Два обученных аннотатора, размечавших тональность 20 000 высказываний колл-центра, согласились с каппой Коэна лишь 0,605 по шкале, где 1,0 означает полное согласие, а 0 соответствует случайности (исследователи ConnexAI, IntechOpen 2026). Этот потолок важен, потому что каждая оценка тональности на дашборде речевой аналитики обучается и проверяется по подобным меткам. Между тем коммерческие системы распознавания речи ошибались в словах от 16,5% до 19,2% на 50 реальных разговорах колл-центров против от 10,2% до 11,62% на стандартном телефонном бенчмарке (Szymanski и др., Findings of EMNLP 2020), а 49,8% из 1 104 компаний уже применяют аналитику взаимодействий к этим расшифровкам (Metrigy, AI for Business Success 2025-26). Мы свели данные Metrigy, документов NICE и Verint, поданных в SEC, речевых бенчмарков, опубликованных на EMNLP и LREC, OpenAI и в arXiv, NBER, Регламента ЕС об ИИ и Генеральной ассамблеи Иллинойса, а также нескольких других первичных источников. О стороне автоматизации той же отрасли (голосовые боты и ИИ-агенты вместо аналитики) см. нашу статистику автоматизации контактных центров с помощью голосового ИИ.
Кратко (TL;DR)
- 49,8% компаний уже используют аналитику взаимодействий, а ещё 29,9% планируют её добавить (Metrigy, AI for Business Success 2025-26).
- 55% контактных центров по-прежнему ведут контроль качества в электронных таблицах, годом ранее было 65% (Scorebuddy и Call Centre Helper, декабрь 2025 года).
- Доля словесных ошибок коммерческого ASR на 50 реальных разговорах колл-центров: от 16,5% до 19,2% (Szymanski и др., Findings of EMNLP 2020).
- Whisper large-v2 допускает 17,6% словесных ошибок на телефонных звонках CallHome, но 2,7% на читаемой речи аудиокниг (OpenAI, статья о Whisper, 2022).
- На реальном аудио колл-центра с африканскими акцентами Whisper-large-v3 показал WER 24,69%, а лучшая модель 13,45% (AfriSpeech-MultiBench, arXiv 2025).
- Аннотаторы-люди согласуются в тональности высказываний колл-центра с каппой Коэна 0,605 (исследователи ConnexAI, IntechOpen 2026).
- Два аннотатора, оценивавшие реальные звонки клиентов, согласились с ICC лишь 0,62 по валентности и 0,52 по активации (исследование CusEmo, arXiv 2023).
- Чисто акустические модели тональности достигли взвешенной точности 54,23% на телефонных звонках против 85,76% у людей (Chen и др., LREC 2020).
- ИИ-помощник повысил производительность агентов поддержки на 14%, а тональность клиентов на 0,18 пункта по шкале от -1 до 1 (NBER Working Paper 31161).
- Вывод об эмоциях работников на рабочем месте по голосу запрещён в ЕС с 2 февраля 2025 года (Регламент ЕС об ИИ, Регламент (ЕС) 2024/1689).
- Иллинойс устанавливает убытки от $1 000 до $5 000 за нарушение с биометрическими идентификаторами, такими как голосовые отпечатки (740 ILCS 14).
1. Внедрение: аналитика взаимодействий и автоматизированный контроль качества
Вопрос внедрения решён наполовину. 49,8% из 1 104 компаний уже используют аналитику взаимодействий (программное обеспечение, которое расшифровывает и анализирует звонки, чаты и электронные письма в поисках тем, формулировок для соблюдения требований и тональности), а ещё 29,9% планировали внедрить её в течение года (Metrigy, AI for Business Success 2025-26). Изменилось описание задачи. Крупнейшая группа внедривших её компаний, 46,2%, теперь называет главной ценностью сравнение работы ИИ-агентов с работой агентов-людей (анализ Metrigy от 14 мая 2025 года). Речевая аналитика становится табло результатов автоматизации, а не просто инструментом коучинга.
