Оценка звонков ИИ вместо ручной выборки: что изменилось 2026

Пятница, вечер. РОП открывает записи звонков, выбирает пять штук наугад, слушает — и по этим пяти диалогам решает, кому дать премию, кого отправить на тренинг, а кого «поставить на карандаш». За неделю отдел из пятнадцати человек сделал несколько тысяч разговоров. Услышал руководитель — пять. И на этой выборке строится вся оценка работы отдела — тогда как оценка звонков ИИ способна разобрать все разговоры до единого.

Летом 2026 года сразу несколько глобальных sales-платформ синхронно решили, что так больше нельзя. 14 июля Salesloft (уже под одной крышей с Clari) запустил функцию, где ИИ автоматически выставляет оценку каждому звонку менеджера. За месяц до этого то же самое сделал VanillaSoft, а в январе свой скоринг обновил Gong. Оценка звонков ИИ перестала быть экспериментом и превратилась в новый стандарт контроля качества продаж.

Разберём без хайпа: что именно произошло, почему привычная выборка из пяти разговоров статистически врёт, как устроена автоматическая оценка звонков ИИ и что всё это значит для российских отделов продаж, которым западные платформы недоступны.

Сразу о фактах: ядро статьи — два пресс-релиза на GlobeNewswire (Salesloft/Clari 14.07.2026 и VanillaSoft 02.06.2026) плюс январское обновление Gong. Цифра «87% не достигли целей по выручке» принадлежит Salesloft/Clari, а не независимому исследованию. Прогноз Gartner про $80 млрд — это его релиз 2022 года «на 2026 год». Дальше факты и авторскую интерпретацию разделяем явно.

Что произошло: три вендора синхронно перешли на автоскоринг звонков

Начнём с главного релиза. 14 июля 2026 года Salesloft представил обновление Conversation Intelligence, и центральной фичей стал AI-Powered Auto Call Scoring — ИИ автоматически оценивает каждый звонок и раскладывает результаты по уровням качества. Руководителю больше не нужно вслепую выбирать, что слушать: система сама подсвечивает, какие разговоры требуют внимания.

В том же релизе — ещё несколько инструментов: AI Trends and Insights (тренды по разговорам), Ask Across Multiple Calls (вопросы сразу по массиву звонков) и Mobile In-Person Recording (запись очных встреч с телефона). Но именно автоскоринг — то, ради чего стоило выкатывать обновление.

«Большинство компаний говорят о том, чтобы закрыть разрыв между инсайтом и действием, — а мы реально это делаем», — Стив Кокс, CEO Salesloft.

Повод у вендора жёсткий: по данным Salesloft/Clari, 87% бизнесов не достигли целей по выручке в 2025 году. Логика простая — если план проваливает почти каждый, значит, старые способы понимать, что происходит в разговорах с клиентами, работают плохо.

За месяц до Salesloft, 2 июня 2026 года, похожую функцию выпустил VanillaSoft — AI-Powered Caller Scorecard. ИИ оценивает каждый квалифицированный разговор по кастомным критериям и, что важно, даёт письменное обоснование каждой оценки. Не просто «4 из 5», а объяснение, почему именно столько.

«Со скоркартой VanillaSoft может находить проседающих операторов, а супервайзеры получают возможность тратить больше времени на коучинг», — Дэвид Худ, CEO VanillaSoft.

И третий штрих: 27 января 2026 года Gong обновил AI-модель своего AI Call Reviewer (Scorecards). Это не громкий пресс-релиз, а запись в changelog, но она в ту же кассу.

Когда три независимых вендора за полгода выпускают, по сути, одну и ту же фичу — это уже не эксперимент отдельной компании. Это сигнал, что оценка звонков ИИ стала нормой индустрии.

Почему выборка из 5 звонков врёт

Проблема ручного контроля — не в лени руководителя, а в чистой математике. Физически один человек не может прослушать всё. По отраслевым оценкам (бенчмарки Plivo, Call Centre Helper) вручную проверяется менее 5% всех звонков, а 41% контакт-центров мониторят меньше четырёх звонков на оператора в месяц.

Посчитаем на пальцах. Отдел из 15 менеджеров делает около 6000 звонков в месяц. Руководитель успевает вдумчиво разобрать примерно 60 из них — это порядка 1% покрытия. Остальные 99% разговоров уходят без единого взгляда со стороны. И решения о людях принимаются вот по этому одному проценту.

Внимание: ручная оценка 1–5% случайных звонков даёт случайные выводы — и именно это исправляет оценка звонков ИИ. Вывод о менеджере строится по двум-трём разговорам, которые запросто могли оказаться нетипичными — как удачными, так и провальными.

