За последние месяцы вокруг голосового AI всё чаще обсуждают уже не качество голоса и даже не скорость ответа. На первый план выходит другой вопрос: что система умеет сделать после того, как поняла человека. Повод посмотреть на эту тему внимательнее дали сразу несколько недавних запусков. В GPT-Live-1, который OpenAI представила 10 сентября, голосовая модель может поддерживать разговор, а более сложные задачи передавать другим моделям и подключённым инструментам.
В Neuro.net решили разобрать, почему это направление важно именно для голосовых систем. По сути, разговор постепенно становится способом управлять бизнес-процессом: клиент формулирует задачу обычными словами, а система должна не только понять запрос, но и довести его до результата.
Ответить на вопрос уже недостаточно
Возьмём простой пример. Клиент говорит:
«Перенесите мою запись на пятницу после пяти».
Обычный голосовой помощник может объяснить правила переноса, продиктовать номер телефона или соединить человека с оператором.
У AI-агента задача длиннее: нужно определить, о какой записи идёт речь, проверить свободные слоты, предложить подходящее время, получить подтверждение клиента и изменить данные в системе. После этого остаётся сообщить человеку, что запись действительно перенесена. И вот здесь хорошо видно, как меняется роль голосового AI. Сам разговор становится только началом процесса. Основная работа происходит дальше, внутри корпоративных систем.
Что значит дать агенту доступ к инструментам
Под инструментом в данном случае может скрываться вполне привычная система: CRM, календарь, база заказов, сервис бронирования, личный кабинет или внутренний API компании.
Например, клиент спрашивает, когда приедет его заказ. В базе знаний можно найти общие правила доставки, но этого недостаточно. Нужно обратиться к данным конкретного заказа и только после этого дать ответ.
Или клиент просит изменить адрес. Тогда системе приходится проверить, можно ли ещё внести изменения, записать новый адрес и убедиться, что операция прошла успешно. Такие сценарии заметно отличаются от привычного формата вопроса и ответа. Здесь AI включён непосредственно в рабочий процесс компании.
Зачем при этом нужна языковая модель
Корпоративные системы обычно ждут точных команд и параметров. Люди так не разговаривают.
Клиент вряд ли скажет: «Измените параметр даты бронирования на 18 сентября». Скорее он сформулирует запрос так: «А можно всё-таки перенести на пятницу вечером?»
Языковая модель помогает понять, чего человек хочет, даже если запрос сформулирован свободно. Но одного понимания мало. Дальше вступают в работу правила конкретного бизнеса.
Можно ли переносить эту запись? Какие данные клиент имеет право менять самостоятельно? Нужно ли ещё раз подтвердить действие? Что делать, если нужная система сейчас недоступна?
Такие вопросы нельзя оставлять на усмотрение модели: чем больше операций способен выполнять агент, тем точнее приходится описывать границы его полномочий.
Почему AI нельзя просто открыть доступ ко всему
Пока система только отвечает на вопросы, ошибка чаще всего означает неверную информацию. Когда она получает возможность выполнять действия, последствия могут быть серьёзнее.
Ошибиться во времени записи неприятно. Самостоятельно отменить её по ошибке гораздо хуже.
Поэтому доступ AI к корпоративным системам приходится организовывать примерно так же, как доступ сотрудника. У него должны быть определённые права и понятные ограничения. Некоторые операции можно выполнять сразу, для других нужно подтверждение клиента, а часть действий разумнее вообще оставлять оператору.
Именно поэтому в корпоративных агентских системах важны не только возможности модели. Не меньшее значение имеют права доступа, журнал операций и правила, по которым система решает, может ли она выполнить запрос самостоятельно.
А если операция не сработала
Этот момент особенно важен в реальной работе. Предположим, клиент попросил изменить адрес доставки. Агент правильно его понял и отправил запрос во внутреннюю систему, но та вернула ошибку. В такой ситуации системе нужно точно знать, чем закончилась операция. Понимание просьбы клиента ещё не означает, что она выполнена.
Агент должен увидеть ошибку и выбрать следующий шаг: повторить запрос, предложить другой вариант или передать разговор сотруднику. Сообщать клиенту об успешном изменении можно только после подтверждения от самой системы.
Для бизнеса эта часть процесса намного важнее эффектного диалога. Голос может звучать совершенно естественно, но ценность появляется тогда, когда действие действительно выполнено правильно.
Голос становится интерфейсом к бизнес-процессу
Если раньше человек взаимодействовал с корпоративными системами в основном через формы, меню и кнопки, то теперь к ним постепенно добавляется ещё один способ: обычная речь. Пользователю необязательно знать, где именно хранится информация о заказе, в каком разделе меняется запись или какая система отвечает за бронирование. Он просто говорит, какой результат хочет получить.
Дальше голосовой агент должен понять запрос, получить необходимые данные, выполнить разрешённое действие, проверить результат и только потом ответить человеку.
Именно поэтому развитие Voice AI всё меньше сводится к распознаванию и синтезу речи. Приятный голос и быстрый ответ по-прежнему важны, но сами по себе они решают только часть задачи. Следующий этап начинается там, где после слов «я вас понял» система действительно может что-то сделать.
