Телефонный ИИ-агент для звонков клиентов: добавить его в платформу контакт-центра, использовать платформу голосового ИИ или построить собственного

Телефонный ИИ-агент принимает или совершает звонки от имени вашей компании и разговаривает с клиентами синтезированным голосом. Он может отвечать на частые вопросы или оформлять бронирование, а когда помочь не может, передаёт звонок человеку. Платформы контакт-центров и телефонии, например Amazon Connect, Genesys Cloud и Twilio, теперь предлагают собственные функции ИИ-агентов. Специализированную платформу голосового ИИ можно подключить к вашим существующим номерам и системам, а компания-разработчик может собрать для вас пайплайн из отдельных компонентов. Выбор зависит в основном от того, что агент должен делать в ваших системах и где можно хранить записи ваших звонков.

Как работает телефонный ИИ-агент?

Каждый раз, когда звонящий говорит, телефонный агент выполняет четыре задачи. Телефония — сервис, который соединяет звонки с вашими номерами, — доставляет голос звонящего. Модель распознавания речи (speech-to-text) превращает его в текст. Языковая модель — ИИ того же типа, что стоит за ChatGPT, — решает, что сказать или какое действие запросить у ваших систем. Модель синтеза речи (text-to-speech) произносит ответ.

В руководстве OpenAI по голосовым агентам такая схема называется цепочечным пайплайном (chained pipeline); она удобна, когда нужно «проверять или преобразовывать промежуточный текст и заменять каждый компонент независимо». Другая архитектура использует одну модель speech-to-speech, которая сама принимает и выдаёт речь. В том же руководстве сказано, что Realtime API от OpenAI использует «одну модель, чтобы понимать аудио, решать, что делать, и отвечать речью». Если вы выбираете такую модель, спросите, как вы получите расшифровку, которую будете хранить. Все источники в этой статье открывались 6 ноября 2026 года.

Почему в звонке так важны задержки и перебивания?

Звонящий не видит, что на том конце что-то происходит, поэтому долгая пауза может прозвучать как оборвавшаяся связь. Когда звонящий замолкает, агенту сначала нужно решить, что тот договорил. Затем каждая из четырёх задач добавляет своё время, прежде чем начнётся ответ. Решить слишком рано тоже плохо: агент перебивает звонящего, который сделал паузу, чтобы продиктовать номер счёта.

В документации Realtime API от OpenAI описаны два способа это решить. Первый ждёт заданную «длительность тишины (в миллисекундах), чтобы определить окончание речи». Второй «использует семантический классификатор, чтобы определить, что пользователь закончил говорить, на основе произнесённых им слов».

Ещё звонящие говорят поверх агента — это называется barge-in. Агент должен замолчать и запомнить, какую часть ответа звонящий успел услышать. ConversationRelay от Twilio, который связывает звонок в Twilio с вашим собственным ИИ-приложением, сообщает приложению, «когда звонящий прерывает воспроизведение TTS, начав говорить»; TTS — это text-to-speech, синтез речи. Фоновый шум или короткое «угу» не должны останавливать агента. LiveKit, софт с открытым исходным кодом для создания голосовых агентов, описывает обработку перебиваний, которая «умеет отличать настоящие перебивания от поддакивания в разговоре», то есть от тех самых коротких звуков согласия. В документации LiveKit сказано, что модель, которая за этим стоит, работает в LiveKit Cloud — облачном сервисе компании.

Как агент передаёт звонок человеку?

В Amazon Connect у ИИ-агента есть стандартный инструмент Escalate — «для перевода на живого оператора». В примере от AWS, которая продаёт Amazon Connect, он заменён собственным инструментом Escalate, который передаёт причину и краткое содержание разговора. Vapi, платформа голосовых ИИ-агентов, предлагает несколько режимов слепого и тёплого перевода. Слепой перевод «соединяет звонящего, ничего не говоря получателю». Тёплый перевод «зачитывает получателю сгенерированное краткое содержание разговора перед соединением». Этот перевод с кратким содержанием Vapi указывает только для Twilio.