Процесс контроля качества (QA), который аналитика призвана заменить, всё ещё на удивление ручной. Опрос, спонсированный поставщиком, показал, что зависимость от электронных таблиц при QA снизилась с 65% до 55% за год, а 44% контактных центров выразили сильный интерес к автоматизированной или оперативной оценке (Scorebuddy и Call Centre Helper, What Contact Centers Are Doing Right Now, декабрь 2025 года). База поставщиков концентрированная и крупная: NICE сообщила об общей выручке за 2025 год в $2 945,4 миллиона против $2 735,3 миллиона, при росте облачной выручки на 12,8%, и выплатила итоговое возмещение в $887,3 миллиона за компанию в области разговорного ИИ Cognigy (NICE Form 20-F за 2025 финансовый год).
| Показатель | Значение | Источник |
|---|---|---|
| Компании, уже использующие аналитику взаимодействий | 49,8% из 1 104 компаний | Metrigy, AI for Business Success 2025-26 |
| Компании, планирующие внедрить аналитику взаимодействий в 2025 году | 29,9% | Metrigy, AI for Business Success 2025-26 |
| Внедрившие аналитику компании, для которых главная ценность в сравнении эффективности ИИ-агентов с эффективностью агентов-людей | 46,2% (крупнейшая группа) | Анализ Metrigy, май 2025 года |
| Контактные центры, использующие электронные таблицы для контроля качества, в этом году против прошлого | 55% против 65% | Опрос Scorebuddy и Call Centre Helper, декабрь 2025 года (спонсировано поставщиком) |
| Контактные центры с сильным интересом к автоматизированной или оперативной оценке качества | 44% | Опрос Scorebuddy и Call Centre Helper, декабрь 2025 года (спонсировано поставщиком) |
| Организации-клиенты NICE и клиенты из Fortune 100 | Более 25 000 организаций в более чем 150 странах, включая 85 из Fortune 100 | NICE Form 20-F, 2025 финансовый год |
| Клиенты Verint из Fortune 100 и обслуживаемые страны | Более 80 из Fortune 100, в более чем 175 странах | Verint Form 10-K, финансовый год, закончившийся 31 января 2025 года |
| Выручка Verint от подписочного бизнеса | Примерно 80% | Verint Form 10-K, финансовый год, закончившийся 31 января 2025 года |
Примечание о контексте: широко распространены цифры о том, что команды ручного QA проверяют лишь «от 1% до 3%» или «менее 5%» звонков, но каждая найденная нами версия восходила к блогам поставщиков или непроверяемым ссылкам, поэтому мы их исключили. Ни один независимый публичный опрос 2025 или 2026 года не сообщает доли звонков, проверенных людьми, по сравнению с оценёнными машинами. Verint Form 10-K также сообщает, что около 72% её выручки пришлось на Северную и Южную Америку.
2. Точность транскрибации на реальном аудио звонков
Любая оценка тональности по тексту начинается с расшифровки, а спонтанное узкополосное (8 кГц) аудио звонков относится к самым трудным повседневным записям для распознавателя. Доля словесных ошибок (WER) - это доля слов, которые система заменяет, пропускает или вставляет по сравнению с расшифровкой человека. Три коммерческие системы показали WER от 16,5% до 19,2% на 50 реальных разговорах колл-центров против от 10,2% до 11,62% на телефонном бенчмарке Switchboard (Szymanski и др., WER we are and WER we think we are, Findings of EMNLP 2020). Авторы отмечают, что лучшие опубликованные результаты на Switchboard составляют около 5%, поэтому на реальных звонках доля ошибок была примерно в три-четыре раза выше, чем подсказывают заглавные бенчмарки (16,5 / 5 = 3,3 и 19,2 / 5 = 3,84). Самые свежие доступные данные по коммерческим системам на частном аудио колл-центров: Szymanski и др., 2020; публичного повтора этого теста на реальных записях звонков с текущими коммерческими движками мы не нашли.
