Son aylar yapay zeka haber başlıklarında hep yer aldı. Metin tabanlı ChatGPT'nin milyonlarca kullanıcıya ulaşması gibi, sesli yapay zeka araçları da popülarlaşıyor ve yatırımcılar bu sektöre milyarlarca dolar aktarıyor. Kurumsal müşteri hizmetlerinden toplantı not alma araçlarına kadar uzanan sesli AI girişimleri hızla çoğalıyor. Ama sektörün tanınmış isimleri, sesli yapay zekanın henüz ChatGPT'nin 2022'de yarattığı kırılma noktasını yaşamadığını söylüyor.
Hızlı Yanıt Verebilmek Teknolojik Zorluk
PolyAI'nın Teknik Müdürü Shawn Wen, bir önemli sorunu vurguluyor: çift yönlü konuşma artık mümkün olsa da (tam duplex modeller), hızlı ve güvenilir yanıtlar vermek büyük bir zorluk. Müşteri hizmetlerinde insanlarla konuşan AI ajanları robotik değil, samimi gelmeleri gerekiyor. Wen'e göre, arayanlara sorunlarını çözebilecekleri güvenini veren ajanlar ilk birkaç turda kalpte yer kapar ve insanları insan temsilciye yönlendirmek zorunda kalmaz.
Otter.ai'nın CMO'su Alex Gay ise konuşma tanıma modellerinin (ASR) sorununa odaklanıyor. Konuşmacı tanımlama, niyet yakalama ve bunları kurumsal bilgiyle birleştiren transkripsiyon, otomasyon için kilit adımlar. Ancak mevcut modeller önemli anahtar kelimeleri kaçırabiliyor ve bu da bağlamın tamamıyla yakalanmasını engelliyor. Telefon konuşmasında veya toplantıda bir önemli kelime kaçarsa, tüm yazışma bağlamından kopuyor.
Hatalı Transkript Zincir Reaksiyonunu Tetikliyor
Gay, transkript hatasının kaskad etkisini anlatıyor. Bir toplantı kaydı yanlış transkripsiyonla başlarsa, sonrasında alınan kararlar, oluşturulan notlar, yazılan özetler, hatta CRM sistemlerine (Salesforce, HubSpot gibi) itilen veriler—hepsi hatalı olur. Otter.ai, Zoom, Microsoft Teams, Google Meet gibi popüler platform entegrasyonlarıyla kurumsal ortamlarda yaygın kullanılsa da, bu güven sorunu çözmezse kullanıcılar platformdan uzaklaşıyor.
Bu nedenle şeffaflık kritik hale geliyor. Hem PolyAI hem Otter.ai yöneticileri, sistem kullanıcıya açıkça "bu bir bot" demeli ve ağ kaydının yapıldığını bildirmeli savunuyor. Gay, toplantıda yapay zeka katılımcısı olmasa dahi katılımcıların kaydı ve AI analiz yapıldığını bilmesi gerektiğini belirtiyor. Wen ise kurumsal çağrılarda, birisinin yapay zekayla konuştuğunu bilmemesinin güveni kırdığını belirtiyor.
Sektör Henüz Dönüm Noktasında Değil
TechCrunch'ın bulguları, sesli AI hype'ının henüz çözen kısımla ulaşmadığını gösteriyor. Otter.ai gibi araçlar, iddiaya göre, kullanıcılarına haftalık dört saatlik verimlilik tasarrufu sunuyor. Ama bu, ChatGPT'nin 2022 Kasım'ında yarattığı etki henüz sesli AI'da gözlenmedi. Sesli AI'ın ChatGPT momentine ulaşması, transkript doğruluğu, cevap hızı ve—en önemlisi—insan gibi davranabilme yeteneğinin aynı anda çözülmesini gerektiriyor. Şirketler bu üçünü yakalayan modelin ortaya çıkışını bekliyor.
