PolyAI представляет Wren — агент для программирования диалоговых систем

PolyAI стремится сделать голосовой ИИ с агентными способностями более похожим на человека, чем когда-либо. Источник: Getty

Мэтт Хендерсон, вице-президент по исследованиям в PolyAI, объясняет, как Wren, автономный агент-программист, оптимизирует диалоговые агенты предприятий для улучшения обслуживания клиентов

На протяжении многих лет корпоративные контакт-центры полагались на устаревшие системы интерактивного голосового ответа (IVR).

Эти платформы заставляют клиентов проходить через жесткие, многоуровневые меню, которые зачастую не соответствуют реальным намерениям клиентов, что приводит к высокому уровню отказов и глубокому разочарованию потребителей.

Хотя первая волна ИИ принесла незначительное улучшение благодаря текстовым чат-ботам и каскадным голосовым моделям, этим решениям принципиально не хватало акустического понимания, необходимого для обработки естественного потока человеческого разговора, включая перебивания, колебания и фоновый шум.

Решением этой проблемы стала компания PolyAI, специализирующаяся на искусственном интеллекте, основанная в 2017 году на базе Лаборатории машинного интеллекта Кембриджского университета.

Получив финансирование в размере более 120 млн долларов США от крупных инвесторов, компания стала пионером в области аудиоориентированных диалоговых систем, предназначенных для обработки сложных корпоративных взаимодействий, от которых зависит многое.

Однако амбиции компании на этом не заканчиваются. В то время как большинство представляет себе, что именно люди будут совершенствовать агентный ИИ, PolyAI мыслит нестандартно, создав Wren — кодирующий агент, который анализирует каждый разговор агентов и проактивно его совершенствует, что приводит к огромным выгодам для предприятий.

PolyAI: Рост в цифрах

• Оценочная стоимость — 500 млн долларов США
• Общий объем привлеченного финансирования — более 200 млн долларов США
• Основана в 2017 году в Лондоне
• Привлечено 86 млн долларов США в рамках раунда финансирования серии D

Внимание к разговору: переход к аудиоориентированным решениям

Прежде чем ИИ сможет самостоятельно улучшить платформу обслуживания клиентов, он должен сначала научиться действительно понимать собеседника.

Исторически сложилось так, что отраслевым стандартом для голосового ИИ является каскадная архитектура: механизм автоматического распознавания речи (ASR) преобразует речь в текст, LLM генерирует текстовый ответ, а механизм преобразования текста в речь (TTS) синтезирует аудио.

Однако этот метод лишает звонок эмоционального и акустического контекста, упуская важные сигналы еще до того, как LLM успевает обработать входные данные.

Чтобы преодолеть проблему этого бездушного синтезированного звука, компания PolyAI создала Dialog-RSN-1 — передовую диалоговую модель, которая воспринимает и анализирует исходные аудиоданные напрямую.

Dialog-RSN-1 объединяет управление очередностью речи, распознавание речи и генерацию ответов в единую LLM с поддержкой аудио и способна фактически улавливать колебания собеседника, распознавать его разочарование и справляться с прерываниями точно так же, как это делал бы оператор-человек.

Мэтт Хендерсон, вице-президент по исследованиям в PolyAI, пишет в блоге: «Для предприятий, использующих решения PolyAI, это означает диалоговых агентов, которые слышат и обрабатывают звонок так, как это сделал бы отличный оператор-человек: улавливая колебания, замечая раздражение до того, как оно усилится, и точно зная, когда следует говорить».

Отличительной особенностью этой модели является то, что ее аудиоосознание ограничивается только входной стороной. Вместо этого для генерации ответа используется отдельная система преобразования текста в речь (TTS), что позволяет предприятиям сохранять строгий контроль над стилем общения бренда и соблюдать нормативные требования, одновременно обеспечивая задержку ответа менее 300 миллисекунд.

Мэтт Хендерсон, вице-президент по исследованиям в PolyAI, говорит, что диалоговые агенты слышат и обрабатывают звонок так же, как это сделал бы отличный оператор-человек. Источник: matthen.com

Wren: агент, стоящий за агентами

Хотя внедрение высокопроизводительного голосового агента, ориентированного на работу с аудио, устраняет непосредственные препятствия при взаимодействии с клиентами, нельзя просто внедрить такого агента и забыть о нём. Действительно, долгосрочная задача для предприятий заключается в обслуживании и оптимизации.

Раньше для доработки ИИ-агента требовались специальные команды инженеров, которые вручную просматривали небольшую выборку журналов звонков, выявляли крайние случаи и программировали новые сценарии разговора. Однако для современной компании это отнимает много времени и требует значительных затрат.

Здесь на помощь приходит Wren — агент-программист от PolyAI, встроенный непосредственно в платформу Agentic Dialog Platform. Выполняя роль того, кого PolyAI называет «агентом за вашими агентами», Wren автономно и непрерывно отслеживает, совершенствует и оптимизирует диалоговые агенты, взаимодействующие с клиентами.

В отличие от традиционных аналитических инструментов, которые полагаются на обобщённые отчёты или небольшие выборки, Wren анализирует 100 % реальных взаимодействий с клиентами по всем каналам.

Wren работает на основе двух параллельных процессов оптимизации: в первую очередь, самовосстановления и самосовершенствования.

Аркадиуш Квапишевски, руководитель подразделения Agent OS в PolyAI, объясняет принципы самовосстановления и самосовершенствования. Источник: LinkedIn

Аркадиуш Квапишевски, руководитель отдела Agent OS в PolyAI, объясняет: «Самовосстановление выявляет неисправности в работе вашего агента и устраняет их, а самосовершенствование находит те моменты, где что-то уже работает, но могло бы работать лучше, исходя из тех показателей, которые для вас наиболее важны».

«Вы сами определяете показатели, а Wren будет искать возможности для их улучшения. А эффективность этих мер можно проверить с помощью функций A/B-тестирования платформы Agentic Dialog Platform.

«Во-первых, система осуществляет «самовосстановление», автоматически выявляя ошибки, сбои в интеграции или факторы, вызывающие недовольство клиентов, и генерируя код, необходимый для их устранения.

«Во-вторых, она стремится к «самосовершенствованию», ориентированному на KPI. Wren проактивно ищет возможности для оптимизации взаимодействий с учетом ключевых бизнес-показателей, таких как удовлетворенность клиентов (CSAT), коэффициент удержания звонков и конверсия бронирований».

Функция «самовосстановления» выявляет неисправности в работе вашего агента и устраняет их, а функция «самосовершенствования» находит те моменты, где система уже работает, но может работать еще лучше

. Аркадиуш Квапишевски, руководитель отдела Agent OS в PolyAI

Ключевые инвесторы PolyAI

• NVIDIA: NVIDIA предоставляет не только финансовую поддержку. Компания также поставляет важнейшую аппаратную инфраструктуру, которая позволяет PolyAI обрабатывать преобразование речи в текст, распознавание намерений и преобразование текста в речь всего за миллисекунды.
• Khosla Ventures: эта венчурная компания является стойким сторонником PolyAI с самых первых раундов финансирования. Khosla Ventures специализируется на технологических компаниях на ранней стадии развития, способных оказать огромное влияние на общество и экономику.
• Hedosophia: Действуя в качестве глобальной инвестиционной компании, Hedosophia возглавила раунд финансирования серии C PolyAI на сумму 50 млн долларов США и стала соруководителем последующего раунда серии D на сумму 86 млн долларов США. Постоянная финансовая поддержка со стороны Hedosophia позволила PolyAI расширить свое присутствие в секторах гостеприимства, розничной торговли и финансовых услуг.