Automatizirani telefonski pozivi uglavnom su očajni. Nova tehnologija to mijenja.
Problem stare telefonske automatizacije nije bio u tome što glas nije zvučao ugodno. Nije razumjela dovoljno da bi pravi razgovor mogao teći dalje.
Telefonske pozive sve je lakše automatizirati.
Sa svakom generacijom sustav preuzima sve više konteksta.
Pozivatelj je morao govoriti jezikom stroja.
02Počeci AI-jaSustavi su razumjeli samo usko zadane scenarije — izvan njih nisu funkcionirali.
03Procesi u 3 korakaArhitektura je postala fleksibilnija, ali svaki se korak bez provjere oslanjao na prethodni.
04ThunderPhoneSustav može čuti, zaključivati i vratiti razgovor na pravi put u jednoj petlji.
Pozivatelj je morao govoriti jezikom stroja.
Automatizacija se svodila na izbornike, odabir tipkama i redove čekanja. Funkcionirala je kada je pozivatelj već znao koje opcije treba odabrati.
Namjera se svodi na pritisak tipke, pa sve izvan izbornika završava preusmjeravanjem ili ponavljanjem.
Rezultat · Pozivatelj pogađa koju opciju odabrati, čeka i zatim ponovno objašnjava isto.
Sustavi su razumjeli samo usko zadane scenarije — izvan njih nisu funkcionirali.
Timovi su za točno određene scenarije poziva trenirali akustičke modele, klasifikatore namjere i modele za izdvajanje parametara. Rješenje je bilo korisno, ali izmjene su bile skupe.
Sustav može prepoznati jednu namjeru za koju je uvježban, a zatim zanemariti drugi zahtjev ili postaviti unaprijed zadano potpitanje bez obzira na kontekst.
Rezultat · Podatak o supružniku gubi se jer nije dio scenarija za koji je sustav uvježban.
Arhitektura je postala fleksibilnija, ali svaki se korak bez provjere oslanjao na prethodni.
Uobičajen suvremeni pristup povezuje pretvorbu govora u tekst, LLM i pretvorbu teksta u govor u jednu petlju poziva.
Kad je prijepis pogrešan ili pozivatelj upadne u riječ, LLM samouvjereno odgovara na pogrešno shvaćen upit.
Rezultat · Jedna pogreška u prepoznavanju govora pretvara se u pogrešan odgovor izgovoren naglas.
Sustav može čuti, zaključivati i vratiti razgovor na pravi put u jednoj petlji.
ThunderPhone u jedinstvenu arhitekturu objedinjuje razumijevanje zvuka, usmjeravanje modela, upravljanje izmjenama u razgovoru i generiranje odgovora.
Više kanala prepoznavanja govora i zaključivanje na temelju zvuka smanjuju vjerojatnost da pogreške nastale u pojedinačnim koracima dođu do pozivatelja.
Rezultat · Razgovor teče dalje, bez potrebe da se pozivatelj bori sa sustavom.
Pravi iskorak nije u ugodnijem robotskom glasu, nego u arhitekturi koja razgovor drži na pravom putu.
Bolje razumijevanje govora
Sustav može uspoređivati signale i zaključivati na temelju audiosignala, umjesto da se oslanja na jedan transkript.
Bolji ritam razgovora
Izmjena govornika i reakcije na prekidanje dio su razgovornog ciklusa.
Bolje usmjeravanje
Za svaku repliku sustav može odabrati brži put ili dublje zaključivanje, ovisno o tome što je potrebno.
Bolje iskustvo
Pozivatelji manje vremena troše na ispravljanje automatiziranog sustava, a više na dovršavanje zadatka.