Настоящая причина, по которой вы бросаете финансовые приложения, — не нехватка функций. Это набор текста

Коротко

Люди бросают финансовые приложения не потому, что аналитика недостаточно умная, — а потому, что внести транзакцию требует слишком много касаний, в сценарии, построенном вокруг английского языка и набора текста. Мы сделали два способа обойти это: сказать вслух — «кофе, шесть пятьдесят, наличные» — на английском, русском, немецком, испанском или французском, или просто сфотографировать чек. В любом случае ExtMoney готовит черновик транзакции, а вы его подтверждаете; ничего не записывается в ваш учёт само по себе.

Набор текста — это налог, который никто не закладывает в бюджет

Любой способ учёта денег — конверты, бюджет с нуля, простая категоризация, растущая цифра капитала — рано или поздно требует одного и того же сырья: точной, своевременной записи о том, что произошло. Проблема обычно не в методе. Проблема — в налоге, который вы платите, чтобы его кормить: открыть приложение, найти нужный счёт, напечатать сумму, выбрать категорию, может быть, добавить заметку, подтвердить дату.

Пропустить этот налог на неделю — не значит потерять неделю данных. Это значит столкнуться с накопившимся списком, который ощущается как обвинение, а именно в этот момент большинство людей тихо перестают открывать приложение вообще. Голосовой и фото-ввод — наш ответ именно на этот момент, а не забавная фича ради фичи, а прямая атака на настоящую причину сбоя.

Почему пять языков, и почему это сложнее, чем кажется

Мы поддерживаем английский, русский, немецкий, испанский и французский как полноценные языки для голоса, а не как английский продукт с переведёнными кнопками. Это различие проявляется там, где его легко не заметить, пока оно не сломается.

На раннем этапе тестирования наш фильтр, отсеивающий фоновый шум и речь, не относящуюся к транзакциям, — отличающий «добавь пятнадцать долларов за кофе» от «напомни позвонить маме», — был настроен на английские формулировки и тихо отклонял абсолютно понятные запросы на русском и французском как шум. Мультиязычность — это не слой перевода поверх английского ядра; каждый кусочек логики, касающийся сырых слов, которые произносит человек, нужно строить и тестировать на всех пяти языках с самого начала, иначе он молча ломается именно в тех языках, ради которых якобы и был сделан.

Или просто сфотографируйте

Не каждую покупку удобно проговаривать вслух — стопка чеков после поездки, бумажный счёт от арендодателя, который не признаёт цифру, покупка в месте, слишком шумном или публичном, чтобы говорить с телефоном. Для этого — наведите камеру на чек. Сумма, дата и продавец распознаются автоматически и попадают в тот же поток «черновик → подтверждение», что и голосовая запись.

Эти два способа — не две разные фичи, а по сути две точки входа в один и тот же конвейер: что-то превращает шумный реальный ввод — звук или фотографию — в структурированный черновик, и ничего не записывается в ваш учёт, пока вы на это не посмотрели.

Часть, которую должен делать человек, а не модель

Мы направляем аудио через AssemblyAI как основного провайдера распознавания речи — выбранного за высокую точность по всем пяти языкам и опцию обработки с размещением в ЕС, с несколькими более дешёвыми или быстрыми альтернативами на подхвате, если основной провайдер медленный или недоступен. Это решение про доступность, а не про точность — медленный или недоступный основной провайдер никогда не означает «сегодня без голосового ввода», это значит плавный переход на другой вариант.

Но каким бы хорошим ни было распознавание речи или изображения, мы не даём модели самой решать за вашу транзакцию и молча её сохранять — для голоса и для фото чека правило одно и то же. Каждая распознанная транзакция проходит детерминированные, кодовые проверки, прежде чем попасть в ваш учёт: «вчера» превращается в конкретную дату кодом, а не тем, как модель решила это интерпретировать в этот раз; суммы проверяются как реальные числа в разумном диапазоне; продавец, счёт или категория должны совпасть с чем-то, что уже есть в ваших данных, иначе приложение попросит вас подтвердить, а не молча придумает новую сущность. Задача модели — превратить речь или фото в черновик. Решение, достаточно ли этому черновику доверять, чтобы сохранить его без вопросов, — задача, которую мы намеренно оставили не за моделью.

Быстро, когда уверены, аккуратно, когда нет

Если то, что вы сказали или сфотографировали, было чётким и однозначным — сумма, категория и счёт совпали без вопросов — запись сохраняется сразу. Если что-то было неоднозначным — неясная сумма, выцветший чек, категория, не вполне совпадающая с вашими существующими тегами — приложение покажет её для быстрого подтверждения вместо того, чтобы гадать. Это осознанный обмен небольшой скорости на значительно меньший риск того, что неверное число тихо осядет в вашей финансовой истории, — а это важнее в финансовом приложении, чем почти в любой другой категории, где используется такой ввод.

Практические рекомендации (для оценки голосового или фото-ввода в любом финансовом приложении)

• Спросите, что происходит, когда приложение не уверено. Оно молча гадает или спрашивает? Этот ответ говорит о надёжности функции больше, чем любой процент точности в маркетинговых материалах.
• Проверьте голос на том языке, на котором реально будете им пользоваться, а не только на английском, даже если приложение заявляет мультиязычность. Переведённый интерфейс и по-настоящему мультиязычная логика — не одно и то же.
• Проверьте сканер чеков на чём-то неидеальном — на мятом чеке, выцветшей термобумаге, чеке в валюте, отличной от вашей по умолчанию. Именно там видна настоящая разница между демо и повседневным использованием.
• Спросите, что происходит с аудио или фото после обработки. Голосовые записи и чеки чувствительны по своей природе; хранятся ли они и где — справедливый вопрос к любому приложению, которое слушает или смотрит на ваши покупки.

Где мы бы поспорили сами с собой

• Оба канала будут ошибаться с некоторой ненулевой частотой. Фоновый шум, акценты и переключение между языками — для голоса; плохое освещение, выцветшие чернила и непривычные форматы — для чеков. Реальные сценарии сбоя, вокруг которых мы проектируем, а не делаем вид, что их нет, — именно поэтому и существует шаг подтверждения.
• Шаг подтверждения — реальный компромисс, а не бесплатный бонус. Он значит, что ни один из каналов не полностью «без рук»; некоторые записи всё равно требуют касания. Мы считаем это правильным обменом ради точности финансов, но это именно обмен.
• Работа с несколькими провайдерами распознавания речи — это больше движущихся частей, чем с одним. Это даёт доступность и гибкость по стоимости, но это реально больше того, что нужно строить, тестировать и поддерживать в рабочем состоянии, чем интеграция с одним провайдером.
• Мы только запускаемся, так что реальная точность на пяти языках, акцентах, форматах чеков и камерах телефонов в настоящем масштабе ещё впереди, а не позади.

---

Если «сказать один раз на своём языке или просто сфотографировать чек — и получать вопрос только тогда, когда это действительно важно» звучит как финансовое приложение, которого вам не хватало, начните бесплатно на ExtMoney — мы сделали это и вслух, и в фокусе тоже.