Более новые открытые модели показывают тот же разрыв. Whisper large-v2 показал WER 2,7% на LibriSpeech test-clean (читаемые аудиокниги), но 17,6% на CallHome и 13,8% на Switchboard, оба набора - телефонные разговоры (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). Акцент расширяет его ещё сильнее: на небольшом частном наборе реальных звонков между агентами и клиентами с африканскими акцентами результаты колебались от 13,45% у лучшей модели до 88,71% у худшей (AfriSpeech-MultiBench, arXiv, ноябрь 2025 года). Наша статистика смещения по акцентам и доли словесных ошибок подробно освещает это измерение.
| Показатель | Значение | Источник |
|---|---|---|
| WER трёх коммерческих систем ASR на 50 реальных разговорах колл-центров (8,5 часа аудио, 2,2 часа речи) | от 16,5% до 19,2% | Szymanski и др., Findings of EMNLP 2020 |
| WER тех же трёх систем на телефонном бенчмарке HUB’05 Switchboard | от 10,2% до 11,62% | Szymanski и др., Findings of EMNLP 2020 |
| WER колл-центров по сферам бизнеса для лучшей системы | от 13,73% (страхование) до 20,95% (бронирование поездок) | Szymanski и др., Findings of EMNLP 2020 |
| WER на речи клиента против речи агента, для самой слабой из трёх систем | 20,99% против 17,83% | Szymanski и др., Findings of EMNLP 2020 |
| WER Whisper large-v2 на читаемой речи аудиокниг (LibriSpeech test-clean) против телефонных звонков CallHome против телефонных звонков Switchboard | 2,7% против 17,6% против 13,8% | OpenAI, статья о Whisper, 2022 |
| WER NVIDIA Conformer-CTC large против wav2vec2-large-960h на телефонных звонках CallHome | 11,3% против 34,8% | OpenAI, статья о Whisper, 2022 (сравнительная таблица) |
| WER на реальном аудио колл-центра с африканскими акцентами: лучшая модель против Whisper-large-v3 против GPT-4o Transcribe | 13,45% против 24,69% против 23,20% | AfriSpeech-MultiBench, arXiv, ноябрь 2025 года |
| Доля оценочного набора колл-центра, расшифрованного с помощью ASR (618 высказываний), содержащая ошибки транскрибации | 42,6% (263 образца) | Исследователи ConnexAI, IntechOpen 2026 |
Примечание о выбросах: разрыв между агентом и клиентом не универсален. У лучшей из трёх коммерческих систем WER клиента и агента были почти одинаковыми (16,48% против 16,49%), то есть клиентская сторона сложнее для некоторых движков, но не для всех. Ошибки отличаются по природе и от бенчмарковых ошибок; наша статистика галлюцинаций при распознавании речи рассматривает выдуманные слова, которые одна лишь оценка WER не выделяет.
3. Тональность текста расшифровок звонков: согласие людей и точность машин
Неудобная цифра в анализе тональности - это человеческий базовый уровень. Два аннотатора, размечавших 20 000 высказываний колл-центра (широкополосная связь, страхование и другие отрасли), согласились с каппой Коэна 0,605 (исследователи ConnexAI, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). Каппа корректирует необработанное согласие на случайность: 1,0 - полное согласие, а 0 - то, что дала бы одна случайность. Любая цифра поставщика о «точности определения тональности» проверяется по меткам, которые сами люди нередко оспаривают.
