Как работает ИИ-секретарь на телефоне, шаг за шагом

Вы переадресуете рабочий номер, кто-то звонит, и через тридцать секунд в вашем почтовом ящике появляется запись с полной расшифровкой. Похоже на фокус. Но это не фокус. ИИ-секретарь — это цепочка обычных, хорошо понятных шагов, каждый из которых делает одну работу и передаёт эстафету следующему. Вот эта цепочка, объяснённая так, как вы объяснили бы её другу за чашкой кофе.

Большинство статей на эту тему либо машут руками ("ИИ понимает ваших звонящих!"), либо топят вас в жаргоне про трансформеры и токены. Ни то, ни другое не помогает решить, стоит ли доверять этой штуке свой телефон. Поэтому мы сделаем иначе: пройдём весь путь, который проделывает один звонок — от момента, когда он зазвонил, до момента, когда вы читаете сводку, — и честно скажем, где у этой конструкции швы.

Обзор за 30 секунд

Прежде чем углубляться, вот всё целиком на одном дыхании. Звонящий набирает ваш номер. Ваша телефония переадресует этот звонок ИИ-сервису вместо того, чтобы звонить у вас на столе. ИИ отвечает, превращает речь звонящего в текст, разбирается, чего тот на самом деле хочет, решает, как ответить, превращает свой ответ обратно в звучащий голос — и говорит. Этот цикл повторяется на каждом витке разговора. Когда звонок заканчивается, ИИ описывает, что произошло, и отправляет это вам. Вот и всё. Пять-шесть движущихся частей, каждую из которых мы сейчас разберём.

Ощущение мгновенности возникает потому, что эти шаги быстрые и перекрываются. ИИ начинает расшифровку, пока звонящий ещё говорит, и начинает формировать ответ ещё до того, как тот окончательно замолчал. Для человека на другом конце это ощущается как обычный, разве что чуть терпеливый, разговор.

Шаг 1: звонок переадресуется

В вашем номере телефона ничего не меняется. Вы оставляете тот же номер, что напечатан на вашей машине, сайте и визитках. Меняется одна-единственная настройка у вашего оператора связи: переадресация звонков. Вы говорите оператору: "когда моя линия занята, не отвечает после четырёх гудков или всегда — направляй звонок на этот другой номер". Этот другой номер принадлежит ИИ-сервису.

Это та же функция, которой вы десятилетиями пользуетесь, чтобы перебрасывать звонки на мобильный. ИИ-сервис просто выдаёт вам отдельный номер для переадресации. Поскольку переадресация происходит на уровне оператора, ИИ может отвечать, когда вы закрыты, на другом звонке или просто не хотите отвлекаться, пока по локоть в моторе.

• Переадресация всегда — каждый звонок сначала попадает к ИИ. Хорошо для схем «только после рабочих часов» или полностью автономных линий.
• Переадресация при занятости — ИИ ловит перелив, пока вы уже на разговоре, так что второй звонящий никогда не услышит короткие гудки.
• Переадресация при неответе — сначала звонит ваш стол; если за несколько гудков никто не берёт, отвечает ИИ, а не пустота.

Шаг 2: ответ и прослушивание

ИИ снимает трубку и проигрывает приветствие — обычно то, что вы написали при настройке, что-то вроде "Спасибо, что позвонили в стоматологию на Кленовой улице, чем могу помочь?". С этого мгновения он делает два дела одновременно: проигрывает звук звонящему и захватывает звук, идущий обратно.

Входящий звук — это просто поток звука. Сам по себе он ничего не значит для компьютера: это давление воздуха, превращённое в числа. Следующая задача — превратить этот звук в слова, и у этой задачи есть название, которое слышали почти все, не зная его: распознавание речи.

Шаг 3: речь становится текстом

Распознавание речи, или речь-в-текст, — это то, чем вы уже пользуетесь каждый день. Это то же семейство технологий, что стоит за кнопкой диктовки на телефоне и автоматическими субтитрами в видео. Оно слушает звук и выдаёт написанную строку: "эм, да, я хотел бы записаться на чистку на следующий вторник, если есть что-нибудь во второй половине дня".

