AI telefonní asistent: slovníček pojmů srozumitelně a bez balastu

Začali jste si zjišťovat něco o AI telefonním asistentovi kvůli jedinému prostému problému – zmeškaným hovorům – a někde u třetí otevřené záložky jste narazili na zeď z cizích slov. Hlasový agent. IVR. Průběh hovoru. SIP. Přenos čísla. Latence. Všichni je používají, jako byste je dávno znali, a nikdo se nezastaví, aby je vysvětlil. Tohle je stránka, která se zastaví a vysvětlí. Bez prodejního lesku, bez předpokladu, že máte IT oddělení – jen pojmy kolem AI telefonního asistenta, které opravdu potřebujete znát, abyste se dobře rozhodli.

O většině těch výrazů platí jedna nepříjemná pravda: existují proto, že telefonní síť stavěli inženýři pro inženýry desítky let předtím, než někoho napadlo, že telefon může zvednout počítač lidským hlasem. Ten žargon je staré potrubí. Instalatérem se kvůli němu stát nemusíte. Stačí vědět tolik, abyste odlišili skutečnou funkci od chytlavého slova a rozuměli tomu, co vám dodavatel vlastně slibuje, když říká, že se o vaše hovory postará.

Dva pojmy, které matou nejčastěji

Než se pustíme do slovníčku, ujasněme si dva výrazy, které si lidé pletou úplně nejčastěji: IVR a hlasový agent. Oba vám zvednou telefon. Nejsou ale totéž a právě v tom rozdílu je celá podstata téhle kategorie.

IVR – Interactive Voice Response, tedy interaktivní hlasová odezva – je ta stará nabídka „stiskněte jedničku pro obchod, dvojku pro podporu“. Je s námi od osmdesátých let. Postupuje po pevném stromu: volající zmáčkne tlačítko nebo řekne jedno naskriptované slovo a systém se posune na další větev. Celou větu nepochopí. Na otázku, kterou jste dopředu nenaprogramovali, neodpoví. Volající ho proslule nesnášejí, a mají proč – práci nechává na nich.

Hlasový agent (říká se mu také voicebot, AI recepční, AI telefonní asistent nebo konverzační hlasová AI) poslouchá, co volající skutečně říká, rozpozná, oč mu jde, a odpoví přirozenou řečí. Zeptáte se „máte otevřeno i v sobotu?“ a on na otázku odpoví. Poprosíte o termín na úterý odpoledne a on ho zapíše. Není se v čem prokousávat, protože žádná nabídka neexistuje. Tenhle skok umožnilo posledních pár let – a je to i důvod, proč se slovník najednou zamotal: staré a nové pojmy dnes stojí vedle sebe.

Hlasový agent (a jeho mnoho jmen)

Hlasový agent je zastřešující pojem pro software, který po telefonu vede mluvený rozhovor. Tutéž věc uvidíte prodávat pod tuctem názvů: AI recepční, AI telefonní asistent, virtuální recepční, konverzační AI, AI telefonní služba, voicebot. Marketing si vybírá slovo, které jeho publiku zní nejpřívětivěji. Pod kapotou popisují stejný trik o třech krocích.

1. Slyší vás – převod řeči na text mění vaše slova v písmena v okamžiku, kdy je vyslovíte.
2. Rozumí a rozhoduje se – jazykový model si ten text přečte, odvodí, co chcete, a podle profilu firmy a jejích pravidel zvolí odpověď.
3. Odpoví nahlas – převod textu na řeč promění odpověď v přirozený hlas, a to tak rychle, že to působí jako živý hovor.

Když někdo říká, že jeho hlasový agent je „dobrý“, většinou tím myslí, že tyhle tři kroky proběhnou dost rychle a dost přesně na to, aby volající neměl pocit, že mluví se strojem – nebo mu to aspoň nevadilo. Každý další pojem v tomhle slovníčku je vlastně jen detail toho, jak se ty tři kroky připojí k vašemu skutečnému telefonnímu číslu.

Převod řeči na text, přepis a syntéza řeči

Převod řeči na text (STT), někdy označovaný jako automatické rozpoznávání řeči (ASR), je krok, který mění mluvená slova volajícího na psaný text v reálném čase. Jsou to uši celého systému. Nejtěžší jsou pro něj přízvuky, hluk v pozadí a lidé mluvící jeden přes druhého – proto hlasového agenta vždycky testujte skutečným, trochu neuspořádaným hovorem, ne uhlazenou ukázkou ze studia.

