Cel mai important lucru despre IA vocală nu este vocea

Cel mai important lucru despre IA vocală nu este vocea. Ci experiența pe care vocea o poate face posibilă.

Gândiți-vă la cea mai bună experiență de servicii pe care ați avut-o vreodată. Ați simțit că ați fost înțeles. Nu a trebuit să vă repetați, să aflați cum funcționează organizația sau să vă descurcați prin complexitatea ei internă. Ați explicat de ce aveați nevoie, iar cineva s-a folosit de context, discernământ și cunoștințele despre organizație pentru a vă ajuta să ajungeți la un rezultat favorabil.

Cum ar fi dacă întreprinderile ar putea oferi mai multe astfel de experiențe, mai consecvent și la scară mai mare?

Aceasta este adevărata promisiune a agenților vocali, nu simpla înlocuire a tastării cu vorbirea sau automatizarea fiecărei interacțiuni umane. Agenții vocali schimbă experiența, trecând de la navigarea prin sisteme la exprimarea intențiilor. Un client sau un angajat descrie, în propriile cuvinte, ce dorește să realizeze. Agentul înțelege contextul, coordonează în fundal cunoștințele și sistemele potrivite, întreprinde acțiunile permise și implică o persoană atunci când este nevoie de discernământ, empatie sau autoritate.

Timp de decenii, oamenii s-au adaptat la tehnologie. Am învățat unde să dăm clic, ce meniu să deschidem și cum să transformăm o intenție simplă într-o serie de comenzi. IA generativă a început să schimbe acest lucru, permițându-ne să conversăm în limbajul de zi cu zi. Vocea face următorul pas și începe să inverseze complet relația: tehnologia se adaptează la modul firesc în care comunică oamenii, în timp ce complexitatea întreprinderii trece în plan secund.

De ce vocea schimbă experiența în întreprinderi

Vocea contează pentru că le ușurează interacțiunile deopotrivă angajaților, clienților și noilor veniți. Un angajat care sună la serviciul de asistență nu ar trebui să fie nevoit să știe ce sistem gestionează o problemă sau conține soluția. Un client nu ar trebui să fie nevoit să repete aceleași informații când trece de la un canal la altul. Un nou angajat nu ar trebui să fie limitat la materiale de instruire statice, când ar putea exersa o conversație realistă și ar putea primi feedback pe loc.

Vocea facilitează, de asemenea, accesul persoanelor care nu se află la tastatură, lucrează pe teren sau pur și simplu se simt mai în largul lor vorbind decât tastând. Capacitățile multilingve ajută organizațiile să comunice consecvent în diferite regiuni, fără ca fiecare interacțiune să necesite un efort de producție separat.

Totuși, vocea nu poate înlocui fiecare ecran sau fiecare conversație cu o persoană. Mediile vizuale și scrise rămân mai potrivite pentru compararea informațiilor dense și verificarea detaliilor precise, iar discernământul uman rămâne esențial atunci când o situație este ambiguă, delicată sau cu consecințe importante. Oportunitatea constă în folosirea vocii acolo unde conversația este calea cea mai firească spre un rezultat, urmată de stabilirea unor modalități clare de transfer atunci când nu este.

O interfață vocală nu este suficientă

O voce care sună firesc nu este suficientă. Valoarea reală depinde de măsura în care agentul poate îmbunătăți semnificativ experiența: eliminând obstacolele, păstrând contextul, accelerând rezolvarea și ajutând pe cineva să ajungă la rezultatul potrivit. Pentru asta este nevoie de mai mult decât o interfață convingătoare. Sunt necesare date și fluxuri de lucru interconectate, limite clare, transferuri de încredere și responsabilitate pentru ceea ce urmează.

Așadar, există o deosebire între redactarea unui scenariu și intenție. Un flux de lucru tradițional stabilește dinainte fiecare etapă. În schimb, un agent vocal conceput pentru a obține rezultate preia intenția, înțelege regulile și contextul și își adaptează abordarea până când obiectivul este atins sau devine necesar discernământul unei persoane.

Este util să știm în ce punct se află de fapt cumpărătorii, deoarece întreprinderile au trecut prin trei etape într-un timp scurt. O vreme, ne-am aflat într-o frenezie a adoptării — adoptare în mare parte de dragul adoptării. Apoi, liderii au ajuns să răspundă pentru randamentul acestor investiții și, adesea, nu puteau explica valoarea obținută. A urmat o recalibrare în jurul rezultatelor. Întrebarea nu mai era doar dacă implementarea a produs un rezultat, ci și dacă obținerea lui a compromis ceva esențial. Există o formă de scepticism binevoitor — o disponibilitate reală de a investi, însoțită de așteptarea ca ambele întrebări să primească răspuns.

