Голосового AI агента ищут как замену человеку: что это значит на деле

Запрос «голосового AI агента» в Wordstat (объём 58) почти всегда стоит в родительном падеже: нужен, внедрить, выбрать, стоимость. Под ним бизнес редко ищет учебник по моделям. Чаще ищет ответ на вопрос: кто будет говорить с клиентом по телефону 24/7 вместо человека, уложится ли в 15–40 секунд до первого полезного ответа, и где этот кто-то обязан замолчать.

Я пишу не чеклист GO/NO-GO и не разбор продавца на входящих. Уже есть отдельные тексты: когда голос ещё рано и продавец плюс SIP-контур. Здесь другой угол: что люди имеют в виду под словом «агент», чем он не IVR и не текстовый бот, какой минимальный контур в Solar OS, и как собрать бриф до покупки стека.

Что ищут под этим запросом

Родительный падеж выдаёт намерение. На практике «нужен агент на голос» значит: устали от пропущенных звонков, от ночной линии, от скрипта «нажмите один». Хотят систему, которая слышит, отвечает, фиксирует следующий шаг и не притворяется человеком дольше, чем нужно.

В одном запросе смешивают четыре роли:

1. Автоответчик с меню (классический IVR).
2. Текст-бот, который «тоже умеет голос» через TTS.
3. Скриптовый диалог с заранее известными ветками.
4. Агент с политикой: событие, решение, действие, стоп, handoff человеку.

Поставщики любят называть агентом всё подряд. Покупатель потом удивляется, что «агент» не умеет прервать свою речь, не пишет в CRM и не знает, когда эскалировать. Путаница дороже самой модели.

Критерий простой. Если после звонка в системе нет проверяемого следа (карточка, статус, причина стопа, запись handoff), это не агент. Это разговор с красивым голосом.

Агент vs IVR vs чат-бот vs человек

IVR ведёт по кнопкам и заранее записанным фразам. Он дешёв, предсказуем и плохо держит свободную речь. Клиент говорит «мне перенесли платёж», а IVR ждёт «один» или «два».

Текстовый чат-бот работает в асинхронном канале. Там можно перечитать, исправить, подождать. Голос живёт в реальном времени: пауза в полторы секунды уже ощущается как зависание. Поэтому «возьмём промпт из Telegram и озвучим» почти всегда ломается на barge-in и на коротких репликах.

Человек держит тон, доверие и спорные обещания. Он дороже и не масштабируется ночью. Агент занимает узкую зону между IVR и человеком: слышит цель звонка, уточняет обязательные поля, выполняет разрешённое действие, останавливается на риске.

Важно не путать «звучит умно» и «меняет состояние процесса». Умный тон без политики это актёр. Агент без handoff это актёр с доступом к телефонии.

Минимальная таблица различий в голове:

• IVR: меню и запись, почти без понимания.
• Чат-бот: текст, асинхрон, проще править mid-flight.
• Голосовой агент: речь + политика + действие + стоп.
• Человек: эскалация, деньги, исключения, репутация.

Если вам нужен только маршрутизатор на отделы, хватит IVR. Если квалификация идёт в мессенджере, сначала текст. Голос оправдан, когда канал уже телефонный и цена пропущенного звонка выше цены ошибки автоматизации.

Когда голос нужен, а когда хватит текста

Голос имеет смысл, если клиент уже звонит: сервисная линия, запись, статус заказа, квалификация входящих с рекламы, где люди не пишут. Тогда агент сокращает очередь и собирает факты до человека.

Текст лучше, если:

• ответ можно дать ссылкой или формой;
• решение требует вложений и сверки документов;
• ошибка в устной формулировке дороже ошибки в переписке;
• команда ещё не описала политику стопа.

Частая ошибка: «сделаем голос, потому что конкуренты». Конкуренты могли купить демо. Демо не равно нагрузке в пятницу вечером.

Ещё одна ловушка: голосовой канал как маскировка дыр в процессе. Нет прайса в источнике, нет правил скидок, нет владельца эскалации. Агент начнёт импровизировать. Импровизация на телефоне звучит уверенно и создаёт обещания, которых нет в договоре.

Правило выбора канала: сначала процесс и поля, потом модальность. Не наоборот.

Минимальный контур: событие, политика, действие, стоп

В Solar OS я не начинаю с выбора вендора SIP. Начинаю с пяти опор.

Событие. Входящий или исходящий звонок с обязательными полями: кто, откуда, тема, идентификатор клиента, если есть. Без события агент болтает в пустоту.

Политика. Что можно сказать и сделать самому. Что только после подтверждения. Что запрещено всегда: цена вне прайса, юридические гарантии, доступ к чужим данным, смена платежных реквизитов.

