Когда вы звоните в поддержку и слышите синтетический голос, главный вопрос один: решит ли робот проблему с оборудованием или просто продержит вас на линии перед переводом на оператора. На горячей линии спутникового провайдера Starlink один голосовой агент на новой модели Grok Voice 3.0 принимает около 20 000 звонков в будний день (и около 10 000 в выходной) и закрывает примерно 70% обращений без человека. Помощник сам сверяет аккаунт, проводит диагностику антенны и оформляет замену, но три звонка из десяти всё равно уходят живому сотруднику, а компании, подключающие эту модель по стандартным настройкам, платят поминутный тариф даже за тишину в трубке.
14 октября 2026 года xAI выпустила Grok Voice 3.0 — голосовую модель класса speech-to-speech (она слушает речь и сразу отвечает голосом без медленной промежуточной расшифровки) — и опубликовала разбор линии Starlink. В программном интерфейсе (API — прямом подключении модели к телефонной станции или сайту) обновление вышло в тот же день по прежней цене $0.08 за минуту ($4.80 в час). Общий адрес grok-voice-latest переключился на версию 3.0 автоматически, а grok-voice-2.0 помечена как устаревшая (deprecated).
Что один голосовой агент делает в трубке вместо оператора
Линия 1-888-GO-STARLINK (на странице кейса рядом указан номер +18884678275) обслуживает сложную аудиторию: многие абоненты старше по возрасту, живут в сельской местности и предпочитают обычный телефон мобильному приложению. Агенту приходится разбирать глухой телефонный звук, акценты, перебивания и реальные поломки оборудования среди сотен тарифов и ревизий железа.
Вместо отдельных ботов для оплаты и ремонта всю линию на нескольких языках ведёт один агент. При поломке он подтверждает личность клиента, проверяет счета и доставку, ведёт по шагам диагностики, сверяет адрес, отправляет новое оборудование на замену и, согласно октябрьскому анонсу, начисляет компенсационные кредиты. Если же звонит новый покупатель, тот же агент помогает выбрать между домашним тарифом Residential и дорожным Roam, находит адрес и оформляет заказ прямо во время разговора.
Почему 70% закрытых звонков и четверть успешных продаж — это разные метрики
Даже в материалах самого разработчика нагрузка описана с разным округлением: на странице кейса указано около 20 000 звонков в будни, около 10 000 в выходные и рост в дни акций, а в анонсе от 14 октября это сглажено до «20 000 звонков каждый день». При этом старые цифры из сторонних пересказов про 15 000 звонков в сутки и 3 000 заказов в неделю в октябрьских источниках xAI отсутствуют — объём продаж там назван просто «несколькими тысячами заказов в неделю».
- Около 70% звонков без человека (voice containment) — доля всех обращений, завершившихся без перевода на оператора. Это не сокращение 70% штата: около 30% разговоров всё равно забирают люди.
- Около 24,5% звонков с покупкой — конверсия отдельно на англоязычной линии продаж (в среднем по рынкам около 25%, или «каждый четвёртый продажный звонок» в анонсе). Здесь считаются только звонки за покупкой, поэтому складывать 70% и 24,5% нельзя.
Обе цифры опубликованы самой xAI и подтверждены лишь словами директора по клиентскому опыту Starlink Джеффа Ханиуэлла. Независимого аудита, записей звонков или методики учёта оборвавшихся и повторных вызовов компании не раскрывали.
Практические разборы того, как устроены голосовые и рабочие ИИ-агенты в реальных процессах, выходят в телеграм-канале «Ковчег».
На чём споткнётся бизнес при подключении модели по $0.08 в минуту
В документации Speech to Speech компания продаёт не готовый колл-центр, а потоковое соединение WebSocket по адресу wss://api.x.ai/v1/realtime?model=grok-voice-3.0. Модель принимает телефонные кодеки audio/pcmu, audio/pcma и звук PCM от 8000 Гц, а также подключает вызов функций (function), веб-поиск (web_search), поиск по документам (file_search) и внешние серверы MCP. Но на страницах тарифов, карточки модели и лимитов видны три жёстких условия:
- Счётчик крутится даже в тишине. Помимо $0.08 за минуту аудио, каждое текстовое сообщение conversation.item.create (кроме ответов функций и аудиопакетов) стоит $0.004. В режиме по умолчанию (server_vad), когда сервер сам ждёт паузы в речи, оплачивается вся сессия до 120 минут вместе с молчанием, пока клиент ищет серийный номер. Платить только за звук речи позволяет лишь режим кнопки push-to-talk, неприменимый на обычной телефонной линии.
- Лимит в 10 одновременных линий на старте. На начальном уровне Tier 0 команде доступно всего 10 параллельных звонков (эта же цифра указана на сентябрьской карточке модели). Чтобы одиннадцатый клиент не услышал отбой, нужно пройти пороги расходов, действующие с 1 января 2026 года: 20 сессий на Tier 1 ($50), 50 на Tier 2 ($250), 100 на Tier 3 ($1 000) и 200 на Tier 4 ($5 000).
- Скорость против точности в тестах. В замерах Artificial Analysis от 13 октября 2026 года Grok Voice 3.0 набрала 86,9 балла в общем индексе и 97,0% в тесте на перебивания Full Duplex Bench, обойдя GPT-Live-1 (83,2) и Gemini 3.8 Live (82,6). Но в тесте τ-Voice модель xAI получила 71,6% против 74,5% у GPT-Live-1: разработчик делает ставку на задержку меньше секунды (на 40% ниже конкурента), не публикуя точных миллисекунд до первого звука.
В итоге один голосовой агент действительно способен снять с операторов семь из десяти типовых звонков по диагностике и заказам, если у компании хватает параллельных линий и настроен быстрый перевод сложных случаев на человека. А вам за последний год удавалось решить технический вопрос через голосового робота поддержки без переключения на живого специалиста?
