Голосовой робот или ИИ-сотрудник: в чём разница для бизнеса

Коротко

Что выбрать для звонков: голосового робота или ИИ-сотрудника? Голосовой робот отвечает строго по сценарию: заранее прописанные вопросы и ответы, а стоит шагнуть влево или вправо, и робот теряется. ИИ-сотрудник (агент) сам решает, что делать дальше, опираясь на то, что ответил клиент, и доводит разговор до результата, даже если тот пошёл не по прямой линии. Ниже честное сравнение: где робота достаточно, а где он начинает мешать бизнесу больше, чем помогает.

Как устроены робот и агент внутри

Разница между ними хорошо описана в разборе Anthropic «Building Effective Agents»: в одних системах каждый шаг заранее прописан программистом, разговор идёт по готовой схеме, и если ответ клиента не укладывается в один из предусмотренных вариантов, система не знает, что делать дальше. В других модель сама решает, куда двигаться, опираясь на то, что получилось на предыдущем шаге, а не на жёсткую инструкцию. Первый тип системы Anthropic называет workflow, то есть заранее расписанной цепочкой шагов, второй агентом (Anthropic, «Building Effective Agents», 19.12.2024).

Голосовой робот почти всегда устроен по первому принципу. Его логику можно представить как дерево вопросов: если клиент сказал один вариант, разговор идёт в ветку А, если другой, в ветку Б. Дерево можно сделать большим и подробным, но у него всегда есть край: рано или поздно клиент скажет что-то, чего в дереве нет, и робот либо зациклится, либо переключит на человека. ИИ-сотрудник устроен иначе: у него нет фиксированного дерева, вместо этого модель на каждом шаге сама решает, что спросить, какую программу открыть (прайс, календарь записи, CRM) и как сформулировать ответ под конкретную ситуацию клиента. Разработчик Саймон Уиллисон описывает это как инструменты в цикле: агент запрашивает действие, получает результат и на его основе решает следующий шаг, пока не достигнет цели разговора (Simon Willison, определение агента, 18.09.2025).

Почему дерево сценариев не масштабируется бесконечно

На старте дерево кажется управляемым: десяток веток покрывает почти все звонки. Проблема начинается позже, когда бизнес растёт и вопросов становится больше: каждая новая услуга, новый тариф или сезонная акция требует новой ветки, а старые ветки при этом нужно проверять, чтобы новая не пересеклась с ними и не сломала работавший раньше сценарий. Со временем схему целиком нередко помнит один человек в компании, и любое изменение грозит задеть соседнюю ветку.

У агента эта проблема стоит иначе: правила и примеры добавляются в карточку по одному, без риска сломать соседнюю ветку, потому что модель на каждом шаге сама решает, какое правило применить к конкретной ситуации, а не идёт по жёстко прошитому порядку веток. Это не значит, что у агента совсем нет своих ограничений: если правил становится слишком много и они противоречат друг другу, качество ответов тоже начинает падать. Но природа роста другая: не ветвящееся дерево, которое нужно перепроверять целиком, а список правил, который можно дополнять и уточнять по одному.

Таблица: чем они отличаются на практике

Критерий	Голосовой робот по сценарию	ИИ-сотрудник (агент)
Что происходит с нестандартным вопросом	Не находит подходящую ветку, повторяет меню или переключает на человека	Уточняет детали и подстраивается под ситуацию
Сколько времени занимает настройка	Быстро для простого сценария из нескольких веток	Дольше на старте, карточка должности и правила описываются подробнее
Что с записью в CRM	Обычно заносит только то, что прописано в сценарии заранее	Сам заводит и обновляет сделку по ходу разговора
Насколько легко расширить на новую задачу	Нужно вручную дорисовывать новые ветки в схеме	Достаточно дополнить карточку новым правилом или примером
Стоимость внедрения простой задачи	Ниже: меньше настройки, меньше данных для работы модели	Выше при той же простой задаче, окупается на объёме и сложности

Когда честно достаточно обычного робота

Не любая задача требует агента, и не всегда это выбор в пользу более дорогого и сложного варианта. Anthropic в том же разборе прямо советует находить самое простое работающее решение и переходить к сложной агентной схеме только тогда, когда простой вариант реально перестаёт справляться с задачей. Если у компании один-два типовых вопроса в день: режим работы, адрес, один свободный слот записи, обычный голосовой робот или даже голосовое меню с несколькими пунктами справится не хуже агента и обойдётся дешевле в настройке.

Это же правило работает и в обратную сторону, и его стоит держать в голове заранее: если каждый второй звонок выходит за рамки заготовленного сценария (клиент уточняет детали заказа, сравнивает варианты, описывает нетиповую проблему), робот начинает не экономить время, а тратить его: клиент проходит через несколько кругов меню и всё равно попадает к человеку, только позже и раздражённее, чем если бы позвонил сразу.

Когда бизнесу нужен именно ИИ-сотрудник

Агент оправдан там, где разговор состоит из нескольких разных шагов подряд, а не из одного вопроса-ответа: не просто назвать цену, а узнать потребность клиента, подобрать вариант из каталога, назвать цену, договориться о времени звонка менеджера и сразу завести сделку в CRM. Такую последовательность сложно уложить в жёсткое дерево веток, потому что порядок и содержание шагов каждый раз немного разные, а вот правила, из которых агент исходит на каждом шаге (что почём, какие слоты свободны, что писать в карточку сделки), остаются одними и теми же.