В пределах этого потолка модели хорошо справляются с чистым текстом и спотыкаются на самом важном классе. При полных инструкциях по разметке открытая LLM с 32 миллиардами параметров совпала с золотым стандартом, размеченным людьми, в 91% случаев по трём классам, но её макро-F1 (среднее значений F1 по классам, штрафующее за игнорирование редких классов) составил 0,79. Настоящий стресс-тест - это вывод ASR: на рабочих звонках, расшифрованных машиной, тот же подход достиг макро-F1 0,74 на отдельных высказываниях и 0,86, когда видел окно из шести реплик. Контекст дал больше, чем размер: в тех же тестах модель Qwen3 с 4 миллиардами параметров получила макро-F1 0,78, а её собрат с 32 миллиардами параметров - 0,56. В телефонном корпусе Switchboard распределение меток показывает, почему на дашбордах доминирует «нейтральная» тональность: 52,6% сегментов были нейтральными (Chen и др., A Large Scale Speech Sentiment Corpus, LREC 2020).
| Показатель | Значение | Источник |
|---|---|---|
| Согласие двух аннотаторов-людей по тональности 20 000 высказываний колл-центра (каппа Коэна) | 0,605 | Исследователи ConnexAI, IntechOpen 2026 |
| Открытая LLM (Qwen2.5-32B-Instruct) с полными инструкциями против золотого стандарта людей, 3 класса тональности, 8 750 образцов | точность 0,91, макро-F1 0,79 | Исследователи ConnexAI, IntechOpen 2026 |
| Дообученный DistilBERT против классификатора SVM, макро-F1 на звонках, расшифрованных людьми | 0,90 против 0,82 | Исследователи ConnexAI, IntechOpen 2026 |
| LLM на машинных расшифровках (ASR) рабочих звонков: отдельное высказывание против окна контекста из шести реплик, макро-F1 | 0,74 против 0,86 | Исследователи ConnexAI, IntechOpen 2026 |
| Средняя точность отдельных аннотаторов-людей относительно мажоритарной метки, телефонные звонки Switchboard (49 500 сегментов, 140 часов) | Около 85% | Chen и др. (Google), LREC 2020 |
Примечание о контексте: в той же главе отрицательный класс стал слабым местом даже для лучшего классификатора (дообученный DistilBERT достиг F1 0,78 по отрицательной тональности против 0,94 по положительной), а SVM рухнул на машинных расшифровках с макро-F1 0,25 на речи агента и 0,46 на речи клиента. Рабочие звонки, расшифрованные машиной, к тому же были смещены: 61% нейтральных, 30% положительных и 9% отрицательных. Модель, которая помечает всё как нейтральное, на таких данных выглядит точной, но упускает рассерженные 9%.
4. Акустическое определение эмоций: что добавляет голос
Тон голоса - главный довод в пользу «эмоционального ИИ», однако в бенчмарке тональности телефонных звонков Switchboard он оказался самым слабым отдельным сигналом. Чисто акустическая модель достигла взвешенной точности 54,23% по трёхклассовой тональности против 85,76% у людей, а добавление текста подняло её до 65,65% (Chen и др., LREC 2020, с базовыми уровнями Lu и др. 2019). Взвешенная точность учитывает каждый сегмент одинаково; невзвешенная точность усредняет три класса, поэтому невзвешенные 39,63% акустической модели лежат лишь примерно на 6 пунктов выше 33,3%, которые дало бы случайное угадывание (39,63 - 33,33 = 6,3). Самые свежие доступные данные публичного бенчмарка тональности телефонных звонков, сравнивающего все три типа входных данных: корпус тональности Switchboard, LREC 2020.
