Esecutivi ritengono che l'IA vocale non abbia ancora raggiunto il momento ChatGPT

Il teoria che la voce sia la prossima grande interfaccia ha guadagnato forte slancio, con investitori che riversano miliardi di dollari nelle startup di IA vocale che lavorano su aree che spaziano dai creatori di modelli ai fornitori di assistenza clienti enterprise, e dai trascrittori di incontri all'IA di dettatura.

Ogni settimana viene rilasciato un nuovo modello o uno strumento che afferma di suonare umano e di conversare come uno. Tuttavia, nella realtà, potrebbe non essere così. Il CTO di PolyAI, Shawn Wen, ritiene che nonostante il rilascio di modelli full-duplex — i quali possono parlare mentre ascoltano l'utente — l'IA vocale non abbia ancora avuto il suo momento ChatGPT.

"Abbiamo raggiunto il traguardo dello sviluppo di modelli full-duplex. La prossima sfida è rendere il ragionamento molto rapido, affinché i modelli possano recuperare le risposte rapidamente e la conversazione sembri naturale", ha dichiarato in stage all'evento HumanX lo scorso mese.

Ha anche affermato che gli agenti di IA nel servizio clienti non dovrebbero suonare robotici e dovrebbero dare ai chiamanti abbastanza fiducia da poter risolvere i problemi.

"Penso che la prossima fase sarà leggermente diversa perché una volta che la voce è sufficientemente buona, e il cliente è disposto a interagire con loro per i primi due o tre turni, iniziano a costruire fiducia, e nel tempo si sentiranno probabilmente non dover parlare con un umano se l'agente può risolvere il mio problema", ha aggiunto.

Alex Gay, CMO di Otter, ha sostenuto che l'identificazione degli speaker, la cattura dell'intento e la trascrizione sono un passaggio chiave per abilitare l'automazione. L'azienda sta inoltre lavorando su gemelli digitali che potrebbero rappresentare le persone nelle riunioni. Per quella tecnologia, ha detto che è fondamentale che la voce di output dia le stesse espressioni emotive di parlare con un umano in una riunione.

"Se pensi alle riunioni in cui ti trovi ora, le migliori conversazioni che hai sono quelle in cui puoi avere dibattiti, discussioni strategiche, e quando senti che c'è una relazione che sottende ad esse. Se non sei in grado di avere quello con un avatar, allora è solo un chatbot Q e A", ha osservato Gay.

Sebbene i modelli di IA vocale siano migliorati, gli assistenti AI spesso non capiscono gli utenti, o il trascrittore delle riunioni mostra il trascritto sbagliato o un riassunto.

Wen ritiene che i modelli ASR (riconoscimento automatico della voce) manchino spesso parole chiave importanti, creando un problema nella cattura del contesto complessivo.

Gay di Otter è d'accordo su questo punto, aggiungendo che l'azienda continua a lavorare per migliorare la trascrizione. Ha anche affermato che la lingua è un'area in cui i modelli vocali devono migliorare.

"Per Otter, la trascrizione non è mai stato il punto di arrivo. Era solo il livello su cui potevamo iniziare a guidare alcuni guadagni di produttività. Ma se il tuo trascritto originale non aveva l'accuratezza di cui avevi bisogno, tutte le azioni successive diventano difettose. E il momento in cui inizia a prendere provvedimenti, quello è sbagliato. Si perde la fiducia nella piattaforma. È fondamentale per noi continuare a migliorare il modello ASR perché tutti gli impatti successivi sono significativi", ha dichiarato.

Con gli nuovi strumenti vocali, c'è anche la questione della trasparenza. Gli strumenti dovrebbero dichiarare ai clienti che vengono registrati o stanno parlando con IA. Otter ha affermato di voler instillare fiducia nelle persone che sono in una riunione, quindi anche per una riunione in cui il bot non è presente, vuole provare metodi come notificare a tutti nella chat che la riunione viene registrata. Anche il CTO di PolyAI, Wen, ha affermato che è importante stabilire che le persone stanno parlando con IA nelle chiamate enterprise.

Quando si acquista tramite i link dei nostri articoli, possiamo guadagnare una piccola commissione. Questo non influisce sulla nostra indipendenza editoriale.

Ivan copre gli sviluppi globali di tecnologia consumer su TechCrunch. È basato in India e ha precedentemente lavorato a pubblicazioni inclusi Huffington Post e The Next Web.

Puoi contattare o verificare l'approccio da Ivan inviando un'email a [email protected] o tramite messaggio crittografato su Signal a ivan.42.