Руководители PolyAI и Otter считают, что голосовой искусственный интеллект еще не достиг своего прорывного момента

По данным издания TechCrunch, руководители компаний PolyAI и Otter полагают, что голосовой искусственный интеллект еще не достиг своего прорывного момента, несмотря на активное развитие отрасли. Инвесторы направляют миллиарды долларов в стартапы, работающие над созданием моделей, систем корпоративного обслуживания клиентов, инструментов для ведения протоколов совещаний и диктовки с использованием искусственного интеллекта. Каждую неделю появляются новые модели и инструменты, которые заявляют о своей способности звучать как человек и вести с ним диалог. Однако в реальности ситуация может отличаться от этих заявлений.

Шон Вен, главный технолог компании PolyAI, отметил, что отрасль достигла вехи в разработке полнодуплексных моделей, которые способны говорить, одновременно слушая собеседника. Следующей задачей является обеспечение высокой скорости рассуждений, чтобы модели могли быстро находить ответы, а разговор ощущался естественным. Он также подчеркнул, что агенты искусственного интеллекта в сфере обслуживания клиентов не должны звучать механически и должны вызывать у звонящих уверенность в том, что они способны решить возникшие проблемы. По его мнению, когда качество голоса станет достаточно высоким, клиенты начнут доверять системам после первых нескольких реплик и со временем перестанут нуждаться в общении с живыми людьми, если агент сможет решить их задачу.

Алекс Гей, главный маркетинговый директор компании Otter, указал на важность идентификации говорящих, улавливания намерений и структурирования информации с использованием организационных знаний для автоматизации процессов. Компания также разрабатывает цифровых двойников, которые могут представлять людей на совещаниях. Для этой технологии критически важно, чтобы голосовой вывод передавал те же эмоциональные оттенки, что и живое общение. Гей отметил, что лучшие разговоры на совещаниях включают в себя дебаты, стратегические обсуждения и ощущение отношений между участниками. Если аватар не способен обеспечить такое взаимодействие, он превращается в простой чат-бот для ответов на вопросы.

Несмотря на прогресс, голосовые модели часто не понимают пользователей, а инструменты для ведения протоколов могут отображать неверные транскрипты или резюме. Шон Вен считает, что модели автоматического распознавания речи часто пропускают важные ключевые слова, что создает проблемы при улавливании полного контекста. Алекс Гей согласился с этим мнением, добавив, что компания продолжает работать над улучшением транскрипции. Он также указал, что язык является одной из областей, в которой голосовые модели нуждаются в доработке. Для Otter транскрипция никогда не была конечной целью, а служила лишь основой для повышения производительности. Если исходная транскрипция не обладает необходимой точностью, все последующие действия становятся ошибочными, что приводит к потере доверия к платформе. Поэтому критически важно продолжать улучшать модель распознавания речи, поскольку влияние ошибок на последующие этапы значительное.

С появлением новых голосовых инструментов также возникает вопрос прозрачности. Инструменты должны сообщать клиентам, что они записываются или общаются с искусственным интеллектом. Otter стремится внушить доверие участникам совещаний, поэтому компания пытается использовать методы, такие как уведомление всех в чате о том, что совещание записывается, даже если бот не присутствует. Шон Вен также заявил, что важно устанавливать факт общения с искусственным интеллектом в корпоративных звонках.

Сообщает TechCrunch.