К 2027 году 58% компаний планируют полностью передать обработку первичных входящих звонков голосовым роботам. Еще 31% готовят гибридную схему: часть диалога ведет человек, часть — робот. За этой готовностью — трезвый расчет. Голосовой робот оценивается по цене одного звонка и по масштабу, при котором окупается. Качество синтеза речи — вопрос второстепенный.
В статье — три российских кейса в обзвоне и обслуживании. Они показывают, где юнит-экономика робота сходится, а где он становится дорогой игрушкой.
Старое голосовое меню — IVR — умело одно: проигрывать записанный список пунктов и переводить звонок на добавочный номер. Клиент нажимал кнопки, робот зачитывал скрипт. Голосовой робот нового поколения устроен иначе: распознает речь, понимает запрос и закрывает обращение сам, без перевода на оператора. Разница — в автономности, а не в тембре голоса.
Именно автономность дает экономию. Согласно прогнозу Gartner, к 2029 году ИИ-агенты самостоятельно закроют 80% типовых обращений, что снизит операционные затраты на 30%. Речь о типовых обращениях, а не о рабочих местах: сложные случаи по-прежнему уходят человеку.
Дальнейший вектор рынка эксперты видят в переходе от одного универсального бота к набору узких агентов под конкретные участки диалога.
«Бизнес постепенно перейдет к мультиагентной модели обслуживания, где к диалогу с клиентом будут подключаться профильные ИИ-агенты, специализирующиеся на конкретных направлениях и задачах».
Сергей Попов, директор департамента контакт-центров и роботизированных систем Naumen.
Под «умом» голосового робота скрыты три технологии:
От качества этой связки зависит, на какие вопросы робот отвечает сам, а какие передает оператору вместе с собранной информацией.
На цену контакта качество влияет слабо. Как только распознавание речи уверенно держит конкретный сценарий — прием заявки, статус заказа, короткий опрос, — дальнейшее улучшение синтеза и интонаций почти не двигает юнит-экономику. Робот и на среднем движке распознавания обрабатывает тот же поток звонков по той же цене. Основной драйвер принятия решения — экономическая выгода. Голосовое оформление влияет на выбор незначительно.
Экономику делает пропускная способность. Голосовой бот принимает сотни звонков одновременно, отвечает без времени ожидания и работает круглосуточно. Оператор ограничен сменой. Масштабируемая обработка запросов переводит автоматизацию в деньги: сервис держит поток обращений, который штатному колл-центру обошелся бы в разы дороже.
Исходящий продающий обзвон — первый сценарий, где робот обходит человека по цене контакта. Оператор делает ограниченное число звонков за смену и получает зарплату. Робот набирает базу параллельными потоками и работает круглосуточно. Вопрос лишь в том, не проседает ли конверсия настолько, что дешевый звонок перестает продавать.
Так, в 2020 году МегаФон запустил голосового робота «Вика» для исходящего обзвона абонентской базы. За три дня робот сделал 90 тыс. звонков. Экономия на контакт-центре достигала 60%. Конверсия бота держалась на уровне 98% от конверсии живого оператора: почти столько же продаж при заметно меньшей цене контакта.
Здесь виден механизм окупаемости. Робот не переигрывает оператора по качеству диалога, зато масштабирует продающий контакт и снимает большую часть расходов колл-центра. Экономику вытягивают объем и цена звонка. Следующий вопрос — что делать, когда целевых клиентов в базе мало.
В B2B-воронке ценность робота смещается с продажи на отбор. Заявок много, целевых среди них мало, прогонять весь поток силами операторов дорого. Робот берет на себя первый контакт и передает человеку только тех, кто готов разговаривать.
Так работает голосовой робот «Марина» в CarMoney — компании по займам под залог автомобиля. В 2020 году робот обзванивал 1 млн лидов в месяц, отсеивая нецелевой трафик. На диалог соглашались 1,3% лидов против 0,1–0,4% до внедрения. Это доля согласившихся на разговор, а не конверсия в сделку: сделку закрывает оператор, которому робот передает уже отобранный контакт.
Робот квалифицирует, продает человек. В такой схеме голосовой робот является фильтром нецелевого трафика. Его окупаемость держится на цене прогона одной заявки, помноженной на объем базы. Дешевый массовый обзвон окупается не только на входе в воронку.
Экономика робота не заканчивается на продажах. Тот же дешевый массовый обзвон работает там, где раньше отправляли рассылки по почте и SMS, — в сборе обратной связи. Разница в отклике: на живой голос отвечают охотнее, чем на письмо в общей папке.
Например, ДНС перевел опрос лояльности клиентов, NPS-обзвон, на голосового бота вместо рассылок. Количество полученных анкет выросло на 15%, затраты на контакт-центр сократились в четыре раза. Робот собирает оценки клиентов, прямые продажи остаются за другими сценариями.
Отсюда практический вывод: считать экономику одного сценария мало. У обзвона несколько применений, у каждого — своя цена контакта и свой отклик.
Портфель применений голосового робота шире трех примеров выше.
