Chefer menar att röst-AI ännu inte nått sitt genombrott

Flera företagsledare anser att röst-AI ännu inte har upplevt ett ögonblick motsvarande ChatGPT:s stora genombrott.

TechCrunch rapporterade att investerare har satsat miljarder dollar i röst-AI-startups som utvecklar allt från modeller och kundtjänstlösningar för företag till diktering och verktyg för mötesanteckningar.

Shawn Wen, teknisk chef på plattformen PolyAI, menar att utmaningen nu ligger i att göra resonemangen mycket snabbare. Detta krävs för att modeller ska kunna hämta svar snabbt så att konversationen känns naturlig, trots att man nu har nått milstolpen med full-duplex-modeller som kan tala och lyssna samtidigt. Wen betonar att AI-agenter inom kundtjänst inte får låta robotaktiga, utan måste ge användarna tillräckligt med förtroende för att de ska tro att problemen kan lösas utan mänsklig hjälp.

Alex Gay, marknadschef på Otter, lyfter fram att identifiering av talare, fångande av avsikt och integration av organisatorisk kunskap är avgörande steg för automatisering. Otter arbetar även med digitala tvillingar för möten, där det är av största vikt att rösten kan förmedla samma emotionella uttryck som en människa för att undvika att tekniken bara blir en chatbot för frågor och svar.

Det finns dock kvarstående problem med förståelse och transparens. Wen påpekar att modeller för automatisk taligenkänning ofta missar viktiga nyckelord, vilket skapar problem med att fånga hela sammanhanget. Gay instämmer i att transkriberingens noggrannhet är kritisk, eftersom felaktigheter i det första steget leder till felaktiga åtgärder och minskat förtroende för plattformen.

Båda cheferna understryker vikten av transparens. PolyAI anser att det är viktigt att klargöra att man talar med en AI i företagssamtal. Otter vill i sin tur skapa förtroende genom att meddela alla i en chatt när ett möte spelas in, även i fall där boten inte är fysiskt närvarande.