Действие. Не «поговорить», а конкретный шаг: создать карточку, поставить статус, записать слот, отправить SMS с кодом, перевести на очередь. Действие должно оставлять след.

Стоп. Когда фактов нет, шум на линии, конфликт правил, клиент злится, тема вне зоны. Стоп важнее красивого продолжения.

Handoff. Передача человеку с кратким контекстом: что уже выяснено, что обещано, чего агент не знает. Без handoff агент либо держит клиента слишком долго, либо бросает без следа.

Этот контур можно нарисовать на доске до любой покупки. Если доска пустая, стек не спасёт.

Barge-in, handoff и границы обещаний

Barge-in это право клиента перебить агента. Без него разговор ощущается как радио. С ним агент обязан мгновенно слушать снова и не дочитывать абзац про акции. На практике barge-in проверяет архитектуру сильнее, чем «естественность» голоса.

Границы обещаний жёстче, чем в чате. Устно сказанное «да, успеем завтра» клиент воспринимает как факт. Поэтому политика должна явно резать зоны:

• можно: уточнить адрес, статус, слоты из календаря-источника;
• нельзя: скидка, срок монтажа без поля в системе, персональные данные третьих лиц;
• только handoff: претензия, возврат денег, угроза жалобы, юридический спор.

Эскалация не «когда не знаю, что сказать». Эскалация это заранее описанный триггер. Иначе агент эскалирует всё подряд или не эскалирует никогда.

Проверка на пилоте: попросите коллегу намеренно перебивать, менять тему и просить запретное. Если агент продолжает монолог или обещает лишнее, контур сырой.

Бриф до покупки стека

До демо у вендора соберите одностраничный бриф. Без него вы покупаете голос, а не агента.

В бриф достаточно:

1. Цель звонка одной фразой (квалификация / запись / статус / сервис).
2. Список обязательных полей и источник правды для каждого.
3. Три сценария успеха и три сценария стопа.
4. Правила barge-in и максимальная длина реплики агента.
5. Условия handoff: кому, с каким саммари, в какой канал.
6. Что считается инцидентом (неверная цена, утечка данных, зацикливание).
7. Метрики пилота без выдуманных процентов: доля завершённых сценариев, доля handoff, число стопов по политике, жалобы на «робот не слышит».

Стек (телефония, STT, LLM, TTS, CRM) выбирайте после брифа. Иначе сравнение вендоров превращается в конкурс красивых демо-звонков.

Если нужен жёсткий фильтр «брать / не брать» по зрелости процесса, смотрите GO/NO-GO материал по ссылке выше. Здесь задача другая: сначала назвать границы, потом слушать продавцов платформ.

Частые ошибки внедрения

Купили голос без политики. Получили актёра на линии. Клиенты довольны тоном, операции ловят ложные обещания.

Скопировали промпт из чата. Игнорировали latency, barge-in и короткие подтверждения. Диалог «плывёт».

Нет журнала. Нельзя разобрать, почему агент ушёл в сторону. Без записи события, решения и действия нет улучшения, есть споры.

Handoff без контекста. Человек переспрашивает то же самое. Клиент злится сильнее, чем на IVR.

Один агент на все темы. Смешиваются продажи, поддержка и финансы. Растёт радиус ошибки и падает доверие к эскалации.

Метрики только «минуты разговора». Длинный звонок не равен пользе. Важнее завершённый сценарий и честный стоп.

Ожидание замены всего отдела. Агент закрывает узкую зону. Остальное остаётся людьми и правилами.

Пилот на 10 рабочих дней без покупки «всего стека»

День 1-2. Зафиксируйте один сценарий успеха и один стоп. Не пять продуктов. Один: например статус заказа или запись на слот. Без этого голосового AI агента нечему обучать.

День 3-4. Соберите источник правды для каждого обязательного поля. Если поля нет в CRM или календаре, агент не должен его обещать. Пустое поле = стоп или уточнение, не фантазия.

День 5-6. Прогоните 20 контролируемых звонков с перебиваниями. Считайте: слышит ли barge-in, уходит ли в handoff по триггеру, пишет ли след в систему. Тон голоса смотрите последним.

День 7-8. Разберите журнал: где агент затянул монолог, где пообещал лишнее, где человек переспрашивал то же самое. Правьте политику, не «делай голос теплее».

День 9-10. Решите GO или пауза. GO только если сценарий завершается чаще, чем ломается, и инциденты разбираются по журналу. Пауза дешевле красивого запуска без границ.

Что писать в карточке звонка

Минимум полей после разговора:

1. Идентификатор звонка и канал.
2. Цель сценария одной меткой.
3. Собранные поля и какие остались пустыми.
4. Действие, которое агент реально выполнил.
5. Причина стопа, если был стоп.
6. Handoff: кому, с каким саммари.
7. Запретные запросы клиента, если звучали.
8. Оценка barge-in: сработал / не сработал / не проверяли.

