В каких нишах нельзя автоматизировать звонки голосовым роботом

Принцип: что определяет границу автоматизации

Робот эффективен, когда диалог предсказуем: понятная цель звонка, ограниченный набор веток, типовые возражения. Чем выше цена ошибки, эмоциональная нагрузка или юридические требования — тем больше оснований оставить диалог человеку.

Опросы это подтверждают. По данным исследования ВТБ к ПМЭФ-2026, 74% россиян готовы получить от робота справочную информацию об условиях по вкладам — рутинные задачи машине доверяют охотно. Оформление кредита или ипотеки доверили бы роботу 34%, урегулирование жалоб и споров — 47%: в сложных, эмоционально значимых ситуациях люди рассчитывают на человеческое участие.

Дальше — конкретика по нишам.

1. Сложные B2B-продажи с длинным циклом сделки

Продажа промышленного оборудования, внедрение IT-систем, консалтинг — сделки на месяцы, с несколькими ЛПР и индивидуальными условиями. Здесь звонок — это переговоры, а не скрипт. Менеджер считывает контекст, торгуется, меняет тактику на ходу.

Роботу в такой сделке стоит доверить первое касание: выяснить, актуальна ли тема, кто принимает решение, когда удобно созвониться с менеджером. Всё, что дальше, — зона ответственности человека: в длинных сделках результат определяют доверие и гибкость переговоров, поэтому основную коммуникацию с ЛПР ведёт менеджер.

2. Медицина и чувствительные темы

Сообщать результаты анализов, обсуждать диагнозы, работать с психологическим состоянием пациента через робота не следует — и по этике, и по закону. Сведения о здоровье относятся к специальной категории персональных данных по статье 10 закона 152-ФЗ, их обработка требует отдельного режима защиты.

При этом клиники активно используют автообзвон на нейтральных сценариях: напоминание о приёме, подтверждение записи, перенос визита, NPS-опрос после посещения. Граница проходит по содержанию: логистика — роботу, всё, что касается здоровья, — врачу или администратору.

3. Премиум-сегмент и VIP-клиенты

Private banking, люксовая недвижимость, персональные travel-сервисы продают отношение. Клиент платит в том числе за то, что его знают по имени, помнят историю и общаются с ним лично. Персональный менеджер здесь — часть продукта.

Сходится и экономика. В премиуме мало клиентов и высокий средний чек: выгода от автоматизации звонков по базе из трёхсот человек несопоставима с ценностью личного контакта. Автоматизировать стоит внутреннюю рутину, а сами звонки оставить персональным менеджерам.

4. Конфликтные ситуации и удержание уходящих клиентов

Клиент написал претензию, требует возврат или пришёл расторгать договор. В этот момент он ждёт личного участия компании, поэтому претензионные диалоги ведут сотрудники.

То же с retention-звонками. Удержание — это диагностика причин ухода и индивидуальное предложение, часто с обсуждением условий. Такой диалог требует полномочий и эмпатии. Роботу здесь подходит роль раннего выявления риска: короткий опрос удовлетворённости, по итогам которого клиентов с низкими оценками сразу переводят на живого специалиста.

5. Микробазы и штучные звонки

Есть и чисто экономический критерий. Минута робота стоит в разы дешевле минуты оператора. Выгода включается на объёме: сценарий нужно спроектировать, протестировать и доработать по первым сотням диалогов.

Если база — 50–100 контактов в месяц, быстрее обзвонить её силами менеджера. Ориентир простой: робот начинает окупаться от нескольких сотен однотипных звонков в месяц.

Серая зона: ниши, где робот работает на части воронки

Между «оставить людям» и «полностью автоматизировать» лежит широкая полоса ниш, где автоматизация звонков берёт на себя часть процессов:

• Массовая недвижимость. Робот квалифицирует заявки с рекламы и приглашает на показ. Обсуждение ипотеки, условий и юридической части ведёт менеджер.

• Автобизнес. Запись на ТО и напоминания — роботу, продажа автомобиля и трейд-ин — людям.

• Онлайн-образование. Робот собирает регистрации на бесплатный вебинар, продажу курса с чеком от десятков тысяч рублей закрывает отдел продаж.