Přepis s tím úzce souvisí, ale slouží k něčemu jinému. STT běží živě, aby agent mohl odpovídat; přepis je písemný záznam celého rozhovoru, uložený tak, abyste si ho mohli přečíst později. Patří k tiše nejužitečnějším funkcím. Po každém hovoru vám dobrý asistent pošle přepis spolu s krátkým shrnutím: kdo volal, co chtěl, na čem jste se dohodli. Máte obsah hovoru, aniž byste u něj museli být.

Převod textu na řeč (TTS), tedy syntéza hlasu, jsou ústa. Zvolenou odpověď agenta promění ve slyšitelnou řeč. Právě moderní TTS je důvod, proč dnešní asistenti znějí lidsky, a ne jako navigace z devadesátek – přirozené tempo, nádechy, občasné „hmm“. Občas narazíte i na slovo hlas ve významu konkrétní syntetické persony, kterou si můžete vybrat (vřelejší, svižnější, s určitým přízvukem).

Průběh hovoru (a návrh konverzace)

Průběh hovoru (call flow) je mapa toho, co se během hovoru děje: jak agent volajícího pozdraví, co smí udělat, kdy zapíše termín a kdy jen vezme vzkaz a kdy hovor předá člověku. Ve starších IVR byl průběh hovoru strnulý rozhodovací strom. U dobrého hlasového agenta jde spíš o soubor cílů a mantinelů – „pozdrav vřele, odpovídej na otázky z firemního profilu, nabídni termín, pokud o něj volající stojí, a když si nejsi jistý, vezmi vzkaz“.

Uslyšíte také návrh konverzace nebo prompt – tak se říká psaným pokynům, které formují chování a tón agenta. Praktický závěr pro vás: čím víc se vás nastavení ptá na vaši firmu – na služby, otevírací dobu, ceny, na to, jak chcete vyřizovat poptávky –, tím líp bude průběh hovoru sedět. Obecný asistent bez kontextu dává obecné a někdy chybné odpovědi. To neselhává technologie, jen se přeskočilo nastavení.

Záměr, entity a „halucinace“

Záměr je to, oč se volající pod svými konkrétními slovy snaží. „Máte něco ve čtvrtek?“, „Můžu přijít tenhle týden?“ a „Potřebuju termín“ jsou tři věty s jediným záměrem: objednat se. Rozpoznání záměru je to, co odlišuje hlasového agenta od IVR, které rozumí jen přesné frázi, kterou jste mu naskriptovali.

Entity jsou konkrétní údaje uvnitř požadavku – datum, čas, jméno, telefonní číslo, služba. Věta „Objednejte mě na střih k Simoně na příští úterý na čtvrtou“ obsahuje čtyři entity, které musí agent zachytit správně. Když si lidé stěžují, že objednávka dorazila se špatným časem, jde obvykle o přeslechnutou entitu – vyplatí se ověřit, že váš asistent před koncem hovoru shrne údaje zpátky volajícímu.

Halucinace je drsné oborové slovo pro chvíli, kdy si AI sebejistě něco vymyslí – cenu, kterou jste nikdy nestanovili, nebo službu, kterou nenabízíte. Pro firmu je to nejdůležitější riziko, protože hladce podaná chybná odpověď je horší než žádná. Pojistkou je ukotvení v datech: dobře postavený asistent odpovídá jen z profilu, který jste mu dali, a když neví, řekne „vezmu vzkaz a někdo vám to potvrdí“. Pokud vám dodavatel nechce říct, jak halucinacím brání, na tuhle otázku stojí za to zatlačit.

Přesměrování hovorů – snadná cesta dovnitř

Tenhle pojem rozhoduje o tom, kolik práce nastavení vlastně dá. Přesměrování hovorů znamená, že své stávající telefonní lince řeknete, ať hovory posílá jinam – v tomhle případě AI asistentovi. Vaše číslo zůstává přesně tam, kde je, u vašeho současného operátora. Jen přidáte pravidlo: přesměruj hovory na tohle nové číslo.

Přesměrování se obvykle dá nastavit podmíněně. Nepodmíněné přesměrování posílá asistentovi každý hovor. Přesměrování při obsazeno nebo bez odpovědi přesměruje jen tehdy, když máte obsazeno nebo to do několika zazvonění nikdo nezvedne – vy tedy berete hovory, na které máte čas, a asistent zachytí přetlak a volání mimo pracovní dobu. Pro většinu malých firem je právě tohle podmíněné nastavení ta nejlepší volba: dokud stíháte, zvedáte dál sami, a když nestíháte, nic nepropadne sítem.

