Tärkeintä puheeseen perustuvassa tekoälyssä ei ole ääni

Tärkeintä puheeseen perustuvassa tekoälyssä ei ole ääni vaan se, millaisen kokemuksen puhe voi mahdollistaa.

Ajattele parasta koskaan saamaasi palvelukokemusta. Sinusta tuntui, että sinua ymmärrettiin. Sinun ei tarvinnut toistaa itseäsi, opetella organisaation toimintatapoja tai selvittää sen sisäisiä rakenteita. Kerroit, mitä tarvitsit, ja joku hyödynsi tilannetajuaan, harkintakykyään ja organisaatiota koskevaa tietämystään auttaakseen sinua kohti onnistunutta lopputulosta.

Entä jos yritykset voisivat tarjota tällaisia kokemuksia useammin, johdonmukaisemmin ja laajemmassa mittakaavassa?

Puheagenttien todellinen lupaus ei ole pelkästään kirjoittamisen korvaaminen puhumisella tai jokaisen ihmisten välisen vuorovaikutustilanteen automatisointi. Puheagentit muuttavat kokemusta: järjestelmissä navigoinnin sijaan käyttäjä voi ilmaista, mitä hän haluaa saada aikaan. Asiakas tai työntekijä kertoo omin sanoin, mitä hän haluaa tehdä. Agentti ymmärtää tilanteen, kokoaa taustalla tarvittavan tiedon ja ottaa käyttöön sopivat järjestelmät, suorittaa sallitut toimet ja ottaa mukaan ihmisen silloin, kun tarvitaan harkintaa, empatiaa tai päätösvaltaa.

Ihmiset ovat vuosikymmenten ajan mukautuneet teknologiaan. Olemme oppineet, mitä pitää napsauttaa, mikä valikko avata ja miten yksinkertainen aikomus muutetaan komentojen sarjaksi. Generatiivinen tekoäly alkoi muuttaa tätä, kun se mahdollisti keskustelun arkikielellä. Puhe vie kehitystä askeleen pidemmälle ja alkaa kääntää asetelman kokonaan päinvastaiseksi: teknologia mukautuu ihmisten luontaiseen viestintätapaan, ja yrityksen monimutkaiset rakenteet jäävät taka-alalle.

Miten puhe muuttaa yritysten palvelukokemusta

Puhe on tärkeää, koska se helpottaa asiointia niin työntekijöille, asiakkaille kuin uusille työntekijöillekin. Palvelupisteeseen soittavan työntekijän ei pitäisi joutua tietämään, missä järjestelmässä ongelma sijaitsee tai mistä siihen löytyy ratkaisu. Asiakkaan ei pitäisi joutua kertomaan samoja tietoja uudelleen siirtyessään kanavasta toiseen. Uuden työntekijän ei pitäisi joutua tyytymään staattiseen koulutusmateriaaliin, jos hän voisi harjoitella realistista keskustelua ja saada siitä palautetta saman tien.

Puhe helpottaa myös niiden ihmisten osallistumista, jotka eivät ole näppäimistön ääressä, työskentelevät kentällä tai kokevat puhumisen kirjoittamista luontevammaksi. Monikieliset ominaisuudet auttavat organisaatioita viestimään johdonmukaisesti eri alueilla ilman, että jokaisesta vuorovaikutustilanteesta täytyy tehdä erillinen tuotantoprojekti.

Puhe ei kuitenkaan korvaa jokaista näyttöä tai ihmisten välistä keskustelua. Visuaaliset ja kirjalliset esitysmuodot sopivat yhä paremmin laajojen tietomäärien vertailuun ja tarkkojen yksityiskohtien tarkasteluun, ja ihmisen harkintakyky on edelleen olennainen, kun tilanne on monitulkintainen, arkaluonteinen tai merkitykseltään suuri. Mahdollisuus on käyttää puhetta silloin, kun keskustelu on luontevin reitti lopputulokseen, ja suunnitella selkeät siirtymät muihin toimintatapoihin silloin, kun se ei ole.

Pelkkä puhekäyttöliittymä ei riitä

Luonnolliselta kuulostava ääni ei riitä. Todellinen arvo syntyy siitä, pystyykö agentti parantamaan kokemusta merkittävästi: helpottamaan asiointia, säilyttämään asiayhteyden, nopeuttamaan ratkaisua ja auttamaan käyttäjää saavuttamaan oikean lopputuloksen. Se vaatii muutakin kuin houkuttelevan käyttöliittymän. Tarvitaan yhteen liitettyä dataa ja työnkulkuja, selkeitä rajoja, luotettavia siirtoja ihmiselle sekä vastuunottoa siitä, mitä seuraavaksi tapahtuu.

