Пять секунд на решение: как детектор автоответчика возвращает минуты автообзвону

Каждый звонок, на который ответила голосовая почта, занимает у системы обзвона около 30 секунд. Кумар Саурав провёл исследование в 2026 году, где проверил: звонок на автоответчик без детектора длился в среднем 30 секунд, а с детектором 5,05 секунды. Детектор определяет, кто ответил, по ритму речи, без расшифровки. Команда «Скорозвона», которая работает с исходящим обзвоном, разобрала это исследование: что именно «слушает» детектор, насколько он точен и какие его выводы стоит проверить на собственных данных.

Сколько стоит ответ без человека

Не каждый ответ на звонок превращается в разговор. Иногда отвечает личная голосовая почта, сообщение оператора связи или голосовое меню компании. Живого собеседника нет, а система продолжает занимать линию и ждать.

В выборке из 77 000 звонков система определила 41,6% ответов как автоответчики, это около 32 000 звонков. Без детектора такой звонок длился в среднем 30 секунд, с детектором 5,05, то есть на 83% меньше. Если умножить 32 000 звонков на сэкономленные 24,95 секунды, получится около 13 300 минут, более 220 часов работы ИИ-агента. В предиктивном режиме выигрывает и оператор: он перестаёт слушать чужие приветствия.

Что слушает система

Детектор анализирует только канал вызываемого абонента и не расшифровывает речь. Он смотрит на ритм: когда на линии говорят, а когда пауза. Из 15 признаков три дают 85,6% вклада в решение:

1. Распределение речи по первым пяти секундам (54,6%). Запись заполняет отрезок ровно, приветствие идёт без остановок. Человек отвечает коротко, и вся его речь сосредоточена в начале.
2. Длина первой фразы (20%). Человек говорит «Алло» или «Слушаю», автоответчик зачитывает приветствие целиком.
3. Пауза до первого слова (11%). У записи она короткая и предсказуемая: линия переключилась, и запись сразу заговорила.

Остальные двенадцать признаков делят между собой 14,4%.

Как проводили проверку

Автор исследования работал с записями реальных телефонных звонков на английском языке. Решение принимает небольшая быстрая модель: ансамбль из 50 неглубоких деревьев решений, где в каждой цепочке не больше двух вопросов «да или нет». Прежде чем выбрать итоговую конфигурацию, автор перебрал около 3 780 вариантов: модели, пороги чувствительности, время наблюдения (3, 5 и 7 секунд) и наборы признаков.

Обучающая выборка — 24 812 записей. Метки поставила программа, которая слышит обе стороны разговора, и автор проверил, что она права примерно в 90% случаев. Для оценки качества он взял две отдельные выборки:

1. 140 записей (70 автоответчиков и 70 живых ответов), которые вручную разметил эксперт;
2. 624 записи (434 автоответчика и 190 живых ответов), не участвовавшие в обучении. Ещё 35 записей, где нельзя было однозначно определить, кто ответил, из проверки исключили.

Итог: система верно определила 734 записи из 764, то есть 96,1%. Само вычисление занимает 46 мс на обычном процессоре без видеокарты.

Сравнение с другими способами

На одних и тех же записях автор сопоставил свой подход с двумя альтернативами.

Расшифровка речи точнее: 97,6% против 96,1%. Система переводит начало разговора в текст и ищет фразы вроде «оставьте сообщение после сигнала». Расчёт при этом занимает в 10 раз больше времени и требует дополнительного технического оснащения. Автор исследования считает расшифровку подходящей для разбора записей после звонка или запасным вариантом, а для живого звонка выбирает ритм.

Определение по звуковому сигналу дало 50,7%, результат на уровне случайного угадывания. У способа три слабых места. Гудок звучит после приветствия, поэтому решение приходит через 10–30 секунд, когда время уже потрачено. Многие современные автоответчики вообще не дают стандартного гудка. На канале вызываемого абонента гудок почти не слышен, а фоновый шум даёт 23,2% ложных срабатываний.

Классические правила по паузам и длине приветствия встроены в большинство телефонных платформ, но автор не проверял их на своих записях, поэтому прямого сравнения по точности в исследовании нет.

Границы применимости

1. Язык. Все записи английские. Автор полагает, что приёмы от языка не зависят, но приветствия различаются по культурам: например, японские длиннее. Для русскоязычной базы переносимость результата стоит проверить на собственных данных.
2. Разметка. Обучающие метки поставила программа, а не люди. Редкие случаи, в которых она ошибалась, могут оказаться слепой зоной модели.
3. Короткие приветствия. Если приветствие короче примерно трёх секунд, сигнала для решения не хватает. Для таких случаев автор предлагает запасную модель, которой достаточно трёх секунд.

Дарья Федосеева, эксперт по продукту в сервисе «Скорозвон», комментирует:

«При внедрении детектора автоответчиков важно оценивать не только общую статистику распознанных записей, но и то, как система справляется с реальными сценариями общения в вашей компании. В B2B звонки часто начинаются с развёрнутого приветствия — „Компания такая-то, добрый день, слушаю вас“. В первые недели после запуска полезно прослушивать выборку обработанных звонков: это поможет убедиться, что система корректно работает с особенностями ваших коммуникаций, и получить объективное представление о качестве автоматизации».

Как применить выводы в своём обзвоне

Из исследования получаются четыре шага:

1. Определите, что система делает с автоответчиком. Самый простой вариант: завершить звонок и вернуть номер в обзвон в другое время суток.
2. Опишите сценарий для двух исходов: ответил человек, ответила запись.
3. Сравните долю автоответчиков в своей базе с 41,6% из исследования.
4. Сопоставьте, сколько ответивших людей дошло до разговора и сколько минут освободилось по сравнению с прошлой неделей.

Коллеги, какая доля автоответчиков в ваших базах? Считаете ли вы время, потерянное на них, отдельной метрикой, и какой способ определения вы тестировали: паузы, гудок или расшифровку?