PolyAI og Otter: Stemme-AI mangler sit ChatGPT-moment
PolyAI og Otter peger på langsom ræsonnement og upræcis transskription som de konkrete hindringer.
Fuldduplex er nået, men hastigheden mangler
Stemme-AI kan nu tale og lytte på samme tid. De såkaldte fuldduplex-modeller kan afbryde og svare undervejs i samtalen, og PolyAI's CTO Shawn Wen kalder det en nået milepæl – men altså ikke et gennembrug.
Det næste spring er ifølge Wen hastighed: modellen skal hente svaret hurtigt nok til, at samtalen føles naturlig. Ellers opdager brugeren, at den er i gang med at tænke.
Samtidig skal en kundeservice-agent lyde menneskelig og give brugeren nok tryghed til at blive i samtalen. Wen mener, at tilliden opbygges over de første to eller tre skift, hvor agenten faktisk løser problemet – og først der holder brugeren op med at kræve et menneske.
- Antal skift, før kunden ifølge Shawn Wen opbygger tillid til en stemme-agent
- 2–3 samtaleskift
Transskriptionsfejl gør alle efterfølgende handlinger forkerte
Wen peger på talegenkendelse, ofte forkortet ASR, som omsætter tale til tekst: den overser ofte nøgleord og mister dermed konteksten i samtalen. Otter's CMO Alex Gay kalder netop det punkt afgørende.
Transskription er kun et lag, siger Gay. Mangler den den præcision, der skal til, bliver alle opfølgende handlinger forkerte, og brugeren mister tillid til platformen – uanset hvor god resten af værktøjet er.
Derfor arbejder Otter også med at identificere talere, opfange hensigter og koble det til virksomhedens viden. Selskabet udvikler desuden digitale tvillinger, der kan repræsentere personer i et møde.
Opkald og møder skal afsløre AIen
De nye værktøjer rejser et krav om åbenhed: både kunden i et firmakald og mødedeltagerne skal vide, at de taler med en AI eller bliver optaget.
Otter vil underrette alle i chatten, også når selve botten ikke deltager i mødet. PolyAI's Wen mener, det er afgørende at slå fast i opkald, at modparten er en AI.
En avatar med den rette følelse i stemmen kan ifølge Gay skabe relation, debat og strategisk diskussion. Uden den bliver mødet bare en spørge-svar-chatbot.
Flere detaljer
- Shawn Wen er CTO for PolyAI, en virksomhedsplatform for kundeservice.
- Alex Gay er CMO for mødenotatværktøjet Otter.
- Udtalelserne blev givet på HumanX-konferencen sidste måned.
- Fuldduplex betyder, at modellen taler og lytter samtidig.
Kilder:
TechCrunch AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.