Generacije glasovnog AI-ja
Većina automatiziranih telefonskih poziva je grozna. Nova tehnologija to mijenja.
Stari problem nije bio u tome što je telefonskoj automatizaciji nedostajao ugodan glas. Nedostajalo joj je dovoljno razumijevanja za vođenje stvarnog razgovora.
Telefonski poziv postaje lakše automatizirati
Svaka generacija prenosi više konteksta u stroj.
Telefonski izbornici
Doba IVR-a
Pozivatelj je morao govoriti jezikom stroja.
Automatizacija je značila izbornike, grane tipkovnice i redove čekanja. Funkcionirala je kada je pozivatelj već znao pravi put.
Nespretan trenutak
Namjera se svodi na pritisak tipke, pa sve izvan izbornika postaje preusmjeravanje ili ponavljanje.
Primjer poziva
Doba IVR-a
Pozivatelj
"Trebam pomaknuti sutrašnji termin."
Sustav
"Za naplatu pritisnite 1. Za zakazivanje pritisnite 2. Za sva ostala pitanja pritisnite 9."
Rezultat
Pozivatelj nagađa, čeka i ponovno objašnjava istu stvar.
Kako sustav razmišlja
3 fazaUputa izbornika
ispravljenoFiksna skripta navodi opcije.
DTMF grana
nestabilnoJedna tipka postaje cijela namjera.
Red čekanja
prekidiStvarni kontekst dolazi s čovjekom.
Prilagođeni modeli
Rani AI
Sustavi su razumjeli uske obrasce, a zatim bi se raspali.
Timovi su obučavali akustične modele, klasifikatore namjere i ekstraktore slotova za specifične tijekove poziva. Korisno, ali skupo za promjenu.
Nespretan trenutak
Sustav može prepoznati jednu obučenu namjeru, a zatim zanemariti drugi zahtjev ili postaviti kruto dodatno pitanje.
Primjer poziva
Rani AI
Pozivatelj
"Možete li pomaknuti sutrašnji termin i dodati mog supružnika?"
Sustav
"Mogu vam pomoći promijeniti termin. Koji datum želite?"
Rezultat
Podatak o supružniku se gubi jer nije u obučenom tijeku.
Kako sustav razmišlja
3 fazaPrilagođeni ASR
ispravljenoPrilagođen domeni i kombinaciji naglasaka.
Model namjere
nestabilnoKlasificira najsličniji poznati zahtjev.
Popunjavanje slotova
prekidiNedostajuća polja pokreću skriptiranu dopunu.
Sustavi poput Vapi / Retell / ElevenLabs
Tijekovi u 3 koraka
Sustav je postao fleksibilniji, ali svaki je korak vjerovao prethodnom.
Uobičajeni moderni pristup povezuje govor u tekst, LLM i tekst u govor u jednu petlju poziva.
Nespretan trenutak
Kada je transkript pogrešan ili pozivatelj prekine, LLM samouvjereno odgovara na pogrešan upit.
Primjer poziva
Tijekovi u 3 koraka
Pozivatelj
"Ne, unajmljujem stan."
Sustav
"Razumijem, riječ je o seoskom imanju. Je li to točno?"
Rezultat
Jedna pogreška u prepoznavanju pretvara se u izgovorenu pogrešku.
Kako sustav razmišlja
3 fazaGovor u tekst
prekidiJedan transkript postaje jedini izvor istine.
LLM
nestabilnoGenerira iz teksta, a ne iz izvornog zvuka.
Tekst u govor
prekidiSamouvjereno izgovara odgovor.
Integrirana glasovna umjetna inteligencija
ThunderPhone
Sustav može čuti, zaključivati i oporaviti se u jednoj petlji.
ThunderPhone objedinjuje razumijevanje zvuka, usmjeravanje modela, izmjenu redova i generiranje odgovora u jednu arhitekturu.
Što se mijenja
Višestruki putevi slušanja i zaključivanje koje razumije zvuk smanjuju pogreške u pojedinačnim koracima prije nego što dođu do pozivatelja.
Primjer poziva
ThunderPhone
Pozivatelj
"Ne, unajmljujem stan."
Sustav
"Razumijem. Iznajmljujete svoj dom, stoga ću preskočiti pitanja o vlasništvu."
Rezultat
Poziv ide naprijed bez prisiljavanja pozivatelja da se bori sa sustavom.
Kako sustav razmišlja
4 fazaZvukovni tok
provjereIzvorni zvuk ostaje dostupan za zaključivanje.
Redundantno prepoznavanje zvuka
provjereSignali se uspoređuju prije poduzimanja radnje.
Usmjeravanje modela
provjereBrzi i detaljniji putevi surađuju pri svakoj izmjeni.
Prirodan odgovor
provjerePozivatelj čuje ispravljeni kontekst.
Što to donosi
Proboj nije samo ugodniji robotski glas. To je arhitektura koja održava poziv na pravom putu.
Bolje prepoznavanje zvuka
Sustav može uspoređivati signale i analizirati zvuk umjesto da se oslanja na jedan prijepis.
Bolje tempiranje
Naizmjenično govorenje i upravljanje prekidima dio su tijeka razgovora.
Bolje usmjeravanje
Brži tokovi i dublje zaključivanje mogu se odabrati prema potrebama svake replike.
Bolje iskustvo
Pozivatelji troše manje vremena na ispravljanje automatizacije, a više na dovršavanje zadatka.