Кто звонил и зачем: AI-разбор звонков в нашей PBX и что обещают Twilio и Revenue.io

Twilio на этой неделе описал, как из звонка получить резюме, тональность и запись в CRM без участия оператора, а Revenue.io объяснил, как проверить точность расшифровки до покупки. В компании в сфере PDR в США, где я веду телефонию, такая связка работает: система записывает каждый звонок, AI разбирает, кто звонил и как ответил сотрудник, лид появляется в CRM сам. Разбираю, что совпадает с нашим опытом, а что я бы сначала проверил.

Что вышло

Twilio 21 октября разложил послезвонковую автоматизацию на три шага: расшифровать разговор, вытащить из текста структурированные сигналы (резюме, тональность, намерение, статус решения), записать их в систему, с которой работают сотрудники. Анализ делают «языковые операторы»: готовые от Twilio и свои, которые описываются обычным языком и возвращают структурированный ответ. В CRM результаты уходят вебхуком, HTTP POST на ваш адрес, а дальше ваша интеграция пишет их в Salesforce, Zendesk или HubSpot. Пример из статьи: у оператора меньше 30 секунд до следующего звонка, и в заметках остаётся «клиент недоволен, возврат, решено?». Twilio 20 октября объявил в журнале изменений, что настройки записи звонков по умолчанию теперь задаются на уровне аккаунта через API Voice Recording Account Default Configuration, доступный в регионе us1.

Revenue.io 15 октября опубликовал инструкцию для покупателя: дайте поставщикам одни и те же записи, сравните с эталонной расшифровкой, которую проверил человек, и смотрите на детали, по которым команда действует. Оговорка, которую я бы повесил над столом: 7 % ошибок по словам (WER) не означают 93 % точности по спикерам, суммам и обещаниям. Их тестовая фраза: «Мы не утвердили годовой бюджет в 24 000 долларов. Майя подтвердит, сможем ли встретиться во вторник». Система, которая пишет в CRM «бюджет утверждён, встреча во вторник», провалила задачу.

Unisender 13 октября собрал 13 российских сервисов речевой аналитики с ценами: Rechka.ai от 4 до 6 рублей за минуту, SalesAI от 3,98 до 7 рублей с бесплатными 40 минутами в день. Главный аргумент подборки: руководитель слушает 3–5 % звонков, а система проверяет все. Сервисы из подборки я у себя не проверял.

Twilio 15 октября показал в туториале, как собрать голосового агента на GPT-Live через открытый SDK Twilio Agent Connect на TypeScript, и первая фраза там честная: «В тестовом скрипте работает, а на настоящем звонке разваливается». CustomerThink 20 октября привёл опрос Moneypenny среди 1 001 жителя Техаса: почти 90 % берут трубку с незнакомого номера. Входящий звонок по-прежнему главный канал.

Зачем это владельцу сервисной компании

Возьмём сервисную компанию с выездными мастерами. На один номер звонят новые клиенты, действующие клиенты со статусом заказа, страховые и поставщики. Менеджер отвечает на всё подряд и в CRM заносит то, что успел. В конце месяца владелец смотрит на число звонков и число продаж и решает, что продавцы работают плохо. На деле новых обращений среди звонков была меньшая часть, остальное статусы, страховые и спам.

Отсюда вывод: первое, что должен делать разбор звонка, это ответить, кто звонил и зачем. Тональность и резюме идут потом.

Как это устроено у нас

В PDR-компании IVR я начал в 2024 году, в 2025-м сделал для него графический интерфейс, а в 2026-м довёл до полноценной внутренней PBX с кастомной логикой. Идею сделать PBX с AI-анализом звонков приносил я, собственник её принял. Система записывает каждый звонок, а AI разбирает, кто звонил: лид, действующий клиент или страховая, и как ответил сотрудник. После звонка на IVR система сама создаёт лид в GoHighLevel и прикрепляет к нему запись и разбор разговора. Звонки и SMS входят в 15 показателей leaderboard.

Раньше в компании работало 20 человек, сейчас больше 30, поток лидов растёт кратно от года к году, а команда продавцов выросла несильно. Каждый настоящий лид проходит воронку до конца, конверсия в продажу выросла на 30 %. Какая доля этого роста приходится на разбор звонков, а какая на суперапп и парсеры, отдельно я не измерял.

Twilio у нас в стеке есть, но Conversation Intelligence я не тестировал: логика разбора живёт на нашем сервере, и категории звонков у нас свои. Подход с вебхуком на свой адрес мне близок: так данные попадают в свою базу.

Что я бы сделал

1. Включить запись всех звонков и решить, сколько хранить и кто имеет право слушать.
2. Выписать свои категории звонивших. У нас это лид, клиент, страховая; у проката будут бронь, продление, ДТП.
3. Взять 30 своих записей, сделать эталонную расшифровку руками и прогнать через кандидатов, как советует Revenue.io. Смотреть на имена, суммы и частицу «не».
4. Писать результат в CRM полями: кто звонил, зачем, чем закончилось. Лид по новому обращению должен создаваться сам.
5. Первые месяцы раз в неделю слушать выборку и сверять с разбором. Посчитать минуты в месяц и сравнить цену за минуту у сервисов с ценой своего сервера.

Связанные материалы

Как связать звонки, CRM и задачи, чтобы ничего не терялось: статья Как надёжно соединить документы, CRM и задачи. Направления: IP-телефония, связанная с бизнес-процессами, CRM, которая связана с работой команды и AI в процессе, где результат можно проверить. Кейсы: технический партнёр PDR-компании в США и сервисная команда подняла конверсию на 30 %. По той же теме: расшифровка речи на своём сервере и AI в CRM только под присмотром. Раньше я разбирал, что балл за звонок должен опираться на слова клиента и покупать голосовой AI или разрабатывать. Если у вас звонки записываются, а кто звонил, никто не знает: Обсудить задачу.