Корпоративний голосовий ШІ не потребує більшої персональності. Йому потрібна емпатія за дизайном

Я працюю у сфері голосових технологій з 2017 року, достатньо довго, щоб пережити один цикл хайпу і спостерігати, як другий набирає реального імпульсу. Хоча ця друга хвиля технічно більш вражаюча, дискусія навколо неї зведена до цифр. Лише небагато говориться про те, як люди дійсно говорять, і, на мою думку, ми втратили палке зв’язок з лінгвістикою та психологією, які характеризували багато ранніх етапів голосових технологій.

Переглянувши анонси, ви побачите показники затримки, рівні вирішення та амбіційні заяви про можливості агентів. Усе це важливо, проте чудово озвучений агент безпорадний, якщо не може завершити завдання. Варто зазначити, що корпоративні голосові продукти все частіше спираються на один і той самий пул базових моделей, отже швидкість стає лише базовою вимогою.

Різниця полягає зовсім в іншому. Що агент знає? Що він може робити? Яким є відчуття взаємодії під час виконання? І, найголовніше, чи змушений клієнт докладати додаткових зусиль через те, що агент – машина?

Саме тут починається дизайн голосу, орієнтований на емпатію. Я не маю на увазі додавання «теплого» голосу чи співчутливих фраз. Я маю на увазі проектування навколо наміру абонента, його когнітивного навантаження та ймовірного емоційного стану. Агент повинен знати те, що вже знає бізнес, пояснювати, що він робить, чисто відновлюватися після помилки і замикати розмову, коли завдання виконано.

Теплий синтетичний голос, який тричі просить той самий номер рахунку, не робить дзвінок простішим, а його теплота нічим не допомагає.

Емпатія — це не налаштування голосу

Голос може звучати уважно, хоча система за ним не розуміє проблеми й не здатна зробити нічого корисного. Клієнт може телефонувати через збій, спірний рахунок або перешкоду у впровадженні, що стосується кількох команд. Якщо агент знає лише поширені запитання, теплий чи відшліфований тон не зробить взаємодію співчутливою. Агент має знати, хто телефонує, що ця людина придбала, якою була остання взаємодія з її обліковим записом і що йому дозволено зробити для допомоги.

Корпоративному голосовому агенту потрібен правильний контекст про клієнта й продукт та належні дозволи, щоб відповідати й діяти, поки людина ще на лінії. Абоненту не потрібно зачитувати результати пошуку. Йому може бути потрібне повернення коштів, виправлення запису або залучення відповідного фахівця.

Я вважаю емпатію і дисципліною проєктування, і системною вимогою. Дизайн розмови визначає поведінку агента. Базова архітектура визначає, чи знає він достатньо, щоб бути корисним. Сукупний результат я називаю фактурою голосового продукту: що знає система, як використовує знання, як працює з невизначеністю та що відчуває людина після завершення розмови.

Голос створює соціальний контракт

Голос не є нейтральним інтерфейсом. Нещодавно я брав участь у дзвінку з клієнтом, а демонстраційний агент мав жіночий голос. Уже за хвилину присутні називали його «вона». Ніхто не оголошував такого рішення — це стало природним продовженням розмови.

Цей ефект існував ще до генеративного ШІ. У 1994 році research в дослідженні комп’ютерів як соціальних учасників Clifford Nass, Jonathan Steuer та Ellen Tauber показали, що люди соціально реагують на комп’ютери, навіть знаючи, що взаємодіють із машиною. Голос посилює цю реакцію завдяки темпу, впевненості й тону.

Це змінює сприйняття невдачі. Текстове поле, яке повертає неправильне посилання, дратує; голос, що перебиває вас, двічі неправильно розуміє одну думку й наполягає, що розв’язав проблему, здається грубим. У технології не з’явилися почуття. Вони є в абонента.

Довіра вже слабка. Глобальне дослідження 2025 року, study проведене Мельбурнським університетом разом із KPMG, охопило понад 48 000 людей у 47 країнах. Воно показало, що 66% регулярно користуються ШІ, але лише 46% готові йому довіряти. Кожна голосова взаємодія трохи зміцнює довіру або витрачає її.

Існує й етична напруга. Галузь часто вважає найкращим агента, який звучить найбільш по-людськи. Але люди не хочуть, щоб їх обманювали. Проєктуючи агента, я хочу, щоб він називав себе, пояснював, до чого має доступ, і повідомляв, що збирається зробити, перш ніж виконати важливу дію. Прозорість має бути частиною розмови.

Дизайн для вуха, а не для ока

Екран поблажливий: люди можуть переглянути текст, перечитати й прокрутити назад. Мовлення зникає в момент сприйняття, тому когнітивне навантаження стає практичним обмеженням дизайну, а не академічною приміткою.

Nelson Cowan’s review про робочу пам’ять описує центральне сховище, обмежене приблизно трьома-п’ятьма значущими елементами в молодих дорослих. Проте голосові системи досі зачитують довгі меню й поєднують кілька запитань в одну репліку. Більшість людей не здатна втримати все це, особливо коли вони відволікаються, керують автомобілем або вже роздратовані.