Реальные звонки в службу поддержки размечать ещё труднее. В французском колл-центре деловых поездок (исследование CusEmo) два аннотатора, непрерывно оценивавшие эмоции клиентов, достигли внутриклассовой корреляции (ICC, показатель согласия от 0 до 1) 0,62 по валентности (насколько положительная или отрицательная эмоция) и 0,52 по активации (насколько эмоция возбуждённая или спокойная) (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). Согласие лучшей модели с этими оценками (CCC, коэффициент корреляции согласованности, где 1 - идеал) составило 0,699 по валентности и 0,508 по активации после того, как ей сообщили, насколько эмпатичным был агент. Иными словами, настроение клиента легче прочитать, когда модель слышит и агента. О клинических применениях той же технологии см. нашу статистику точности распознавания эмоций в речи.
| Показатель | Значение | Источник |
|---|---|---|
| Взвешенная точность, 3-классовая тональность на телефонных звонках Switchboard: чисто акустическая модель против модели с акустикой и текстом против модели на признаках распознавания речи против слушателей-людей | 54,23% против 65,65% против 70,10% против 85,76% | Chen и др. (Google), LREC 2020 |
| Невзвешенная (усреднённая по классам) точность, те же четыре подхода в том же порядке | 39,63% против 54,59% против 62,39% против 84,61% | Chen и др. (Google), LREC 2020 |
| Исходная коллекция CusEmo из французского колл-центра деловых поездок | 5 548 разговоров, 375,39 часа | Исследование CusEmo, arXiv 2023 |
| Разговоры CusEmo с разметкой контекста; аудио клиента, оценённое по эмоциям | 469 разговоров; 13,15 часа | Исследование CusEmo, arXiv 2023 |
| Согласие двух аннотаторов, оценивавших эмоции клиента (ICC): валентность против активации | 0,62 против 0,52 | Исследование CusEmo, arXiv 2023 |
| Согласие лучшей модели с оценками людей (CCC) при добавлении эмпатии агента: валентность против активации | 0,699 против 0,508 | Исследование CusEmo, arXiv 2023 |
Примечание о контексте: корпус CusEmo предназначен только для внутреннего использования и не опубликован, и лишь 469 из 5 548 разговоров получили разметку контекста. Реальных данных об эмоциях в колл-центрах мало именно потому, что записи содержат персональные данные, и это одна из причин, по которым большинство опубликованных цифр точности получено на подкастах, сыгранной речи или телефонных корпусах десятилетней давности.
5. Измеренные бизнес-результаты
Поставщики аналитики продают результаты, а лучше всего контролируемые данные получены на тексте, а не на голосе. В исследовании 5 179 агентов службы поддержки клиентов и около 3 миллионов чатов ИИ-помощник в разговоре повысил число решённых обращений в час в среднем на 14%, а у начинающих и низкоквалифицированных агентов на 34% (Brynjolfsson, Li и Raymond, Generative AI at Work, NBER Working Paper 31161). Исследование измеряло настроение клиентов классификатором тональности на основе LLM (SiEBERT, оценивающий текст от -1 до 1), что делает его одним из немногих крупных полевых исследований, где автоматизированная тональность используется как результат, а не как признак.
Более мягкие показатели тоже сдвинулись: тональность клиентов выросла на 0,18 пункта (половина стандартного отклонения), просьбы соединить с руководителем сократились почти на 25%, а время обработки упало на 3,8 минуты. Доля решённых обращений почти не изменилась. Покупатели, судя по всему, считают, что эти данные должны быть наверху: почти 84% компаний и 96,7% успешной группы Metrigy говорят, что данные о взаимодействии с клиентами должны входить в дашборды эффективности для руководства (анализ Metrigy, май 2025 года).
