Jak funguje AI telefonní asistent, krok za krokem

Přesměrujete firemní linku, někdo zavolá a o třicet vteřin později se vám ve schránce objeví rezervace i s kompletním přepisem. Vypadá to jako kouzelnický trik. Není. AI telefonní asistent je řetězec obyčejných, dobře popsaných kroků, z nichž každý dělá jednu věc a předává ji dál. Tady je ten řetězec, vysvětlený tak, jak byste ho vyprávěli kamarádovi u kávy.

Většina článků o tomhle tématu buď mává rukama ("AI rozumí vašim volajícím!"), nebo vás utopí v žargonu o transformerech a tokenech. Ani jedno vám nepomůže rozhodnout, jestli té věci svěřit svůj telefon. Uděláme to proto jinak: projdeme celou cestu, kterou jediný hovor urazí, od okamžiku, kdy zazvoní, až po chvíli, kdy si přečtete shrnutí, a poctivě řekneme, kde jsou spáry.

Prohlídka na třicet vteřin

Než se ponoříme do detailů, tady je celé to na jeden nádech. Volající vytočí vaše číslo. Váš telefonní systém hovor přesměruje na AI službu, místo aby zazvonil na vašem stole. AI zvedne, převede řeč volajícího na text, zjistí, co vlastně chce, rozhodne, jak odpovědět, převede svou odpověď zpátky na mluvený hlas a promluví. Tato smyčka se opakuje pro každou repliku rozhovoru. Když hovor skončí, AI sepíše, co se dělo, a pošle vám to. To je vše. Pět nebo šest pohyblivých částí, které si teď postupně rozebereme.

Důvod, proč to působí okamžitě, je ten, že jsou tyto kroky rychlé a překrývají se. AI začíná přepisovat, ještě když volající mluví, a začíná formulovat odpověď dřív, než volající úplně domluví. Pro člověka na telefonu to působí jako běžný, byť trochu trpělivý, rozhovor.

Krok 1: hovor se přesměruje

Na vašem telefonním čísle se nic nemění. Číslo natištěné na dodávce, na webu i na vizitkách zůstává. Mění se jediné nastavení u vašeho operátora: přesměrování hovorů. Řeknete operátorovi: "když je moje linka obsazená, po čtyřech zazvoněních nezvednutá, nebo vždycky, pošli hovor na tohle druhé číslo." To druhé číslo patří AI službě.

Je to stejná funkce, kterou už desítky let používáte k přesměrování hovorů na mobil. AI služba vám prostě dá vyhrazené číslo, na které máte přesměrovat. Protože přesměrování probíhá na úrovni operátora, může AI zvednout hovor, ať už máte zavřeno, jste na jiném hovoru, nebo prostě nechcete být rušeni, když máte ruce až po lokty v motoru.

• Vždy přesměrovat — každý hovor jde nejdřív na AI. Dobré pro režim jen po pracovní době nebo pro linky bez ruční obsluhy.
• Přesměrovat při obsazeno — AI zachytí přetok, když už jste na hovoru, takže druhý volající nikdy neslyší obsazovací tón.
• Přesměrovat při nezvednutí — nejdřív zazvoní váš stůl; pokud to během pár zazvonění nikdo nezvedne, ozve se AI místo toho, aby hovor zanikl.

Krok 2: přijetí a naslouchání

AI zvedne a přehraje pozdrav — obvykle ten, který jste napsali při nastavení, něco jako "Děkujeme, že voláte zubní ordinaci Na Náměstí, jak vám mohu pomoci?". Od té chvíle dělá dvě věci najednou: přehrává zvuk směrem k volajícímu a zachytává zvuk přicházející zpátky.

Příchozí zvuk je jen proud zvuku. Sám o sobě pro počítač nic neznamená — je to tlak vzduchu převedený na čísla. Dalším úkolem je proměnit ten zvuk ve slova, a ten úkol má jméno, které většina lidí slyšela, aniž by to věděla: rozpoznávání řeči.

Krok 3: z řeči se stává text

Rozpoznávání řeči, neboli převod řeči na text, je ta část, kterou už používáte každý den. Je to stejná rodina technologií, která stojí za tlačítkem diktování v telefonu i za automatickými titulky u videí. Poslouchá zvuk a vytváří psaný řádek: "dobrý den ehm jo chtěla bych se objednat na dentální hygienu na příští úterý jestli máte něco odpoledne."