Не можна просто додати до текстового чатбота перетворення тексту на мовлення й назвати його голосовим продуктом. Нативний голосовий дизайн використовує коротші репліки, подає важливе спочатку й залишає абонентові можливість перебити. Він також розуміє, що не кожну паузу треба заповнювати: швидкість важлива, але нативний голосовий дизайн уміє «відчути», коли розмова завершилася.

Моя підготовка охоплює соціокультурну лінгвістику, яка досліджує функціонування мови між людьми та в соціальних умовах. Вона корисна для голосового дизайну, бо дає точні поняття для темпу, просодії, чергування реплік і виправлення розмови. «Нехай звучить природно» — не інструкція для дизайну. Здатність описати, як має працювати розмова, дає командам конкретну основу для розробки.

Як виглядає дизайн, орієнтований на емпатію

Дизайн на основі емпатії не означає, що агент має звучати тепліше чи людяніше. Він означає формування розмови навколо ситуації людини, зменшення зусиль для виконання завдання та обробку невдач без посилення роздратування. На практиці це починається з кількох базових дизайнерських рішень.

Почніть з того, чому людина зателефонувала

Люди телефонують не для навігації таксономією компанії, а тому, що щось зламалося, запізнюється або є незрозумілим. Абонента, який каже «Мені потрібно зупинити цю доставку», не слід спрямовувати через загальний сценарій перевірки замовлення. Агент має з’ясувати, про яку доставку йдеться і чи ще можливо втрутитися.

Використовуйте контекст, щоб усунути повторення

Емпатія часто найпомітніша в тому, чого система не запитує. Якщо компанія вже знає, хто клієнт, яким продуктом він користується і що відбувалося раніше, агент повинен використати цей схвалений контекст, а не змушувати людину відтворювати його.

Те саме стосується роботи всередині компанії. Продавець між зустрічами повинен мати змогу запитати, що змінилося в обліковому записі, продиктувати подальше повідомлення й записати оновлення в потрібну систему. Цінність полягає в безперервній роботі без втрати контексту й додаткового адміністрування.

Проектуйте відновлення до «щасливого шляху»

Кожна голосова система колись когось почує неправильно. Акценти, фоновий шум, незнайомі імена й перебивання роблять це неминучим. Продукт визначається тим, що відбувається далі. Найгірше відновлення — повторити те саме запитання тими самими словами. Краща відповідь пояснює, що зрозумів агент, і звужує невизначеність. Якщо питання потребує судження або недоступних агенту прав, він має залучити людину до того, як абонент муситиме цього вимагати.

Поважайте передачу та завершення

Передати абонента людині — не невдача. Невдача — передати його без контексту розмови. Якщо агент переводить дзвінок, не передавши, що сказав клієнт, що було виявлено й що вже випробувано, клієнту доведеться починати спочатку. Саме цю роботу має усунути ШІ.

Те саме справедливо, коли проблему вирішено. Іноді найкраща голосова взаємодія — це одне запитання, одна точна відповідь і одне натискання. Абоненти не обов’язково подякують агенту чи підтвердять розв’язання питання перед завершенням дзвінка. Якщо вони отримали потрібне, взаємодія спрацювала.

Вимірюйте зусилля, а не театральність продуктивності

Ідеально вирішений з першої спроби дзвінок може виглядати як відмова, бо клієнт кладе слухавку без підтвердження задоволення. Якщо успіх означає завершення довгого сценарію, команди оптимізуватимуть довші розмови й називатимуть це залученням.

Я волів би вимірювати повторні дзвінки, виправлення, переведення, яких можна було уникнути, і факт виконання запитаної дії. Ширші показники задоволення, як-от NPS, теж важливі, але сама розмова показує, де клієнту довелося докласти зайвих зусиль.

У лютому 2026 року Gartner reported повідомила, що 91% керівників служб обслуговування й підтримки клієнтів зазнавали тиску керівництва щодо впровадження ШІ. Через цей тиск ще важливіше вимірювати, чи справді автоматизація усуває роботу. Голосовий агент, який спричиняє повторні дзвінки, непотрібні переведення або довші взаємодії, може виглядати ефективним на папері, але лише переносити витрати. Економіка поліпшується, коли система виконує потрібну роботу, уникає зайвих реплік і не змушує клієнтів повертатися через дорожчий канал.

Здатність і емпатія йдуть рука об руку

Корпоративний голосовий ринок виходить за межі природного мовлення. Тепер важливо, чи здатен агент зрозуміти потреби абонента, отримати правильний бізнес-контекст, діяти точно й безпечно та належно реагувати, коли розмова відхиляється від сценарію.

Дизайн на основі емпатії не повинен робити агента балакучішим. За правильного виконання він прибирає повторення, скорочує пояснення й не змушує абонента керувати машиною. Іноді захоплення — це просто відчуття, що складна річ стала легкою.

Найважливіше запитання, яке я ставлю під час створення будь-якого продукту ШІ, гранично просте: навіщо комусь ним користуватися? Голос виправдовує своє місце, коли робить щось помітно простішим, а не додає людям роботи.

Перед запуском голосового агента послухайте невдалі розмови, а не лише відшліфовані демонстрації. Чи зрозумів він, чому людина зателефонувала? Чи знав достатньо для вирішення проблеми? Коли він зазнав невдачі, наступний крок став простішим чи складнішим?

Якщо відповідь незрозуміла, більша індивідуальність, менша затримка й людяніший голос його не врятують.