Väčšina automatizovaných telefonátov je nanič. Nová technológia to mení.
Problém starej telefonickej automatizácie nebol v tom, že by jej hlas neznel príjemne. Chýbalo jej porozumenie potrebné na to, aby dokázala viesť skutočný rozhovor ďalej.
Telefonický hovor sa dá čoraz ľahšie automatizovať.
S každou generáciou dokáže technológia spracovať viac kontextu.
Volajúci musel hovoriť tak, aby mu stroj rozumel.
02Počiatky AISystémy rozumeli len úzko vymedzeným požiadavkám. Mimo nich zlyhávali.
033-krokové reťazce spracovaniaTechnologický stack sa stal flexibilnejším, no každý krok sa spoliehal na ten predchádzajúci.
04ThunderPhoneSystém dokáže počúvať, uvažovať aj opraviť chybu v jednom cykle.
Volajúci musel hovoriť tak, aby mu stroj rozumel.
Automatizácia znamenala ponuky, vetvenie cez klávesnicu a čakacie fronty. Fungovala, ak volajúci vopred poznal správnu cestu.
Keď sa celý zámer zredukuje na jediné stlačenie tlačidla, všetko mimo ponuky končí prepojením hovoru alebo opakovaním požiadavky.
Výsledok · Volajúci háda správnu voľbu, čaká a potom znova vysvetľuje to isté.
Systémy rozumeli len úzko vymedzeným požiadavkám. Mimo nich zlyhávali.
Tímy trénovali akustické modely, klasifikátory zámerov a nástroje na extrakciu slotov pre konkrétne scenáre hovorov. Bolo to užitočné, no každá zmena bola nákladná.
Systém dokáže rozpoznať jeden natrénovaný zámer, no druhú požiadavku už vynechá alebo položí predpísanú doplňujúcu otázku.
Výsledok · Požiadavka pridať manželku sa stratí, pretože s ňou natrénovaný scenár nepočíta.
Technologický stack sa stal flexibilnejším, no každý krok sa spoliehal na ten predchádzajúci.
Bežný moderný prístup prepája prevod reči na text, LLM a prevod textu na reč do jedného cyklu spracovania hovoru.
Ak je prepis chybný alebo volajúci vstúpi agentovi do reči, LLM s istotou odpovie na nesprávne pochopenú požiadavku.
Výsledok · Jediná chyba pri rozpoznaní reči vedie k nesprávnej hlasovej odpovedi.
Systém dokáže počúvať, uvažovať aj opraviť chybu v jednom cykle.
ThunderPhone v jednej architektúre koordinuje porozumenie zvukovému vstupu, smerovanie modelov, striedanie v dialógu aj generovanie odpovedí.
Viacero ciest rozpoznávania reči a uvažovanie priamo nad zvukom obmedzujú zlyhania v jednotlivých krokoch ešte predtým, než sa prejavia volajúcemu.
Výsledok · Hovor pokračuje plynulo a volajúci nemusí bojovať so systémom.
Prelomom nie je krajší robotický hlas. Je ním architektúra, ktorá udrží hovor v správnom smere.
Lepšie vnímanie reči
Systém dokáže porovnávať signály a vyvodzovať závery priamo zo zvuku namiesto toho, aby sa spoliehal na jediný prepis.
Lepšie načasovanie
Striedanie hovoriacich aj zvládanie prerušení sú priamo súčasťou konverzačného cyklu.
Lepšie smerovanie
Systém môže pri každej replike podľa potreby zvoliť rýchlu cestu alebo hlbšie uvažovanie.
Lepší zážitok
Volajúci trávia menej času opravovaním automatizovaného systému a viac času vybavením svojej požiadavky.