Ինչ է փոխում լիարժեք երկկողմ ձայնային ԱԲ-ն բիզնեսի հեռախոսագծի համար

OpenAI-ն թողարկեց GPT-Live-1-ը որպես API, որպեսզի մշակողները կարողանան կառուցել ձայնային հավելվածներ այն մոդելի հիման վրա, որն արդեն աշխատում է ChatGPT-ի ներսում։ Ինչպես հայտնում է The Decoder-ը, հիմնական նորույթը լիարժեք երկկողմ խոսքն է (full-duplex)՝ մոդելը միաժամանակ լսում և խոսում է, փոխանակ սպասելու, մինչև զանգողն ավարտի իր միտքը։ Եթե ձեր բիզնեսը հեռախոսով ընդունում է ամրագրումներ, պատվերի կարգավիճակի հարցումներ կամ աշխատանքային ժամերից դուրս զանգեր, ապա սա այն մասն է ԱԲ-ի նորությունների հոսքից, որն իրականում առնչվում է ձեր աշխատանքին։

Ինչն է իրականում փոխվել

Մինչ այժմ ձայնային օգնականները աշխատում էին հերթականությամբ. դուք խոսում եք, մոդելը սպասում է, հետո պատասխանում։ Full-duplex-ը վերացնում է այդ պատը. զանգողը կարող է ընդհատել, մեջտեղում ավելացնել մի մանրամասն, կամ ասել՝ «ոչ, մյուս երեքշաբթի», առանց համակարգի կողմից միտքը կորցնելու։

OpenAI-ի սեփական թեստերի արդյունքները ցույց են տալիս տարբերությունը իր նախորդ մոդելի՝ GPT-Realtime-2.1-ի հետ։ Full-duplex փոխազդեցության ցուցանիշը 80.1% է՝ 45.4%-ի փոխարեն։ Հերթափոխության ուշացումը նվազել է 1.4 վայրկյանից մինչև 0.8 վայրկյան։ Գործիքների կանչման ճշգրտությունը՝ մոդելի կարողությունը ճիշտ գործարկելու գործողություն, օրինակ՝ տվյալների որոնում կամ ամրագրում, բարձրացել է 60%-ից մինչև 87%։

Մի քանի այլ գործնական մանրամասն. մշակողները կարող են GPT-Live-1-ը զուգակցել տարբեր backend մոդելների հետ՝ ընտրելով, թե որքան մտածողություն, արագություն և արժեք է հատկացվում յուրաքանչյուր դեպքի համար։ Մոդելը գալիս է տասներկու նոր ձայների հետ, որոնք ընդգրկում են տարբեր առոգանություններ, բարբառներ և լեզուներ։ Այն լռելյայն վերադարձնում է խոսքի ճանաչման տեքստագրություններ և պատասխանի տեքստ, ուստի յուրաքանչյուր զանգ ունենում է գրավոր հետք։ Yelp-ն արդեն օգտագործում է այն հեռախոսային ամրագրումների համար, և ընկերության CTO Ալեքս Լևին հայտնում է զանգերի ավելի լավ մշակման մասին։

Գինը՝ $0.05 րոպեում։ Մեծ ծավալների դեպքում սա ամենևին էլ կլորացման սխալ չէ։

Թիվը, որը ոչ ոք չի մեջբերում

Բանկային ձայնային աջակցության թեստում GPT-Live-1-ը հաղթահարում է դեպքերի 32%-ը։ Նախորդ մոդելը հաղթահարել էր 12.4%-ը։ Սա մեծ հարաբերական բարելավում է և վատ բացարձակ արդյունք։ Բարդ, կանոնակարգված աջակցության սցենարում այս մոդելը դեռ մոտավորապես երեք զանգից երկուսում ձախողվում է։

Երկու փաստերը միասին կարդալիս ստանում եք ճիշտ պատկերացումը։ Ձայնային ԱԲ-ն իսկապես լավացել է խոսակցության մեխանիկայում՝ ժամանակավորում, ընդհատումներ, բնական հնչողություն։ Բայց այն դեռ հուսալի չէ բարդ, կարևոր խնդիրների լուծման հարցում։ Հենց «մարդու տպավորություն թողնելու» և «ճիշտ արդյունքի հասնելու» միջև եղած բացը կդառնա այն, ինչի վրա բիզնեսները այս տարի կկրակվեն։

