Свой первый крупный урок про звонки я оплатил сам.

Когда моя компания в кровле начала расти, я оценивал менеджеров по количеству звонков. Логика казалась железной: больше звонков — больше продаж. Один делал 80 звонков в день, другой — 30. Первого я мысленно уже хвалил.

Полгода спустя я свёл активность с конверсией. Тот, кто звонил 80 раз, закрывал втрое меньше сделок, чем коллега с 30. Первый имитировал работу. Второй продавал. Вывод обошёлся мне в полгода управления вслепую: активность — это не результат. А чтобы понять, где именно теряются деньги, надо слушать не счётчик звонков, а сами звонки.

Вот только слушать их некому.

Посчитайте честно. При потоке 50–100 звонков в день руководитель успевает прослушать 5–7 в час — то есть 10–15% всего потока. Остальные 85–90% никто никогда не откроет. А судьба сделки решается именно там.

Я разбирал десятки отделов продаж, и при выборочном прослушивании 20 звонков подряд почти везде вылезает один и тот же набор:

Собственник при этом судит о продажах по итоговой конверсии в CRM — не зная, на каком шаге разговора клиент на самом деле остыл. А прослушать 20 звонков руками — это несколько часов подряд, которые физически некуда воткнуть в неделю человека с командой из десяти.

Именно эту слепую зону и закрывает ИИ-анализ звонков: он разбирает каждый разговор без исключений.

«Речевая аналитика» звучит страшнее, чем работает. Внутри — четыре последовательных шага:

Ключевой вопрос, который все задают: а по-русски оно вообще нормально распознаёт? По независимому бенчмарку на Хабре, Whisper large-v3-turbo даёт ошибку около 7,9%, а российская GigaAM от Сбера — около 3,3%. На живых телефонных записях с шумом и перебиваниями точность ниже лабораторной, поэтому вендоры дообучают распознавание под отрасль и терминологию клиента. Но порядок понятен: технология уже рабочая, а не «через год будет».

В одном из моих аудитов связка amoCRM + распознавание + языковая модель подняла точность отчётов по сделкам с 80% до 99% и добавила 22% к конверсии в закрытые сделки за первый месяц. Причина скучная: данные из разговора стали попадать в CRM автоматически, а не «когда менеджер вспомнит заполнить после звонка».

Прежде чем разбирать содержание звонков, посмотрите на те, которых не было.

Реальный разбор: производственная компания из УрФО, оборот около 90 млн ₽ в год. За 30 дней — 94 пропущенных звонка, а задача на перезвон поставлена только по 12. При чеке 65 тысяч ₽ и конверсии 25% это примерно 15 несостоявшихся сделок за месяц. 94 звонка исчезают из поля зрения без системы фиксации — и уносят выручку, которую никто даже не пытался вернуть.

Это не аномалия одной отрасли. По данным УИС, в строительстве и ремонте без ответа остаётся почти треть входящих звонков — 29,89%. И большинство таких клиентов не перезванивает: не взяли трубку с первого раза — ушли к конкуренту.

Тут работает эффект, вообще не связанный с содержанием разговора, — только со скоростью. Классическое Lead Response Management Study (15 000+ лидов, три года наблюдений) показало: шанс вообще дозвониться до лида падает в 100 раз, если ждать 30 минут вместо 5. Скорость реакции решает часть исхода ещё до того, как менеджер открыл рот.

Посчитайте на своих числах. При 40 входящих в день, чеке 65 тыс. ₽ и конверсии 25% одни только пропущенные звонки стоят до 1,1 млн ₽ в месяц. И это деньги, потерянные на разговорах, которых не было.

Хорошая система не ставит звонку одну оценку «хорошо/плохо». Она раскладывает его на конкретные измеримые факты. Пара примеров, чтобы было понятно.

Кто сколько говорил. По данным Gong Labs, которые проанализировали 326 000 реальных звонков, в закрытых сделках менеджер говорит в среднем 57% времени, в проигранных — 62%. Как только доля речи менеджера переваливает за 65%, конверсия падает: он не слушает, он презентует в пустоту.

