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 a prenášať ľudské emócie, smiech či povzdychy. O podrobnostiach hovorí Leander Zapheriou z ElevenLabs.
Modely zvládnu desiatky jazykov
Podpora menších jazykov, ako je slovenčina, 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. Model V3 dokáže rozumieť aj zvukom, ako je kašeľ, smiech či povzdych, a to naprieč všetkými podporovanými jazykmi.
Kaskádový prístup a rýchlosť odozvy
Pri konverzačnej umelej inteligencii a inteligentných agentoch ElevenLabs využíva takzvaný kaskádový prístup. Ten zahŕňa prevod reči na text, detekciu aktivity hlasu, striedanie hovorcov a spracovanie tónu až po prevod textu späť na reč. Model prevodu reči na text má podľa zástupcu spoločnosti najnižšiu latenciu a najvyššiu presnosť, vďaka čomu dokáže výsledný hlas obsahovať širokú škálu emócií – zakašľať, zasmiať sa alebo zaspievať.
Dabing s asistenciou AI
AI hlas je podľa Zapheriou už dostatočne kvalitný aj pre televízny dabing. Ako príklad uviedol hlas Sylvestra Stalloneho vygenerovaný pre francúzsky film. Dabingoví herci však podľa neho zostanú dôležití – určité časti procesu môže rozšíriť umelá inteligencia, no konečné sformovanie hlasu bude naďalej v rukách herca. Pôjde teda skôr o prácu s asistenciou AI než o proces plne riadený umelou inteligenciou.
Prvé reakcie volajúcich
Pri prvých testoch v call centrách, keď zákazníkov privítal hlas so slovami, že ide o AI agenta, niektorí ľudia reagovali úplne ticho a rozhodli sa neodpovedať. Podľa Zapheriou to mohlo byť spôsobené prvou interakciou s takouto technológiou aj prekvapením, aký prirodzený hlas v skutočnosti bol. Voči tradičným robotickým hlasom v call centrách ide o výraznú zmenu.
Otvorená komunikácia a voľba
Volajúcemu je podľa zástupcu ElevenLabs vždy dobré povedať, že hovorí s umelou inteligenciou, a to aj z hľadiska európskych pravidiel. Dôležité je tiež dať ľuďom možnosť vybrať si, či chcú systém využiť. Ako príklad uviedol hlásenie, ktoré volajúcemu ponúkne čakanie v poradí alebo využitie AI agenta na rýchlejšie vyriešenie problému. Takýto prístup podľa neho vedie k dobrým výsledkom.
Prístupnosť a multimodálne možnosti
Ak volajúci požiada, aby agent hovoril pomalšie, systémy ElevenLabs to dokážu zohľadniť, čo je dôležité najmä pre starších ľudí alebo ľudí s rečovými chybami. Platforma je zároveň multimodálna – okrem hlasu zvládne aj text a fotografiu. Ak zákazník nevie technicky opísať problém, môže ho odfotiť a agent ho dokáže navigovať k potrebným informáciám.
Latencia a determinizmus
Pri AI konverzácii v reálnom čase sú podľa Zapheriou kľúčovými faktormi latencia a determinizmus, teda dôkladné zmapovanie zákazníckych procesov a správne nastavenie architektúry. Spoločnosť dokáže nasadiť hlasový engine na existujúcu infraštruktúru chatbota alebo vybudovať celé riešenie sama. Na zníženie vnímania oneskorenia možno počas čakania na odpoveď prehrať hudbu, zvuk písania alebo vetu typu „Dajte mi sekundu“.
Reakcia na hnev aj prepojenie na operátora
Umelá inteligencia dokáže z kontextu rozpoznať frustráciu volajúceho a prispôsobiť tomu hlas – nadobudnúť empatiu či pokoj. Ak zákazník požiada o živého operátora, systém ho prepojí a operátorovi odovzdá celý kontext doterajšej konverzácie. Človek tak zostáva do procesu neustále zapojený a zvažuje sa aj priorita či preskočenie čakania pre zákazníka, ktorý už časť cesty absolvoval s AI agentom.
AI ako asistent, nie náhrada
Call centrá možno podľa Zapheriou kategorizovať od najkritickejších požiadaviek až po bežné každodenné otázky. Umelá inteligencia spoľahlivo vybavuje práve tie každodenné, zatiaľ čo zložitejšie problémy stále rieši ľudský operátor. AI tak funguje ako asistent, vďaka čomu sa ľudia môžu venovať náročnejším prípadom a zákazník má zo služby dobrý dojem.
Konkurencia veľkých hráčov
ElevenLabs je podľa svojho zástupcu v oblasti spracovania zvuku v hľadáčiku Googlu, Microsoftu aj OpenAI. Kým veľké technologické spoločnosti rozdeľujú zdroje medzi množstvo priorít, ElevenLabs sa sústreďuje výhradne na konektivitu a vývoj zvukových modelov. Popri modeloch sa intenzívne venuje aj aplikačnej vrstve a integrácii riešení do existujúcich systémov firiem.