Ինչու է սա կարևոր փոքր բիզնեսի համար

Փոքր բիզնեսի հեռախոսազանգերի մեծ մասը բարդ չէ։ Դրանք աշխատանքային ժամերի, պատվերի պատրաստության, հանդիպումը տեղափոխելու կամ ապրանքի առկայության հարցեր են։ Հենց այս զանգերն են տեղավորվում 32%-անոց ցուցանիշ ունեցող մոդելի հնարավորությունների մեջ, քանի որ դրանք բարդ խնդիրներ չեն։ Դրանք տվյալների որոնում են՝ գումարած ամրագրման գործողություն, և հենց այստեղ է կարևոր 87%-անոց գործիքների կանչման ճշգրտությունը։

Արժեքը կառավարելի է, եթե ճիշտ սահմանափակեք շրջանակը։ $0.05 րոպեում հաշվարկով եռարոպեանոց զանգն արժե 15 ցենտ։ Ամսական հինգ հարյուր նման զանգը կարժենա մոտ $75 մոդելի վճարներով, առանց մշակման և մնացած ենթակառուցվածքի ծախսերի։ Համեմատեք սա այն զանգերի հետ, որոնք այժմ բաց եք թողնում ժամը 18:00-ից հետո, և հաշվարկը որոշ բիզնեսների համար պարզ ու շահավետ է, մյուսների համար՝ ակնհայտորեն ոչ։ Հաշվարկը կատարեք ձեր սեփական զանգերի մատյանով, ոչ թե մատակարարի տվյալներով։

Տասներկու տարբեր առոգանություններով և լեզուներով ձայները կարևոր են այն շուկաներում, որտեղ հաճախորդները զանգի ընթացքում փոխում են լեզուն։ Ներկառուցված տեքստագրությունները ավելի կարևոր են, քան թվում է. յուրաքանչյուր զանգ դառնում է որոնելի տեքստ, որը կարող եք վերլուծել, մուտքագրել CRM-ում կամ օգտագործել՝ պարզելու, թե ինչ իրականում են հարցնում հաճախորդները։

Ինչ անել

• Նախ վերցրեք զանգերի մեկ ամսվա գրառումները։ Հաշվեք, թե քանիսն են պարզ հարցումներ, քանիսը՝ աշխատանքային ժամերից դուրս, և քանիսը մնում են անպատասխան։ Առանց այս երեք թվերի չեք կարող գնահատել՝ արդյոք փորձնական նախագիծը կվճարվի իր ծախսերով։
• Ընտրեք մեկ նեղ խնդիր։ Հանդիպումների ամրագրում կամ պատվերի կարգավիճակ, ոչ թե «հեռախոսը կառավարել» ընդհանրապես։ Նեղ շրջանակը կպահի ձեզ այդ ցուցանիշային բացվածքի ճիշտ կողմում։
• Սահմանեք հանձնման կանոնները նախքան ողջույնի տեքստը գրելը։ Ճշգրիտ որոշեք, թե երբ օգնականը պետք է կանգնի ու փոխանցի մարդուն. ցանկացած բողոք, ցանկացած փոխհատուցում, ցանկացած կրկնվող հարց։ Գրի առեք այդ կանոնները։
• Պահանջեք, որ օգնականը կարողանա գործել, ոչ միայն խոսել։ Նրան անհրաժեշտ է իրական մուտք դեպի ձեր ամրագրումների օրացույցը կամ պատվերների բազան։ Գործիքների կանչման ճշգրտությունն անօգուտ է, եթե գործիքներ միացված չեն։
• Օգտագործեք առաջին շաբաթվա տեքստագրությունները։ Կարդացեք դրանք։ Դրանք ցույց կտան, թե որտեղ է օգնականը կռահել, որտեղ է նյարդայնացրել մարդկանց, և ինչ հարցերի պետք է պատասխանեք ձեր կայքում փոխարենը։

Full-duplex-ը իրական առաջընթաց է այն հարցում, թե ինչպես մեքենան վարում է խոսակցություն, և API-ի գնային քաղաքականությունը այն հասանելի է դարձնում կայուն զանգային ծավալ ունեցող փոքր բիզնեսի համար։ Դա ձեր բիզնեսին ճանաչող մարդու փոխարինող չէ։ Ընկալեք այն որպես ֆիլտր՝ ձեր հեռախոսագծի սկզբում, որը մշակում է զանգերի կրկնվող մեկ երրորդը, պահպանում է գրավոր հետք և արագ փոխանցում մնացածը մարդուն։