Вот как это выглядит в жизни. Есть общительный Вася — громкий, обаятельный, руководитель случайно услышал два его бодрых звонка и решил, что парень молодец. И есть тихий Петя, чьи разговоры в выборку не попали. По факту Петя закрывает сделки стабильнее, но премия и похвала уходят Васе — просто потому, что его услышали в удачный день. Оценка оторвана от реального результата.

Отсюда две дорогие проблемы. Первая — несправедливые премии, штрафы и увольнения, которые бьют по мотивации всей команды: люди видят, что контроль качества звонков случаен, и перестают ему верить. Вторая — просадки конверсии ловятся поздно. Пока руководитель доберётся до «того самого» звонка, квартал уже слит.

И чем больше отдел, тем хуже. На пяти менеджерах ручной контроль ещё как-то держится. На двадцати с плюсом он рассыпается окончательно: покрытие падает до долей процента, а руководитель превращается в человека, который принимает решения вслепую.

Как работает автоматическая оценка звонков ИИ

Механика оценки звонков ИИ проще, чем кажется. Звонок записывается, потом расшифровывается в текст (транскрибация), затем этот текст анализирует генеративный ИИ и выставляет оценку по заранее заданному чек-листу. На выходе — оценка звонка, процент выполнения скрипта по менеджеру и обоснование, почему оценка именно такая.

Ключевой элемент здесь — скоркарта, она же чек-лист оценки звонка. Это набор критериев, по которым ИИ разбирает разговор. Типовая скоркарта в продажах выглядит так:

• приветствие и представление — назвал ли менеджер себя и компанию;
• выявление потребности — задал ли правильные вопросы, услышал ли клиента;
• презентация выгод — говорил на языке пользы или зачитывал характеристики;
• отработка возражений — как ответил на «дорого» и «я подумаю»;
• назначение следующего шага — договорился о конкретном действии или отпустил клиента «думать»;
• соблюдение скрипта — прошёл ли обязательные этапы разговора.

Главное отличие 2026 года — в том, как ИИ понимает разговор. Раньше речевая аналитика работала по ключевым словам: искала «стоп-слова», считала упоминания конкурентов, ловила фразу «я подумаю». Но наличие слова ещё ничего не говорит о качестве. Менеджер мог произнести «назначим встречу» и тут же слить договорённость.

В чём сдвиг: генеративный ИИ (LLM) оценивает не наличие слов, а смысл разговора. Он понимает, действительно ли менеджер отработал возражение или просто отмахнулся, выявил потребность или сразу побежал продавать. Это оценка качества, а не поиск по словарю.

Благодаря этому оценка звонков ИИ сдвигает контроль с прежних 2–5% до полного покрытия — оцениваются 100% звонков по единым критериям. Не выборка, не «повезло попасть в наушники», а весь массив разговоров отдела.

Пока это выглядит абстрактно, но саму скоркарту можно пощупать руками. Хотите увидеть, как выглядит готовый чек-лист оценки звонка, и примерить его на свой отдел?

А теперь сравним ручной контроль и автоматический напрямую — по конкретным параметрам.

Ручной контроль против автоматического: сравнение

Есть и цифра про качество самой оценки звонков ИИ. По данным McKinsey, автоматизированный QA достигает точности выше 90%, тогда как ручной скоринг обычно ограничен 70–80%: человек устаёт, отвлекается, к десятому звонку оценивает уже иначе, чем к первому. ИИ применяет одни и те же критерии к первому и к тысячному разговору.

Важная оговорка: ИИ не заменяет супервайзера. Он снимает с него рутину прослушивания, чтобы человек занимался тем, чего машина не делает, — разбором сложных случаев и коучингом. Именно об этом и говорил CEO VanillaSoft.

Что меняется для РОПа: справедливость, обучение, ранняя ловля просадок

Первое, что меняется, — мотивация становится честной. KPI и бонусы считаются от объективных метрик по всем звонкам, а не от впечатления по двум-трём удачно услышанным разговорам. Тихий Петя из примера выше наконец получает премию за реальный результат, а не за громкость.

Второе — обучение становится адресным. Раньше при просадке отдел целиком гнали на общий тренинг «по возражениям». Теперь видно, какой конкретно этап проваливает каждый менеджер: этому нужна отработка «дорого», тому — назначение следующего шага, а третий вообще не выявляет потребность.

Пример: отдел просел по конверсии, и первый импульс — «учить всех». Но автоскоринг показал, что процент выполнения скрипта упал не у всех, а у трёх менеджеров и ровно на этапе отработки возражений. Вместо общего тренинга — точечный разбор с этими тремя. Дешевле, быстрее и без демотивации остальных.

Третье — появляется система раннего предупреждения. Просадку видно сразу по падению процента выполнения скрипта, а не постфактум, когда план по кварталу уже провален. Это разница между «починить сейчас» и «объяснять собственнику, почему не сделали выручку».