Moderní rozpoznávání řeči je pozoruhodně dobré, ale není to kouzlo a je poctivé to říct. Zvládá přízvuky, hluk na pozadí i lidi, kteří větu nedokončí, mnohem líp než neohrabané systémy "pro obchod stiskněte jedničku" z minulosti. Selhává přesně tam, kde by selhal i člověk: volající překřikující zahradní fukar, naprosto neobvyklé příjmení, nebo tři lidé mluvící naráz. Dobré služby jsou vyladěné tak, aby si při nejistotě řekly o zopakování, místo aby hádaly a spletly se.

Jedna jemnost, kterou stojí za to znát: AI nečeká, až volající domluví celý svůj proslov, než začne přepisovat. Streamuje text tak, jak slova přicházejí, takže než člověk domluví, je přepis v podstatě hotový. To je velká část důvodu, proč odpovědi přicházejí tak rychle.

Krok 4: zjistit, co vlastně myslí

Teď má AI řádek textu. Tou těžkou a zajímavou částí je proměnit ten text ve význam — odhalit záměr volajícího. Z "můžu si přesunout čtvrteční termín na pátek?" musí pochopit tři věci: jde o stávajícího zákazníka, chce termín přesunout a cílem je pátek. Z "děláte psy, nebo jenom kočky?" musí rozpoznat otázku na to, jaké služby nabízíte, a odpovědět z vašeho profilu.

Tady odvádí těžkou práci velký jazykový model — stejný druh technologie, o jaké jste četli u asistentů. Ale neodpovídá ze vzduchu ani z celého internetu. Dobrá služba dá modelu úzké, soukromé zadání: profil vaší firmy. Služby, které jste vypsali, vaši otevírací dobu, ceny, pravidla, adresu, otázky, na které se lidé ptají nejčastěji. Model uvažuje nad slovy volajícího a tímto zadáním dohromady.

To ukotvení je celá hra. Proto může AI říct "máme otevřeno do šesti ve všední dny a v neděli zavřeno" — ne proto, že hádala, ale protože jste jednou ty hodiny napsali do průvodce. A proto, když se někdo zeptá na něco mimo zadání ("hlídá veterinář přes noc i králíky?"), měla by dobře postavená služba vzít vzkaz, místo aby si odpověď vymyslela. Asistent, který si věci vymýšlí, je horší než žádný asistent.

Krok 5: rozhodnout, co udělat

Pochopit požadavek je jedna věc; jednat podle něj druhá. Podle záměru se AI vydá jednou z hrstky cest. Odpovědět na otázku z profilu. Rezervovat nebo přesunout termín. Vzít vzkaz s číslem na zpětné zavolání. Nebo, když volající zjevně potřebuje člověka, sesbírat to podstatné a slíbit, že majitel zavolá zpátky.

1. 1
   Odpoví přímo

   Na cokoli pokrytého vaším profilem — otevírací doba, adresa, jestli berete zákazníky bez objednání, co služba zahrnuje — AI volajícímu prostě odpoví přirozenou větou, žádné menu není potřeba.
2. 2
   Rezervuje nebo přesune termín

   Když je záměrem termín, sesbírá kdo, co a kdy, ověří to proti pravidlům, která jste nastavili, a potvrdí termín nebo nabídne alternativy.
3. 3
   Vezme vzkaz

   Na cokoli, co nezvládne nebo nemá řešit — stížnost, individuální cenovou nabídku, otázku mimo profil — zachytí detaily a číslo volajícího, abyste se mohli ozvat.
4. 4
   Elegantně předá dál

   Když volající požádá o člověka, nebo je situace zjevně citlivá, neodbíjí ho. Vezme vzkaz nebo domluví zpětné zavolání a nepředstírá, že je člověk, když se ho na to zeptají.

Krok 6: odpověď hlasem

AI se rozhodla, co říct — ale zatím je to rozhodnutí jen text. Poslední krok smyčky proměňuje text zpátky v hlas, který volající uslyší. Tomu se říká převod textu na řeč a je to zrcadlový obraz kroku 3. Syntetizované hlasy, které se dnes používají, mají hodně daleko k tomu plochému robotickému mumlání, které si pamatujete; dělají pauzy, nadechují se a stoupají i klesají tak, že to většinou zní jako člověk, který má trochu moc klidný den.

