Експерти вважають, що голосовий ШІ ще не досяг свого зіркового моменту ChatGPT
Теорія про те, що голос як наступний великий інтерфейс, набирає обертів, і інвестори вкладають мільярди доларів у стартапи, що займаються голосовим штучним інтелектом, працюючи в різних сферах: від розробників моделей до постачальників послуг корпоративним клієнтам, від нотаток на зустрічах до диктування за допомогою штучного інтелекту.
Щотижня виходить нова модель або інструмент, який обіцяє звучати як людина та спілкуватися як людина. Однак насправді це може бути не так. Шон Вен, технічний директор платформи корпоративного голосового штучного інтелекту PolyAI, вважає, що, незважаючи на випуск повнодуплексних моделей, які можуть говорити, слухаючи вас, голосовий штучний інтелект ще не досяг свого «моменту ChatGPT».
«Ми досягли віхи у розробці повнодуплексних моделей. Наступний виклик — зробити міркування дуже швидкими, щоб моделі могли швидко отримувати відповіді, а розмова була природною», — сказав він мені на сцені конференції HumanX минулого місяця.
Він також сказав, що агенти зі штучним інтелектом у службі підтримки клієнтів не повинні звучати як роботизовані машини та повинні вселяти абонентам достатню впевненість, щоб вони могли вирішувати проблеми.
«Я думаю, що наступний етап буде дещо іншим, тому що як тільки голос стане достатньо хорошим, наприклад, і клієнт буде готовий взаємодіяти з ним протягом перших двох-трьох обертів, він почне набувати впевненості, і з часом відчує, що мені, мабуть, не потрібно розмовляти з людиною, якщо агент може вирішити мою проблему», – сказав він.
Алекс Гей, директор з маркетингу компанії Otter, яка займається нотатками зустрічей, висловив думку, що ідентифікація мовця, фіксація намірів та введення цих даних з урахуванням організаційних знань є ключовим кроком для автоматизації. Компанія також працює над цифровими двійниками, які могли б представляти людей на зустрічах. Він сказав, що для цієї технології вкрай важливо, щоб голосовий вивід давав ті ж емоційні вирази, що й розмова з людиною на зустрічі.
«Якщо подумати про зустрічі, на яких ви зараз перебуваєте, найкращі розмови відбуваються під час дискусій та стратегічних обговорень, коли ви відчуваєте, що в основі цього лежать стосунки. Якщо ви не можете мати це за допомогою аватара, то це просто aq та чат-бот», – зазначив Гей.