Přenos čísla – trvalé stěhování

Přenos čísla je změna opačného druhu: znamená převod vašeho telefonního čísla od jednoho operátora k druhému. Děláte ho, když měníte operátora úplně a chcete si číslo nechat. Je trvalý, obnáší papírování a podle země a poskytovatele může trvat od jednoho dne po pár týdnů.

A proč je ten rozdíl při výběru důležitý: k používání AI telefonního asistenta číslo přenášet skoro nikdy nemusíte. Přesměrování udělá totéž bez závazku. Pokud po vás dodavatel při zavádění chce, abyste kvůli vyzkoušení služby přenesli hlavní firemní číslo, je to na něco neověřeného hodně velké sousto. Buďte na pozoru. Přenos čísla je dobrý nástroj na to, k čemu opravdu slouží – na změnu operátora –, ale neměl by být vstupenkou k testování recepční.

SIP, VoIP a slova o potrubí

U těchhle pojmů majitelům firem obvykle skelnatí pohled, takže je vezmeme krátce a na rovinu: pro většinu malých firem platí, že k nákupu ani používání AI asistenta jim rozumět nemusíte. Narazíte na ně ale tak jako tak, takže ať víte, co znamenají.

VoIP (Voice over Internet Protocol) prostě znamená telefonní hovory vedené přes internet místo klasických měděných linek. Pokud voláte přes aplikaci, přes náhlavní soupravu připojenou k počítači nebo přes stolní telefon zapojený do sítě, VoIP už dávno používáte. Většina moderních firemních telefonů na něm běží.

SIP (Session Initiation Protocol) je technický standard, který internetové hovory navazuje a ukončuje – takové podání ruky, které spojí oba konce. SIP trunk je firemní svazek linek dodávaný přes internet. Tahle slova uslyšíte ve chvíli, kdy poskytovatel připojuje AI asistenta přímo do telefonního systému větší firmy. Pro firmu o jednom, dvou nebo pěti lidech je to potrubí, které běží někde vzadu; skoro nikdy se ho nedotknete.

Latence, skákání do řeči a střídání v hovoru

Tahle tři slova popisují, jestli hovor působí přirozeně – a na tom záleží víc než na jakémkoli technickém listu.

Latence je prodleva mezi tím, kdy volající domluví, a tím, kdy asistent začne odpovídat. V telefonu je ticho nepříjemné velmi rychle – i dvouvteřinová mezera působí, jako by hovor spadl. Nízká latence je to, díky čemu je hlasový agent přítomný, a ne loudavý. Patří k nejtěžším věcem, které se dají zvládnout, a zároveň k nejsnáz postřehnutelným, takže při zkušebním hovoru věřte vlastním uším víc než jakémukoli číslu v brožuře.

Skákání do řeči (barge-in, případně zvládání přerušení) je schopnost agenta zmlknout a poslouchat, když mu vpadnete do věty – tak, jak by to udělal člověk. Bez ní mluví přes vás a vy musíte čekat, až dořekne naskriptovanou větu, teprve pak vás uslyší. S ní rozhovor plyne. Střídání v hovoru je širší dovednost: poznat, kdy volající domyslel myšlenku a kdy se jen nadechuje. Když tohle nefunguje, působí robotický i chytrý agent; když funguje, volající si často vůbec neuvědomí, že mluví se softwarem.

Předání, eskalace a asistované přepojení

Dobrý asistent zná své hranice a tahle slova popisují, co na té hranici udělá. Předání (nebo eskalace) je okamžik, kdy AI končí a do hovoru vstupuje člověk – protože je volající rozčilený, má složitou otázku, nebo si o člověka výslovně řekne. To, jak elegantně to produkt zvládá, hodně napoví o tom, nakolik jeho tvůrci volajícího respektují.

Běžné jsou dva způsoby. Asistované přepojení (warm transfer) předá živý hovor rovnou člověku, ideálně s krátkým shrnutím toho, co už padlo, aby volající nemusel všechno opakovat. Předání vzkazem zapíše údaje a upozorní vás, ať zavoláte zpátky – správný krok ve chvíli, kdy živý hovor nemá kdo převzít, třeba mimo pracovní dobu. Podstatné je, že důvěryhodný asistent se nikdy nevydává za člověka, když se ho volající zeptá, a nikdy nikoho neuvězní ve smyčce bez cesty k živému člověku.

