AI v telefóne prejavuje empatiu, zvládne aj nahnevaného volajúceho. Živý operátor je ale v call centre kľúčová poistka
Spoločnosť ElevenLabs sa vyprofilovala na jedného z najvýznamnejších globálnych hráčov v oblasti spracovania zvuku prostredníctvom umelej inteligencie. Jej technológie umožňujú vytvárať realistické syntetické hlasy, ktoré dokážu rozprávať v takmer sedemdesiatich jazykoch vrátane slovenčiny, ale tiež prenášať ľudské emócie, smiech či povzdychy. O podrobnostiach hovoril Leander Zapheriou z ElevenLabs.
Podpora menších jazykov je pre spoločnosť prioritou. Kým prvé modely zvládali približne 10 až 15 jazykov, neskôr sa rozšírili na 32 jazykov v modeloch Flash a Turbo a najnovšie modely ich zahŕňajú už okolo sedemdesiat. „Konektivita a prepojenie na ľudskej úrovni sú naším jadrom a snažíme sa zabezpečiť, aby bol hlas ich základným prvkom,“ uviedol Zapheriou.
Model V3 dokáže rozumieť aj zvukom, ako je kašeľ, smiech či povzdych, a to naprieč sedemdesiatimi jazykmi. Spoločnosť predstavila aj model V4, ktorý označuje za svoj najnovší expresívny model prevodu textu na reč.
Pri generovaní výstupu ponúka ElevenLabs takzvané profesionálne hlasové klony. Potrebuje približne dve hodiny nahrávok daného hlasu a na ich základe dokáže vytvoriť kvalitný syntetický výstup, ktorý zachováva nuansy a charakteristiky hlasu naprieč rôznymi jazykmi.
Pri konverzačnej umelej inteligencii a inteligentných agentoch využíva spoločnosť kaskádový prístup. Ten zahŕňa prevod reči na text, detekciu aktivity hlasu, striedanie hovorcov a spracovanie tónu až po prevod textu späť na reč. Práve preto, že model rozumie kontextu, dokáže pri generovaní hlasu obsiahnuť širokú škálu emócií – zakašľať, zasmiať sa alebo zaspievať.
V call centrách zohráva veľkú úlohu vzdelávanie zo strany samotnej spoločnosti. Pri prvých testoch, keď zákazníkov privítal hlas so slovami, že ide o AI agenta, niektorí ľudia reagovali úplne ticho a rozhodli sa neodpovedať. Mohlo to byť spôsobené tým, že išlo o ich prvú interakciu s takouto technológiou, a zároveň boli prekvapení, aký prirodzený hlas v skutočnosti bol.
Podľa Zapheriou je vždy dobré volajúcemu povedať, že ide o umelú inteligenciu. Aj z hľadiska legislatívy a európskych pravidiel musíte jasne deklarovať, že ide o AI hlas. Dôležité je tiež dať ľuďom možnosť vybrať si, či chcú tento systém využiť. Ako príklad uviedol hlásenie, že volajúci je desiaty v poradí a môže buď čakať desať minút, alebo využiť AI agenta.
AI dnes dokáže pochopiť aj to, keď volajúci požiada, aby agent hovoril pomalšie, pretože nerozumie. Agent plne vníma vstup a dokáže svoj výstup prispôsobiť požiadavkám volajúceho. Platforma je zároveň multimodálna – ak zákazník nevie technický problém presne opísať, môže poslať fotografiu. Agent dokáže pracovať s logickými predpokladmi, napríklad že biela skrinka sa rovná router.
V zákazníckej podpore sa prirodzene stretávame so širokou škálou emócií. AI veľmi dobre vníma kontext a už pri prevode reči na text chápe, ako sú slová usporiadané a v akom kontexte boli vyslovené. Keď agent zachytí hnev, jeho hlas môže nadobudnúť charakteristiky ako empatia či pokoj.
Všetky najväčšie implementácie sú založené na asistencii umelej inteligencie s tým, že v slučke je vždy prítomný aj človek. Ak zákazník v ktoromkoľvek okamihu povie, že chce hovoriť so živým operátorom, je okamžite prepojený a operátorovi sa odovzdá celý kontext doterajšej konverzácie.
Call centrá možno kategorizovať od najkritickejších a najzložitejších požiadaviek až po bežné každodenné otázky. Umelá inteligencia zvláda otázky na povrchnejšej úrovni, kým tie hlbšie a zložitejšie problémy stále rieši ľudský operátor. Ľudia tak môžu venovať svoj čas riešeniu naozaj zložitých problémov.
Pri aplikáciách v reálnom čase sú kľúčovými faktormi latencia a determinizmus – teda dôkladné zmapovanie zákazníckych procesov a správne nastavenie základnej architektúry. Ak napríklad volanie do CRM systému trvá dve sekundy, možno počas tohto času prehrať hudbu alebo vetu typu „Dajte mi sekundu“, kým sa na pozadí vygeneruje odpoveď.
Pokiaľ ide o spracovanie zvuku a audia, ElevenLabs je v hľadáčiku Googlu, Microsoftu aj OpenAI. Kým giganti majú obrovské množstvo vzájomne si konkurujúcich priorít, ElevenLabs má jedinú prioritu – konektivitu a vývoj zvukových modelov. Práve preto si môže dovoliť investovať obrovské množstvo prostriedkov výlučne do vývoja modelov na špičkovej úrovni.
