Alexey Aylarov, Voximplant’ın Kurucu Ortağı ve CEO’su – Röportaj Serisi

Alexey Aylarov, Voximplant’ı voximplant.com iletişim araçlarından başlayarak kurdu. İlk çalışmaları arasında IP PBX geliştirme ve bulut telefonisinin popüler hale gelmesinden önce kendi telekom yazılım şirketini yönetme yer aldı. Zingaya’dan sonra Voximplant geldi ve geliştiricilerin gerçek zamanlı ses ve video için güvenilecek bir sunucusuz platforma dönüştü. Alexey, özellikle büyük dil modellerinin küresel telefoni gerçekleriyle çarpıştığı Voice AI’nin pratik yönleri hakkında yazıyor.

VoIP mühendisi olarak kariyerine 2000’lerin ortalarında başladınız, o zamanlar AI gerçek zamanlı iletişimlere henüz girmemişti. O zamanlar gördüğünüz en büyük boşluklar nelerdi ve sizi sonunda Voximplant’ı kurmaya ittiler?

2005’ten beri VoIP sistemleriyle ilgileniyorum. O zamanlar güvenilir iletişim kurmak yavaş ve karmaşıktı. Geliştiricilerin benimle aynı şekilde frustrasyon yaşadığını fark ettim – ekipler telecom bileşenlerini ürün deneyimine odaklanmak yerine birbirine bağlamaya çalışıyordu. Bu, beni geliştiriciler için programlanabilir iletişim fikrine yöneltti. Herkesin telecom uzmanı olmadan ürünler oluşturabilmesi için bir ürün yaratmak istedik.

Voximplant’tan önce, SIP tabanlı arama hizmetleri Flashphone ve Zingaya’yı kurduk, bunlar erken click-to-call ürünleri sunuyordu. Talep, ekiplerin programlanabilir iletişim istediğini bir kez daha kanıtladı, ancak araçlar henüz orada değildi. Tüm bunlar 2013’te Voximplant’ın yaratılmasına yol açtı.

Bugün, daha büyük bir ölçekte benzer bir boşluk görüyoruz. Ses AI üretim akışlarına giriyor, büyük dil modelleri her ay evrimleşmeye devam ediyor, ancak küresel telefon ağı vẫn parçalı. Hiçbir satıcı her şeyi uçtan uca çözemez. Bu nedenle Voximplant, geliştiricilere en son ve en gelişmiş araçları denemek ve Voice Ajentleri gerçek aramalarda dağıtmak için hızlı ve maliyet etkin bir yol sunan bir orkestrasyon katmanı olarak hareket ediyor.

Voximplant, tek bir AI veya telefoni satıcısı yerine bir orkestrasyon katmanı olarak konumlandırıyor. Gelecekte ses AI için doğru soyutlama katmanını inşa ettiğinize neden inandınız?

Başından beri global olmak önemliydi ve bir telefoni platformu sunmadan önce bazı telefoni orkestrasyonları yapmanız gerekiyor. Teknik gereksinimler ve altyapı ülkeden ülkeye değişiyor ve 190’dan fazla ülkede telefon numaraları sunuyoruz, bu nedenle çok fazla teknik arabuluculuk yapıyoruz.

Ayrıca, telefoni standartları gibi SIP, satıcılar arasında birçok varyasyona dönüşmüştür. Farklı operatörleri ve müşteri iletişim altyapısını bağlamak esnek sistemler gerektirir. Yeni telefon ağları, WhatsApp gibi, bu alanda sürekli yeni gereksinimler yaratıyor – ve bu, müşterilerin benzersiz uygulama mantığını çalıştıran iletişim kontrol katmanını eklemekten önce.

AI tarafında, pazar çok yoğun ve hızla evrimleşiyor. Bugün en iyi satıcı muhtemelen gelecek hafta ikinci veya üçüncü sıraya düşecek. Yaklaşımımız, mümkün olduğunca birçok önde gelen satıcıyı desteklemek. Müşterilerimizin her zaman en güncel seçenekler sunmasını istiyoruz. Belirli uygulamalar için doğru AI satıcılarını seçebilir veya karışabilirler. Orkestrasyon platformumuz ayrıca satıcılar arasında geçişi daha kolay hale getirmeyi amaçlıyor – aynı zamanda tam kapasitelerini açığa vurarak geliştiricilerin en düşük ortak payda özelliğine takılmamasını sağlıyor.

Gerçek telefon aramalarında ses AI acentalarının müşteri desteği, satış ve diğer B2C operasyonlarının ekonomisini nasıl değiştirdiğini düşünüyorsunuz?

