Většina automatických telefonátů stojí za nic. Nová technologie to mění.
Problém dosavadní automatizace hovorů nebyl v tom, že by její hlas nezněl příjemně. Nerozuměla však dost dobře na to, aby dokázala vést skutečný rozhovor dál.
Telefonní hovory je stále snazší automatizovat.
S každou další generací přebírá systém více kontextu.
Volající se musel přizpůsobit stroji.
02Počátky AISystémy zvládaly jen úzce vymezené scénáře. Mimo ně selhávaly.
03Tříkrokové pipelineStack získal flexibilitu, ale každý krok slepě spoléhal na výstup toho předchozího.
04ThunderPhoneSystém dokáže slyšet, uvažovat i napravit chybu v jediné smyčce.
Volající se musel přizpůsobit stroji.
Automatizace znamenala hlasové nabídky, volby na klávesnici a čekací fronty. Fungovala, pokud volající předem znal správnou cestu.
Záměr volajícího se smrskne na stisknutí tlačítka. Cokoli mimo nabídku tak končí přepojením nebo opakováním.
Výsledek · Volající zkouší, kterou možnost vybrat, čeká a pak znovu vysvětluje totéž.
Systémy zvládaly jen úzce vymezené scénáře. Mimo ně selhávaly.
Týmy trénovaly akustické modely, klasifikátory záměrů a modely pro získávání údajů pro konkrétní scénáře hovorů. Bylo to užitečné, ale každá změna byla nákladná.
Systém rozpozná jeden natrénovaný záměr, ale druhý požadavek pak opomene nebo položí pevně danou doplňující otázku.
Výsledek · Informace o manželovi se ztratí, protože s ní natrénovaný scénář nepočítá.
Stack získal flexibilitu, ale každý krok slepě spoléhal na výstup toho předchozího.
Běžná moderní architektura propojuje převod řeči na text, LLM a převod textu na řeč do jediné smyčky hovoru.
Když je přepis chybný nebo volající skočí do řeči, LLM sebejistě odpoví na něco jiného.
Výsledek · Jediná chyba v rozpoznání se promění v chybnou hlasovou odpověď.
Systém dokáže slyšet, uvažovat i napravit chybu v jediné smyčce.
ThunderPhone spojuje porozumění audiu, směrování mezi modely, střídání replik a generování odpovědí do jediné architektury.
Více cest rozpoznávání a vyhodnocování se zohledněním audia omezuje chyby v jednotlivých krocích dřív, než se projeví volajícímu.
Výsledek · Hovor pokračuje, aniž by volající musel zápasit se systémem.
Průlom není v hezčím robotickém hlasu. Je v architektuře, která udrží hovor na správné cestě.
Přesnější porozumění
Systém dokáže porovnávat různé signály a vyhodnocovat přímo zvuk, místo aby se spoléhal na jediný přepis.
Přirozenější načasování
Střídání mluvčích i reakce na přerušení jsou přímo součástí konverzační smyčky.
Chytřejší směrování
Systém může pro každou část konverzace zvolit rychlé zpracování, nebo hlubší uvažování podle aktuální potřeby.
Lepší zkušenost
Volající tráví méně času opravováním automatizace a více času vyřízením toho, kvůli čemu volají.