Без этих полей нельзя сравнивать вендоров. Останется спор «мне понравилось / не понравилось». Карточка звонка это контракт между агентом и человеком на линии.

Дополнительно сохраняйте версию политики, которая была активна в момент звонка. Иначе через неделю нельзя понять, какая правка помогла, а какая ухудшила handoff.

Антидемо: как ломать красивый созвон

На демо просите три вещи подряд: перебить агента на полуслове, сменить тему на запретную, потребовать цену вне прайса. Нормальный контур останавливается или эскалирует. Слабый контур продолжает говорить уверенно.

Отдельно проверьте задержку ответа и поведение при шуме. Если агент «плывёт» в тишине офиса вендора, на реальной линии будет хуже. Голосового AI агента оценивают в плохих условиях, не в студии.

Запишите критерии отказа от покупки заранее. Иначе после красивого демо команда купит стек и только потом вспомнит про политику. Критерии отказа такие же артефакты, как бриф успеха.

Попросите вендора показать журнал одного проваленного звонка, не только лучший. Если журнала нет, это актёр, не агент.

Связка с CRM и очередью людей

Агент бесполезен, если handoff падает в общий чат без владельца. Назначьте очередь, SLA на подхват и шаблон саммари. Человек должен видеть: что уже сказано, чего агент не знает, какой следующий шаг.

Если CRM не принимает запись от агента, сначала почините интеграцию в режиме чтения и черновика. Право писать в боевые поля давайте после журнала без сюрпризов. Тот же принцип evidence-before-write, что и в текстовых агентах.

Проверяйте дубли карточек. Повторный звонок того же клиента не должен создавать вторую сущность «на всякий случай». Дедуп по телефону и клиентскому id обязателен до масштаба.

Раз в неделю смотрите задачи handoff без закрытия. Если люди не подхватывают, проблема не в модели, а в очереди и SLA.

Когда возвращать канал человеку полностью

Есть ситуации, где голосового AI агента лучше выключить, а не «докрутить промпт»: растущие жалобы на ложные обещания, юридически чувствительный сезон, поломка источника правды, отсутствие дежурного на handoff. Стоп канала это зрелость, не поражение.

Заранее опишите условие возврата: сколько инцидентов за сутки, какой тип инцидента критичен, кто имеет право нажать паузу. Без этого спорят в момент аварии.

После паузы не включайте всё сразу. Верните один узкий сценарий, снова журнал, снова разбор. Масштаб только после стабильного следа.

Сообщение клиентам о паузе тоже политика. Лучше честный IVR или человек, чем агент, который продолжает обещать при сломанном источнике.

Роли владельцев контура

Нужны четыре явные роли, даже если их совмещает один человек: владелец политики, владелец телефонии, владелец CRM-записи, владелец эскалации людям. Когда роли размыты, инцидент «ничей».

Агенту выдайте узкий контракт под один сценарий. Не смешивайте продажи, поддержку и финансы в одном голосе без раздельных политик. Радиус ошибки на телефоне дороже, чем в чате.

Раз в неделю 20 минут разбора: завершённые сценарии, стопы, handoff, баги barge-in, правки брифа. Не презентация для инвесторов. Рабочий журнал команды.

Если совмещаете роли, артефакты всё равно держите раздельными: бриф, журнал звонков, стоп-лист обещаний, runbook паузы. Совмещение людей не отменяет раздельных файлов.

Реплики агента: короче, чем в чате

В голосе длинный абзац убивает диалог. Держите реплики короткими, с паузой на подтверждение. Одна мысль, один вопрос, один следующий шаг. Если агент читает маркетинговый текст, клиент перебивает или кладёт трубку.

Проверьте словарь подтверждений: «верно», «повторите», «переведите на человека». Эти фразы должны работать стабильно. Без них barge-in превращается в хаос.

Отдельно запретите агенту заполнять тишину выдумкой. Лучше честный стоп и handoff, чем уверенный ответ без источника. На телефоне уверенность звучит как факт.

Метрики пилота без самообмана

Считайте из журнала, не из ощущений: доля завершённых сценариев, доля handoff, доля стопов по политике, число ложных обещаний, жалобы «робот не слышит», среднее время до полезного действия. Минуты разговора сами по себе ничего не доказывают.

Сравнивайте с ручной базой той же линии за тот же период. Если ручная линия уже срывает SLA, агент не починит хаос процесса. Сначала поля и владельцы, потом голос.

Раз в две недели пересматривайте стоп-лист обещаний по реальным инцидентам. Список должен жить. Мёртвый стоп-лист равен отсутствию политики.

