Голосовой AI на сайте: два кейса и грабли, о которых не пишут

Зачем сайту голос

Обычный чат на сайте — это форма, притворяющаяся разговором. Человек пишет вопрос, ждёт, читает ответ, снова пишет. Каждый шаг требует усилия, и на третьем шаге половина уходит.

Голос убирает усилие. Посетитель нажимает кнопку и просто говорит: «Сколько стоит консультация и когда есть окно?» Ответ приходит голосом через секунду. Это не улучшение чата — это другой способ взаимодействия, ближе к звонку в регистратуру, только без ожидания на линии.

Я собрал такое дважды: на сайте хирурга и на сайте интернет-провайдера. Проекты разные — премиальная медицина и массовая услуга, — но грабли оказались общими.

Про грабли и поговорим. Про витрину написано достаточно.

Что голос делает лучше формы

Три вещи, которые видно на цифрах.

Заявка приходит богаче. Форма даёт имя и телефон. Разговор даёт контекст: что болит, когда удобно, что уже пробовал, чего боится. У хирурга заявка от голосового консультанта содержала суть обращения, а не строчку «Иван, перезвоните» — и врач заходил в разговор подготовленным.

Работает, когда никто не работает. Половина заявок приходит вечером и в выходные. Живая регистратура в это время закрыта, форма молчит до понедельника, а голосовой консультант отвечает в 23:40 и записывает.

Снимает барьер набора текста. Пожилой пациент не будет заполнять форму на телефоне. Он скажет вслух. У провайдера это выражалось буквально: голосовой ассистент сам заводил заявку в биллинг, приняв адрес и имя на слух.

Всё это правда. А теперь то, что обычно остаётся за кадром.

Грабля первая: голос — не озвученный текст

Первая версия консультанта у меня говорила то же самое, что писала. Логика была очевидная: один сценарий продаж, два способа доставки.

Она развалилась на живых людях.

«Введите ваш телефон» — фраза, безупречная в чате, звучит абсурдно, когда её произносят вслух. Человек растерянно отвечает: «Куда ввести?» Правило родилось сразу: в голосовом режиме модель говорит «назовите», а не «введите». Тот же промпт, но с оговоркой про канал.

Ссылки нельзя произносить. Модель радостно диктовала адрес страницы или имя бота. В чате по ссылке кликают. В голосе её надо запомнить на слух и набрать руками — это почти гарантированная потеря клиента. Решение: модель не называет адреса вообще, она вызывает функцию, которая открывает нужную форму на экране, а вслух говорит «открываю форму».

Речь распознаётся с ошибками. Имя «Игорь» становится «Игры», телефон теряет цифру. Пока это лежит в чате, человек видит опечатку и исправляет. В голосе он не видит ничего. Поэтому перед отправкой заявки консультант обязан зачитать вслух то, что понял — имя, телефон, услугу — и дождаться подтверждения. Без этого правила в Telegram сыпался мусор с распознавания.

Эти три правила выглядят мелочью. Каждое появилось после того, как модель ошиблась на реальном клиенте.

Грабля вторая: тихий отказ

Это самая дорогая история из всех, что у меня были.

Готовя кейс хирурга, я обнаружил, что текстовый консультант на боевом сайте молчит. На любой вопрос он отвечал вежливой заглушкой: «Извините, произошла ошибка, позвоните по телефону». Голосовой режим при этом работал.

Причина оказалась внешней. Модель, на которой держался текстовый чат, была предварительной версией — из тех, что провайдеры выкатывают попробовать раньше всех. Такие модели живут недолго. Провайдер удалил её без предупреждения, и запросы стали уходить в никуда.

А теперь главное. Сайт не упал. Не было ошибки на экране, не было алерта, не было письма в поддержку. Он ловил сбой и вежливо показывал заглушку с телефоном. Снаружи всё выглядело нормально. А заявки из текстового чата просто перестали приходить.

Такое можно не замечать неделями. И замечают обычно случайно — как я, когда сел писать кейс.

Два вывода, которые стоят дороже самой починки:

Предварительные версии моделей нельзя ставить в продакшн без присмотра. Они удобнее и часто быстрее. Их могут выключить в любой момент.

Тихий сбой опаснее громкого. Когда сайт падает, это видно за минуту. Когда он вежливо врёт «всё хорошо» и просто перестаёт приносить деньги — это может тянуться долго. Любая заглушка «произошла ошибка» должна одновременно улетать в Telegram владельцу. Иначе она не защита, а маскировка.