| Показатель | Значение | Источник |
|---|---|---|
| Рост производительности (решённых обращений в час) с ИИ-помощником в разговоре, 5 179 агентов | 14% в среднем | NBER Working Paper 31161, Brynjolfsson, Li и Raymond |
| Рост производительности у начинающих и низкоквалифицированных агентов | 34% | NBER Working Paper 31161 |
| Изменение средней тональности клиентов (оценка SiEBERT от -1 до 1) | +0,18 пункта, около половины стандартного отклонения | NBER Working Paper 31161 |
| Изменение числа просьб клиентов соединить с руководителем (базовый уровень около 6 процентных пунктов) | Почти на 25% ниже | NBER Working Paper 31161 |
| Изменение среднего времени обработки | Короче на 3,8 минуты, снижение на 9% | NBER Working Paper 31161 |
| Изменение доли решённых обращений (базовый уровень 82%) | +1,3 процентного пункта, значимо только на уровне 10% | NBER Working Paper 31161 |
| Компании, которые хотят видеть данные о взаимодействиях на дашбордах для руководства: все компании против самой успешной группы | Почти 84% против 96,7% | Анализ Metrigy, май 2025 года |
Примечание о выбросах: тональность агентов в исследовании NBER выросла лишь на 0,02 пункта, около 1% стандартного отклонения, так что выигрыш проявился в том, как писали клиенты, а не в том, как писали агенты. Исследование охватывает текстовый чат в одной компании; сопоставимо крупного контролируемого исследования результатов аналитики голосовых звонков мы не нашли.
6. Регулирование и конфиденциальность: правила распознавания эмоций и закон о голосовых отпечатках
Правовая граница проходит по тому, чьи эмоции считываются и по каким данным. С 2 февраля 2025 года Регламент ЕС об ИИ запрещает системы ИИ, выводящие эмоции человека на рабочем месте, за исключением медицинских целей и целей безопасности (Регламент (ЕС) 2024/1689, статьи 5(1)(f) и 113). Регламент определяет распознавание эмоций как вывод «на основе их биометрических данных», поэтому руководящие указания Комиссии считают запрещённым колл-центр, который по голосу отслеживает гнев работников, но находящимся вне запрета колл-центр, отслеживающий эмоции клиентов, как и вывод по письменному тексту (руководящие указания Европейской комиссии о запрещённых практиках ИИ от 4 февраля 2025 года, примеры в изложении CMS от 10 февраля 2025 года). На практике анализ тональности клиентов по расшифровкам - самый безопасный вариант в Европе, а оценка тона голоса агентов - самый рискованный.
Пункт 44 преамбулы Регламента обосновывает запрет серьёзными сомнениями в научной основе распознавания эмоций, называя ограниченную надёжность, недостаточную специфичность и ограниченную обобщаемость, то есть те же слабости, которые измеряют показатели согласия в разделах 3 и 4. В Соединённых Штатах наибольший риск связан с биометрией: Иллинойс считает голосовой отпечаток биометрическим идентификатором, поэтому любая система, строящая голосовые отпечатки говорящих (например, для аутентификации звонящих), подпадает под его правила и под убытки за каждое нарушение (Закон Иллинойса о конфиденциальности биометрической информации, 740 ILCS 14).
| Показатель | Значение | Источник |
|---|---|---|
| Дата начала действия запрета ЕС на вывод эмоций на рабочем месте и в образовании (статья 5(1)(f)) | 2 февраля 2025 года | Регламент ЕС об ИИ, Регламент (ЕС) 2024/1689, статья 113 |
| Максимальный штраф за использование запрещённой практики ИИ | EUR 35 000 000 или 7% общего мирового годового оборота, в зависимости от того, что больше | Регламент ЕС об ИИ, статья 99(3) |
| Статус систем распознавания эмоций, не являющихся запрещёнными (например, в отношении клиентов) | Отнесены к высокорисковым системам ИИ | Регламент ЕС об ИИ, Приложение III, пункт 1(c) |
| Дата общего применения Регламента ЕС об ИИ в опубликованной редакции | 2 августа 2026 года | Регламент ЕС об ИИ, статья 113 |
| Колл-центр, использующий распознавание голоса для отслеживания эмоций работников, например гнева | Запрещено | Руководящие указания Европейской комиссии, февраль 2025 года |
| Колл-центр, использующий распознавание голоса для отслеживания эмоций клиентов | Вне запрета для рабочего места | Руководящие указания Европейской комиссии, февраль 2025 года |
| Фиксированные законом убытки в Иллинойсе за нарушение с биометрическими идентификаторами, такими как голосовые отпечатки: неосторожное против умышленного или безрассудного | $1 000 против $5 000 | Illinois BIPA, 740 ILCS 14/20 |
| Дата вступления в силу Illinois BIPA и последняя поправка | 3 октября 2008 года; изменён Public Act 103-769, действует с 2 августа 2024 года | Генеральная ассамблея Иллинойса |
Примечание о контексте: руководящие указания Комиссии не имеют обязательной силы, а авторитетное толкование принадлежит Суду ЕС. Собственный годовой отчёт NICE предупреждает, что Регламент об ИИ «применяется поэтапно до августа 2026 года» и что штрафы за несоблюдение «значительны» (NICE Form 20-F за 2025 финансовый год).
