Блог · 2 октября 2026 · 6 мин

Речевая аналитика простыми словами: из чего она собрана и где ломается

Речевая аналитика это не одна программа, а три разные технологии подряд: запись, расшифровка, разбор моделью. Ломаются они по-разному, и признак поломки у каждой свой. Разбираем на цифрах из своей базы.

«Мне сказали, система слушает звонки и ставит менеджерам оценки. Она правда слушает?»

Вопрос директора складской компании на первой встрече, и отвечаю я честно: в человеческом смысле нет. То, что называют речевой аналитикой, собрано из трёх разных технологий, поставленных в цепочку. Продают их обычно одним пакетом, поэтому со стороны она выглядит одной программой, которая всё понимает.

Ниже разбор по шагам: что происходит со звонком, что на каждом шаге ломается и как понять по своему же отчёту, на каком именно шаге у вас беда.

Шаг первый: запись

Сначала кто-то должен отдать файл. Записывает разговор телефония: облачная АТС, коллтрекинг, корпоративная станция в серверной. Речевая аналитика к этому отношения не имеет, она приходит за готовым файлом.

Здесь и живёт первая, самая скучная поломка. Файл может не доехать: сеть моргнула, у провайдера задержка, запись легла на диск позже, чем за ней пришли. Мы у себя ловили случай, когда строка звонка создавалась раньше заливки аудио, и при сбое ключ файла оставался пустым навсегда. Разбор тогда не запускался вовсе, и для отчёта такого звонка просто не было.

Отдельная история со временем. У одного стенда мы замерили путь от конца разговора до готовой аналитики: 249 минут, из которых 237 занимает доставка записи с телефонии, а на весь наш конвейер приходится 12. Ускорять разбор в такой ситуации почти бесполезно, узкое место лежит до нас.

Что спросить у поставщика: за какой срок после разговора вы обещаете разбор и что происходит, если файл не пришёл с первого раза.

Шаг второй: расшифровка

Дальше звук превращается в текст. Это отдельная модель, её называют ASR или распознаванием речи, и она ничего не понимает в продажах. Её работа буквальная: услышала звук, написала слово.

Ломается она интереснее всех, потому что при отказе не молчит. Плохой звук, шум в трубке, первые секунды соединения, и модель вместо честного «здесь ничего не разобрать» дописывает правдоподобный текст.

У нас так пропадало начало разговора: расшифровка стартовала с середины, а первые полминуты заполнялись выдумкой. Под это попало 36 звонков, 3,4 процента базы, и в двадцати из них разбор поставил метку «спам» или «отказ», хотя человек звонил по делу и как раз в это время представлялся.

Мы это починили, и урок тут шире одного нашего бага. Распознавание речи вообще устроено так, что уверенно достраивает несказанное, а отличить достроенное от услышанного по одному тексту не выйдет. Проверка ровно одна: открыть запись и послушать.

Что спросить: покажите расшифровку рядом с записью и дайте прыгнуть на любую фразу.

Шаг третий: разбор

Текст уходит языковой модели вместе с инструкцией: что такое целевое обращение, что такое спам, по каким признакам оценивать работу менеджера. Модель отвечает разметкой, из которой потом собираются отчёты и оценки.

Тут поломки самые обидные, потому что выглядят как работа. Мы однажды нашли, что модель копирует пример прямо из своей же инструкции: в схеме стояла готовая строка для образца, и она уезжала в отчёт как настоящая разметка. Накрыло 42,7 процента спам-звонков у одного клиента и половину у другого, причём каждый воспроизводил свою собственную заглушку. Отчёт при этом был полон, красив и внутренне непротиворечив.

Ещё одна деталь, о которой обычно не говорят: у разбора есть физический потолок. Один разговор весит 5-6 тысяч токенов запроса, а поставщик модели отпускает примерно вдвое больше за минуту, и получается два-три разбора за это время. Упирается всё в квоту, мощность сервера тут ни при чём. Когда вам обещают разбор всех звонков в реальном времени, спросите про очередь в час пик.

Что спросить: покажите инструкцию, по которой модель ставит оценки, и дайте её поправить под нашу отрасль.

Зачем это директору

Практическая ценность речевой аналитики держится на охвате, оценки менеджеров тут дело десятое. Руководитель отдела продаж физически слушает три-пять записей в неделю и берёт их по подозрению: те разговоры, про которые ему уже нажаловались. Машина проходит все сто. И находит там то, чего никто не искал: повторяющийся вопрос, на который в компании нет готового ответа. Канал, откуда идут люди с чужим бюджетом. Товар, который спрашивают, а его нет на складе.

Оценка разговора при этом остаётся мнением модели, и относиться к ней стоит как к словам стажёра: посмотреть полезно, проверить обязательно, лишать по ней премии рано.

Что сделать со своим отчётом завтра

Возьмите десять обращений, где стоит метка «спам», «нецелевой» или «нет ответа», и по каждому откройте расшифровку.

• Текст начинается не с первой секунды разговора, приветствие потеряно: беда на втором шаге, распознавание.
• Текст полный, а метка всё равно мимо: беда на третьем шаге, инструкция для модели.
• Звонок в телефонии есть, а в аналитике его нет вовсе: беда на первом шаге, доставка.

Три разные беды, три разных разговора с поставщиком. Пока их считают одной программой, ответ всегда звучит одинаково: «модель иногда ошибается».

Мы в anfisa.phone отвечаем за все три шага сразу, поэтому на вопрос «почему тут такая метка» у вас будет один собеседник вместо трёх, кивающих друг на друга. Из ограничений: своей телефонии у нас нет, работаем поверх вашей, и распознавание речи у крупных облачных провайдеров пока лучше нашего. Первые 33 звонка разбираем бесплатно, посмотреть можно на anfisa-phone.ru.

А у вас на каком шаге стоит вопрос: записи не доезжают, расшифровка врёт или разметка спорит с ухом руководителя?