Флюгегенхаймен
Как работает Интеграции Тарифы FAQ Блог

ИИ для анализа звонков: что он умеет и чего не умеет

Обещания вокруг темы звучат одинаково: искусственный интеллект послушает все разговоры и скажет, почему падают продажи. Первую половину он действительно делает. Со второй сложнее, и граница проходит не там, где её обычно рисуют. Разберём по пунктам: что достаётся машине, где она ошибается и что придётся делать самому.

Кратко
  • Машина надёжно ловит то, что прозвучало вслух: назвал ли менеджер цену, спросил ли про задачу, договорился ли о следующем шаге.
  • Она не знает ничего за пределами записи. Бюджет клиента, предложение конкурента и настроение руководителя в разговоре не звучали.
  • Причину от совпадения она не отличает. Связь между двумя цифрами она покажет, объяснение придумает человек.
  • Ошибки распознавания концентрируются в предсказуемых местах: отрицание, термины, фамилии, наложение речи.

Что называют ИИ для анализа звонков

Формулировка «ИИ для анализа звонков» пришла из рекламы и описывает впечатление от продукта. У рынка есть своё название — речевая аналитика, и оно точнее: под ним понимают разбор разговоров по заранее описанным правилам. Что именно входит в это понятие, собрано в материале о том, что такое речевая аналитика.

Внутри работают две разные вещи, и путать их не стоит. Сначала модель распознавания превращает звук в текст. Потом большая языковая модель читает этот текст и проверяет его по пунктам. Задача второго шага — из области обработки естественного языка, и ограничения у неё свои. Подробный путь звонка по шагам разобран в статье о том, как устроена речевая аналитика звонков.

Дальше по делу: что из этой конструкции получается хорошо, а что не получается вовсе.

Что он действительно умеет

Сильные стороны машины скучные и оттого надёжные. Она не устаёт к пятнице, не имеет любимчиков в отделе и применяет одну и ту же мерку к первому разговору и к двухсотому.

Достаётся машине
  • Сплошная проверка: в разбор идёт каждый содержательный разговор, включая те, до которых руки не дошли бы
  • Формальные пункты: представился, выяснил задачу, назвал цену, договорился о дате
  • Цитата с таймкодом под каждой оценкой — доказательство вместо ощущения
  • Повторяющееся на объёме: одна и та же дыра, видная сразу в десятках разговоров
  • Скучный счёт, который человек вести не станет: доля разговоров с назначенным следующим шагом за квартал
Остаётся человеку
  • Что означает найденная закономерность и есть ли за ней причина
  • Контекст сделки: история клиента, рынок, кто и что обещал до звонка
  • Решение по людям: разговор с менеджером, обучение, кадровые выводы
  • Формулировка критериев — что в вашем деле считается сильным разговором
  • Проверка спорных случаев: балл, с которым не согласен руководитель, разбирается вручную

Обратите внимание, что в первом списке нет ни одного пункта про причины. Машина считает, показывает и отмечает несданный пункт. Объяснять, почему так вышло, она не берётся. Дальше начинается работа головой. Так устроен инструмент, и вендоры тут ни при чём.

Чего он не умеет

Этот раздел обычно пропускают, потому что он продаёт хуже. Между тем именно он определяет, разочаруетесь вы через месяц или нет.

1
Не знает ничего за пределами записи

Клиент мог неделю назад взять предложение у конкурента, у него мог закончиться бюджет, ему мог не понравиться ваш сайт. В разговоре это не прозвучало, значит для машины этого нет. Вопрос «почему в этом месяце упали продажи» она не закрывает и закрыть не может.

2
Не отличает причину от совпадения

Допустим, отчёт показывает: менеджеры, которые называют цену в первой половине разговора, закрывают чаще. Похоже на рецепт. А может оказаться, что цену раньше называют опытные, и дело в опыте. Машина видит связь между двумя колонками и честно её показывает. Объяснение придумывает человек, и ошибиться тут легко.

3
Плохо считывает то, что сказано не словами

Вежливое «я подумаю», за которым стоит твёрдое «нет», для текста выглядит как согласие подумать. Ирония, усталость в голосе, подчёркнутая вежливость, за которой стоит отказ, — всё это слышит руководитель и почти не ловит разбор по расшифровке.

4
Не связывает разговор с исходом сделки

Безупречно проведённый разговор кончается ничем, если у клиента отпала задача. Небрежный заканчивается продажей, если у человека горели сроки. Балл говорит о том, как прошёл разговор, и только об этом. Связь между баллом и деньгами вы устанавливаете сами, на своей воронке.

5
Не принимает решений

Балл не увольняет, не премирует и не меняет скрипт. Единственное, что делает система — кладёт на стол факт с цитатой. Что с ним делать, решает руководитель, и тут инструмент бессилен помочь.

Где ошибается чаще всего

Ошибки не размазаны по тексту ровным слоем, они кучкуются в предсказуемых местах. Знание этих мест экономит спор с менеджером на планёрке.