Итоги: точность определения тональности в речевой аналитике колл-центров в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Компании, уже использующие аналитику взаимодействий, против планирующих внедрить её в 2025 году | 49,8% против 29,9% (из 1 104) | Metrigy, AI for Business Success 2025-26 |
| Контактные центры, всё ещё использующие электронные таблицы для контроля качества | 55% (было 65%) | Scorebuddy и Call Centre Helper, декабрь 2025 года |
| Общая выручка NICE за 2025 год | $2 945,4 миллиона | NICE Form 20-F, 2025 финансовый год |
| WER коммерческого ASR на 50 реальных разговорах колл-центров | от 16,5% до 19,2% | Szymanski и др., Findings of EMNLP 2020 |
| Те же системы на телефонном бенчмарке Switchboard | от 10,2% до 11,62% | Szymanski и др., Findings of EMNLP 2020 |
| WER Whisper large-v2: читаемая речь аудиокниг против телефонных звонков CallHome | 2,7% против 17,6% | OpenAI, статья о Whisper, 2022 |
| WER на аудио колл-центра с африканскими акцентами: лучшая модель против Whisper-large-v3 | 13,45% против 24,69% | AfriSpeech-MultiBench, arXiv 2025 |
| Согласие людей по тональности высказываний колл-центра (каппа Коэна) | 0,605 | Исследователи ConnexAI, IntechOpen 2026 |
| Макро-F1 тональности по LLM на расшифровках ASR: отдельное высказывание против контекста из шести реплик | 0,74 против 0,86 | Исследователи ConnexAI, IntechOpen 2026 |
| Взвешенная точность тональности телефонных звонков: чисто акустическая против акустики с текстом против человека | 54,23% против 65,65% против 85,76% | Chen и др. (Google), LREC 2020 |
| Согласие аннотаторов по валентности против активации клиента в реальных звонках (ICC) | 0,62 против 0,52 | Исследование CusEmo, arXiv 2023 |
| Рост производительности от ИИ-помощника в разговоре, все агенты против начинающих | 14% против 34% | NBER Working Paper 31161 |
| Изменение тональности клиентов (шкала от -1 до 1) и просьб соединить с руководителем при поддержке ИИ | +0,18 пункта; почти на 25% меньше просьб | NBER Working Paper 31161 |
| Запрет ЕС на вывод эмоций на рабочем месте действует с | 2 февраля 2025 года | Регламент ЕС об ИИ, статья 113 |
| Колл-центр, использующий распознавание голоса для отслеживания эмоций работников против эмоций клиентов | Запрещено против вне запрета для рабочего места | Руководящие указания Европейской комиссии, февраль 2025 года |
| Максимальный штраф ЕС за запрещённые практики ИИ | EUR 35 000 000 или 7% мирового оборота | Регламент ЕС об ИИ, статья 99(3) |
| Убытки в Иллинойсе за биометрическое нарушение, неосторожное против умышленного | $1 000 против $5 000 | Illinois BIPA, 740 ILCS 14 |
Методология и источники
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1 104 компании) и анализ Metrigy по тому же исследованию от 14 мая 2025 года: внедрение, планируемое внедрение, основные сценарии использования, отношение к дашбордам.
