Голосовые ИИ-агенты решают сложные обращения на 32% успешнее чатов

Клиенту отменили рейс. Ему нужно подобрать новый маршрут, сверить пересадку, подтвердить доплату и получить билет. В чате такой разговор быстро превращается в длинную переписку: человек отвечает урывками, возвращается к старым сообщениям и раздражается сильнее с каждым уточнением. Голос позволяет проговорить всё сразу — но только если ИИ-агент отвечает без мучительных пауз и действительно умеет завершить операцию.

ElevenLabs сравнила голосовые звонки и чаты у нескольких сотен работающих ИИ-агентов. В выборку вошли агенты, которые с мая по июль 2026 года провели не менее 50 разговоров в каждом канале. Для каждого бизнеса результат оценивали по его собственным критериям, а голосовую и текстовую версии одного агента сопоставляли между собой.

После двух минут расклад меняется

В разговорах короче минуты чат оказался лучше примерно на 9 процентных пунктов. Между одной и двумя минутами заметной разницы почти не было. После двух минут голос вышел вперёд: доля успешных обращений была выше на 10,9 процентного пункта, или на 31,7% относительно чата. Почти две трети агентов показывали в голосовом канале заметно лучший результат.

Успешные длинные разговоры по телефону занимали в среднем 4,6 минуты, тогда как переписка — 7 минут. Среди 90 агентов, для которых набралось достаточно успешных обращений обоих типов, 78% завершали голосовые разговоры быстрее.

На примере отменённого рейса это выглядит приземлённо. Вместо цепочки из десяти сообщений клиент говорит: «Мне нужен вылет сегодня, без ночной пересадки, доплата — не больше десяти тысяч». Агент уточняет один спорный параметр, проверяет доступные варианты и оформляет замену. Голос здесь не делает модель умнее. Он сокращает путь между намерением человека и действием системы.

Задержка может съесть весь выигрыш

В отдельной группе из 315 разговоров агентов переключили на более быструю языковую модель. Средняя сквозная задержка снизилась на 16%, а доля успешных звонков выросла на 26%. Разговоры, оборвавшиеся в первые 15 секунд, сократились с 21,1% до 3,8%.

Это корреляция, а не доказательство прямой причинной связи: вместе со сменой модели могли измениться и другие параметры. Но продуктовый сигнал понятен. Первые секунды особенно важны — если после реплики клиента наступает тишина, он решает, что связь пропала, и кладёт трубку.

В небольшом пользовательском исследовании 98 участников решали смоделированную проблему с отменой рейса через голос и чат в случайном порядке. Голос предпочли 85%, чаще всего называя скорость и ощущение эмпатии. Однако лабораторный сценарий и выборка из 98 человек не позволяют переносить этот результат на все отрасли и аудитории.

Что внедрять на практике

Не стоит заменять голосом весь интерфейс. Для коротких запросов — узнать статус, получить ссылку, изменить один параметр — чат остаётся удобнее. Голос имеет смысл включать для задач с несколькими условиями, высокой ценой ошибки и эмоциональным напряжением.

Команде нужно измерять не продолжительность звонка сама по себе, а завершённое действие: оформлен ли возврат, изменена ли бронь, закрыта ли претензия. Кроме того, полезно отдельно отслеживать время до первой реплики, задержку каждого ответа, долю обрывов в первые 15 секунд и частоту передачи разговора человеку.

Исследование опубликовано поставщиком голосовой платформы и одновременно продвигает ElevenAgents, поэтому цифры требуют независимой проверки. Длительность также служит лишь приблизительной мерой сложности: в чате пользователь может просто отвлечься. И всё же практический вывод крепкий: для сложных обращений голосовой агент может дать заметный выигрыш, если он быстро отвечает, удерживает контекст и имеет доступ к реальным операциям бизнеса. Красивого голоса без этих трёх вещей недостаточно.