Современное распознавание речи на удивление хорошо, но это не волшебство, и честно так и сказать. Оно справляется с акцентами, фоновым шумом и людьми, которые обрывают фразу на полуслове, куда лучше топорных систем прошлого в духе "нажмите 1 для отдела продаж". Спотыкается оно ровно там, где споткнулся бы человек: звонящий кричит поверх воздуходувки, дико необычная фамилия или три человека говорят разом. Хорошие сервисы настроены переспросить, когда не уверены, а не угадать и ошибиться.

Одна тонкость, которую стоит знать: ИИ не ждёт, пока звонящий договорит всю фразу, прежде чем расшифровывать. Он выдаёт текст по мере поступления слов, так что к моменту, когда человек умолкает, расшифровка по сути уже готова. Это во многом и объясняет, почему ответы приходят так быстро.

Шаг 4: разобраться, что они имеют в виду

Теперь у ИИ есть строка текста. Сложная и интересная часть — превратить этот текст в смысл, вычислить намерение звонящего. Из "можно перенести мою встречу с четверга на пятницу?" ему нужно понять три вещи: это существующий клиент, он хочет перенести запись, и цель — пятница. Из "вы принимаете собак или только кошек?" ему нужно распознать вопрос о том, какие услуги вы оказываете, и ответить из вашего профиля.

Вот здесь основную работу берёт на себя большая языковая модель — та самая технология, что стоит за ассистентами, о которых вы читали. Но она отвечает не из воздуха и не из всего интернета. Хороший сервис секретаря даёт модели узкое, приватное задание: профиль вашего бизнеса. Перечисленные вами услуги, часы работы, цены, правила, адрес, самые частые вопросы. Модель рассуждает над словами звонящего и этим заданием вместе.

Эта опора и есть вся суть игры. Именно поэтому ИИ может сказать "по будням мы работаем до шести, по воскресеньям закрыто" — не потому что угадал, а потому что вы однажды вбили эти часы в мастер настройки. И именно поэтому, когда кто-то спрашивает что-то за пределами задания ("а ветеринар оставляет кроликов на передержку на ночь?"), хорошо построенный сервис должен принять сообщение, а не выдумывать ответ. Ассистент, который сочиняет, хуже, чем никакой.

Шаг 5: решить, что делать

Понять запрос — одно; действовать по нему — другое. В зависимости от намерения ИИ выбирает один из нескольких путей. Ответить на вопрос из профиля. Записать или перенести встречу. Принять сообщение с номером для обратного звонка. Или, когда звонящему явно нужен человек, собрать главное и пообещать, что владелец перезвонит.

1. 1
   Он отвечает напрямую

   На всё, что покрыто вашим профилем — часы, местоположение, принимаете ли без записи, что входит в услугу — ИИ просто говорит звонящему естественной фразой, без всякого меню.
2. 2
   Он записывает или переносит

   Когда намерение — это встреча, он собирает кто, что и когда, сверяется с заданными вами правилами и подтверждает слот или предлагает альтернативы.
3. 3
   Он принимает сообщение

   На всё, с чем не может или не должен справляться — жалоба, индивидуальный расчёт, вопрос вне профиля — он фиксирует детали и номер звонящего, чтобы вы связались.
4. 4
   Он аккуратно передаёт

   Если звонящий просит человека или ситуация явно деликатная, он не встаёт стеной. Он принимает сообщение или организует обратный звонок и не притворяется человеком, когда его об этом спрашивают.

Шаг 6: ответить голосом

ИИ решил, что сказать, — но пока это решение лишь текст. Финальный шаг цикла превращает текст обратно в голос, который звонящий может услышать. Это синтез речи, зеркальное отражение шага 3. Синтезированные голоса, которые используют сегодня, ушли далеко от того плоского роботического гудения, что вы помните; они делают паузы, дышат, интонируют так, что по большей части звучат как человек в чуть-чуть слишком спокойный день.

И цикл замыкается. Звонящий слышит ответ, отвечает, и весь круг — слушать, расшифровать, понять, решить, сказать — прогоняется снова для следующего витка. Трёхминутный звонок может обойти этот цикл десяток раз, каждый проход занимает секунду с небольшим. Со стороны звонящего это просто разговор. Под капотом — те же пять шагов, повторённые.

