A legtöbb automatizált hívás pocsék. Az új technológia ezen változtat.
A telefonos automatizálás régi problémája nem a kellemes hang hiánya volt, hanem az, hogy a rendszer nem értett eleget ahhoz, hogy gördülékenyen továbbvigyen egy valódi beszélgetést.
Egy telefonhívást egyre könnyebb automatizálni.
Minden új generáció egyre több kontextust tesz géppel feldolgozhatóvá.
A hívónak a gép nyelvén kellett beszélnie.
02Korai AI-korszakA rendszerek csak szűk keretek között értették a hívót — azon kívül szétestek.
033 lépéses feldolgozási láncokA rendszer rugalmasabb lett, de minden lépés vakon megbízott az előzőben.
04ThunderPhoneA rendszer egyetlen ciklusban értelmezi a hallottakat, következtet és korrigál.
A hívónak a gép nyelvén kellett beszélnie.
Az automatizálás menüket, gombnyomásos elágazásokat és várakozási sorokat jelentett. Akkor működött, ha a hívó eleve ismerte a megfelelő útvonalat.
A hívó szándéka egyetlen gombnyomásra szűkül, így minden, ami kívül esik a menün, átirányításhoz vagy ismétléshez vezet.
Eredmény · A hívó találgat, várakozik, majd újra elmondja ugyanazt.
A rendszerek csak szűk keretek között értették a hívót — azon kívül szétestek.
A csapatok konkrét hívási folyamatokra tanítottak be akusztikai modelleket, szándékfelismerő modelleket és adatmező-kinyerőket. Hasznos volt, de minden módosítás sokba került.
A rendszer egyetlen betanított szándékot képes felismerni, a második kérést viszont figyelmen kívül hagyhatja, vagy merev forgatókönyv alapján kérdez vissza.
Eredmény · A házastárs hozzáadására vonatkozó kérés elvész, mert a betanított folyamat nem kezeli.
A rendszer rugalmasabb lett, de minden lépés vakon megbízott az előzőben.
A ma elterjedt megközelítés a beszédfelismerést, egy LLM-et és a beszédszintézist egyetlen híváskezelési ciklusba kapcsolja össze.
Ha hibás az átirat, vagy a hívó közbevág, az LLM magabiztosan ad rossz választ.
Eredmény · Egyetlen félrehallás elég ahhoz, hogy a rendszer rosszat mondjon.
A rendszer egyetlen ciklusban értelmezi a hallottakat, következtet és korrigál.
A ThunderPhone egyetlen architektúrában hangolja össze a hangértelmezést, a modellirányítást, a beszélőváltást és a válaszgenerálást.
A több párhuzamos hangfeldolgozási útvonal és a hanganyagot is figyelembe vevő következtetés csökkenti annak esélyét, hogy egyetlen lépés hibája eljusson a hívóig.
Eredmény · A hívás anélkül halad tovább, hogy a hívónak a rendszerrel kellene küzdenie.
Az áttörést nem a kellemesebb robothang jelenti, hanem az az architektúra, amely mederben tartja a hívást.
Megbízhatóbb hangértelmezés
A rendszer több jelet is összevethet, és a hanganyag alapján következtethet, ahelyett hogy egyetlen átiratra hagyatkozna.
Természetesebb beszélgetési ritmus
A rendszer a beszélgetési ciklus részeként kezeli a megszólalások váltását és a közbevágásokat.
Hatékonyabb útválasztás
A rendszer minden párbeszédfordulónál az adott helyzet igényeihez igazodva választhat a gyors útvonalak és a mélyebb következtetés között.
Jobb ügyfélélmény
A hívók kevesebb időt töltenek az automatizált rendszer félreértéseinek tisztázásával, és többet az ügyük elintézésével.