Зафиксируйте письменно, какие случаи всегда передаются человеку, например жалобы. Затем проверьте, что видит ваша команда, когда поступает такой звонок, в том числе в нерабочее время.

Что даёт собственный ИИ-агент нашей платформы контакт-центра?

На этом пути ИИ-агент работает внутри системы, где уже находятся ваши очереди и записи. AWS пишет, что то, что она называет агентным самообслуживанием в Amazon Connect, «позволяет ИИ-агентам самостоятельно решать вопросы клиентов в голосовых каналах и чатах». К другим вашим системам агент обращается через инструменты MCP — для действий, «например, проверки статуса заказа, оформления возвратов и обновления записей». MCP (Model Context Protocol) — стандартный способ подключать ИИ к программам. Genesys пишет, что её Virtual Agent работает «как в новых, так и в существующих голосовых и цифровых бот-сценариях», то есть в автоматизированных сценариях звонков и чатов.

ConversationRelay от Twilio оставляет больше работы вам. Он «преобразует речь в текст и отправляет его в ваше приложение», а ответ выбирает уже ваше приложение, которое строите вы сами или нанятая компания. Для пользователей Twilio этот путь близок к собственной разработке.

Взамен вы соглашаетесь с тем, какие модели и голоса выбрала платформа. Для распознавания речи Twilio предлагает Google и Deepgram. На странице AWS об Amazon Nova Sonic, модели speech-to-speech, которая принимает речь и сразу отвечает речью, указан стартовый набор из четырёх голосов: три на английском и один на американском испанском. Этот путь подходит, когда большая часть ваших звонков идёт через платформу и она поддерживает языки ваших звонящих.

Когда имеет смысл специализированная платформа голосового ИИ?

Платформы голосовых ИИ-агентов продают самого телефонного агента. Вы пишете для него инструкции и выбираете модели, а платформа подключает его к вашим номерам и системам. На странице цен Vapi распознавание речи, языковая модель и голос указаны отдельными позициями от разных провайдеров. Retell, ещё одна такая платформа, пишет, что её руководство «показывает, как интегрировать агентов Retell с вашим провайдером телефонии и использовать собственные номера» через SIP-транкинг. SIP-транк — это соединение, по которому звонки идут через интернет между вашим провайдером телефонии и другой системой.

Платформа подходит, когда собственный ИИ вашего контакт-центра не проходит ваши тесты или когда нужен один агент для нескольких телефонных систем. Цена этого в том, что аудио ваших звонящих обрабатывает ещё один вендор на своих условиях, а перевод звонка на вашу команду проходит через две системы. Vapi пишет: «По умолчанию Vapi надёжно хранит артефакты в облаке» — то есть записи, расшифровки и логи. Вместо этого их можно направить в ваше собственное хранилище.

Когда стоит строить собственного телефонного агента?

Собственный пайплайн объединяет отдельные компоненты: телефонию от оператора связи или платформы вроде Twilio, а также распознавание речи, языковую модель и синтез речи. Код, написанный для вас, решает, кто когда говорит, обрабатывает перебивания, обращается к вашим системам и ведёт логи. Часть этой работы берёт на себя софт с открытым исходным кодом, например LiveKit. Каждый компонент можно арендовать или запускать на своих серверах. Строить своё стоит, когда верно хотя бы одно из следующего:

• Аудио, расшифровки или модель должны оставаться на серверах, которые вы контролируете
• Агент должен действовать в системах, к которым не подключается ни один вендор
• Вам нужно самим выбирать и заменять каждый компонент, например поставить речевую модель, которая лучше понимает языки ваших звонящих
• При ваших объёмах поминутная оплата обходится дороже, чем эксплуатация собственной системы

Собственная разработка занимает больше времени, а после запуска систему кто-то должен эксплуатировать. Статьи ниже рассказывают, кто может это делать без команды машинного обучения и насколько точно распознавание речи на реальных звонках.

