Ростелеком и Сбер отсекли звонки голосовым помощникам ради экономии миллионов
Ростелеком и VS Robotics научились отличать живой голос от искусственного с точностью до 90%, превращая защиту от спама из препятствия в управляемый параметр. Внедрение этой ML-модели позволяет компании перестать тратить ресурсы на звонки автоответчикам и направлять средства взыскания только реальным должникам.
По данным CNews, Ростелеком и VS Robotics (входит в группу Сбер) завершили внедрение специализированной ML-модели для фильтрации звонков. Новая система с точностью до 90% определяет, кто отвечает на вызов: живой абонент или голосовой помощник. Решение направлено на оптимизацию коммуникации по вопросам просроченной задолженности и снижение операционных издержек.
Ежемесячно компания совершает миллионы звонков с использованием робота-оператора. Ранее значительная часть этих вызовов блокировалась или перехватывалась автоответчиками и умными ассистентами. Сервисы, созданные для защиты от спама, стали барьером для передачи важной финансовой информации. Внедрение алгоритма позволило сократить расходы на телефонию и высвободить время операторов контакт-центра, которые раньше тратили его на прослушивание приветствий голосовой почты.
Экономическая эффективность и технологическая эволюция
Технология анализирует аудиопоток и технические метаданные звонка в реальном времени. Система соединяет робота-оператора или специалиста только с реальными людьми, минуя виртуальные фильтры. Максим Колосков, руководитель VS Robotics, отметил, что повышение точности детектирования даже на доли процента конвертируется в миллионы рублей экономии и сохраненной выручки для крупного партнера.
«Борьба за внимание клиента превратилась в технологическую гонку. Каждый день появляются сотни новых алгоритмов голосовых ассистентов, которые учатся звучать все более естественно. Наша ML-модель — это не статичный фильтр, а обучаемая система, которая умеет распознавать даже самых продвинутых голосовых ассистентов», — сказал Колосков.
Ситуация усложняется эволюцией средств защиты абонентов. Простые автоответчики сменились умными ассистентами, имитирующими человеческую речь. Это создавало парадокс: компания тратила ресурсы на звонки, которые не доходили до адресата. Решение позволило преодолеть этот барьер, обеспечивая доставку информации именно владельцу счета.
Масштаб внедрения и задачи автоматизации
Абонентская база Ростелеком превышает 15 млн физических и 5 млн юридических лиц. Такие объемы требуют высочайшего уровня автоматизации процессов. Илья Курцев, директор Центра кредитного контроля ПАО «Ростелеком», подчеркнул, что для компании важно донести информацию о состоянии счета до владельца, а не до его голосового помощника.
«Масштабы нашей абонентской базы требуют высочайшего уровня автоматизации. Но технологии защиты клиентов эволюционировали: от простых автоответчиков мы пришли к умным ассистентам, которые имитируют человеческую речь. Это создавало парадоксальную ситуацию: мы тратили колоссальные ресурсы на звонки, которые не доходили до адресата. Решение VS Robotics позволило нам «пробить» эту цифровую стену. Мы не навязываем общение, для нас важно донести информацию о состоянии счета именно его владельцу», — отметил Курцев.
Система работает как динамический инструмент, адаптирующийся к новым алгоритмам защиты. Это позволяет поддерживать эффективность коммуникации в условиях постоянного изменения ландшафта цифровых сервисов. Для бизнеса ключевым фактором становится способность различать живой голос и синтезированный, что напрямую влияет на конверсию звонков и рентабельность процессов взыскания.
Детали реализации проекта и дальнейшие планы по масштабированию технологии требуют углубленного анализа со стороны специалистов в области ИТ и управления рисками.
За гранью 90%: почему точность алгоритма уступает комплаенсу
Сотрудничество Ростелекома и VS Robotics, завершившееся внедрением модели с точностью распознавания живого голоса до 90%, выглядит как техническая победа в локальной задаче. Однако за сухими цифрами эффективности скрывается фундаментальный сдвиг в логике массовых коммуникаций. Если раньше главной проблемой была техническая невозможность пробиться через автоответчики, то теперь ключевым фактором становится способность бизнеса работать в условиях жесткого регуляторного давления. Технология перестает быть просто инструментом экономии, превращаясь в механизм адаптации к новым правилам игры, где ошибка в идентификации звонка может стоить компании репутации и доступа к клиенту.
Рынок взыскания долгов и массовых уведомлений десятилетиями строился на стратегии объема: миллионы звонков, статистическая вероятность успеха. Появление умных ассистентов, имитирующих человеческую речь, сделало этот подход неэффективным. Роботы-операторы тратили ресурсы на диалоги с виртуальными фильтрами, не доходя до реальных абонентов. Решение VS Robotics, анализирующее аудиопоток и метаданные в реальном времени, позволило преодолеть этот барьер. Система теперь соединяет оператора только с живым человеком, экономя время и деньги. Но эта победа над «цифровой стеной» происходит на фоне появления новых, еще более сложных ограничений.
