Ejecutivos creen que la IA de voz aún no ha alcanzado su momento ChatGPT

La teoría de que la voz será la próxima gran interfaz ha ganado fuerte impulso, con inversores que vierten miles de millones de dólares en startups de IA de voz que trabajan en áreas que van desde creadores de modelos hasta proveedores de servicio al cliente empresarial, y desde tomadores de notas de reuniones hasta dictado con IA.

Cada semana se lanza un nuevo modelo o herramienta que afirma sonar humano y conversar como uno. Sin embargo, en la realidad, eso podría no ser el caso. Shawn Wen, director técnico de PolyAI, piensa que, a pesar del lanzamiento de modelos full-duplex —que pueden hablar mientras escuchan— la IA de voz aún no ha tenido su momento ChatGPT.

"Hemos alcanzado el hito de desarrollar modelos full-duplex. El siguiente desafío es hacer que el razonamiento sea muy rápido, para que los modelos puedan obtener respuestas rápidamente y la conversación se sienta natural", dijo en el escenario de la conferencia HumanX el mes pasado.

También señaló que los agentes de IA en servicio al cliente no deben sonar robóticos y deben dar suficiente confianza a los llamantes para resolver problemas.

"Creo que la siguiente etapa será ligeramente diferente porque, una vez que la voz sea lo suficientemente buena, como para que el cliente se involucre con ellos por las primeras dos o tres interacciones, comienzan a generar confianza, y con el tiempo, sentirán que probablemente no tengan que hablar con un humano si el agente puede resolver su problema", agregó.

Alex Gay, director de marketing de Otter, un tomador de notas para reuniones, opinó que la identificación de hablantes, la captura de intención y la transcripción son un paso clave para habilitar la automatización. La empresa también trabaja en gemelos digitales que podrían representar a personas en reuniones. Para esa tecnología, dijo que es primordial que la voz de salida dé las mismas expresiones emotivas que al hablar con un humano en una reunión.

"Si piensa en las reuniones en las que está ahora, las mejores conversaciones que tiene son donde puede tener debates, discusiones estratégicas y cuando siente que hay una relación que lo sustenta. Si no puede tener eso con un avatar, entonces es solo un chatbot de preguntas y respuestas", señaló Gay.

Mientras los modelos de IA de voz han mejorado, los asistentes de IA a menudo no entienden a los usuarios, o su tomador de notas de reuniones muestra el transcripción incorrecta o un resumen.

Wen piensa que los modelos ASR (reconocimiento automático de voz) a menudo omiten palabras clave importantes, y eso crea un problema para capturar el contexto completo.

Gay de Otter estuvo de acuerdo con esto, añadiendo que la empresa sigue trabajando en mejorar la transcripción. También dijo que el lenguaje es un área donde los modelos de voz necesitan mejorar.

"Para Otter, la transcripción nunca fue el punto final. Fue solo la capa sobre la que podíamos comenzar a obtener algunas ganancias de productividad. Pero si su transcripción original no tenía la precisión que necesitaba, todas las acciones posteriores que tenga se vuelven defectuosas. Y el momento en que comienza a tomar acción, eso está equivocado. Se pierde la confianza en la plataforma. Es crítico para nosotros seguir mejorando el modelo ASR porque todos los impactos posteriores son significativos", dijo.

Con las nuevas herramientas de voz, también hay una cuestión de transparencia. Las herramientas deben declarar a los clientes que están siendo grabados o hablando con IA. Otter dijo que quiere inspirar confianza en las personas que están en una reunión, por lo que, incluso en una reunión donde el bot no está presente, quiere probar métodos como notificar a todos en el chat que la reunión está siendo grabada. El director técnico de PolyAI, Wen, también dijo que es importante establecer que las personas están hablando con IA en llamadas empresariales.

Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.

Ivan cubre los desarrollos globales de tecnología de consumo en TechCrunch. Está basado en India y ha trabajado anteriormente en publicaciones incluidas Huffington Post y The Next Web.

Puede contactar o verificar la solicitud de contacto desde Ivan enviando un correo a [email protected] o mediante mensaje encriptado en Signal a ivan.42.