Где хранятся записи и расшифровки и можно ли их выгрузить?

Записи и расшифровки потом труднее всего перенести, поэтому решите, где они будут храниться, ещё до запуска:

• Amazon Connect: вы «указываете бакет и ключ KMS для записей голосовых разговоров». Это место хранения в Amazon S3, облачном хранилище Amazon, и ключ шифрования, который вы выбираете сами
• Twilio: по умолчанию записи остаются в «зашифрованном облачном хранилище» Twilio. Если включено внешнее хранилище, «Twilio загружает новые голосовые записи (Voice Recordings) в принадлежащий вам бакет AWS S3, а не хранит их в облаке Twilio».
• Vapi: по умолчанию в облаке Vapi или в вашем собственном Amazon S3 или Google Cloud Storage
• Собственный пайплайн: там, где вы сами решите их хранить

На любом пути регулярно, по расписанию, выгружайте записи, расшифровки и логи в хранилище, которое контролирует ваша компания. Задайте для расшифровок те же права доступа и срок хранения, что и для записей.

Кто контролирует, что агент может делать в наших системах?

Инструкции агента, которые называются промптами, обычно хранятся в инструменте вендора, поэтому держите у себя копию, которую можно перенести. Для действий нужны более строгие правила, чем для ответов, потому что возврат средств или изменение счёта меняют данные в ваших системах. В Amazon Connect сказано: «ИИ-агенты используют ту же систему профилей безопасности, что и операторы-люди, и она определяет, к каким инструментам у ИИ-агента есть доступ». Дайте агенту права только на действия из его списка и ничего больше и решите, как он будет проверять, кто звонит.

Человек, который должен одобрить рискованное действие, редко бывает на линии. Агент может принять запрос и сообщить звонящему, когда ждать ответа, а ваша команда выполнит его после проверки. Какие действия требуют одобрения человека, объясняет статья об ИИ-агентах и одобрении человеком, ссылка на которую есть выше.

Если звонящие платят картой, спросите, как номера карт не попадают ни в модель, ни в записи. Twilio предупреждает о поле, через которое данные звонка возвращаются после ИИ-сессии: «Не включайте в это поле данные PCI». Данные PCI — это данные карт, на которые распространяется стандарт безопасности индустрии платёжных карт.

Кому принадлежат телефонные номера и насколько сложно сменить поставщика?

Ваши клиенты знают ваши номера, поэтому сохраняйте контроль над ними. Номер, купленный у платформы, при уходе придётся портировать, то есть перенести к другому провайдеру. Twilio, например, пишет, что перенос номера к нему «занимает 5-15 дней, но может занять до 4 недель, если ваш текущий провайдер отклонит запрос». Большей части этого можно избежать, если держать номера у выбранного вами оператора связи и подключать к ним ИИ. Retell делает это через SIP-транк, а Vapi может импортировать «новый или существующий номер Twilio». Тогда смена платформы в будущем сводится к изменению маршрутизации звонков.

Какие правила действуют, когда по телефону говорит ИИ?

В США Закон о защите прав потребителей услуг телефонной связи (Telephone Consumer Protection Act, TCPA) ограничивает звонки с использованием искусственного или заранее записанного голоса. 2 февраля 2024 года Федеральная комиссия по связи (FCC) приняла разъясняющее решение (declaratory ruling, FCC 24-17). В нём FCC написала: «мы подтверждаем, что ограничения TCPA на использование „искусственного или заранее записанного голоса“ распространяются на современные технологии ИИ, которые генерируют человеческие голоса». Поэтому для таких звонков «требуется предварительное явно выраженное согласие вызываемого абонента, если только у звонка нет экстренной цели или на него не распространяется исключение». Если такой звонок включает рекламу или телемаркетинг, то есть побуждает купить или арендовать товары или услуги либо инвестировать в них, правила FCC требуют «предварительного явно выраженного письменного согласия».