Шаг 7: сводка падает вам на почту

Когда звонок заканчивается, запускается последняя задача. У ИИ есть полная расшифровка всего сказанного, поэтому он описывает то, что имело значение: кто звонил, что хотел, о чём договорились и какое действие осталось за вами. Эта сводка — плюс сырая расшифровка, а часто и аудиозапись — приходит вам на почту или туда, где вы попросили получать уведомления.

Это та часть, которую владельцы, по их словам, неожиданно для себя полюбили. Вы не переслушиваете голосовые сообщения и не строчите заметки. Вы получаете чёткую справку: "Новый пациент, хочет чистку, предпочитает вторник во второй половине дня, номер в записи, записан на 14-е в 15:00". Вы пробегаете её за пять секунд и идёте дальше. Ничего не проваливается в щели, потому что всё записано и доступно для поиска.

Собираем всё вместе: один звонок от начала до конца

Проследим за одним звонком от и до. Представьте парикмахерскую на два кресла, середина дня, оба мастера заняты. Звонящий хочет записаться на окрашивание.

• Линия занята, поэтому оператор переадресует звонок на номер ИИ.
• ИИ отвечает: "Спасибо, что позвонили в студию Bloom, чем могу помочь?" — и начинает слушать.
• Звонящий говорит, что хотел бы записаться на окрашивание в эту субботу. Распознавание речи превращает это в текст по ходу речи.
• ИИ считывает намерение — новая запись, услуга окрашивания, суббота — и проверяет профиль салона на наличие мест в субботу и на то, сколько занимает окрашивание.
• Он решает предложить два свободных слота и проговаривает их: "У меня есть 10:00 или 14:00 в субботу — что подходит?"
• Звонящий выбирает 14:00 и называет имя и номер. ИИ подтверждает и завершает звонок.
• Через секунды владелец получает сводку: новая запись на окрашивание, суббота 14:00, имя и номер приложены.

Всё заняло меньше двух минут, владелец ни разу не коснулся телефона, а звонящий — который иначе, возможно, бросил бы трубку на коротких гудках и позвонил бы конкуренту — записан. Вот вся ценность в одном звонке, и это просто семь шагов выше, делающих свою работу.

Где швы (честная часть)

Ни одна технология не бесшовна, и вы будете доверять этой больше, если знаете, где она может протереться. Очень шумные звонки заставляют распознавание речи работать усерднее и иногда путать имя — вот почему хорошие настройки переспрашивают детали у звонящего. Крайне необычные или эмоциональные запросы лучше передавать человеку, и хорошо построенный ассистент знает, что так и надо делать, а не барахтаться.

Есть ещё тот факт, что ИИ знает только то, что вы ему сказали. Тонкий, недоделанный профиль порождает расплывчатые ответы; насыщенный — с вашими реальными часами и самыми частыми вопросами — порождает точные. Качество на выходе тесно связано с теми десятью минутами, что вы тратите на описание своего бизнеса. Это вознаграждает за небольшую заботу заранее, и это честная сделка.

Как вы это на самом деле настраиваете

Зная механику, настройка становится понятнее. По сути вы просто заполняете две вещи, которые нужны конвейеру: задание, из которого рассуждает ИИ, и правило переадресации, которое направляет к нему звонки.

1. 1
   Опишите свой бизнес

   Короткий мастер спрашивает про ваши услуги, часы, цены, адрес и частые вопросы. Это становится профилем, на который ИИ опирает каждый ответ.
2. 2
   Проверьте, позвонив

   Позвоните своему новому ассистенту и попробуйте его подловить. Задавайте неудобные вопросы, которые задают ваши реальные звонящие. Правьте профиль, пока ответы не станут верными.
3. 3
   Переадресуйте номер

   Задайте у оператора правило переадресации — всегда, при занятости или при неответе — с указанием на номер ИИ. Это и есть выключатель, который запускает всё в работу.
4. 4
   Смотрите, как приходят сводки

   С этого момента каждый обработанный звонок становится сводкой в вашей почте. Отшлифуйте профиль за первую неделю — и он станет только острее.

Обычно уходит несколько минут на описание бизнеса и мгновение на задание правила переадресации. Никакого оборудования, никакого нового номера для рекламы и нечего устанавливать. Большинство владельцев сначала гоняют бесплатный пробный период, переадресуя только внерабочие звонки, прежде чем передать больше.