Balso Ai dar laukia savo apibrėžiančio 'ChatGPT momento', sako pramonės lyderiai

Vaizdas: TechCrunch · Šaltinis

PolyAI ir Otter ekspertai pabrėžia, kad nors balso AI technologija pažengė, ji sunkiai susidoroja su kontekstu, mąstymo sparta ir natūralia sąveika, dėl ko atidedamas proveržis, panašus į ChatGPT poveikį.

Balso AI jau ilgą laiką laikomas kaip kitas transformuojantis sąsajos įrankis, pritraukiantis milijardus investicijų nuo modelių kūrėjų iki įmonių naudojamų programų, tokių kaip klientų aptarnavimas ir susitikimų transkripcija. Tačiau, pasak neseniai pateiktų pramonės vadovų įžvalgų, balso AI dar nepasiekė svarbaus proveržio, primenančio ChatGPT poveikį tekstine AI.

Shawn Wen, PolyAI CTO, HumanX konferencijoje aptarė dabartinę balso AI būklę ir iššūkius. Nors pilno duplekso modeliai, galintys klausytis ir kalbėti vienu metu, žymi svarbų etapą, Wen pabrėžė, kad kitas iššūkis yra pagreitinti mąstymo procesus. Greitesnės reakcijos yra būtinos, kad pokalbiai būtų sklandūs ir natūralūs, kas yra labai svarbu vartotojų pasitikėjimui, ypač klientų aptarnavimo situacijose. Wen paaiškino, kad kai balso agentai pasieks tokį kokybės lygį, kai vartotojai norės bendrauti daugkartiniais ketinimais, tai gali kurti pasitikėjimą, jog AI gali išspręsti problemas be žmogaus įsikišimo.

Panašiai Alex Gay, Otter komercijos vadovas, kuris specializuojasi AI susitikimų užrašų darymo srityje, pabrėžė, kad tiksli kalbėtojų identifikacija, ketinimų atpažinimas ir kontekstinė transkripcija yra esminiai reikšmingai automatizacijai. Otter kuria skaitmeninių dvynių technologiją, kad imituotų susitikimų dalyvius, siekiant, kad šie avatarai išreikštų žmogiškas emocijas. Gay įspėjo, kad be šių emocinių niuansų pokalbių AI gali suplakti į paprastus klausimų-atsakymų robotus, stokojančius subtilumo, kuris būdingas produktyvioms, strateginėms diskusijoms.

Nepaisant pažangos, tiek Wen, tiek Gay pripažino nuolatines balso AI supratimo ribas. Automatinės kalbos atpažinimo (ASR) sistemos dažnai praleidžia raktinius žodžius, kurie yra svarbūs kontekstui suprasti, o tai silpnina transkripcijų ir apibendrintų susitikimų užrašų tikslumą ir patikimumą. Gay pažymėjo, kad transkripcijos tikslumas nėra tikslas pats savaime, bet būtinybė tolimesniam produktyvumo didinimui. Klaidos transkripcijoje gali sukelti grandininę reakciją, vedančią prie neteisingų veiksmų ir mažinančią vartotojų pasitikėjimą platformomis.

Skaidrumas taip pat išlieka svarbiu rūpesčiu. Tiek PolyAI, tiek Otter ragina aiškiai informuoti vartotojus, kad jie bendrauja su AI ar yra įrašinėjami, stiprinant pasitikėjimą ir etišką naudojimą. Pavyzdžiui, Otter naudoja pranešimus susitikimų pokalbiuose, informuodama dalyvius apie įrašymus, net jei AI robotai aktyviai nedalyvauja.

Apibendrinant, nors balso AI technologija toliau tobulėja su perspektyviais modeliais ir taikymais, jos kelias link proveržio momento, lygio su ChatGPT, dar laukia. Reikia spręsti konteksto supratimo, atsako greitumo, emocinio natūralumo ir skaidrumo iššūkius, kad būtų išnaudotas visas balso AI potencialas įmonių aplinkoje ir už jos ribų.