Miravoice samler 6,3 mio. dollars for at bringe AI-stemme-agenter til markedundersøgelser og meningsmålinger

AI-former langsomt, hvordan organisationer indsamler og fortolker data, men ét område er blevet vedvarende manuelt: telefonbaserede undersøgelser. Nu sigter Miravoice på at modernisere denne proces med en frisk indsprøjtning af kapital, idet de har samlet 6,3 mio. dollars i seed-finansiering for at skala deres AI-drevne stemmepatform.

Runden blev ledt af Unusual Ventures, med deltagelse fra Neo, 25madison og en gruppe af højt profilerede engle-investorer, herunder direktører fra selskaber som Ramp, PubMatic, Google og Atlassian.

Erstatning af callcenter med AI-stemme-agenter

Trods opblomstringen af online-undersøgelser, forbliver telefoninterviews en hjørnesten i markedundersøgelser og meningsmålinger. De tilbyder højere kvalitet, mere repræsentative data, især når det drejer sig om at nå demografier, der er sværere at engagere digitalt.

Kompromiset har altid været omkostninger og kompleksitet.

Miravoice er bygget til at imødekomme denne lukning ved at erstatte menneskelige interviewere med AI-stemme-agenter, der kan udføre lange, strukturerede samtaler. Disse agenter kan håndtere undersøgelser med hundredvis af spørgsmål, følge strenge manuskripter og anvende grenlogik i realtid.

I modsætning til traditionelle systemer fokuserer platformen specifikt på kvantitative, regelbaserede samtaler, snarere end åbne samtaler. Denne forskel er kritisk i felter som meningsmålinger, hvor konsistens og metodologisk strenghed er essentielle.

Fra uger til dage for store undersøgelser

I sin kerne gør platformen det muligt for organisationer at lancere store telefonundersøgelser så let som at oprette en online-formular. Hold kan uploade spørgsmål, definere logik og udrulle kampagner uden at skrive kode.

Når systemet er i live, kan det køre tusindvis af opkald samtidigt, på tværs af multiple sprog og tidszoner. Ifølge selskabet tillader dette, at forskningsprojekter, der tidligere tog uger eller måneder, kan afsluttes på blot få dage.

Effektivitetsgevinsterne er betydelige. Automatisering af interviews kan reducere omkostningerne med op til 70% til 90% i forhold til traditionelle callcenter, samtidig med at konsistensen forbedres på tværs af interviews.

Miravoice har allerede udført hundredtusindvis af opkald i produktionsmiljøer, hvor de har arbejdet med markedundersøgelsesfirmaer, meningsmålingsorganisationer og akademiske institutioner.

Teknologien bag struktureret stemme-AI

Hvad adskiller Miravoice fra generelle stemme-AI-værktøjer, er deres fokus på præcision og kontrol.

Platformen kombinerer store sprogmodeller med stemmesyntese, men lagrer også et proprietært system, der er designet til at holde samtaler tæt alignede med foruddefinerede undersøgelsesstrukturer. Dette inkluderer:

• Streng overholdelse af spørgsmålsordlyd og rækkefølge
• Realtids-gennemførelse af undersøgelseslogik og grenlogik
• Håndtering af afbrydelser, pauser og respondentsspørgsmål
• Indsamling af både transkriptioner og strukturerede data-outputs

Dette arkitektur er designet til at minimere en af de største risici i AI-drevne samtaler: hallucinationer eller afvigelser fra det intentionerede manuskript.

I praksis kan systemet udføre interviews, der varer over 40 minutter og omfatter mere end 100 spørgsmål, samtidig med at konsistensen opretholdes på tværs af interaktionen.

Udvidelse af adgangen til højkvalitetsdata

En central tema bag selskabets tilgang er tilgængelighed. Historisk set har store telefonundersøgelser været begrænsede til organisationer med betydelige budgetter og infrastruktur.

Ved at tilbyde en kodefri grænseflade og brugsbaseret prissætning, positionerer Miravoice sig selv som et værktøj, der kan bruges af mindre hold, startups og forskere uden specialiseret teknisk ekspertise.

Platformen understøtter også flersprogede undersøgelser, hvilket hjælper organisationer med at nå mere diverse befolkninger og forbedre repræsentativiteten af deres data.

Fremtidige implikationer af stemme-baserede AI-systemer

Da AI-stemmesystemer fortsætter med at forbedre sig i pålidelighed og samtale-dybde, er det sandsynligt, at deres anvendelse vil udvide sig langt ud over traditionelle callcenter- eller undersøgelsesbrugstilfælde. En af de mest betydelige skift er evnen til at indsamle struktureret, højkvalitetsdata i stor skala gennem naturlig dialog snarere end statiske former eller manuelle interviews.

Dette kunne fundamentalt ændre, hvordan organisationer interagerer med brugere. I sundhedssektoren kan stemme-drevne intake-systemer strømline patient-indmeldelse, samtidig med at de indsamler mere nuanceret information. I rekruttering kan samtale-baseret screening tillade virksomheder at evaluere kandidater mere dynamisk. Offentlige myndigheder kan også adoptere disse systemer for at indsamle borgerfeedback mere effektivt, især i regioner, hvor digital litteracitet eller adgang til skrevne former er begrænset.

En anden vigtig implikation er den øgede standardisering af ustruktureret stemme-data til brugbare datasæt. Historisk set har tale-svar været svære at analysere i stor skala, men fremskridt i tale-genkendelse og naturlig sprogbehandling gør det muligt at konvertere samtaler til strukturerede indsigt i næsten realtid. Dette åbner døren for hurtigere beslutningscykler på tværs af industrier.

På et bredere niveau peger disse systemer mod en skift i selv grænsefladedesign. Da stemme bliver en mere pålidelig indtastningsmetode, kan organisationer begynde at bevæge sig væk fra traditionelle form-baserede arbejdsgange mod samtale-grænseflader, der føles mere naturlige og adaptive.

Taget sammen peger disse udviklinger på, at stemme-AI ikke blot forbedrer eksisterende processer, men langsomt omformer, hvordan data indsamles, fortolkes og håndteres på tværs af en bred vifte af sektorer.