ИИ сам забронировал столик и договорился о депозите: что показал тест GPT-Live-1

OpenAI представила GPT-Live-1 — голосовую модель, которая может одновременно слушать и говорить. Кирилл Пшинник проверил её в реальных звонках: ИИ самостоятельно забронировал столик на пятерых, согласовал условия депозита и попробовал подтвердить участие сотрудника в вебинаре.

Что изменилось с GPT-Live-1

Привычный голосовой бот работает по очереди: слушает вопрос, обрабатывает его и только потом отвечает. GPT-Live-1 приближает этот процесс к обычному человеческому разговору. Модель может одновременно слушать и говорить, реагировать на перебивания и сохранять контекст беседы, даже если собеседник меняет тему посреди фразы.

Другое принципиальное отличие — возможность разделить разговор и выполнение задачи. Пока голосовой агент общается с клиентом, отдельная модель может искать информацию, обращаться к базе данных или выполнять действие в подключённом сервисе. Разговор при этом не обязательно останавливать до получения ответа.

Для бизнеса это переход от бота, который последовательно обрабатывает реплики, к агенту, способному поддерживать диалог и одновременно выполнять поручение. Насколько хорошо такая схема работает за пределами демонстрационного интерфейса, Кирилл Пшинник проверил на двух телефонных звонках.

ИИ забронировал столик, хотя условия депозита не были прописаны в задании

Первым собеседником агента стал администратор ресторана. Кирилл задал модели роль своего ассистента Эмили и поручил забронировать столик на пятерых. Никаких инструкций о стоимости бронирования или порядке внесения депозита не было.

Во время разговора администратор сообщил об обязательном депозите — 1500 рублей с человека. Вместо того чтобы прервать звонок и запросить у Кирилла новую инструкцию, агент предложил собственный вариант (ниже — сокращённая запись разговора, реплики приведены с сохранением смысла):

— Для дня рождения у нас предусмотрен депозит 1500 рублей с человека. На пятерых — 7500.
— Поняла. Скажите, можно оплатить депозит на месте, за полчаса до начала?
— Давайте так и сделаем, приходите чуть пораньше и внесёте.

Эмили согласовала условия и завершила бронирование на имя Кирилла без его вмешательства. Работа голосовой модели за этот разговор обошлась в 8,5 цента — без учёта телефонии и фоновых вызовов.

Ценность здесь не в том, что ИИ произнёс нужные слова. Агент столкнулся с условием, которого не было в исходном задании, сам предложил решение и довёл разговор до результата. Именно эта самостоятельность отличает агента от системы, работающей строго по прописанному сценарию. Однако в коммерческом применении границы самостоятельности необходимо задавать заранее: согласовать время внесения депозита и принять от имени клиента дополнительное финансовое обязательство — не одно и то же.

Когда собеседник не готов принять решение

Во втором эксперименте голосовой агент Софья позвонила сотруднику Егору, чтобы подтвердить его участие в вебинаре. Выполнить задачу с первого звонка не вышло: Егор не смог дать окончательный ответ.

— Сможете подключиться сегодня в 19:00 по Москве?
— Ну я же сказал, что ещё не знаю.

Софья не стала добиваться формального согласия и фиксировать участие как подтверждённое. Вместо этого предложила следить за напоминаниями и датами в боте и завершила разговор. Важно, что это не отказ: сотрудник не отклонил приглашение, а лишь не смог подтвердить участие — и агент оставил статус открытым, а не закрыл его как решённый.

Для клиентского сервиса это не менее показательный результат, чем успешное бронирование. Автоматизация имеет смысл, только если система различает выполненную задачу и просто завершённый контакт. Отправить напоминание, получить согласие, зафиксировать неопределённый ответ — это разные исходы, которые нельзя сводить к одному показателю «обработанных звонков».

