Разработка сервиса голосовых ИИ-интервью, созданного методом «вайбкодинга» (быстрого написания кода через ИИ-ассистентов), выявила фундаментальный разрыв между внешним видом готового продукта и его технической готовностью. Несмотря на то что ИИ-аватар мог вести осмысленные диалоги, система страдала от огромных задержек, нестабильной транскрибации и отсутствия метрик для контроля качества синтеза и распознавания речи.
От исправления багов к проектированию архитектуры
В отличие от классического процесса, где архитектура и требования определяются до написания кода, в данном случае разработка шла «сбоку». Команда не могла заранее рассчитать суммарную задержку ответа бота, поэтому работа строилась итеративно: поиск конкретного ограничения, создание условий для его воспроизведения, добавление тестов и только затем — архитектурное решение. Значительная часть работы свелась к удалению лишнего кода и исследованию технологий, подходящих для работы на русском и английском языках с учетом доступности из России.
Проблема детектирования речи
Одной из ключевых технических сложностей стала настройка Voice Activity Detection (VAD). Оказалось, что стандартный VAD лишь определяет наличие звука, но не понимает, закончил ли человек фразу или просто сделал паузу. Попытки «подкрутить» параметры приводили к конфликтам: высокая чувствительность заставляла бота реагировать на шум и эхо, а низкая — заставляла его игнорировать начало речи пользователя. В итоге вместо простой настройки параметров пришлось внедрять многоступенчатый VAD и создавать специализированные бенчмарки с записями реальных диалогов, пауз и перебиваний.
Ловушка быстрого прототипа
Использование ИИ позволяет создавать прототипы, которые за несколько дней начинают решать основные бизнес-задачи и выглядят как полноценные продукты. Это создает противоречие: бизнес видит работающий сервис и требует масштабирования, в то время как разработчики сталкиваются с набором неизвестных деталей и невозможностью оценить объем работ. Такой подход позволяет быстро проверить гипотезу, но переносит всю сложность проектирования на этап, когда продукт уже продан клиентам, и отступать становится поздно.