Previziunile indică aceeași direcție. Gartner se așteaptă ca IA agentică să rezolve autonom 80% dintre problemele obișnuite întâmpinate de clienți până în 2029. Nu contează dacă cifra exactă este 80%. Cuvântul important aici este rezolve. Conversația începe cu accesul, iar produsul este rezolvarea.

Clientul zero într-un context foarte vizibil

La DXC, una dintre primele noastre implementări de IA vocală a avut loc într-un cadru neobișnuit de vizibil: teleconferințele noastre privind rezultatele financiare. Timp de trei trimestre consecutive, directorul general Raul Fernandez și-a redactat discursul pregătit, în timp ce un model vocal personalizat de IA, creat cu ElevenLabs, îl rostea cu vocea lui.

La primul apel a fost demonstrată capacitatea de bază. La al doilea, declarațiile sale au putut fi difuzate în spaniolă, franceză, germană, portugheză și arabă. Până la al treilea, discursul era transmis simultan în șase limbi. De fiecare dată, Raul le-a spus ascultătorilor că el redactase textul și că un model de IA îl rostea.

O teleconferință privind rezultatele financiare nu este un cadru ușor: este atent monitorizată, reglementată și nu iartă nimic care sună chiar și puțin greșit. Din desfășurarea experimentului în acest cadru, în locul unuia mai sigur, au rezultat patru concluzii.

• Autoratul contează mai mult decât modul de transmitere. Mesajul îi aparține lui; modelul doar îl citește. Organizațiile pot extinde comunicarea în mai multe limbi fără să schimbe cine a redactat mesajul sau cine rămâne răspunzător pentru el.
• Dezvăluirea utilizării AI a consolidat rezultatul, în loc să-l submineze. Inițial, nu era clar dacă anunțarea faptului că era folosită o voce generată de AI ne-ar afecta credibilitatea. S-a întâmplat contrariul, iar alternativa — să sperăm că nimeni nu observă — ar fi fost greșită atât din punct de vedere etic, cât și practic.
• Transmiterea în mai multe limbi a oferit o valoare reală. Acționarii care altfel ar fi așteptat o traducere aud acum același mesaj, cu aceeași voce, în același timp. Asta schimbă cine are acces egal la informații; nu este o eficientizare a producției.
• Încrederea se bazează pe responsabilitate, nu pe rafinament. Oamenii acceptă un mesaj transmis de AI atunci când știu cine l-a redactat, cine și-l asumă și ce posibilități de recurs au. Nimic din toate acestea nu se poate auzi în vocea propriu-zisă.

Acest lucru reflectă un principiu pe care îl aplicăm în LabX, incubatorul de produse concepute nativ cu AI al DXC: înainte să le cerem clienților să aibă încredere într-o tehnologie emergentă, ar trebui să fim dispuși să o testăm în propriul nostru mediu. Fiind Customer Zero, putem identifica problemele pe care o demonstrație bine pusă la punct nu le poate scoate la iveală — momentele în care oamenii ezită, situațiile în care încrederea se pierde și măsurile de protecție necesare pentru o utilizare responsabilă la scară largă. Cele mai dificile provocări legate de AI în mediul de întreprindere sunt, de obicei, mai degrabă umane decât tehnice.

De la demonstrație la experiențe transformate

Parteneriatul nostru strategic cu ElevenLabs, compania de AI specializată în modele audio și agenți vocali, se bazează pe experiența dobândită ca Customer Zero și aplică tehnologia vocală în trei domenii practice. În fiecare caz, punctul de plecare este un rezultat bine definit, nu simpla implementare a unei tehnologii.

• În centrele de asistență, agenții vocali pot ajuta angajații să descrie firesc o problemă, să găsească informațiile relevante, să parcurgă pașii obișnuiți și să transmită toate detaliile unui specialist atunci când este nevoie de escaladare. Criteriul de evaluare nu este numărul de apeluri redirecționate. Important este dacă persoana care a sunat și-a rezolvat problema dintr-o singură interacțiune, fără să fie nevoită să o descrie de trei ori.
• În platformele de experiență a clienților, interfețele multilingve cu voci naturale oferă interacțiuni mai consecvente prin telefon și pe canalele digitale. În majoritatea organizațiilor de servicii, calitatea variază în funcție de cine răspunde și când. Există o oportunitate reală de îmbunătățire: fiecare interacțiune poate beneficia de același context, iar cazurile cele mai dificile pot fi în continuare direcționate către persoanele cel mai bine pregătite să le gestioneze.
• În domeniul formării, vocea transformă conținutul pasiv în exercițiu practic. Angajații pot exersa o conversație cu un client, o situație de siguranță sau o discuție dificilă cu un manager, apoi pot primi îndrumare adaptată nevoilor lor. Oamenii dobândesc mai repede competențe atunci când exersează conversația propriu-zisă, decât atunci când citesc despre ea.

