Yapay zeka sesli asistanlar ChatGPT anı henüz yakalayamadı, yöneticiler söylüyor

Yapay zeka sesli arayüzünün büyük adımlar yapması üzerine yatırımcılar binlerce dolara ev sahipliği yapıyor. Her hafta yeni bir model ya da araç sürümü piyasaya sürülüyor. Bu araçlar insan gibi seslenip konuşmaya öne çıkıyor. Ancak gerçek hayatta bu durum böyle olmayabilir. PolyAI'nin CTO'su Shawn Wen, sesli AI'nın henüz "ChatGPT anı"na ulaşmadığını savunuyor. "Tam iki yönlü modeller geliştirdiğimizde ulaşılmış bir aşamaya denk geldik. Ardından, modellerin hızlı cevap alması ve konuşma doğal hissedilmesi için mantık çok hızlı olmalı" diyor. Wen, son ayın InsanX konferansında panelde konuştu.

Müşteri hizmetleri için tasarlanmış AI ajanları, ses robotlu olmamak ve aramacıların problemlerini çözebildiğine güvence vermesi gerekir. "Ses yeterince iyi olduğunda, müşteriler ilk iki ya da üç döngü boyunca onlarla etkileşime girmeye başladıkça güvenini artırırlar. Zamanla, sorunları ajan çözebileceğine inandıkları için insan konuşmak zorunda olmayabilirler" diyor.

Otter'in CMO'su Alex Gay, toplantı notları almak için kullanılan sistemde konuşmacı kimliği, niyet yakalama ve bunu kurumsal bilgilerle eşleştirmenin otomatiği için kritik bir adıma sahip olduğunu belirtiyor. Şirket, insanları toplantılara temsil eden dijital ikizler geliştiriyor. Bu teknoloji için ses çıkışı, insanla konuşurken gösterdiği duygusal ifadelerin aynı olmalı. "Eğer şu anki toplantıların içinde olduğunuzu düşünürseniz, en iyi konuşmalar tartışma ve stratejik görüşmelere dayanır. Onlar içinde duygusal bir ilişki hissediyorsanız. Eğer bir avatara bu yapamıyorsanız, sadece soru-cevap bir sohbet botu olur" diyor.

Sesli AI modelleri anlayış ve şeffaflık konusunda sorunlar yaşıyor. Asistanlar kullanıcıları anlayamıyor ya da toplantı notları yanlış gösteriyor. Wen, ASR (otoamtik konuşma tanıma) modellerinin önemli anahtar kelimeleri kaçırması sorununun kaynağı olduğunu düşünüyor. Otter'in Gay, bu görüşü destekleyerek transkripsiyonun iyileştirilmeye devam ettiğini söylüyor. "Otter için transkripsiyon asla son nokta değildi. Sadece arka planda bazı verimlilik kazançları tetikleyebilecek bir katman idi. Eğer orijinal transkripsiyonunuzun ihtiyacınız olan doğruluğu içermiyorsa, ardındanki tüm eylemler hatalı olur. Ve eylem almaya başladığınızda, platforma güveni kaybedersiniz. ASR modelini sürekli iyileştirmek her zaman kritik, çünkü tüm aşağı akışı etkileri büyük" diyor.

Yeni ses araçları şeffaflık sorunu da beraberinde getiriyor. Müşterilere kayıt ediliyor olmaları ya da AI ile konuşulması bildirilmelidir. Otter, toplantıda botun bulunmayan durumlarda bile, toplantının kaydedildiğini herkese bildirerek güveni kazandırmak istiyor. PolyAI'nin Wen, kurumsal aramalarda insanların AI ile konuşuyor olduğunu belirlemek de önemli olduğunu söylüyor.

Haberi TechCrunch verdi.