Словарь стопов и запретных обещаний

Составьте явный список фраз, которые агент не произносит: точные сроки без поля в системе, скидки вне прайса, юридические гарантии, обещания компенсаций, комментарии о конкурентах, персональные данные третьих лиц. Список храните рядом с брифом и версионируйте.

На пилоте специально провоцируйте эти фразы. Если агент произносит запретное, это блокер запуска, не «потом поправим». Правка политики дешевле отзыва обещаний с линии.

Отдельно опишите, что агент говорит вместо запретного: честный стоп, вопрос-уточнение или handoff. Пустота после стопа хуже короткой честной фразы.

Наблюдение за latency и обрывами

Задержка ответа и обрыв распознавания ломают доверие быстрее «неидеального» тембра. В журнале фиксируйте: время до первой реплики, число таймаутов STT, число повторных переспросов «не расслышал». Эти числа сравнивайте между вендорами честнее, чем субъективный «приятный голос».

Если latency скачет после 18:00, проблема может быть в канале или в нагрузке, не в промпте. Не лечите сеть новым системным текстом.

Держите порог: сколько переспросов подряд допустимо до handoff. Без порога агент зацикливается и клиент кладёт трубку.

Переход от одного сценария к двум

Второй сценарий добавляйте только когда первый стабилен две недели по журналу. Иначе смешиваете ошибки и не понимаете, что чинить. Новый сценарий = новый бриф, новый стоп-лист дополнений, отдельная метка в CRM.

Не копируйте промпт первого сценария один в один. Скопируйте каркас политики, но перепишите поля и триггеры handoff. Универсальный голос на всё возвращает вас к путанице ролей.

После добавления второго сценария снова прогоните антидемо: перебивания, запретные просьбы, обрыв связи. Регрессии на телефоне появляются тихо.

Обучение команды handoff

Люди на приёме должны знать, что агент уже спросил и чего обещать нельзя. Иначе handoff превращается в второй первый контакт. Проведите короткий тренинг: как читать саммари, как продолжать без переспроса, как вернуть звонок агенту, если тема снова в зоне политики.

Держите шпаргалку из десяти строк у оператора. Не регламент на двадцать страниц. Шпаргалка живёт рядом с очередью и обновляется после инцидентов.

Если операторы игнорируют саммари, проблема в формате саммари или в SLA, не в «плохом агенте». Сначала почините handoff-ритуал.

Безопасность доступа на линии

Голосового AI агента не стоит подключать к админским правам CRM «на всякий случай». Разделите read и write. Write только в разрешённые поля сценария. Секреты и платежные изменения всегда за человеком.

Логируйте каждый write с причиной и версией политики. Без этого расследование инцидента превращается в догадки. Тот же принцип минимальных привилегий, что и для текстовых агентов с MCP.

Отдельно запретите агенту озвучивать полные номера карт, пароли и одноразовые коды, если это не предусмотрено отдельным подтверждённым сценарием. Ошибка здесь дороже плохого тембра.

Коммуникация с клиентом о том, что говорит робот

Честность на старте звонка снижает раздражение. Короткая формула: кто говорит, зачем звонок, как перейти к человеку. Скрытие природы агента ломает доверие в момент ошибки.

Проверьте юридические требования вашего рынка к уведомлению о записи и об автоответчике. Это часть политики, не «маркетинговый тон».

Если клиент сразу просит человека, не удерживайте его демонстрацией возможностей. Быстрый handoff здесь правильный стоп, не провал сценария.

Честный итог перед закупкой

Если после брифа, антидемо и десятидневного пилота у вас нет журнала стопов и handoff, не покупайте расширение лицензий. Сначала допишите контур. Голосового AI агента имеет смысл масштабировать только когда узкий сценарий стабильно оставляет след и не плодит ложные обещания.

Сравните стоимость инцидента на линии с экономией ночных часов. Иногда правильный вывод: оставить IVR на маршрутизацию и усилить текст-канал. Голос не обязан быть следующим шагом только потому, что запрос в Wordstat существует.

Когда контур собран, возвращайтесь к сравнению вендоров уже с чеклистом, а не с ощущением от демо. Тогда закупка становится инженерией, а не конкурсом тембров.

Что забрать

Такой запрос у бизнеса — не бренд модели и не красивый TTS. Это контур: событие, политика, действие, стоп, handoff. IVR остаётся меню. Чат остаётся текстом. Человек остаётся владельцем исключений и денег.

До стека соберите бриф и три стоп-сценария. На пилоте специально ломайте диалог перебиваниями и запретными просьбами. Если агент держит границы, можно сравнивать вендоров. Если нет, сначала допишите политику.

На 4bos.ru оффер блога — клуб и рабочие процессы Solar OS, не «поставьте голос под ключ с лендинга». Разборы и материалы: Solar Inside.