نظرية الصوت كواجهة كبيرة قادمة قد اكتسبت زخمًا قويًا، حيث يستثمر المستثمرون مليارات الدولارات في شركات الذكاء الاصطناعي المتعلقة بالصوت التي تعمل في مجالات تتراوح من إنشاء النماذج إلى مقدمي خدمة العملاء المؤسسيين، ومن تسجيل ملاحظات الاجتماعات إلى التسجيل الصوتي المُدار بواسطة الذكاء الاصطناعي.
كل أسبوع يصدر نموذج جديد أو أداة تدعي أن صوتها بشري وتتحدث كالإنسان. ومع ذلك، في الواقع قد لا يكون الأمر كذلك. يعتقد شوان وين، المدير التقني لمنصة PolyAI للذكاء الاصطناعي للصوت المؤسسي، أنه على الرغم من إصدار النماذج المزدوجة الكاملة — التي يمكنها التحدث أثناء الاستماع إليك — فإن الذكاء الاصطناعي للصوت لم يحقق لحظة ChatGPT بعد.
"لقد وصلنا إلى مرحلة تطوير النماذج الكاملة المزدوجة. التحدي التالي هو جعل التفكير سريعًا جدًا، حتى يمكن للنماذج الحصول على الإجابات بسرعة، وتكون المحادثة طبيعية"، قال لي على المنصة في مؤتمر HumanX الشهر الماضي.
كما قال أيضًا إن وكلاء الذكاء الاصطناعي في خدمة العملاء لا ينبغي أن يكونوا آليين، ويجب أن يمنحوا المتصلين ثقة كافية بأنهم قادرون على حل المشاكل.
"أعتقد أن المرحلة التالية ستكون مختلفة قليلاً، لأنه عندما يكون الصوت جيدًا بما فيه الكفاية، ويسعد العميل التفاعل معهم خلال الجولتين أو الثلاث الجولات الأولى، يبدأ في بناء الثقة، ومع مرور الوقت، سيشعر أنه ربما لا حاجة للتحدث مع إنسان إذا استطاع الوكيل حل مشكلتي"، قال.
أكد أليكس جاي، المدير التجاري لشركة Otter المتخصصة في تدوين الاجتماعات، أن تحديد المتحدثين، واستخلاص نواياهم، وتسجيل ما يكتبونه مع المعرفة التنظيمية، يعتبر خطوة أساسية لتحقيق الأتمتة. كما تعمل الشركة على تقنيات “التوأم الرقمي” التي قد تمثل الأشخاص خلال الاجتماعات. وبالنسبة لهذه التقنية، قال إن من المهم جدًا أن تكون الصوت الناتج يحتوي على نفس التعبيرات العاطفية التي يظهرها الشخص البشري أثناء الاجتماع.
“إذا فكرت في الاجتماعات التي تشارك فيها الآن، فإن أفضل محادثات التي تجري هي تلك التي يمكن فيها النقاش والمناقشات الاستراتيجية، وعندما تشعر أن هناك علاقة تدعم ذلك. إذا لم تتمكن من ذلك مع رمز شخصي، فهو مجرد جروب و chatbot”، أشارت غاي.
فهم وشفافية الذكاء الاصطناعي الصوتي
على الرغم من تحسن نماذج الذكاء الاصطناعي الصوتية، إلا أن مساعدات الذكاء الاصطناعي غالبًا لا تفهم المستخدمين، أو قد يظهر جهاز تسجيل الاجتماعات التقرير الخاطئ أو ملخصًا غير صحيح.
يعتقد وين أن نماذج التعرف على الكلام التلقائي غالبًا ما تفوت الكلمات المفتاحية المهمة، وهذا يشكل مشكلة في استيعاب السياق الكامل.
وافق أوترز جاي على ذلك، وأضاف أن الشركة لا تزال تعمل على تحسين عملية التسجيل. وقال أيضًا إن اللغة هي مجال يحتاج فيه نماذج الصوت إلى التحسين.
“بالنسبة لـ Otter، من المعروف أن التسجيل كان ليس نقطة النهاية. كان مجرد طبقة يمكننا استخدامها لتحقيق بعض المكاسب الإنتاجية. ولكن إذا لم تكن التسجيل الأصلي دقيقًا كما تحتاج، فإن جميع الإجراءات اللاحقة ستكون خاطئة. وفي اللحظة التي نبدأ فيها باتخاذ إجراءات، يكون ذلك خطأ. تفقد النظام الثقة فيه. قال: "من الضروري جدًا أن نستمر في تحسين نموذج التحويل الصوتي، لأن جميع التأثيرات اللاحقة كبيرة".
مع أدوات الصوت الجديدة، يبرز أيضًا مسألة الشفافية. يجب على الأدوات أن تعلن للعملاء أنها يتم تسجيلها أو أنها تتحدث مع الذكاء الاصطناعي. قال أوتر إنه يريد إضفاء الثقة بين الأشخاص الذين يحضرون الاجتماعات، بحيث حتى في الاجتماعات التي لا يوجد فيها الروبوت، يريد تجربة طرق مثل إبلاغ الجميع في الدردشة بأن الاجتماع يتم تسجيله. وقال وين من شركة PolyAI أيضًا إنه من المهم توضيح أن الأشخاص يتحدثون مع الذكاء الاصطناعي في مكالمات الشركات.