Когда вы в последний раз звонили в поддержку и слышали приятный, спокойный голос без малейшей запинки — велика вероятность, что говорили вы не с человеком. ElevenLabs строит голосовой слой для AI: технологию, превращающую текст в речь, которая звучит совсем не по-роботски. Через неё уже проходит первая линия поддержки для 35 миллионов клиентов Klarna в США, а среди корпоративных клиентов — Deutsche Telekom, Cisco, Adobe и растущий список государственных ведомств.
Цифры компании впечатляют сами по себе: выручка в темпе 600 миллионов долларов в год, притом что фирме всего четыре года. По данным Bloomberg, инвесторы оценивают её в 22 миллиарда. Больше половины бизнеса (55%+) приходится на крупный корпоративный сегмент, остальное — малый бизнес, разработчики и создатели контента, которые используют платформу для аудиокниг, дубляжа и музыки.
TechCrunch поговорил с сооснователем и CEO компании Мати Станишевски, и разговор получился откровеннее обычного корпоративного интервью. Станишевски признал главную проблему рынка: ElevenLabs всё чаще сталкивается лбом со своими же клиентами. Компания Decagon, например, обучила голосовой продукт на моделях ElevenLabs — а теперь конкурирует с ней напрямую. Границы между «компанией-моделью», «платформой» и «приложением», по его словам, стёрлись: похожая история происходит с Anthropic, которая из чистого разработчика моделей превратилась в широкую платформу с собственными приложениями.
Отдельно интересен подход к выбору «мозга» для голосовых агентов. Если звонок чисто информационный — узнать часы работы, задать вопрос по базе знаний — хватает открытых моделей. Но как только речь заходит о финансовых операциях, авторизации личности или возврате денег, компания переходит на модели уровня OpenAI или Anthropic: цена ошибки там слишком высока. Показателен пример из Польши: местная система здравоохранения теряла 18% пациентов, которые просто не приходили на приём. Решение — голосовые агенты, которые звонят и напоминают, работая на моделях, настроенных с учётом требований к хранению данных внутри страны.
Самый острый момент разговора — вопрос об этике. Должны ли компании предупреждать, что вы говорите с машиной? Станишевски уверен: да, и сейчас это необходимо, потому что люди пока не привыкли и чувствуют себя обманутыми, узнав правду постфактум. Но его прогноз звучит почти провокационно: через пять лет, когда у каждого будет свой персональный AI-агент, звонящий в интересах, disclosure перестанет быть нужным как норма — люди сами начнут ожидать разговора с агентом. Практика, которую он приводит в пример: если ожидание живого оператора — 30 минут, клиенту предлагают выбор, и почти все выбирают AI, а затем удивляются качеству разговора.
Про маржинальность бизнеса CEO говорить отказался, но обмолвился о стратегии: компания готова жертвовать прибылью ради доли рынка, перекладывая экономию от улучшения моделей на клиентов. А на вопрос об IPO ответил уклончиво — да, к 2028 году готовятся, но точных обещаний не дают.
Главный вывод из разговора: голосовые модели быстро превращаются в товар по умолчанию — качество звука перестаёт быть конкурентным преимуществом. Ценность смещается туда, где раньше её не искали: в способность модели понимать контекст разговора, эмоции собеседника и вовремя промолчать или ускориться. Компания, которая первой пройдёт тест Тьюринга для голосового диалога — не по звучанию, а по эмоциональному интеллекту — получит рынок, где сегодня заняты уже 35 миллионов телефонных линий, а завтра будут заняты все.
Во что углубиться:
- Klarna и автоматизация службы поддержки: как компания заменила тысячи операторов на AI и что из этого вышло
- Decagon и конкуренция клиентов с поставщиками моделей: почему в AI-индустрии стираются границы между заказчиком и конкурентом
- Голосовые дипфейки и защита от мошенничества: какие риски несёт массовое распространение синтетической речи