On siis tärkeää erottaa toisistaan ennalta käsikirjoitetut työnkulut ja käyttäjän tavoitteen ymmärtäminen. Perinteisessä työnkulussa jokainen vaihe käsikirjoitetaan etukäteen. Tavoitteiden ympärille suunniteltu puheagentti taas vastaanottaa käyttäjän aikomuksen, ymmärtää säännöt ja asiayhteyden sekä mukauttaa toimintatapaansa, kunnes tavoite saavutetaan tai tarvitaan ihmisen harkintaa.

On hyödyllistä tietää, missä ostajat todellisuudessa ovat, sillä yritykset ovat käyneet lyhyessä ajassa läpi kolme vaihetta. Jonkin aikaa vallitsi kiihkeä käyttöönottohuuma, jossa käyttöönottoa tavoiteltiin pitkälti sen itsensä vuoksi. Sitten johtajat joutuivat vastaamaan siitä, mitä hyötyä investoinneista oli saatu, eivätkä he usein osanneet kertoa, mitä arvoa niistä oli syntynyt. Tämä johti painopisteen uudelleenarviointiin ja tulosten korostamiseen. Enää ei kysytty vain, tuottiko käyttöönotto tuloksia, vaan myös sitä, vaarantuiko niiden saavuttamisen vuoksi jokin olennainen. Suhtautuminen on tietyllä tapaa luottavaisesti epäileväistä: investointihalukkuutta on aidosti, mutta samalla odotetaan vastauksia kumpaankin kysymykseen.

Ennusteet viittaavat samaan suuntaan. Gartner uskoo agenttisen tekoälyn ratkaisevan itsenäisesti 80 % yleisistä asiakaspalveluongelmista vuoteen 2029 mennessä. Sillä ei ole merkitystä, onko tarkka luku 80 %. Tässä tärkeintä on sana ratkaista. Keskustelu alkaa asiointimahdollisuudesta, mutta tuotteen ydin on ongelman ratkaiseminen.

Asiakastestausta suuren julkisuuden valokeilassa

DXC:llä yksi varhaisimmista puheeseen perustuvan tekoälyn käyttöönottohankkeistamme toteutettiin poikkeuksellisen näkyvässä ympäristössä: tulospuheluissamme. Kolmena peräkkäisenä vuosineljänneksenä toimitusjohtaja Raul Fernandez kirjoitti valmiin käsikirjoituksensa, ja ElevenLabsin kanssa kehitetty räätälöity tekoälypohjainen äänimalli esitti sen hänen äänellään.

Ensimmäinen puhelu osoitti perusominaisuuden toimivuuden. Toisella kerralla hänen puheenvuoronsa voitiin jakaa espanjaksi, ranskaksi, saksaksi, portugaliksi ja arabiaksi. Kolmannella kerralla käsikirjoitus esitettiin samanaikaisesti kuudella kielellä. Raul kertoi joka kerta kuulijoille kirjoittaneensa sanat itse ja että tekoälymalli esitti ne.

Tulospuhelu ei ole helppo paikka: sitä tarkastellaan tarkasti, sitä säännellään, eikä se anna anteeksi mitään, mikä kuulostaa vähänkään väärältä. Kokeilusta nousi esiin neljä asiaa, kun se toteutettiin siellä eikä jossain turvallisemmassa ympäristössä.

• Kirjoittajalla on enemmän merkitystä kuin esitystavalla. Sanat ovat hänen kirjoittamansa; malli vain lukee ne ääneen. Organisaatiot voivat laajentaa viestintäänsä eri kielille muuttamatta sitä, kuka viestin kirjoitti tai kuka on siitä edelleen vastuussa.
• Avoimuus vahvisti tulosta sen sijaan, että olisi heikentänyt sitä. Aluksi oli epäselvää, heikentäisikö tekoälyäänen käytöstä kertominen uskottavuuttamme. Kävi päinvastoin, ja vaihtoehto – toivoa, ettei kukaan huomaisi – olisi ollut väärä sekä eettisesti että käytännössä.
• Monikielisestä esityksestä oli todellista hyötyä. Osakkeenomistajat, jotka muuten joutuisivat odottamaan käännöstä, kuulevat nyt samat puheenvuorot samalla äänellä ja samaan aikaan. Kyse on siitä, keillä on yhtäläinen pääsy tietoon, ei tuotannon tehostamisesta.
• Luottamus perustuu vastuuseen, ei viimeisteltyyn vaikutelmaan. Ihmiset hyväksyvät tekoälyn välittämän viestin, kun he tietävät, kuka sen kirjoitti, kuka vastaa siitä ja mitä keinoja heillä on käytettävissään. Mikään tästä ei kuulu itse äänestä.