Где ломается Что происходит Что помогает
Отрицание Потерянная частица переворачивает смысл: «мы не готовы платить вперёд» становится согласием, и в тексте это выглядит нормальной фразой Выборочная сверка спорных разговоров с записью в первые недели
Термины и фамилии Артикулы, названия услуг и имена модель слышит впервые и пишет на слух Словарь терминов, переданный системе до начала работы
Наложение речи Когда собеседники говорят одновременно, часть слов теряется у обоих Двухканальная запись: каждая сторона идёт своей дорожкой, и часть перекрытия расцеплять не приходится. Полностью проблему это не снимает — при громкой связи речь протекает в соседний канал
Короткие разговоры Оценивать в такой реплике нечего. Если порога отсечки нет, она всё равно попадает в среднее по отделу и тянет его вниз Порог отсечки: служебные обрывки не идут ни в оценку, ни в счёт
Свободный сценарий Чем сильнее разговор отличается от описанной модели, тем чаще пункт помечается спорным Критерии, собранные под ваш продукт, вместо типовых из коробки

Последняя строка самая важная. Большинство претензий к качеству разбора на деле оказывается претензией к формулировкам критериев: пункт написан общими словами, и машина трактует его не так, как трактовал бы руководитель. Из чего собираются такие пункты, показано в материале про чек-лист оценки звонка.

Что остаётся человеку

Полезнее всего думать про это разделение так: ИИ для анализа звонков закрывает объём и единообразие, человек закрывает смысл. Руководитель, который перестал слушать записи целиком, но начал раз в неделю разбирать пять помеченных разговоров, тратит меньше времени и видит больше.

Обратный порядок не работает. Если критерии никто не написал под свой отдел, а спорные баллы никто не пересматривает, отчёт превращается в цифру, которой не верят. Через два месяца его перестают открывать, и виноватым назначают искусственный интеллект.

Главное

ИИ для анализа звонков отвечает на вопрос «что прозвучало в разговорах» и отвечает на него полно. На вопрос «почему у нас такие продажи» он не отвечает, потому что часть причин лежит вне записи. Это нормальная граница инструмента, и знать её лучше до покупки.

Практический вывод простой. Оценивайте систему по двум вещам: чьи правила она применяет к вашему разговору и покажет ли цитату под каждым выводом. Обещания найти скрытое тут не значат ничего. Чем классы систем на рынке отличаются друг от друга, разобрано отдельно в материале про системы речевой аналитики.

Частые вопросы

Может ли ИИ полностью заменить прослушивание звонков руководителем?
Сплошное прослушивание — да, выборочный разбор — нет. Машина закрывает объём: проходит каждый содержательный разговор одной меркой и помечает проблемные. Дальше руководитель открывает помеченные и смотрит сам, потому что решение по человеку принимает человек. Рабочая пропорция — несколько разговоров в неделю вместо десятков.
Насколько можно доверять оценке, которую поставила машина?
Ровно настолько, насколько точно написаны критерии. Пункт «менеджер выявил потребность» машина трактует шире или уже, чем вы, и спорные баллы будут. Пункт «менеджер задал вопрос о сроках и получил ответ» проверяется однозначно. Поэтому в первые недели спорные разговоры сверяют с записью и формулировки правят.
Понимает ли ИИ интонацию и эмоции?
Паузы система замеряет объективно, это просто время, и длительность пауз попадает в структуру разбора. С тоном голоса сложнее: его размечают не все, и по нашему опыту выводы по такой разметке хрупкие. Спокойный голос бывает у раздражённого человека, а громкий — у довольного. Надёжно машина работает с тем, что прозвучало словами. Всё, что передаётся интонацией, остаётся человеку.
Что делать, если система ошиблась в оценке?
Посмотреть, на чём именно. Если сломалось распознавание — проблема в записи, и чинится она каналом, гарнитурой или словарём терминов. Если текст распознан верно, а оценка неверна — проблема в формулировке критерия, и её переписывают. Есть и третий случай: текст верен, критерий разумен, а смысл был передан не словами — вежливым отказом или паузой. Такие разговоры разбирают руками, машина их не закроет.
Нужен ли ИИ, если в отделе три менеджера?
Минимального объёма нет, и на маленькой команде разбор часто заметнее: один слабый менеджер сильнее виден в выручке. Дело тут в другом — доходят ли у вас руки до каждой записи. Пока доходят, платить не за что. Когда из тридцати разговоров в неделю открываются пять, размер отдела уже ничего не решает.
Чем ИИ-разбор отличается от обычной расшифровки разговора?
Расшифровка отдаёт текст и останавливается. Разбор берёт этот текст и проверяет его по пунктам, а на выходе даёт балл и цитату, к которой можно перейти по таймкоду. Расшифровку можно просматривать по диагонали и искать по словам, и это кратно быстрее прослушивания. Но решать, что в тексте хорошо, а что плохо, при голой расшифровке всё равно приходится самому.