Дальше — этапы разговора: контакт, квалификация, презентация, работа с возражениями, закрытие с конкретной договорённостью. Плюс эмоциональный фон: паузы дольше 5 секунд, перебивания, срыв в раздражённый тон. У себя я довёл разбор одного звонка до 27 параметров — от «назвал ли менеджер цену раньше, чем клиент спросил» до «зафиксирована ли дата следующего касания».

Смысл не в том, чтобы поймать менеджера на нарушении скрипта. Смысл в закономерности. Если 8 из 10 проигранных звонков за месяц ломаются на одном и том же вопросе про сроки — это дыра в скрипте или в компетенции конкретного человека, а не «не повезло».

Тут важно не обмануться. Разбор звонков даёт два разных типа результата, и их постоянно путают.

Первый — то, что вскрывает сам разбор, ещё до всяких изменений. B2B-компания на проектировании, 4 менеджера: анализ 80 звонков показал, что в 61% случаев менеджер вообще не квалифицировал клиента. Из-за этого конверсия «лид → КП» держалась на 14% вместо нормальных для рынка 35%. Это диагноз, а не улучшение. Прослушивание само по себе не продаёт.

Второй тип — то, что получают, когда на находки реагируют. Интернет-магазин через разбор пяти критических точек в диалоге поднял конверсию с 3% до 18%. Автодилер «Форвард-Авто» после внедрения речевой аналитики увеличил долю допродаж с 3% до 20% — это +5% к общей выручке.

Разница между этими цифрами — это разница между «слушать звонки» и «менять то, что в них происходит». Продают не отчёты. Продают правки в скрипте, разбор с конкретным менеджером на реальном примере и контроль, что находка дошла до человека, а не осталась строкой в дашборде.

Российские сервисы речевой аналитики стоят примерно от 30 до 150+ тысяч ₽ в месяц — вилка зависит от объёма звонков и глубины разбора. Несколько ориентиров на 2026 год:

— Dialext — от 30 000 ₽/мес (тариф «Старт», до 2000 звонков); — SalesAI — от 49 000 ₽/мес (7000 минут, оценка по BANT/MEDDIC); — Rechka.AI — от 60 000 ₽ за пакет 10 000 минут; — MANGO OFFICE — от 1 100 ₽/мес + 1,25–2,9 ₽ за минуту (абонплата отдельно от объёма).

Выбор чаще всего упирается не в бренд, а в объём: при потоке 300+ звонков в день выгоднее фиксированная абонплата, при небольшом и рваном потоке дешевле поминутная оплата. Для ориентира: при 10 менеджерах, чеке 100 000 ₽ и 300 звонках в день рост конверсии всего на 2% окупает любой из этих тарифов в первый же месяц. Это иллюстрация экономики, а не обещание — реальная окупаемость зависит от того, что вы сделаете с находками.

Внедрение чаще проваливается из-за порядка запуска, а не из-за технологии. Пять правил, которые снимают большую часть сопротивления:

И отдельно — про главные грабли, на которых гаснет эффект даже при правильном запуске. Оценка формы вместо результата: в одном разборе на Хабре автор обнаружил, что 40% звонков, отмеченных как «почти идеальные» по скрипту, всё равно заканчивались ничем. Соответствие чек-листу не равно продаже, если система не сверяется с тем, что реально приводит к деньгам.

Короткий ответ — нет, и всерьёз этого никто не утверждает. Спор идёт о другом: кто задаёт критерии оценки разговора — алгоритм, обученный на реальных выигранных сделках, или личное мнение руководителя, выданное за объективность.

Человек физически не может одинаково объективно разобрать 100% выборки — у алгоритма с этим проблем нет. Но и отдавать всё вендору целиком не стоит: финальное решение о критериях лучше оставлять за собой. ИИ здесь — не замена управленческого решения, а способ убрать из него догадки. Он не продаёт вместо вас. Он показывает, где именно вы теряете, — чтобы решение перестало быть догадкой.

А если хотите — расскажите в комментариях: вы вообще слушаете звонки своего отдела? И какой процент реально успеваете?