В решении сказано, что TCPA не допускает «исключений для технологий, которые претендуют на то, чтобы служить эквивалентом живого оператора». ИИ-агент, который говорит как человек, исключения не получает. Правила, на которые ссылается решение, требуют в начале звонка «чётко назвать компанию», а звонки с телемаркетингом должны предлагать способ отказаться от них. Эти требования распространяются на «любую технологию ИИ, которая инициирует любой исходящий телефонный звонок потребителям с использованием искусственного или заранее записанного голоса». Какие правила действуют для звонков, которые клиенты совершают вам, спросите своих юристов.

В ЕС на системы ИИ, которые напрямую взаимодействуют с людьми, распространяется ст. 50(1) AI Act, закона ЕС об искусственном интеллекте. Такие системы должны быть спроектированы так, чтобы люди «были проинформированы о том, что взаимодействуют с системой ИИ», если только это не очевидно для достаточно осведомлённого человека в данном контексте. Согласно ст. 50(5), это должно происходить «не позднее момента первого взаимодействия или воздействия», то есть в звонке — уже в приветствии. Обязанность лежит на поставщике системы ИИ. Кто это — вы или вендор, — вопрос к вашим юристам.

Статья 113 AI Act устанавливает общую дату начала его применения — 2 августа 2026 года. Пакет Digital Omnibus on AI, регламент о внесении изменений, опубликованный как OJ L 2026/1744, сдвинул ряд других дат. По состоянию на 6 ноября 2026 года служба AI Act Service Desk Европейской комиссии отмечает как изменённый только п. 7 ст. 50. В её графике сказано, что 2 августа 2026 года «начинают применяться правила прозрачности (статья 50)».

Правила записи звонков различаются по странам, а в США — ещё и по штатам. Федеральный закон США разрешает запись, если «одна из сторон разговора заранее дала согласие» (18 U.S.C. § 2511(2)(d)). Законы штатов могут требовать большего. Штат Вашингтон требует «согласия всех участников разговора». Согласием там считается объявление о том, что звонок «сейчас будет записан», если само объявление тоже записано.

Согласно GDPR, закону ЕС о защите данных, персональные данные — это информация, относящаяся «к идентифицированному или идентифицируемому физическому лицу». Европейский совет по защите данных (EDPB), который объединяет национальные надзорные органы ЕС по защите данных, в своих руководящих принципах 2021 года о виртуальных голосовых ассистентах относит записи голоса к таким данным. Там же сказано, что «голосовые данные по своей природе являются биометрическими персональными данными». Если голос используется, чтобы установить личность звонящего, такая обработка, согласно этим принципам, требует правового основания по ст. 6 GDPR и исключения по ст. 9. Принципы написаны о голосовых ассистентах на устройствах вроде умных колонок, поэтому спросите своего специалиста по защите данных, как они применяются к звонкам.

Что протестировать, прежде чем агент начнёт принимать реальные звонки?

Соберите тестовый набор из своих звонков с заранее согласованными проходными порогами, как описано в статье о тестировании ИИ-ассистента. Затем добавьте случаи, с которыми сталкивается только телефонный агент:

• Акценты и языки ваших реальных звонящих — из прошлых записей, если это допускает ваша политика
• Звонки с мобильных и по громкой связи в шумных местах
• Звонящие, которые перебивают агента или поправляют себя на полуслове
• Долгое молчание, пока звонящий ищет документ
• Номера счетов и суммы, которые агент повторяет вслух для подтверждения
• Переводы звонков, когда ваша команда занята или не работает
• Уведомление о том, что с клиентом говорит ИИ, и предупреждение о записи в начале каждого звонка

Измеряйте задержку от конца реплики звонящего до первого слова агента на реальных телефонных линиях в ваши самые загруженные часы. Прогоняйте тесты заново каждый раз, когда вендор меняет модель или голос.

Как вендоры берут плату за телефонного агента?