Здесь важно не путать сложность разговора со сложностью задачи вообще: агенту не нужен нестандартный вопрос каждый раз, ему нужна последовательность шагов, из которых складывается результат. Запись на приём с уточнением свободного времени у конкретного специалиста, приём и первичная квалификация заявки с сайта, приём жалобы с занесением в систему учёта — это рутинные по содержанию задачи, но многошаговые по структуре, и именно здесь агент выигрывает у робота по сценарию.

Примеры по нишам: где робота достаточно, а где нет

В клинике простой голосовой робот справится с одной задачей: сказать режим работы и адрес. Но как только нужно подобрать врача по симптому, найти свободное время именно у него и учесть, что пациент уже был на приёме и часть данных уже есть в карточке, дерево сценариев быстро разрастается до неуправляемого размера, а агент просто держит эти правила в карточке и применяет их по ситуации.

В управляющей компании ЖКХ робот неплохо справляется с одной типовой жалобой на конкретную проблему по заранее известному адресу. Но если позвонивший описывает ситуацию своими словами, путает адрес и корпус или жалуется сразу на два разных вопроса, обычный сценарий теряется на первом же нетиповом слове, а агент уточняет детали так же, как это сделал бы внимательный диспетчер.

В отделе продаж робот может неплохо квалифицировать заявку по одному критерию: узнать бюджет и передать оператору. Но полноценная квалификация, где нужно узнать несколько параметров, сопоставить их с прайсом и сразу назвать точную цену, а не диапазон, обычно требует уже агента, а не жёсткого сценария из нескольких вопросов подряд.

Чем рискует бизнес при неверном выборе

Ошибка в обе стороны стоит бизнесу денег, просто по-разному. Если поставить сложного и дорогого в настройке агента на задачу, которая и так решалась двумя пунктами голосового меню, компания переплачивает за гибкость, которая никогда не понадобится: настройка карточки, данные и правила, которые никто не использует, потому что разговор и так укладывался в одну ветку. Обратная ошибка обходится дороже с точки зрения клиента, а не бюджета: компания годами донастраивает голосовое меню, добавляя всё новые пункты под каждый новый тип вопроса, а клиенты тем временем проходят по несколько уровней вложенных меню, прежде чем добраться до ответа или до живого человека, и часть из них просто вешает трубку раньше.

Ориентир для выбора один и тот же с обеих сторон: считать не то, насколько интересна технология сама по себе, а долю обращений, которая реально укладывается в жёсткий сценарий без потери качества ответа. Если эта доля высокая, дешевле остаться на простом решении. Если она падает по мере роста потока и разнообразия вопросов, разумнее переходить на агента раньше, чем сценарий разрастётся до состояния, когда его проще выбросить и начать заново, чем донастраивать.

Можно ли перейти от робота к агенту не переделывая всё заново

Частый путь для бизнеса: начать с простого решения на самой частой задаче, как советует Anthropic, и постепенно расширять его. В ultiOS дерева веток нет: ИИ-сотрудник настраивается в панели по карточке, где описаны его должность, правила и доступ к CRM. Расширить задачу значит добавить в карточку новое правило или пример, а не переписывать код. Подписка стоит ровно 10 000 ₽ в месяц на одну компанию, число сотрудников внутри неё не ограничено, а разговоры сверх квоты идут от 6 ₽ за минуту. Если нужна редкая интеграция с системой, которой нет в стандартном наборе, это отдельная услуга: в такой роли ultiOS выступает интегратором под ключ.

Если нужен голосовой ИИ-сотрудник, а не просто меню

Если бизнесу нужно не меню из двух пунктов, а полноценные разговоры с клиентами с записью в CRM, простого робота не хватит: схему придётся бесконечно дорисовывать. Для таких задач у ultiOS есть готовые решения по нишам: клиника, недвижимость, продажи, ЖКХ, поддержка и другие. Сотрудник настраивается в панели, без разработки сценария под одну компанию с нуля. Начать можно с одной задачи и расширять карточку по мере того, как появляются новые вопросы клиентов.

Что в итоге

• Голосовой робот работает по заранее прописанному дереву сценариев и не умеет выходить за его границы.
• ИИ-сотрудник (агент) сам решает следующий шаг, опираясь на разговор, и доводит задачу до результата даже в нетиповой ситуации.
• Простого робота достаточно, если вопросов у клиентов мало и они однотипные: тут агент просто не нужен.
• Агент оправдан там, где разговор состоит из нескольких шагов подряд, даже если сами шаги рутинные.
• Переход от простого сценария к агенту не требует технической миграции с нуля, если система изначально строится по карточке правил, а не жёстко прописанным кодом с ветками сценария внутри.
• Решение стоит принимать по доле реальных обращений, которая укладывается в жёсткий сценарий без потери качества ответа, а не по тому, какая технология выглядит современнее на первый взгляд со стороны.

Источники

• Anthropic, «Building Effective Agents», 19.12.2024
• Simon Willison, определение агента, 18.09.2025