Распознавание эмоций: что умеют системы и где их пределы

Поставщики аналитики звонков и видеонаблюдения всё чаще добавляют функцию «распознавание эмоций». Звучит заманчиво: система сама найдёт недовольных клиентов и раздражённых операторов. Но важно понимать, что именно измеряется, иначе компания будет принимать решения на ненадёжных данных.

Что на самом деле измеряют

Система не читает чувства. Она оценивает внешние признаки, которые статистически связаны с определёнными состояниями:

• В голосе: громкость, темп, высота тона, паузы, перебивания
• В тексте: слова и обороты, характерные для жалобы, благодарности, раздражения
• На лице: положение бровей, уголков рта, движение глаз

Результат — вероятность категории вроде «негатив», «нейтрально», «позитив», а не знание о том, что человек чувствует.

Анализ тональности текста

Самое надёжное и полезное применение. Отзывы, обращения в поддержку, комментарии и сообщения в мессенджерах автоматически сортируются по тональности и темам. Руководитель видит, какие темы вызывают больше всего недовольства, а срочные негативные обращения поднимаются в очереди.

Анализ голоса в звонках

Голосовые признаки зависят от человека: у кого-то громкая манера речи от природы, кто-то говорит быстро, когда волнуется, а не когда злится. Плохая связь и шум добавляют свои искажения. Поэтому сравнивать оценки разных людей между собой некорректно.

Эта функция помогает находить разговоры, которые стоит прослушать: повышенный тон, долгие паузы, перебивания. Это хороший фильтр для контроля качества, когда прослушать все звонки невозможно. Но вывод «оператор был груб» должен делать человек после прослушивания.

Распознавание по лицу

Наиболее спорная область. Выражение лица сильно зависит от культуры, индивидуальной мимики и ситуации. Научное сообщество давно спорит о том, насколько надёжно внешнее выражение говорит о внутреннем состоянии. Кроме того, это обработка изображения лица, то есть персональных данных, а в ряде юрисдикций такие системы ограничены законом.

Где использовать можно

• Сортировка и приоритизация обращений по тональности
• Поиск разговоров для выборочного прослушивания
• Отслеживание общей динамики настроения клиентов по месяцам
• Анализ реакции на изменения: новый тариф, новое правило доставки

Где нельзя опираться

• Оценка отдельных сотрудников и премии по «эмоциональному баллу»
• Решения о найме по видеоинтервью
• Скрытый анализ лиц посетителей
• Любые выводы о конкретном человеке без проверки

Особенности языков

Большинство моделей обучены на английском и русском. Узбекский текст, особенно разговорный и с латиницей и кириллицей вперемешку, они понимают хуже. Сарказм и вежливое недовольство ошибочно распознаются почти на всех языках.

Как проверить систему

Возьмите выборку своих обращений, попросите двух сотрудников независимо разметить тональность и сравните с результатом системы. Если люди сами часто расходятся, ожидать точности от алгоритма не стоит. Если система совпадает с людьми на большинстве ясных случаев — её можно использовать как фильтр.

Полезно отдельно посмотреть на ошибки: какие фразы система посчитала негативом, хотя это нейтральный вопрос, и наоборот. Часто выясняется, что модель реагирует на отдельные слова вроде «проблема» или «не работает», даже когда клиент спокойно уточняет детали. Такие наблюдения помогают настроить пороги или дообучить модель на своих примерах. Проверку стоит повторять раз в несколько месяцев: меняются продукты, темы обращений и манера общения клиентов.

Вывод

Распознавание эмоций полезно как способ быстро найти, на что посмотреть человеку. Как самостоятельный судья — нет.