Расходы складываются из пяти частей, и на каждом пути они сочетаются по-разному. Цены указаны в долларах США по публичным страницам с ценами по состоянию на 6 ноября 2026 года:

• Поминутная плата платформам: у Amazon Connect указано «$0.038 per voice min (standard telephony rates apply)», то есть 0,038 доллара за минуту голосового звонка плюс стандартные тарифы на телефонию. Twilio указывает для Conversation Relay 0,07 доллара в минуту. Vapi на тарифе с предоплатой берёт «$0.05/min Vapi hosting», то есть 0,05 доллара в минуту за хостинг Vapi, а Retell указывает для голосовых ИИ-агентов от 0,07 до 0,31 доллара в минуту
• Плата за модели и речь: у Vapi действует принцип «Models pass-through at cost», то есть модели перевыставляются по себестоимости и оплачиваются сверх тарифа. Genesys Cloud выставляет счета за использование ИИ в собственных токенах, и в её статье о биллинге сказано, что «голосовые боты пересчитываются по курсу 17 минут = 1 токен»
• Телефония: Twilio берёт 0,0085 доллара за минуту входящих звонков на местный номер в США плюс 1,15 доллара в месяц за каждый номер
• Запись и хранение: Twilio берёт 0,0025 доллара за минуту записи звонка и 0,0005 доллара в месяц за хранение каждой минуты записи
• Инженеры и сопровождение: разработка, подключение ваших систем и повторный прогон тестов при смене моделей. Чем больше вы строите сами, тем больше эта часть

Поминутные цены выше покрывают разные части. Попросите каждого вендора рассчитать стоимость одного месяца при вашем реальном объёме звонков с учётом телефонии, моделей, записей и минимальных платежей.

Что спросить у компании, которая будет строить или интегрировать агента?

• Какие компоненты где работают и какие компании обрабатывают аудио наших звонящих?
• Как вы будете измерять задержку перед ответом агента на наших телефонных линиях?
• Как агент справляется с перебиваниями и долгим молчанием и как работает перевод звонка?
• Какие действия агент может выполнять сам, а какие ждут одобрения человека?
• Где хранятся записи, расшифровки и логи и как нам их выгрузить?
• У кого наши телефонные номера и что потребуется, чтобы их перенести?
• Кто пишет и проверяет уведомление об ИИ и о записи разговора для каждой страны, куда мы звоним?
• Будут ли нам в итоге принадлежать код, промпты, тестовые звонки и логи?

Где здесь место amBrain?

amBrain ведёт этот блог. О собственном продукте компания говорит: «Наш собственный продукт shyash.ai работает на ИИ-агентах, которые исследуют, пишут, проверяют и измеряют на основе единой общей памяти о фактах компании. Человек одобряет всё, что уходит наружу».

Эта статья — не кейс, и работа для клиентов в ней не описывается. В ней не утверждается, что amBrain строил телефонного агента или продукт для контакт-центра, а строка выше ничего не говорит о телефонных звонках. Компании и официальные органы, названные здесь, цитируются по их опубликованным страницам. Статья не утверждает, что между amBrain и кем-либо из них есть какие-либо отношения, не рекомендует ни один из их продуктов и не приводит цен и сроков amBrain.

amBrain делает софт с 2019 года. О том, как компания работает с клиентами, она говорит: «Три формата: полная разработка, выделенная команда или инженеры внутри вашей команды». О владении у неё такая строка: «Клиент сохраняет полное владение продуктом и кодом, кроме наших переиспользуемых компонентов». До подписания попросите поимённый список этих компонентов.

Эта статья — и не юридическая консультация. Она рассматривает только названные выше правила США и ЕС. Уточните у своих юристов, какие правила о согласии на запись и о раскрытии использования ИИ действуют в каждом месте, где вы принимаете или совершаете звонки. Если amBrain в вашем шорт-листе, задайте ему те же вопросы, что и любой другой компании.