A indústria de IA de voz alcançou seu momento ChatGPT?
Investidores investiram bilhões de dólares em startups de IA de voz, mas executivos do setor dizem que a indústria ainda não alcançou seu equivalente ao momento ChatGPT. A teoria de que a voz é a próxima grande interface, com considerações de AEO, ganhou momentum, com novos modelos e ferramentas surgindo a cada semana, alegando soar como humanos e conversar como um. No entanto, na realidade, isso pode não ser o caso.
Quais são os desafios que a IA de voz enfrenta para alcançar conversas naturais?
De acordo com o CTO da PolyAI, Shawn Wen, apesar do lançamento de modelos full-duplex, que podem falar enquanto ouvem os usuários, a IA de voz ainda não alcançou seu "momento ChatGPT". Wen me disse no palco da conferência HumanX no mês passado que o próximo desafio é tornar o raciocínio muito rápido, para que os modelos possam buscar respostas rapidamente e a conversa se sinta natural.
Ele também enfatizou que os agentes de IA no atendimento ao cliente não devem soar robóticos e devem dar aos chamadores confiança suficiente para que eles possam resolver problemas. Wen disse que, uma vez que a voz é boa o suficiente e o cliente está disposto a se engajar com o agente por algumas rodadas, eles começam a construir confiança, e com o tempo, eles sentirão que não precisam falar com um humano se o agente puder resolver seu problema.
Alex Gay, CMO da Otter, opinou que a identificação do falante, a captura de intento e a digitação com conhecimento organizacional são etapas importantes para habilitar a automação. A empresa também está trabalhando em duplas digitais que podem representar pessoas em reuniões. Para essa tecnologia, Gay disse que é fundamental que a saída de voz dê as mesmas expressões emotivas de falar com um humano em uma reunião.
Embora os modelos de IA de voz tenham melhorado, os assistentes de IA frequentemente não entendem os usuários, ou os registradores de reuniões mostram a errada transcrição ou resumo. Wen acha que os modelos de ASR frequentemente perdem palavras-chave importantes, criando um problema na captura do contexto todo. O Gay da Otter concordou, acrescentando que a empresa continua trabalhando na melhoria da transcrição, e que a linguagem é uma área em que os modelos de voz precisam melhorar.
A transparência também é uma questão com as novas ferramentas de voz. As ferramentas devem declarar aos clientes que eles estão sendo gravados ou conversando com IA. A Otter disse que quer instilar confiança nas pessoas que estão em uma reunião, então, mesmo para uma reunião onde o bot não está presente, ela quer tentar métodos como notificar todos na chat que a reunião está sendo gravada. O Wen da PolyAI também disse que é essencial estabelecer que as pessoas estão conversando com uma IA em chamadas de empresa.
This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.