Generationer af stemme-AI
De fleste automatiserede telefonopkald er elendige. Ny teknologi ændrer det.
Det gamle problem var ikke, at telefonautomatisering manglede en behagelig stemme. Den manglede tilstrækkelig forståelse til at holde en rigtig samtale i gang.
Et telefonopkald bliver lettere at automatisere
Hver generation flytter mere kontekst ind i maskinen.
Telefonomstillingssystemer
IVR-æraen
Opkalderen skulle tale maskinsprog.
Automatisering betød menuer, tastaturvalg og køer. Det virkede, når opkalderen allerede kendte den rigtige vej.
Akavet øjeblik
Hensigten komprimeres til et tastetryk, så alt uden for menuen bliver til en viderestilling eller en gentagelse.
Eksempel på opkald
IVR-æraen
Opkalder
"Jeg skal flytte morgendagens aftale."
System
"Tryk 1 for fakturering. Tryk 2 for tidsbestilling. Tryk 9 for alle andre spørgsmål."
Resultat
Opkalderen gætter, venter og forklarer det samme igen.
Sådan tænker systemet
3 faserMenuprompt
rettetEt fast script oplister valgmuligheder.
DTMF-gren
skrøbeligÉn tast bliver hele hensigten.
Kø
går i stykkerDen reelle kontekst kommer først med et menneske.
Tilpassede modeller
Tidlig AI
Systemerne forstod smalle spor og faldt derefter fra hinanden.
Teams trænede akustiske modeller, hensigtsklassifikatorer og feltudtrækkere til specifikke opkaldsflows. Nyttigt, men dyrt at ændre.
Akavet øjeblik
Systemet kan opfange én trænet hensigt, men mister derefter den anden anmodning eller stiller et rigidt opfølgende spørgsmål.
Eksempel på opkald
Tidlig AI
Opkalder
"Kan du flytte morgendagens aftale og tilføje min ægtefælle?"
System
"Jeg kan hjælpe med at flytte aftalen. Hvilken dato ønsker du?"
Resultat
Oplysningen om ægtefællen går tabt, fordi den ikke findes i det trænede flow.
Sådan tænker systemet
3 faserTilpasset ASR
rettetTilpasset til et domæne og en blanding af accenter.
Hensigtsmodel
skrøbeligKlassificerer den nærmeste kendte anmodning.
Udfyldning af felter
går i stykkerManglende felter udløser scriptet udbedring.
Stacks i stil med Vapi / Retell / ElevenLabs
Pipelines i 3 trin
Stacken blev fleksibel, men hvert trin stolede på det forrige.
Et almindeligt moderne mønster kobler tale-til-tekst, en LLM og tekst-til-tale sammen i ét opkaldsloop.
Akavet øjeblik
Når transskriptionen er forkert, eller opkalderen afbryder, svarer LLM'en selvsikkert på den forkerte henvendelse.
Eksempel på opkald
Pipelines i 3 trin
Opkalder
"Nej, jeg lejer stedet."
System
"Forstået, det er en ranch-ejendom. Er det korrekt?"
Resultat
En enkelt fejl i opfattelsen bliver til en mundtlig fejl.
Sådan tænker systemet
3 faserTale til tekst
går i stykkerÉn transskription bliver den eneste sandhedskilde.
LLM
skrøbeligGenererer ud fra tekst, ikke den originale lyd.
Tekst til tale
går i stykkerSiger svaret tilbage med selvtillid.
Integreret stemme-AI
ThunderPhone
Systemet kan lytte, ræsonnere og rette op i ét loop.
ThunderPhone koordinerer lydforståelse, modelrouting, turtagning og svarproduktion som én arkitektur.
Det, der ændrer sig
Flere lytteveje og lydbevidst ræsonnering reducerer fejl i enkelte trin, før de når opkalderen.
Eksempel på opkald
ThunderPhone
Opkalder
"Nej, jeg lejer stedet."
System
"Forstået. Du lejer din bolig, så jeg springer spørgsmål om ejerskab over."
Resultat
Opkaldet kommer videre, uden at opkalderen skal kæmpe med systemet.
Sådan tænker systemet
4 faserLydstream
bestårRå lyd er fortsat tilgængelig til ræsonnering.
Redundant lytning
bestårSignaler sammenlignes, før der handles.
Modelrouting
bestårHurtige og dybere veje samarbejder på skift.
Naturligt svar
bestårOpkalderen hører den korrigerede kontekst.
Hvad det betyder i praksis
Gennembruddet er ikke en pænere robotstemme. Det er en arkitektur, der holder opkaldet på sporet.
Bedre forståelse
Systemet kan sammenligne signaler og ræsonnere ud fra lyd i stedet for at stole på én transskription.
Bedre timing
Skift mellem talere og håndtering af afbrydelser er en del af samtaleforløbet.
Bedre routing
Hurtige forløb og dybere ræsonnement kan vælges ud fra behovet i hver replik.
Bedre oplevelse
Opkaldere bruger mindre tid på at rette automatiseringen og mere tid på at løse opgaven.