Что происходит, когда клиент перебивает робота

В одном из прошлых постов я перечислял вопросы, которые заказчики задают чаще всего. Один из них там остался без ответа, хотя это, пожалуй, самый содержательный вопрос из списка.

Что происходит, когда человек перебивает.

Со стороны это выглядит как деталь интерфейса: ну замолчал и замолчал. На практике за этим стоят три разные задачи, и по-настоящему решается только первая.

Самая простая. Есть речь в канале — значит человек говорит.

И ровно здесь начинаются ложные срабатывания, потому что в канале оказывается много такого, что речью не является.

Кашель, "ага" и "да-да", которыми люди подтверждают, что слушают, и вовсе не собираются брать слово. Телевизор на кухне. Второй человек в комнате, который говорит не с вами. Собственный голос ассистента, вернувшийся эхом через плохой динамик.

Для каждого из этих случаев правильное поведение — продолжать говорить. Но выглядят они так же, как настоящее перебивание.

Здесь начинается неприятное.

"Ага" означает "продолжай". "Стоп, подождите" означает "замолчи немедленно". "А сколько это стоит?" означает "замолчи и ответь на другое". Три реакции, три разных правильных ответа.

И решение нужно принять за десятые доли секунды — то есть до того, как смысл фразы вообще станет доступен. Модель ещё не дослушала, а замолкать или нет нужно уже сейчас.

Поэтому в реальности выбор идёт не между правильным и неправильным, а между двумя видами плохого.

1. Ассистент не замолкает. Человек начал говорить, а из трубки продолжает идти текст. Люди в такой ситуации почти всегда повышают голос и повторяют фразу громче. Разговор разваливается за две реплики, и дальше следует "оператора, пожалуйста".

2. Ассистент замолкает слишком охотно. Он не может закончить ни одного предложения. Каждый вздох, каждое "м-м" обрывает его на середине. Со стороны это выглядит хуже первого варианта: не как невежливость, а как неисправность.

Настройка чувствительности — это не поиск правильного значения. Это выбор, какой из двух неприятных вариантов вам менее противен.

Причём правильный ответ разный для разных ситуаций. Человек в тихой квартире, человек в машине с открытым окном и человек на улице у стройки требуют трёх разных настроек. А канал один и настройка одна.

Вот это самая недооценённая часть, и именно её обычно не обсуждают.

Ассистент замолчал посреди фразы. Половину он сказал, половину нет. Человек тем самым временем произнёс что-то не до конца внятное.

Теперь нужно ответить на вопрос: в каком состоянии находится разговор?

Считать ли сказанное сообщённым? Клиент услышал первую половину предложения — он услышал условие, но не услышал оговорку к нему. Формально информация передана. Фактически передана искажённой, и в финансах или медицине это уже не мелочь.

Возвращаться ли к недоговорённому? Если да, человек услышит начало фразы второй раз и решит, что его не слушают. Если нет — часть смысла просто исчезла из разговора, и никто об этом не знает.

У этой задачи нет хорошего решения, есть только компромиссы. И почти в каждом проекте её решают на ходу, уже после запуска, потому что заранее о ней не думают.

А теперь то, ради чего я про это пишу.

Перебивание — это не техническая проблема.

Человек перебивает не потому, что он невежлив, а потому что ассистент говорит не то, что ему нужно. Слишком длинно. Не про его вопрос. Задаёт то, на что он уже ответил. Уточняет то, что ему безразлично.

То есть доля перебиваний — это самый ранний и самый честный показатель того, что со сценарием что-то не так. Раньше, чем это покажут отказы, передачи оператору и жалобы.

И почти никто не смотрит на неё так. Перебивания списывают в технические настройки, крутят порог чувствительности и не задают вопрос, почему людям хочется вас перебить именно в этом месте разговора.

Если бы мне дали одну метрику для проверки качества сценария, я бы взял её — распределение перебиваний по шагам диалога. Место, где перебивают чаще всего, и есть место, где сценарий врёт.

Отдельно то, что меня в этом занимает больше всего.

Оператор проходит перебивание, не замечая его. Его прервали на середине объяснения — он подхватывает мысль, встраивает уже сказанное в новую фразу, иногда возвращается к пропущенному через минуту, когда это уместно.

Он не считает это событием. Спросите оператора, сколько раз его сегодня перебили, и он не ответит.

Именно потому, что для человека это не событие, перебивание почти никогда не попадает в техническое задание. Его вспоминают на демонстрации, когда кто-нибудь из присутствующих пробует заговорить поверх ассистента.

Мне кажется, что дистанция между роботом и человеком в разговоре измеряется не качеством голоса и не пониманием сложных фраз. Она измеряется вот этим: способностью не рассыпаться, когда тебя прервали на середине.

А у вас как: настраивали чувствительность к перебиванию или оставляли по умолчанию? И смотрел ли кто-нибудь, в каком месте сценария перебивают чаще всего?