Что рынок думает об этом тренде, видно по деньгам. По прогнозу Gartner (пресс-релиз 2022 года), к 2026 году внедрение разговорного ИИ в контакт-центрах должно сократить расходы на труд операторов на $80 млрд. Прогноз старый, но направление он задал верно — и релизы 2026-го это подтверждают.

Проверить всё это на своём отделе можно, не дожидаясь конца квартала — на реальных записях звонков.

Но у оценки звонков ИИ есть и подводные камни, о которых вендоры в пресс-релизах говорят неохотно.

Подводные камни: чего не говорят вендоры

Первый камень — калибровка. Оценку звонков ИИ нельзя включить и сразу верить цифрам. Первые 2–4 недели её нужно сверять с мнением опытного руководителя: там, где оценки расходятся, — донастраивать. Только когда вердикт ИИ начинает совпадать с экспертным, скорингу можно доверять как основе для решений.

Второй — кастомизация. Универсальный чек-лист «из коробки» будет мимо вашего продукта и скрипта. Скоркарту нужно описать под свою воронку: свои этапы, свои возражения, свои обязательные шаги. Отталкиваться при этом проще от готовых шаблонов отчётов по звонкам, дополняя их своими критериями. Иначе ИИ оценит идеально, но не то, что вам важно.

Частая ошибка: превратить скоринг в карательную метрику. Если оценки идут только на штрафы, менеджеры начинают играть на цифру — проговаривать «правильные» фразы формально, лишь бы система засчитала. Инструмент задуман для развития, а не для наказания.

Третий момент — ИИ не идеален. Спорные звонки всё равно стоит переслушивать вручную; человек остаётся в контуре принятия решений. И четвёртое, что важно честно проговорить: автоскоринг — это пост-анализ уже состоявшихся разговоров, а не подсказки менеджеру в реальном времени во время звонка. Он показывает, что уже произошло, а не суфлирует по ходу.

Мнение эксперта

Rechka.ai

Искусственный интеллект для анализа звонков

Задать вопрос

Автоскоринг 100% звонков — это не «поставил и забыл». Первые 2–4 недели ИИ-оценку нужно калибровать: сравнивать её вердикт с мнением опытного руководителя и донастраивать чек-лист под ваш скрипт. Когда оценки начинают совпадать — цифрам можно доверять, и вот тогда контроль качества превращается из выборочной лотереи в честную систему. Главное — использовать скоринг для развития менеджеров, а не для штрафов: как только метрика становится карательной, команда начинает играть на цифру, а не на клиента.

Что это значит для российских отделов продаж

Тут возникает честный вопрос: Salesloft, Gong и VanillaSoft — западные платформы. Для российских команд они недоступны, дороги и не интегрированы ни с нашими CRM, ни с местной телефонией. Значит ли это, что тренд проходит мимо?

Нет. Задача-то универсальная — оценивать каждый звонок ИИ по внятному чек-листу (подробнее — как нейросети анализируют звонки). И локально она уже решается сервисами речевой аналитики. Пока Salesloft и Gong закрывают автоскоринг на западном рынке, в России ту же логику реализует, например, Rechka.

Оценка звонков ИИ здесь устроена привычно: сервис автоматически проверяет каждый звонок по настраиваемому чек-листу из 20+ параметров, считает процент выполнения скрипта по каждому менеджеру и оценивает вероятность продажи. С интеграциями в AmoCRM, Bitrix24 и российскую телефонию — то есть встраивается в тот контур, который у отдела уже есть.

Суть мировой новости в том, что оценка звонков ИИ — оценка каждого разговора, а не случайной выборки — становится нормой. И для российских команд эта норма доступна уже сейчас: не нужно ждать, когда западные вендоры выйдут на рынок или подешевеют.

Совет: начните с пилота, а не с революции. Прогоните реальные звонки своего отдела через автоскоринг и сравните результат с тем, что показывала ручная выборка. Разница между «мне казалось» и «вот цифры по всем звонкам» обычно отрезвляет.

Проще всего это сделать на собственных записях — взять реальные разговоры отдела и посмотреть, что покажет оценка звонков ИИ.

Часто задаваемые вопросы

Выводы

Ручной контроль по выборке из пяти звонков умер как мировой стандарт. Летом 2026 года Salesloft, VanillaSoft и Gong синхронно показали, что оценка звонков ИИ — это норма, а не привилегия. Автоскоринг закрывает 100% разговоров там, где человек физически дотягивался до одного процента.

Для российских команд это доступно уже сейчас, через сервисы речевой аналитики с интеграциями в местные CRM и телефонию. Вопрос давно не в том, внедрять ли оценку звонков ИИ. Вопрос в другом — сколько ещё принимать решения о людях, премиях и обучении вслепую, по паре случайно услышанных звонков.

Проверить, что покажет автоскоринг на ваших реальных разговорах, можно уже сегодня — например, прогнав первые записи через Rechka и сравнив результат с тем, что раньше показывала ручная выборка.