У каждого сценария своя цена контакта и свой отклик. Считать их важно по отдельности. Ставка «робот дешевле оператора» для такого расчета слишком груба.
Один и тот же голосовой робот в разных сценариях окупается по-разному. Массовый обзвон холодной базы и точечное информирование постоянных клиентов дают разную конверсию при близкой цене звонка. Отсюда практическое правило: сначала выбрать сценарий с понятным эффектом, затем посчитать его юнит-экономику и только потом расширять робота на смежные задачи.
Голосовой робот не работает в вакууме.
Обмен идет через API: робот забирает номер и имя из базы данных, а после звонка возвращает статус и запись диалога.
После кампании робот показывает, где обрывается диалог и какие вопросы клиентов повторяются чаще. Эти данные подсказывают, какой сценарий стоит переписать. Сама аналитика — тоже часть окупаемости.
Настройка сценариев, интеграция с CRM и телефонией — разовые затраты. Они не зависят от числа звонков и размазываются по объему: чем больше контактов проходит через робота, тем дешевле обходится каждый контакт. В этом и ответ окупаемости: робот выходит в плюс на масштабе, по которому распределяются затраты на внедрение. Качество диалога здесь вторично.
Возражение «это сырой хайп» рынок уже перерос. В 2024-м объем рынка разговорного ИИ в России достиг 7,5 млрд рублей и вырос на 25% за год. Внутри смежного сегмента диалогового ИИ картина еще нагляднее: в 2023 году он достиг 5,9 млрд рублей, — половину заняли голосовые роботы.
«Это позволяет говорить о постепенном выходе отрасли из фазы гиперроста, наблюдавшейся в 2020–2021 гг., в режим зрелого, но уверенного расширения».
Сергей Аванесов, генеральный директор Neuro.net.
На рынке, уже прошедшем фазу взрывного роста, сохраняется двузначная динамика — но в новых условиях. Если раньше внедряли ради тренда, то теперь зрелость рынка гарантирует стабильность инструментов, и главным становится не мода, а экономика. Риск «купить сырой продукт» ушел, решение сводится к простому расчету: окупаемости под конкретную бизнес-задачу.
Голосовой робот сводится к юнит-экономике звонка: стоимость контакта, помноженная на масштаб и долю целевых обращений. Робот берет на себя объем и первичный отбор, человек ведет целевой диалог и закрывает сделку. Считать стоит весь портфель сценариев: исходящий обзвон, квалификацию лидов, сбор обратной связи — у каждого своя цена контакта и свой отклик. Вопрос «заменит ли робот операторов» для расчета второстепенен. Важнее, на каком объеме звонков конкретный сценарий выходит в плюс.
Старое голосовое меню IVR умело одно: проигрывать записанный список пунктов и переводить звонок на добавочный номер. Голосовой робот нового поколения распознает речь, понимает запрос и закрывает обращение сам, без перевода на оператора. Разница — в автономности, а не в тембре голоса: по прогнозу Gartner, к 2029 году ИИ-агенты самостоятельно закроют 80% типовых обращений, что снизит операционные затраты на 30%.
Слабо. Как только распознавание речи уверенно держит конкретный сценарий — прием заявки, статус заказа, короткий опрос, — дальнейшее улучшение синтеза и интонаций почти не двигает юнит-экономику. Экономику делает пропускная способность: робот принимает сотни звонков одновременно, отвечает без времени ожидания и работает круглосуточно, тогда как оператор ограничен сменой.
Настройка сценариев, интеграция с CRM и телефонией — разовые затраты. Они не зависят от числа звонков и размазываются по объему: чем больше контактов проходит через робота, тем дешевле обходится каждый контакт. Робот выходит в плюс на масштабе, по которому распределяются затраты на внедрение, — качество диалога здесь вторично.
В 2020 году МегаФон запустил голосового робота «Вика» для исходящего обзвона абонентской базы. За три дня робот сделал 90 тыс. звонков, экономия на контакт-центре достигала 60%. Конверсия бота держалась на уровне 98% от конверсии живого оператора: почти столько же продаж при заметно меньшей цене контакта.
Робот берет на себя первый контакт и передает человеку только тех, кто готов разговаривать. Голосовой робот «Марина» в CarMoney обзванивал 1 млн лидов в месяц, отсеивая нецелевой трафик: на диалог соглашались 1,3% лидов против 0,1–0,4% до внедрения. Робот квалифицирует, продает человек — окупаемость держится на цене прогона одной заявки, помноженной на объем базы.
Да: на живой голос отвечают охотнее, чем на письмо в общей папке. ДНС перевел опрос лояльности клиентов (NPS-обзвон) на голосового бота вместо рассылок по почте и SMS: количество полученных анкет выросло на 15%, а затраты на контакт-центр сократились в четыре раза.
Робота подключают к телефонии, чтобы принимать и совершать звонки, и связывают с CRM-системами, чтобы он видел данные клиента и записывал итог разговора в карточку. Обмен идет через API: робот забирает номер и имя из базы данных, а после звонка возвращает статус и запись диалога. После кампании робот показывает, где обрывается диалог и какие вопросы повторяются чаще, — аналитика тоже часть окупаемости.
