Щоосені приймальні комісії завалені зверненнями. Питання про статус заяви. Строки подання документів на фінансову допомогу. «Ви отримали мою виписку з оцінками?» Питання про зарахування навчальних дисциплін. Ті самі п'ятнадцять запитань, поставлені тисячі разів і зосереджені приблизно в десяти тижнях року.
Це саме той тип завдань, з яким голосовий AI добре справляється. Тому дивно, що ним користується так мало приймальних комісій.
Причина не в бюджеті. Причина в даних.
Щойно людина, яка телефонує, запитує: «Який статус моєї заяви?», ви вже не відповідаєте на загальне питання. Ви розкриваєте відомості з освітньої документації. У США такі дані підпадають під FERPA — Закон про права сім'ї на освіту та недоторканність приватного життя. Він діє багато в чому так само, як HIPAA щодо медичних даних: навчальний заклад відповідає за те, кому він розкриває відомості — верифікованій особі чи ні, через працівника або автоматизовану систему.
Більшість постачальників голосового AI, які пропонують рішення приймальним комісіям, про це навіть не згадують. Вони демонструють ідеальний сценарій: абітурієнт запитує про строки, бот відповідає, усі вражені. Але вони не торкаються складнішого випадку: людина запитує про статус конкретного студента, а перевірити її право на отримання цієї інформації неможливо.
Чому універсальні стеки тут підводять
Голосовий AI, зібраний нашвидкуруч — API мовної моделі, готовий TTS і відсутність повноцінного рівня ідентифікації, — однаково ставиться до всіх, хто телефонує. Він не розрізняє запитання «Які документи потрібні для заяви?» (публічна інформація, можна відповідати вільно) і «Справу моєї доньки вже розглянули?» (захищена інформація, спочатку потрібна перевірка). Достатньо один раз помилитися в такому розмежуванні — не в той момент і не з тією людиною, — і навчальний заклад матиме проблему з FERPA, а не успіх в обслуговуванні клієнтів.
Це той самий урок, про який ми писали стосовно HIPAA і голосового AI в охороні здоров'я: стеку, достатнього для демонстрації, рідко достатньо для роботи з регульованими даними. FERPA лише змінює тип документації, яку потрібно захищати.
Що ми зробили інакше для цього сегмента
Optima Voice розділяє дзвінки до приймальної комісії на два потоки. На всі питання, не пов'язані з конкретним студентом, — про строки, необхідні матеріали, години роботи та загальний порядок отримання фінансової допомоги — AI-агент відповідає безпосередньо, без перевірки й у будь-який час доби. Усе, що стосується індивідуальної документації — статусу, рішення або розміру допомоги, — спрямовується на етап верифікації або працівникові. Ми діємо так само, як із PHI у медичних впровадженнях: не розкривайте інформацію, якщо не можете підтвердити особу запитувача.
Це розділення — не функція, додана постфактум. Це та сама архітектура з пріоритетом комплаєнсу — повністю на AWS, з ізоляцією орендарів і доступом за принципом найменших привілеїв, — яку ми створили для клієнтів з охорони здоров'я та державного сектору, але застосували до іншого регулювання. Одна платформа, інший тип захищених даних.
Чому про цей сегмент ніхто не говорить
Охорона здоров'я та державний сектор отримують більше уваги в питаннях комплаєнсу, тому що штрафи там помітніші. Освітні установи не перебувають під таким самим пильним контролем, тому більшість постачальників AI ставляться до приймальних комісій як до звичайного завдання віртуального адміністратора малого бізнесу: призначити зустріч, відповісти на часті запитання й рухатися далі. Саме тому цю прогалину варто закрити правильно: навчальні заклади, які насамперед ставлять питання про FERPA, продовжать користуватися системою і через три роки.
Якщо ви оцінюєте голосовий AI для приймальної комісії, насамперед поставте постачальнику одне запитання: як система визначає, коли потрібно перевірити особу того, хто телефонує, перш ніж відповідати? Якщо відповідь — «ніяк», на цьому розмову можна завершити.
Oleksii Kocherev
CEO, Optima Voice
Голосові AI-агенти для бізнесу, освіти та держави
Оригінал статті опубліковано на Medium.