• Страхование. Напоминание о продлении полиса ОСАГО — типовой сценарий для робота. Урегулирование убытков остаётся за специалистами.

• Банки. Ровно по данным опроса ВТБ: справки и типовые операции — машине, кредитные решения и споры — человеку.

Правило серой зоны: робот берёт верх воронки и сервисную рутину, за человеком сложные решения и индивидуальные условия.

Где робот отрабатывает отлично

Для полной картины — задачи, на которых обзвон базы роботом стабильно эффективнее ручного:

• подтверждение заказов и записей — доставка, сервисы, клиники;

• первичная квалификация лидов в массовых холодных звонках — робот отсеивает нецелевых, тёплых передаёт менеджеру;

• реактивация «спящей» базы — короткое предложение с переводом заинтересованных на оператора;

• NPS и опросы качества практически во всех сферах бизнеса;

• сервисные уведомления: статус заказа, задолженность по абонплате, напоминание о продлении;

• робот для входящих звонков на типовых вопросах — статус заявки, график работы, баланс.

Общее у этих сценариев: диалог короткий, цель одна, эмоциональная ставка низкая. Именно под такие задачи проектируется голосовой ИИ-робот — он ведёт живую беседу по гибкому сценарию и распознаёт смысл сказанного, а не зачитывает текст, как автоинформатор.

Что проверить перед выводами о нише

Слабый результат пилота не всегда означает, что ниша не подходит для автоматизации, — на конверсию влияют и настройки запуска. Четыре пункта для проверки:

1. Сценарий написан под робота? Скрипт оператора с длинными репликами и сложными развилками роботу не подходит. Нужен короткий сценарий с одной целью на звонок.

2. База актуальна? Обзвон по базе трёхлетней давности даст низкий дозвон и высокую долю отказов независимо от того, кто звонит — робот или человек.

3. Звонки маркированы и идут в разрешённое время? Немаркированные вызовы отсекают спам-фильтры операторов, и до абонента доходит меньше звонков, чем запланировано. Проверьте и настройки автодозвона: умеренная частота повторных попыток сохраняет лояльность базы.

4. Разобрали записи? Прослушайте первые 200–300 диалогов: где люди завершают разговор, какие формулировки вызывают отказ. Обычно два-три исправления в сценарии заметно повышают конверсию.

Если после этих проверок конверсия не растёт — вероятно, тип звонка действительно стоит оставить людям. До них делать выводы рано.

Чек-лист: можно ли отдать ваши звонки роботу

Ответьте «да» или «нет» по конкретному типу звонка, который хотите автоматизировать:

1. Диалог укладывается в 2–3 минуты?

2. У звонка одна понятная цель (подтвердить, напомнить, спросить, квалифицировать)?

3. Типовых возражений и веток — не больше пяти-семи?

4. Однотипных звонков набирается от 500 в месяц?

5. Ошибка робота в этом диалоге не приводит к потере клиента или юридическим рискам?

6. Тема звонка не касается здоровья, долгов, споров и других чувствительных зон?

7. У вас есть документированные согласия абонентов на такие звонки?

8. Средний чек клиента не настолько высок, что персональный звонок очевидно выгоднее?

Семь-восемь «да» — сценарий готов к автоматизации, запускайте пилот. Пять-шесть — автоматизируйте частично: робот делает первое касание и переводит на менеджера. Четыре и меньше — оставьте этот тип звонков людям.

Гибридная модель: робот фильтрует, человек продаёт

Практический вывод из всего разбора — разделение труда:

1. Робот забирает массовый верх воронки: дозванивается по базе, отсеивает нецелевых, собирает согласия и назначает контакты.

2. Люди ведут сложные диалоги: переговоры, претензии, VIP-клиентов, чувствительные темы.

3. Качество человеческой части контролирует речевая аналитика: LLM-разбор понимает смысл и контекст каждого разговора, находит отклонения от скрипта и потерянные сделки без ручного прослушивания.

4. AI-тренер развивает операторов, давая персональные рекомендации по каждому диалогу менеджеров во время занятий.

Так автоматизация дополняет работу команды: рутина уходит машине, людям остаются диалоги, где они сильнее всего.