Tämä heijastaa periaatetta, jota noudatamme LabX:ssä, DXC:n tekoälylähtöisessä tuotehautomossa: ennen kuin pyydämme asiakkaita luottamaan uuteen teknologiaan, meidän pitäisi olla valmiita kokeilemaan sitä omassa toimintaympäristössämme. Toimiminen ensimmäisenä asiakkaana tuo esiin ongelmia, joita viimeistelty esittely ei paljasta – missä ihmiset epäröivät, missä luottamus horjuu ja millaisia suojatoimia tarvitaan, jotta teknologiaa voidaan käyttää vastuullisesti laajassa mittakaavassa. Yritysten vaikeimmat tekoälyhaasteet liittyvät yleensä ihmisiin, eivät tekniikkaan.

Esittelystä kokemusten uudistamiseen

Strateginen kumppanuutemme ElevenLabsin kanssa rakentuu ensimmäisenä asiakkaana saadun kokemuksen pohjalle. ElevenLabs on tekoäly-yritys, joka on erikoistunut äänimalleihin ja puheagentteihin. Kumppanuudessa puhetta hyödynnetään kolmella käytännön alueella. Kussakin tapauksessa lähtökohtana on selkeä tavoite, ei pelkkä teknologian käyttöönotto.

• Palvelupisteissä puheagentit voivat auttaa työntekijöitä kuvailemaan ongelman luontevasti, hakemaan asiaankuuluvaa tietoa, hoitamaan tavanomaiset vaiheet ja välittämään asiantuntijalle kaikki tarvittavat taustatiedot, kun asia on siirrettävä eteenpäin. Mittarina eivät ole pois ohjattujen puheluiden määrät. Olennaista on, saiko soittaja ongelmansa ratkaistua yhdellä yhteydenotolla joutumatta kuvailemaan sitä kolmeen kertaan.
• Asiakaskokemusalustoilla luontevasti kuulostavat monikieliset käyttöliittymät tekevät vuorovaikutuksesta yhdenmukaisempaa puhelin- ja digitaalisissa kanavissa. Useimmissa palveluorganisaatioissa palvelun laatu vaihtelee sen mukaan, kuka vastaa ja milloin. Laatua voidaan parantaa merkittävästi: jokaisessa vuorovaikutustilanteessa voidaan hyödyntää samaa taustatietoa, ja vaativimmat tapaukset voidaan silti ohjata niille ihmisille, joilla on parhaat valmiudet hoitaa ne.
• Koulutuksessa puhe muuttaa passiivisen sisällön harjoitteluksi. Työntekijät voivat harjoitella asiakaskeskustelua, turvallisuustilannetta tai vaikeaa esihenkilökeskustelua ja saada sen jälkeen yksilöllistä valmennusta. Ihmiset oppivat toimimaan pätevästi nopeammin harjoittelemalla todellista keskustelua kuin lukemalla siitä.

Toimialakohtaiset sovellukset voivat olla kaikkein merkittävimpiä. Vakuutusyhtiöt voivat kokeilla ohjattua tietojen keräämistä tavanomaisia korvaushakemuksia varten; valmistajat voivat antaa kenttätyöntekijöille kädet vapaiksi jättävän pääsyn työohjeisiin; julkisen sektorin organisaatiot voivat helpottaa tiedon löytämistä useilla kielillä. Nämä eivät ole yleiskäyttöisiä agentteja, jotka vain lisätään organisaation päälle. Ne on suunniteltava kunkin toimialan sanaston, sääntöjen, tietojen ja riskiprofiilin pohjalta.

Laajenna erinomaisen palvelun ominaisuuksia, älä käsikirjoitettua vuorovaikutusta

Vaarana on tietenkin, että laajentaminen johtaa yhdenmukaisuuteen. Yritykset ovat tehneet tämän virheen ennenkin: päätöspuuta sovelletaan kaikkialla samalla tavalla, jolloin se palvelee keskivertotapausta ja pettää kaikki muut. Laajentaa pitäisi erinomaisen palvelutilanteen ominaisuuksia – tietoon perustuvaa, reagoivaa ja tavoitteellista palvelua – ja samalla mukauttaa itse vuorovaikutusta ihmisen kielen, tilanteen ja tarpeen mukaan. Yhdenmukaisuuden pitäisi tarkoittaa luotettavan hyvää palvelua, ei samanlaista palvelua kaikille.

