Eksperci uważają, że sztuczna inteligencja do obsługi głosu jeszcze nie osiągnęła swojego przełomowego momentu

Eksperci z branży technologicznej podkreślają, że pomimo szybkiego rozwoju systemów rozpoznawania mowy i pełnych modeli dwukierunkowych, obecnie nie ma jeszcze przełomowego momentu dla sztucznej inteligencji w obsłudze głosu. Najnowsze rozwiązania, takie jak pełne modele dwukierunkowe, które mogą jednocześnie słuchać i mówić, są krokiem w dobrą stronę, jednak kluczowym wyzwaniem pozostaje zapewnienie błyskawicznego rozumowania, które pozwoli na naturalne i szybkie odpowiedzi. W tym kontekście liderzy firm podkreślają, że ważne jest, aby asystenci nie brzmieli sztucznie i aby wywoływali u użytkowników pewność, że potrafią rozwiązać ich problemy. Dyrektor techniczny PolyAI Shawn Wen zaznaczył, że po osiągnięciu poziomu wystarczająco dobrej jakości głosu, klienci zaczynają budować zaufanie do systemów, co otwiera drogę do dalszych innowacji w automatyzacji usług.

W tym samym czasie menedżer ds. marketingu Otter Alex Gay podkreślił, że identyfikacja mówcy, przechwytywanie intencji oraz ich przetwarzanie w oparciu o organizacyjną wiedzę są niezbędne do tworzenia cyfrowych podwójników obecnych w spotkaniach. Gay dodał, że emocjonalne wyrażenia głosu muszą odzwierciedlać autentyczne interakcje, aby rozmowy mogły przebiegać jak w przypadku ludzkich uczestników. Z kolei przedstawiciele firmy podkreślają, że obecne modele często nie rozumieją kluczowych słów, co prowadzi do błędnych transkrypcji i podsumowań, a tym samym do utraty zaufania do platform. Transparentność również staje się istotnym elementem, dlatego firmy planują informować uczestników spotkań o nagrywaniach i o tym, że rozmawiają z sztuczną inteligencją.

Dzięki takim działaniom mają nadzieję zwiększyć akceptację technologii w środowiskach biznesowych. Warto zaznaczyć, że inwestycje w ten sektor rosną, a kolejne modele i narzędzia są wprowadzane praktycznie co tydzień, co wskazuje na silny popyt i rosnące zainteresowanie możliwościami, jakie oferuje sztuczna inteligencja w obsłudze głosu.

Informacja od TechCrunch.