Aplicațiile adaptate fiecărui sector ar putea avea cel mai mare impact. Asigurătorii pot explora colectarea ghidată a informațiilor pentru dosarele obișnuite de daună; producătorii le pot oferi tehnicienilor de teren acces la proceduri fără să-și folosească mâinile; organizațiile din sectorul public pot facilita accesul la informații în mai multe limbi. Nu este vorba despre agenți generici adăugați peste sistemele unei organizații. Aceștia trebuie concepuți ținând cont de vocabularul, regulile, datele și profilul de risc specifice fiecărui sector.

Extindeți calitățile unui serviciu excelent, nu o interacțiune prestabilită

Riscul este, desigur, ca extinderea la scară largă să ducă la uniformizare. Întreprinderile au mai făcut această greșeală: au aplicat tuturor aceeași schemă decizională, au satisfăcut cazul mediu și i-au dezamăgit pe toți ceilalți. Ceea ce ar trebui extins sunt, de fapt, calitățile unei interacțiuni de servicii excelente — informată, promptă și orientată spre un rezultat — în timp ce interacțiunea în sine se adaptează la limba, contextul și nevoile persoanei. Consecvența ar trebui să însemne o calitate bună, în mod fiabil, nu identitate.

Încrederea parte din experiență

Cu cât vocea unui agent vocal sună mai uman, cu atât transparența devine mai importantă. O persoană ar trebui să știe când interacționează cu AI. Organizațiile au nevoie de permisiunea explicită pentru a crea sau utiliza vocea sintetică a cuiva, de controale privind accesul la aceasta, de autentificare solidă pentru acțiunile sensibile, de evidențe ale acțiunilor agentului și de o cale clară de a ajunge la o persoană reală.

Aceste aspecte sunt adesea tratate ca probleme de conformitate adăugate după proiectarea experienței, însă trebuie considerate parte integrantă a acesteia. O persoană care nu poate ști dacă vorbește cu un om, nu poate afla ce acțiuni este autorizat să întreprindă agentul sau nu poate lua legătura cu cineva atunci când are nevoie nu are parte de o experiență bună, oricât de naturală ar suna conversația.

Trebuie să precizăm de unde provine această încredere, pentru că ea funcționează în ambele sensuri. Modelul trebuie calibrat corespunzător de cei care l-au creat. Implementarea sistemului — gestionarea datelor, controlul accesului, înregistrarea acțiunilor și definirea momentelor în care intervine o persoană — este o problemă separată, care ține de cei care pun sistemul în producție. Niciuna nu o înlocuiește pe cealaltă. Ambele contează mai mult în cazul vocii, pentru că interacțiunea are loc în timp real, agentul poate acționa în timp ce vorbește, iar persoana nu are în față un ecran care să-i arate ce tocmai s-a întâmplat în numele ei.

Recomandările externe sunt utile în acest sens. Federal Trade Commission a atras atenția asupra potențialelor prejudicii cauzate de clonarea rău intenționată a vocii, iar Cadrul NIST de gestionare a riscurilor asociate IA oferă o structură practică pentru identificarea și gestionarea riscurilor legate de IA. Tratați consimțământul, informarea, securitatea, testarea și monitorizarea continuă drept cerințe esențiale ale produsului.

Construirea unei căi deschise de la experimentare la implementarea la scară largă

Rolul meu extins de președinte pentru inovarea și strategia în domeniul IA & LabX reunește două laturi ale aceleiași provocări: incubarea produselor concepute nativ pentru IA și dezvoltarea componentei comerciale a strategiei DXC privind platforma de parteneri IA. LabX rămâne un loc în care tehnologiile de ultimă generație sunt testate în raport cu probleme reale ale clienților, însă mandatul său include acum și sprijinirea clienților în explorarea unui ecosistem deschis de parteneri precum Anthropic și ElevenLabs.

Această abordare deschisă contează, pentru că niciun model, nicio platformă și nicio interfață nu se potrivește tuturor companiilor și tuturor cazurilor de utilizare. Misiunea noastră este să combinăm tehnologia potrivită cu expertiza în domeniu, proiectarea fluxurilor de lucru, guvernanța și capacitatea de implementare, apoi să verificăm dacă rezultatul este unul măsurabil. Uneori, interfața potrivită va fi textul. Alteori, va fi una vizuală. Tot mai des, va fi vocea — și, adesea, o combinație bine gândită a tuturor celor trei.

Întrebarea nu este unde poate introduce o companie vocea. Ci unde poate conversația să ofere o experiență și un rezultat mai bune și dacă organizația este pregătită să reproiecteze activitatea în jurul ei.