От алгоритмов к регуляторике
Техническая гонка между взыскателями и защитниками приватности трансформируется. С 1 сентября 2025 года в России вступило в силу обязательное требование: все компании, включая операторов связи и финансовые организации маркируют свои звонки и SMS. Это означает, что абонент будет видеть не просто номер, а идентифицируемое имя отправителя [!].
Это требование кардинально меняет стратегию. Теперь задача бизнеса — не просто «обмануть» алгоритм защиты абонента, а доказать свою легитимность в глазах системы и пользователя. Если звонки не будут корректно маркированы или попадут в реестр подозрительных номеров, они будут заблокированы на уровне оператора связи, независимо от того, насколько совершенен алгоритм распознавания голоса.
Параллельно с этим операторы обязаны передавать данные о номерах, используемых для мошеннических вызовов, в единый реестр системы «Антифрод» [!]. Здесь кроется новый риск для легального бизнеса: высокоточные алгоритмы взыскания, активно обходящие фильтры, могут быть ошибочно классифицированы как агрессивные или мошеннические. Если система защиты не сможет отличить легальный звонок с целью взыскания от мошеннического, компания рискует попасть в «черный список», что сделает невозможным коммуникацию с клиентами.
Важный нюанс: В условиях обязательной маркировки и реестров «Антифрод» техническая точность распознавания голоса (90%) становится вторичной по отношению к качеству интеграции в государственные системы защиты. Ошибка в комплаенсе блокирует доступ к клиенту быстрее, чем любой умный ассистент.
Новая роль оператора в экосистеме ИИ
Внедрение модели для фильтрации звонков нельзя рассматривать изолированно от других процессов автоматизации в Ростелекоме. Компания уже использует предиктивные модели, которые анализируют данные лицевого счета и предвосхищают потребности абонентов. Благодаря этому более 80% вопросов решаются без участия человека, а бот обрабатывает 60% всех входящих звонков [!].
В этой архитектуре новая ML-модель от VS Robotics выполняет функцию финального шлюза. Она не просто экономит время на «мертвых» вызовах, а интегрируется в единую экосистему, где бот сначала фильтрует рутину и предсказывает запросы, а живые операторы подключаются только к сложным кейсам, требующим эмпатии и переговоров.
Это меняет профиль требований к персоналу контакт-центра. Операторы перестают быть исполнителями массовых звонков. Их задача — решать конфликты и урегулировать сложные ситуации, которые не могут обработать алгоритмы. Ресурсы компании перераспределяются: вместо оплаты времени на прослушивание приветствий голосовой почты, инвестиции направляются на обучение специалистов работе с предиктивными данными и сложными сценариями общения.
Для бизнеса это означает переход от модели «массового охвата» к модели «высокой точности». Компании, которые не смогут адаптировать свои команды и процессы под такую схему, столкнутся с ростом издержек. Они будут продолжать тратить деньги на звонки, которые либо не доходят до адресата, либо решаются ботом, но не приносят результата в части взыскания или удержания клиента.
Риски и долгосрочные последствия
Конкуренция между алгоритмами защиты и алгоритмами обхода создает динамичную среду, где текущее преимущество быстро устаревает. Высокая точность детекции сегодня может стать уязвимостью завтра, если защита абонентов эволюционирует быстрее, чем модели взыскания. Однако главный риск смещается в правовое поле.
Бизнесу необходимо закладывать в бюджеты не только стоимость внедрения ИИ, но и постоянные затраты на адаптацию к меняющимся регуляторным требованиям. Это включает интеграцию с реестрами «Антифрод», настройку систем маркировки и постоянное обновление алгоритмов, чтобы они не конфликтовали с государственными фильтрами.
Разрыв между крупными игроками, имеющими ресурсы для сложной интеграции и обучения моделей, и малым бизнесом будет расти. Малые компании могут оказаться в ситуации, когда они не смогут эффективно конкурировать в сфере коммуникаций, так как не имеют доступа к продвинутым инструментам детекции и не могут позволить себе сложные системы комплаенса.
Стоит учесть: Будущее массовых коммуникаций зависит не от того, кто быстрее обучит нейросеть отличать человека от бота, а от того, кто успешнее интегрирует свои процессы в единую систему защиты данных и маркировки, избегая ложных срабатываний антифрод-систем.
В конечном итоге, история с внедрением ML-модели демонстрирует, что технологии в сфере коммуникаций перестают быть просто инструментом оптимизации. Они становятся фактором стратегического выживания в условиях, где эффективность бизнеса напрямую зависит от способности соблюдать новые правила и работать в симбиозе с государственными системами безопасности. Для руководителей ключевым становится построение гибкой системы, способной эволюционировать вместе с меняющимся ландшафтом цифровых угроз и регуляторных требований.
Источник: CNews