Luottamus on osa kokemusta

Mitä inhimillisemmältä puheagentti kuulostaa, sitä tärkeämpää avoimuus on. Ihmisen pitäisi tietää, milloin hän on tekemisissä tekoälyn kanssa. Organisaatiot tarvitsevat nimenomaisen luvan jonkun synteettisen äänen luomiseen tai käyttämiseen, hallintakeinot siihen, kuka voi käyttää ääntä, vahvan tunnistautumisen arkaluonteisissa toimissa, tiedot siitä, mitä agentti teki, sekä selkeän väylän päästä puhumaan oikean ihmisen kanssa.

Näitä asioita pidetään usein vaatimustenmukaisuuteen liittyvinä kysymyksinä, jotka lisätään kokemukseen jälkikäteen, vaikka niiden pitäisi olla osa kokemusta alusta alkaen. Kokemus ei ole hyvä, jos ihminen ei tiedä, puhuuko hän ihmiselle vai tekoälylle, ei tiedä, mihin agentilla on valtuudet, tai ei pääse puhumaan jonkun kanssa silloin, kun tarvitsee apua – kuulostipa keskustelu kuinka luontevalta tahansa.

On syytä täsmentää, mistä tämä luottamus syntyy, sillä kyse on kaksisuuntaisesta asiasta. Mallin rakentajien on kalibroitava se asianmukaisesti. Sen käyttöönottoon liittyvät asiat — tietojen käsittely, käyttöoikeuksien hallinta, toimien kirjaaminen ja selkeästi määritellyt kohdat, joissa ihminen ottaa vastuun — ovat erillinen kysymys, josta vastaa järjestelmän tuotantoon vievä taho. Kumpikaan ei korvaa toista. Molemmat ovat äänenkäytössä erityisen tärkeitä, koska vuorovaikutus tapahtuu reaaliajassa, agentti saattaa toimia puhuessaan eikä näytöltä näe, mitä juuri on tehty käyttäjän puolesta.

Ulkopuolisista ohjeista on tässä apua. Yhdysvaltain kauppakomissio (Federal Trade Commission) on tuonut esiin haitallisen äänen kloonauksen mahdolliset haitat, ja NISTin tekoälyn riskienhallintakehys tarjoaa käytännönläheisen rakenteen tekoälyyn liittyvien riskien tunnistamiseen ja hallintaan. Suostumusta, tiedonantoa, tietoturvaa, testausta ja jatkuvaa seurantaa on käsiteltävä tuotteen keskeisinä vaatimuksina.

Avoin polku kokeiluista laajamittaiseen käyttöön

Laajentunut roolini tekoälyinnovaatioista ja strategiasta sekä LabX:stä vastaavana johtajana yhdistää saman haasteen kaksi puolta: tekoälylähtöisten tuotteiden kehittämisen ja DXC:n tekoälykumppanialustastrategian kaupallisen puolen kehittämisen. LabX on edelleen paikka, jossa huipputeknologioita voidaan testata asiakkaiden todellisiin ongelmiin, mutta sen tehtäviin kuuluu nyt myös asiakkaiden auttaminen avoimessa kumppaniekosysteemissä toimimisessa. Kumppaneihin kuuluvat esimerkiksi Anthropic ja ElevenLabs.

Avoin lähestymistapa on tärkeä, sillä mikään yksittäinen malli, alusta tai käyttöliittymä ei sovi kaikille yrityksille eikä kaikkiin käyttötapauksiin. Tehtävämme on yhdistää oikea teknologia toimialaosaamiseen, työnkulkujen suunnitteluun, hallintamalleihin ja toimituskykyyn sekä varmistaa, että yhdistelmä tuottaa mitattavia tuloksia. Joskus sopiva käyttöliittymä on tekstipohjainen. Joskus se on visuaalinen. Yhä useammin se on ääni — ja usein harkittu yhdistelmä kaikkia kolmea.

Kysymys ei ole siitä, missä yritys voi ottaa äänen käyttöön. Olennaista on, missä keskustelu voi parantaa kokemusta ja tuloksia sekä onko organisaatio valmis suunnittelemaan työn sen ympärille uudelleen.