Müşteri desteği ekonomisinde önemli bir değişimden bahsetmek için henüz erken olabilir, ancak kesinlikle geliyor. Bugün, bazı bölgelerde müşteri destek temsilcileri LLM tabanlı hizmetlerden daha ucuz, ancak bu modelde bekanmış zorluklar var – ölçeklenebilirlik, yanma, yönetim ve operasyonlar. LLM optimizasyonunun devam etmesiyle ekonomide önemli değişiklikler olacağından eminim, ancak bu biraz zaman alabilir.

Ses AI’nin girişimlerde kritik altyapıya dönüşmeye başladığını gösteren sinyaller neler?

Buradaki en güçlü sinyal, Ses AI altyapısına yapılan yatırımın hızla artması. Küresel ölçekte Ses AI etkin aramaları veya dakikaları takip etmek mümkün olmasa da, Voximplant için doğrudan takip edebiliyorum ve açıkça güçlü bir büyüme görüyoruz.

Geliştiricilerin esneklik ve kontrol beklentilerinin AI modelleri ve ses teknolojileri daha hızlı ilerledikçe nasıl değiştiğini düşünüyorsunuz?

Bu bir ilgi çekici soru. Değişim hızı konusunda AI, tarihte gördüğümüz her şeyden üstün. Esneklik ve kontrol daha karmaşıktır ve bu terimlerin ne anlama geldiğine bağlıdır. Kontrol konusunda, bilinen zorluklar var ve bunları aşmak kolay değil. Çoğu AI şirketi model koridorlarına önemli çaba harcar, ancak bunu iyi yapmak derin uzmanlık gerektirir ve şirketlerin farklı hedefleri vardır.

Şirketler geleneksel telefoni sistemleri üzerine doğrudan ses AI acentaları dağıtmaya çalışırken en sık yapılan hatalar neler?

Geleneksel telefoni sistemleri Ses AI hizmetleriyle doğrudan uyumlu değildir, bu nedenle genellikle ek entegrasyon gerektirir, genellikle SIP protokolü veya WebSockets aracılığıyla. Yaygın hatalar arasında yetersiz yük devretme yönetimi, gecikme sorunları (çeşitli faktörler nedeniyle oluşabilir) ve ölçeklenebilirlik zorlukları bulunur.

Telefoni kendisi oldukça iyi ölçeklenir, özellikle VoIP ile. Ses AI hizmetleri daha zor ölçeklenir, çünkü LLM’leri çalıştırmak için gereken donanım gereksinimleri vardır ve hatta Amazon (AMZN ) gibi büyük altyapı oyuncuları da çıkarım donanımı konusunda kapasite kısıtlamaları yaşayabilir.

İleriye bakıldığında, gerçek zamanlı AI daha otonom hale geldikçe ses AI platformlarının hangi yetenekleri desteklemesi gerekiyor?

Sanıyorum ki Ses AI platformlarının SLA’ya odaklanmaları gerekiyor, çünkü bu bazen hala bir sorun olabilir, ve test ve gözlemlenebilirlik için ek araçlar sunmaları gerekiyor.

Sonuçta, en gelişmiş platformlar her şeyi sunacak, ancak bugün masih yeni dersler öğreniyoruz, bunların birçoğu çekirdek yığınımızın bir parçası olmalıdır. Büyük şirketlerle veya düzenlenmiş ortamlarda çalışıyorsanız, ürününüzün ön kurulumlu bir sürümünün kritik olabileceğini unutmayın.

Erken VoIP altyapısından Voximplant’ın kurucu ortağı ve CEO’su olarak bugüne kadar yolculuğunu düşündüğünüzde, endüstrinin nasıl evrimleştiği konusunda sizi en çok hangi şey şaşırttı?

Birçok şey beni şaşırttı, ancak bunlardan biri VoIP altyapısındaki değişikliklerin yıllarca sürmesi. Bir örnek, telefoni hala dar bantlı ses kodeklerine (G.711, G.729) dayanmaktadır, oysa insanlar zaten Zoom, Google Meet, WhatsApp gibi online iletişim hizmetlerinde geniş bantlı sesi kullanmaya alışmıştır.

Çoğu AI modeli de geniş bantlı ses verilerine dayanmaktadır. Tüm modern cep telefonlarında geniş bantlı ses kodekleri vardır, ancak operatör düzeyinde masih önemli bir uyumluluk sorunu vardır ve bu, geniş bantlı sesin geleneksel telefon aramalarında kullanılmamasına neden olur. İlerleme yok değil, ancak bana göre çok mütevazı.