ज़्यादातर ऑटोमेटेड फ़ोन कॉल का अनुभव बेकार होता है। नई टेक्नोलॉजी इसे बदल रही है।
पुरानी समस्या यह नहीं थी कि फ़ोन ऑटोमेशन की आवाज़ अच्छी नहीं लगती थी। उसमें असली बातचीत को आगे बढ़ाते रहने जितनी समझ नहीं थी।
फ़ोन कॉल को ऑटोमेट करना आसान होता जाता है।
हर नई पीढ़ी के साथ मशीन बातचीत का ज़्यादा संदर्भ संभालने लगती है।
कॉलर को मशीन की भाषा में बोलना पड़ता था।
02शुरुआती AIसिस्टम सीमित दायरे में ही समझ पाते थे—उसके बाहर जाते ही नाकाम हो जाते थे।
033-स्टेप पाइपलाइनटेक स्टैक ज़्यादा लचीला हुआ, लेकिन हर चरण पिछले चरण के भरोसे रहा।
04ThunderPhoneसिस्टम एक ही लूप में सुन सकता है, रीजनिंग कर सकता है और गलती से उबर सकता है।
कॉलर को मशीन की भाषा में बोलना पड़ता था।
ऑटोमेशन का मतलब था मेन्यू, कीपैड ब्रांच और क्यू। यह तभी काम करता था, जब कॉलर को सही रास्ता पहले से पता हो।
इंटेंट को बटन दबाने भर में समेट दिया जाता है, इसलिए मेन्यू में न आने वाली हर बात का नतीजा कॉल ट्रांसफ़र या बात दोहराने में निकलता है।
नतीजा · कॉलर अंदाज़े से विकल्प चुनता है, इंतज़ार करता है और फिर वही बात दोबारा समझाता है।
सिस्टम सीमित दायरे में ही समझ पाते थे—उसके बाहर जाते ही नाकाम हो जाते थे।
टीमों ने खास कॉल फ़्लो के लिए अकूस्टिक मॉडल, इंटेंट क्लासिफ़ायर और स्लॉट एक्सट्रैक्टर ट्रेन किए। ये कारगर थे, लेकिन इनमें बदलाव करना महँगा पड़ता था।
सिस्टम सिर्फ़ एक ट्रेन किए गए इंटेंट को पहचान पाता है, फिर दूसरी रिक्वेस्ट छोड़ देता है या तयशुदा फॉलो-अप सवाल पूछता है।
नतीजा · जीवनसाथी से जुड़ी जानकारी छूट जाती है, क्योंकि वह ट्रेन किए गए फ़्लो का हिस्सा नहीं है।
टेक स्टैक ज़्यादा लचीला हुआ, लेकिन हर चरण पिछले चरण के भरोसे रहा।
आज के आम सेटअप में स्पीच-टू-टेक्स्ट, LLM और टेक्स्ट-टू-स्पीच को एक ही कॉल लूप में जोड़ दिया जाता है।
ट्रांसक्रिप्ट गलत हो या कॉलर बीच में बोल दे, तो LLM बात को गलत समझकर पूरे भरोसे से जवाब देता है।
नतीजा · सुनने की एक गलती, बोलकर दिए गए गलत जवाब में बदल जाती है।
सिस्टम एक ही लूप में सुन सकता है, रीजनिंग कर सकता है और गलती से उबर सकता है।
ThunderPhone ऑडियो की समझ, मॉडल रूटिंग, टर्न-टेकिंग और जवाब तैयार करने की प्रक्रिया को एक ही आर्किटेक्चर में संचालित करता है।
मल्टी-पाथ लिसनिंग और ऑडियो-अवेयर रीजनिंग किसी एक चरण की चूक को कॉलर तक पहुँचने से पहले ही रोक देती हैं।
नतीजा · कॉलर को सिस्टम से जूझना नहीं पड़ता और बातचीत आगे बढ़ती रहती है।
असली ब्रेकथ्रू बेहतर सुनाई देने वाली रोबोटिक आवाज़ नहीं, बल्कि ऐसा आर्किटेक्चर है जो कॉल को सही राह पर रखता है।
बेहतर सुनने की क्षमता
सिस्टम किसी एक ट्रांसक्रिप्ट पर भरोसा करने के बजाय कई सिग्नल की तुलना कर सकता है और ऑडियो के आधार पर रीजनिंग कर सकता है।
बेहतर टाइमिंग
बोलने की बारी तय करना और बीच में टोके जाने को संभालना, दोनों कन्वर्सेशन लूप का हिस्सा हैं।
बेहतर रूटिंग
बातचीत के हर टर्न की ज़रूरत के मुताबिक फ़ास्ट पाथ या गहरी रीजनिंग चुनी जा सकती है।
बेहतर अनुभव
कॉलर ऑटोमेशन की गलतियाँ सुधारने में कम और अपना काम पूरा करने में ज़्यादा समय लगाते हैं।