- Scorebuddy и Call Centre Helper, What Contact Centers Are Doing Right Now, 11 декабря 2025 года: опрос об инструментах QA, спонсирован поставщиком; размер выборки в релизе не раскрыт.
- NICE Ltd, Form 20-F за финансовый год, закончившийся 31 декабря 2025 года (SEC EDGAR): выручка, рост облачного направления, клиентская база, возмещение за Cognigy, фактор риска Регламента об ИИ.
- Verint Systems, Form 10-K за финансовый год, закончившийся 31 января 2025 года (SEC EDGAR): клиентская база, страны, доля подписки, выручка по регионам.
- Szymanski и др., WER we are and WER we think we are, Findings of EMNLP 2020: коммерческий ASR на 50 реальных разговорах колл-центров.
- Radford и др. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: WER Whisper на LibriSpeech, CallHome и Switchboard.
- Ashungafac и др. (Intron Health), AfriSpeech-MultiBench, arXiv, ноябрь 2025 года: WER в области колл-центров для 18 систем ASR.
- Jordan, Fonseka, Stacey и Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 20 июня 2026 года: согласие людей, точность определения тональности LLM и классификаторами, устойчивость к ASR. Авторы работают на поставщика ИИ для контактных центров.
- Chen и др. (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): метки тональности Switchboard, точность людей, акустические и текстовые базовые уровни.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: корпус эмоций реального колл-центра и результаты моделей.
- Brynjolfsson, Li и Raymond, Generative AI at Work, NBER Working Paper 31161: результаты по производительности, тональности, эскалации и текучести.
- Регламент (ЕС) 2024/1689 (Регламент ЕС об ИИ), EUR-Lex: статья 3(39), статья 5(1)(f), статья 99(3), статья 113, Приложение III, пункт 44 преамбулы.
- Европейская комиссия, Руководящие указания о запрещённых практиках ИИ, 4 февраля 2025 года и обзор CMS примеров с колл-центрами, 10 февраля 2025 года.
- Генеральная ассамблея Иллинойса, Закон о конфиденциальности биометрической информации, 740 ILCS 14: определение голосового отпечатка и фиксированные законом убытки.
- Наблюдение по данным: коммерческое исследование WER в колл-центрах (2020), статья о Whisper (2022), базовые уровни тональности Switchboard (2020) и исследование CusEmo (2023) - самые свежие доступные публичные данные для соответствующих измерений; более нового публичного теста коммерческих движков на реальных записях звонков мы не нашли, а наборы данных колл-центров, использованные в этих работах, закрыты. Глава IntechOpen в ряде мест внутренне противоречива (в аннотации указаны 3 000 наблюдений тональности, тогда как в основном тексте используются 8 750, а F1 ASR в аннотации приведён как «около 0,76» при макро-F1 0,74 и точности 0,76 в основном тексте); мы использовали таблицы из основного текста. В тексте статьи CusEmo для одной конфигурации указаны 0,657 и 0,434, а в её таблице - 0,667 и 0,499. В наборе колл-центра AfriSpeech-MultiBench всего 16 образцов (0,80 часа), а в статье сказано, что оценивались и 18, и 19 систем. Результаты NBER получены на текстовом чате в одной компании, а не на голосовых звонках. Metrigy описывает один и тот же результат по внедрению то как 49,8%, то как «лишь половина». Широко повторяемые утверждения о том, что ручной QA охватывает от 1% до 3% звонков, не удалось проследить до независимого опроса, и они были исключены. График Регламента ЕС об ИИ приведён в редакции Официального журнала; проверьте более поздние поправки, прежде чем полагаться на дату 2 августа 2026 года для обязательств по высокорисковым системам.
Последнее обновление: 27 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда Metrigy опубликует следующее исследование AI for Business Success, а NICE подаст следующую годовую форму 20-F.