Souběžné hovory, nonstop provoz a dostupnost

Souběžnost znamená, kolik hovorů zvládne asistent obsloužit najednou. Živá recepční vezme jeden hovor; všichni ostatní uslyší obsazovací tón nebo hlasovou schránku. Hlasový agent zvedne několik – nebo mnoho – hovorů současně a bez fronty. Pro firmu, na kterou občas přijde nával (akce, rušné pondělní ráno, havárie), je tohle tiše jedna z největších výher: nikdo nečeká na lince a žádný volající se nerozhodne zkusit konkurenci.

Nonstop provoz (24/7) a dostupnost jsou prostá tvrzení, že asistent zvedá telefon kolem dokola, včetně nocí, víkendů a svátků. Právě proto se do toho spousta majitelů vůbec pouští. Počty jsou jednoduché: pokud vám týdně uteče deset hovorů – mimo pracovní dobu, během schůzek, ve dnech, kdy máte zavřeno – a byť jediný z nich měl být zakázka, asistent, který je zachytí, se sám zaplatí. Není potřeba vymýšlet žádnou studii; kolik hovorů vám utíká, víte sami nejlíp.

Firemní profil, znalostní báze a „trénink“

Firemní profil nebo znalostní báze jsou informace, ze kterých asistent čerpá odpovědi: vaše služby, otevírací doba, ceny, které jste se rozhodli sdělovat, adresa i způsob, jakým řešíte běžné požadavky. Tohle je zdaleka nejdůležitější věc, kterou máte ve svých rukou, protože asistent je přesný přesně tak, jak přesný je tenhle profil. Věnujte jeho poctivému vyplnění dvacet minut a rozdíl v kvalitě hovorů bude propastný.

Občas narazíte na volně používané slovo trénink. Může znamenat hluboké technické trénování jazykového modelu (to dělá dodavatel, ne vy), nebo prostě jen „vyplnění profilu, aby asistent znal vaši firmu“. Když nástroj pro malé firmy slibuje „natrénujte si asistenta za pár minut“, myslí tím skoro vždy tu druhou, přívětivější variantu – odpovědi v krátkém průvodci o tom, jak fungujete. Strojové učení po vás nikdo nechce.

Jak to celé vypadá při skutečném zprovoznění

Když ten žargon složíte dohromady, skutečný postup je osvěživě obyčejný. U Vunoonu se zaregistrujete, vyplníte krátkého průvodce, ze kterého vznikne váš firemní profil, a hlasového agenta otestujete tak, že mu zavoláte a mluvíte s ním jako zákazník. Až budete spokojení, nastavíte na stávající lince přesměrování hovorů – žádný přenos čísla, žádné učení se SIP potrubí – a jedete. Po každém hovoru dostanete přepis a shrnutí; když si asistent neví rady, elegantně předá vzkaz, místo aby hádal.

Přesně o tom je rozklíčování těchhle slov: jakmile jimi prohlédnete, technologie přestane nahánět hrůzu a zbude z ní krátký seznam rozhodnutí, na která bohatě stačíte. Nemusíte plynně mluvit telekomunikačně. Potřebujete recepční, která zvedne telefon, rozumí a poctivě předá – a teď už poznáte, jestli to produkt opravdu umí.

1. 1
   Vyplňte profil

   Odpovězte v průvodci na otázky o službách, otevírací době a o tom, jak chcete vyřizovat poptávky. Tohle je ta „znalostní báze“ – asistent je tak dobrý, jak dobré informace sem dáte.
2. 2
   Otestujte hlasového agenta

   Zavolejte mu. Skočte mu do řeči, zamumlejte, zeptejte se na něco mimo scénář. Ověřujete latenci, reakci na přerušení a jestli odpovídá z vašeho profilu.
3. 3
   Přesměrujte hovory

   Nastavte podmíněné přesměrování, ať asistent zachytí přetlak a hovory mimo pracovní dobu. Vaše číslo zůstane přesně tam, kde je; vypnout to můžete během pár vteřin.
4. 4
   Čtěte přepisy

   Každý hovor se vám vrátí jako shrnutí a přepis, takže máte plný přehled i o hovorech, které jste sami nikdy nezvedli.