить комментарий Отменить ответ

Больше записей

Cookie и веб-аналитика