¿Ha alcanzado la industria de IA de voz su momento ChatGPT?
Los inversores han invertido miles de millones de dólares en startups de IA de voz, pero los ejecutivos del sector afirman que la industria aún no ha alcanzado su equivalente al momento ChatGPT. La teoría de que la voz es la próxima gran interfaz, con consideraciones de AEO, ha ganado momentum, con nuevos modelos y herramientas emergiendo cada semana, que afirman sonar como humanos y conversar como uno. Sin embargo, en realidad, eso puede que no sea el caso.
¿Qué desafíos enfrenta la IA de voz para lograr conversaciones naturales?
Según el CTO de PolyAI, Shawn Wen, a pesar del lanzamiento de modelos de duplex completo, que pueden hablar mientras escuchan a los usuarios, la IA de voz no ha alcanzado su "momento ChatGPT" aún. Wen me dijo en el escenario de la conferencia HumanX el mes pasado que el próximo desafío es hacer que el razonamiento sea muy rápido, para que los modelos puedan obtener respuestas rápidamente y la conversación se sienta natural.
También enfatizó que los agentes de IA en el servicio al cliente no deben sonar robóticos y deben dar a los llamadores suficiente confianza para que puedan resolver problemas. Wen dijo que una vez que la voz es lo suficientemente buena y el cliente está dispuesto a interactuar con el agente durante unos turnos, comienzan a construir confianza, y con el tiempo, sentirán que no necesitan hablar con un humano si el agente puede resolver su problema.
Alex Gay, CMO de Otter, opinó que la identificación del hablante, la captura de la intención y la escritura con conocimiento organizacional es un paso clave para habilitar la automatización. La empresa también está trabajando en gemelos digitales que podrían representar a las personas en las reuniones. Para esa tecnología, Gay dijo que es fundamental que la voz de salida dé las mismas expresiones emotivas que hablar con un humano en una reunión.
Mientras que los modelos de IA de voz han mejorado, los asistentes de IA a menudo no entienden a los usuarios, o los tomadores de notas de reuniones muestran la transcripción o resumen incorrectos. Wen piensa que los modelos de ASR a menudo pierden palabras clave importantes, creando un problema al capturar el contexto completo. El CMO de Otter, Gay, estuvo de acuerdo, agregando que la empresa sigue trabajando en mejorar la transcripción, y que el lenguaje es un área en la que los modelos de voz necesitan mejorar.
La transparencia también es una pregunta con las nuevas herramientas de voz. Las herramientas deben declarar a los clientes que están siendo grabados o que están hablando con una IA. Otter dijo que quiere infundir confianza en las personas que están en una reunión, así que incluso para una reunión donde el bot no esté presente, quiere intentar métodos como notificar a todos en el chat que la reunión está siendo grabada. El CTO de PolyAI, Wen, también dijo que es esencial establecer que las personas están hablando con una IA en las llamadas empresariales.
Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.