Определение
ИИ-голосовой агент — это программное обеспечение, которое ведёт устный телефонный разговор: оно распознаёт речь звонящего, с помощью языковой модели понимает запрос и решает, что делать, озвучивает ответ с помощью синтеза речи (text-to-speech), а также может выполнять действия в бизнес-системах или передавать разговор человеку.
Большинство голосовых агентов объединяют три компонента: распознавание речи (speech-to-text), большую языковую модель с доступом к инструментам (поиск в CRM, бронирование, платежи) и синтез речи (text-to-speech). Некоторые новые системы обрабатывают речь напрямую. Главные инженерные сложности — задержка (паузы дольше примерно секунды звучат неестественно), barge-in (возможность перебить агента) и надёжное чередование реплик.
В отличие от IVR-меню, голосовой агент отвечает на открытые вопросы («Я хочу перенести визит на четверг, на вторую половину дня») и может решить задачу за один звонок. При этом он должен работать в заданных границах: чёткие цели, утверждённая база знаний и ясные правила, когда переводить звонок на человека.
Для внедрений в странах Персидского залива (GCC) агент должен понимать арабский язык Персидского залива и английский, включая переключение между языками в середине фразы, и говорить на естественном арабском. Сообщайте звонящим, что они разговаривают с автоматическим помощником, соблюдайте правила о времени звонков и телемаркетинге при исходящих вызовах, а записи и расшифровки обрабатывайте в соответствии с применимым законом о защите данных.
Оценивайте containment (долю звонков, решённых без участия человека), долю переводов на оператора, выполнение задач и удовлетворённость клиентов, а также регулярно проверяйте расшифровки.
OmniChannels.ai на базе голосовых возможностей BroadNet и BroadNet AI предлагает ИИ-голосовых агентов, в том числе с поддержкой арабского языка, с передачей разговора живому оператору.