От эксперимента к рабочему инструменту

В «Зерокодере» уже есть собственный опыт применения ИИ-агентов в продажах. Текстовый консультант «Ульяна» работает на страницах курсов: отвечает на вопросы пользователей, собирает контакты и передаёт заявки в отдел продаж. По данным команды, за месяц система обрабатывает около 120 заявок без расширения штата консультантов, а собрать её силами компании вышло в 3–4 раза дешевле, чем заказывать подрядчику.

В отличие от бота, ограниченного набором готовых ответов, «Ульяна» держит контекст всей беседы, сама ищет ответ в базе знаний курсов, проверяет контакт и отсекает дубли, а диалог ведёт по методологии СПИН-продаж — то есть сама решает, когда уместно перейти к сбору контактов. Отдельно решён вопрос данных, который для голосового канала стоит так же остро: перед отправкой в модель телефон и почта вырезаются из текста и заменяются метками, а реальные контакты подставляются обратно только на нашем сервере в момент передачи заявки. Во внешнюю модель уходит обезличенный диалог.

Но перенос этой логики в телефонию пока остаётся отдельной задачей: голосовой эксперимент Кирилла и действующий текстовый консультант — два самостоятельных решения.

Сколько стоит ИИ-оператор и какие задачи ему можно доверить

Голосовой слой GPT-Live-1 стоит $0,05 за минуту, но принимать эту цифру за полную себестоимость звонка было бы ошибкой. Отдельно оплачиваются фоновая модель, телефония и инфраструктура, а стоимость конкретного разговора зависит ещё и от его длительности и числа обращений к дополнительным инструментам.

Экономический интерес для бизнеса — не только в цене минуты. ИИ-агент позволяет обрабатывать типовые обращения без пропорционального роста штата операторов, а сотрудникам оставлять задачи, где нужны переговоры, нестандартные решения или личное участие.

Ближайшие сценарии — подтверждение записей и регистраций, первичная квалификация обращений, ответы на типовые вопросы с передачей сложных случаев менеджеру. Эксперимент Кирилла показал выполнение конкретного поручения и попытку получить подтверждение по телефону; эффективность остальных сценариев ещё предстоит проверять в реальных бизнес-процессах.

Здесь важна не сама демонстрация, а то, как новую технологию встроить в работу без риска. В «Зерокодере» для этого есть собственная модель управления — метрикократия, гибрид холакратии и «власти метрик», которую мы развиваем последние три года. Её принцип простой: любое решение о масштабировании принимается не «на глаз», а после честного замера по четырём показателям — ускорение процесса, число проверенных гипотез, индекс удовлетворённости и финансовая отдача.

«Мы охотно берём в работу экспериментальные инструменты вроде GPT-Live-1, но по тем же правилам, что и всё остальное: сначала гипотеза и замер, потом масштаб. Голосовой агент уже показал, что способен сам вести разговор и доводить задачу до результата. Но прежде чем сажать его на реальную линию, я хочу увидеть цифры — насколько он ускоряет обработку звонков, какую долю обращений закрывает без человека и как на него реагируют клиенты. Демонстрация — это ещё не метрика», — комментирует Кирилл Пшинник, сооснователь и CEO «Зерокодера».

Остаются и практические ограничения. В нашем тесте русская речь модели сохраняла лёгкий акцент, а использование OpenAI API из России связано с территориальными ограничениями сервиса. Разнесение голосового и серверного компонентов на разные серверы само по себе эти ограничения не снимает и вопрос обработки персональных данных не решает — в голосовом канале обезличивать контакты сложнее, чем в тексте, где это у нас уже отлажено на «Ульяне». Архитектуру, допустимость использования сервиса и порядок работы с данными клиентов нужно оценивать отдельно.

Разговор автоматизируется, решение остаётся за клиентом

Два звонка показали разные стороны одной технологии. В ресторане агент сам согласовал условия и выполнил поручение; в разговоре с сотрудником — не получил нужного ответа и не стал подменять его формальным согласием.

Для бизнеса здесь важна не иллюзия оператора, который всегда добивается результата, а возможность передать машине саму работу с типовыми звонками — сохранив контроль над тем, какие решения она вправе принимать и когда должна передать разговор человеку.