Hangalapú asszisztens (voice AI)

A hangalapú asszisztens három fő részből áll: beszédfelismerésből, amely a hangot szöveggé alakítja, nyelvi modellből, amely értelmezi a kérést és szükség esetén más rendszereket hív, valamint beszédszintézisből, amely a választ hanggá alakítja. Telefonos használatnál a késleltetés kulcskérdés, mert a beszélgetés csak akkor természetes, ha a válasz gyorsan érkezik. A magyar beszédfelismerés sokat javult, de a zajos környezet, a tájszólás és a tulajdonnevek továbbra is próbára teszik.

Példa a gyakorlatból

Egy autószerviz telefonos időpontfoglalását munkaidőn kívül hangalapú asszisztens végzi: megkérdezi a rendszámot és a szolgáltatás típusát, megnézi a szabad időpontokat a foglalási rendszerben, rögzíti a foglalást, és SMS-ben visszaigazolja. Egy másik gyakori felhasználás a megbeszélések leiratának és összefoglalójának elkészítése.

Mikor nem ez a jó választás?

Összetett panaszoknál, érzelmileg terhelt helyzetekben vagy egyedi alkudozásnál a hívónak élő munkatársra van szüksége, ezért mindig kell lehetőség az átkapcsolásra. Az EU AI Act átláthatósági szabályai szerint a hívónak tudnia kell, hogy géppel beszél, a hívásrögzítésre pedig az adatvédelmi szabályok vonatkoznak. Ha az ügyfelek többsége írásban keres, egy szöveges chatbot egyszerűbb és olcsóbb.

Hogyan dolgozunk vele a Composite-nál?

Egyetlen, jól körülhatárolt hívástípussal kezdünk, és a beszédfelismerést a cég valós hívásain, a jellemző nevekkel és kifejezésekkel teszteljük. Az emberi átkapcsolás és a beszélgetés összefoglalójának átadása a rendszer alapfunkciója.