Грабля третья: живая речь ломает шаблоны

У провайдера голосовой ассистент разбирал расшифровку разговора и вытаскивал оттуда имя, телефон и адрес — регулярными выражениями.

Работает. Пока человек говорит как в учебнике.

Живая речь устроена иначе. Адрес называют «Ленина сорок два, четвёртый подъезд», а не «улица Ленина, дом 42». Телефон диктуют с паузами и переспрашивают. Имя произносят в середине предложения. Шаблон, который ловит один вариант, промахивается на втором.

Правильное решение — не усложнять регулярку, а отдать разбор самой модели: пусть она вернёт структурированные поля, а не текст, который надо парсить. Модель понимает, что «сорок два, четвёртый подъезд» — это дом и подъезд. Регулярка не понимает ничего.

В том проекте это осталось техдолгом, и я честно написал об этом в кейсе. Здесь повторю: если вы вытаскиваете данные из живой речи шаблонами — вы уже теряете часть заявок и не знаете, какую.

Как это устроено

flowchart TB
    P["Посетитель<br/>нажал кнопку"] --> V["Голосовой канал"]
    V --> M["AI-модель:<br/>стабильная, не preview"]

    M --> R{"Что нужно<br/>человеку?"}
    R -->|"вопрос"| A["Ответ голосом"]
    R -->|"готов оставить<br/>заявку"| F["Собрать поля"]

    F --> C["Зачитать вслух<br/>и подтвердить"]
    C -->|"да"| S["Структурированная<br/>заявка"]
    C -->|"нет"| F

    S --> T["Telegram:<br/>заявка + контекст"]
    M -->|"нужна форма"| O["Открыть на экране,<br/>не диктовать ссылку"]

    M -.->|"любая ошибка"| AL["Алерт владельцу"]

    style C fill:#33a4d4,color:#fff
    style T fill:#22c55e,color:#fff
    style AL fill:#ef4444,color:#fff

Две детали, ради которых схема нарисована. Подтверждение перед отправкой — не вежливость, а защита от распознавания. И пунктирная стрелка вниз: любая ошибка уходит владельцу, а не прячется за вежливой заглушкой.

Когда голос не нужен

Не всякому сайту он полезен, и продавать его всем — плохая идея.

Если решение принимают глазами. Выбор плитки, подбор мебели, сравнение тарифов в таблице — здесь человеку нужно смотреть, а не слушать. Голос будет мешать.

Если ответ должен быть точным и проверяемым. Юридическая консультация, дозировка препарата, условия договора. Услышанное на слух не перечитаешь, а модель иногда ошибается. Такие вещи показывают текстом.

Если у вас нет базы знаний. Голосовой консультант звучит убедительнее текстового — и потому убедительнее врёт. На пустой базе он будет уверенно выдумывать. Сначала знания, потом голос: тот же порядок, что и в снятии узлов, замкнутых на владельце.

Если некому ответить на заявку. Голос ускоряет вход в воронку. Если дальше заявка два дня лежит в чате, вы просто быстрее разочаровываете людей. Про то, где именно теряются заявки, есть отдельный разбор.

Что с этим делать

Если решились — четыре пункта, которые я бы поставил в любой проект с голосом.

Стабильная модель, не preview. Проверьте у провайдера, есть ли у выбранной модели дата вывода из эксплуатации. Если написано «предварительная» — не ставьте её туда, где считаются деньги.

Алерт на каждую ошибку. Заглушка «произошла ошибка» без уведомления владельцу — это не обработка ошибки, а её сокрытие.

Подтверждение перед отправкой. Модель зачитывает собранные поля и ждёт «да». Всегда.

Разбор данных — моделью, не регулярками. Пусть она возвращает готовые поля. Живая речь не укладывается в шаблон.

И проверьте себя одним вопросом, прежде чем начинать: что человек сделает после того, как консультант ответит? Если ответ «оставит заявку, и ей займутся в тот же час» — голос окупится. Если «получит ответ и уйдёт думать» — вам нужен не голос, а работа с воронкой.

Читайте также

• Сайт хирурга, где голосовой AI сам собирает заявку — премиальная медицина, полный разбор
• Сайт провайдера: голосовой AI заводит заявку в биллинг — массовая услуга и правки из Telegram
• Лендинг, который работает вместо менеджера — откуда взялись три правила промпта
• Бизнес, который не может уйти в отпуск — почему база знаний идёт раньше голоса
• Telegram вместо CRM — куда падает заявка после разговора

Следующий шаг: хотите понять, окупится ли голосовой консультант на вашем сайте, — напишите мне в Telegram, посмотрим на вашу воронку за 15 минут.