Pak se smyčka uzavře. Volající slyší odpověď, reaguje a celý cyklus — poslouchej, přepiš, pochop, rozhodni, promluv — se rozběhne znovu pro další repliku. Tříminutový hovor může tuhle smyčku oběhnout tucetkrát, každý průchod trvá zhruba vteřinu. Z pohledu volajícího je to prostě rozhovor. Pod kapotou je to stejných pět kroků, opakovaně.

Krok 7: shrnutí přistane ve schránce

Když hovor skončí, rozběhne se poslední úkol. AI má úplný přepis všeho řečeného, takže sepíše to podstatné: kdo volal, co chtěl, na čem se domluvili a co zbývá udělat vám. To shrnutí — plus surový přepis a často i zvukovou nahrávku — dorazí do vaší schránky nebo tam, kam jste si řekli, aby vás upozornila.

Tohle je ta část, o které nám majitelé říkají, že nečekali, jak si ji zamilují. Neposloucháte zpětně hlasové zprávy a nečmáráte si poznámky. Dostanete čistý výtah: "Nový pacient, chce dentální hygienu, preferuje úterní odpoledne, číslo máme, objednán na 14. na 15:00." Přejedete to očima za pět vteřin a jdete dál. Nic nepropadne sítem, protože všechno je zapsané a dá se v tom hledat.

Dáme to dohromady: jeden hovor od začátku do konce

Sledujme jediný hovor celou cestou. Představte si kadeřnictví o dvou křeslech, brzy odpoledne, obě kadeřnice zaneprázdněné. Volající se chce objednat na barvení.

• Linka je obsazená, takže operátor hovor přesměruje na AI číslo.
• AI zvedne: "Děkujeme, že voláte do studia Bloom, jak vám mohu pomoci?" a začne poslouchat.
• Volající řekne, že by chtěla termín na barvení tuhle sobotu. Rozpoznávání řeči to během řeči převede na text.
• AI přečte záměr — nová rezervace, barvení, sobota — a ověří v profilu salonu sobotní volné termíny a jak dlouho barvení trvá.
• Rozhodne se nabídnout dva volné termíny a pak je vysloví: "Mám v sobotu volno v 10 nebo ve 14 — co se vám hodí?"
• Volající si vybere 14:00 a řekne jméno a číslo. AI potvrdí a ukončí hovor.
• O pár vteřin později dostane majitelka shrnutí: nová rezervace barvení, sobota 14:00, jméno a číslo v příloze.

Celé to trvalo pod dvě minuty, majitelka se telefonu ani nedotkla a volající — která by jinak možná zavěsila na obsazovací tón a zavolala konkurenci — má objednáno. To je celá hodnota v jednom hovoru a je to jen sedm kroků výše, jak dělají svou práci.

Kde jsou spáry (ta poctivá část)

Žádná technologie není bezešvá a budete jí víc věřit, když víte, kde se může začít párat. Hodně hlučné hovory dávají rozpoznávání řeči zabrat a občas se v nějakém jméně splete — proto dobrá nastavení detaily volajícímu potvrzují zpátky. Hodně neobvyklé nebo emotivní požadavky je lepší předat člověku a dobře postavený asistent to ví udělat, místo aby se v tom plácal.

A pak je tu fakt, že AI ví jen to, co jí řeknete. Chudý, nedodělaný profil produkuje vágní odpovědi; bohatý, se skutečnou otevírací dobou a nejčastějšími otázkami, produkuje ostré. Kvalita, kterou dostanete ven, úzce souvisí s deseti minutami, které strávíte popisem své firmy. Odměňuje to trochu péče na začátku a to je férový obchod.

Jak to vlastně nastavíte

Když znáte mechaniku, nastavení dává větší smysl. Ve skutečnosti jen vyplňujete dvě věci, které linka potřebuje: zadání, ze kterého AI uvažuje, a pravidlo přesměrování, které jí posílá hovory.

1. 1
   Popište svou firmu

   Krátký průvodce se zeptá na vaše služby, otevírací dobu, ceny, adresu a časté otázky. Z toho vznikne profil, ze kterého AI ukotvuje každou odpověď.
2. 2
   Otestujte to zavoláním

   Zavolejte svému novému asistentovi a zkuste ho nachytat. Ptejte se na nepříjemné otázky, které kladou vaši skuteční volající. Ladte profil, dokud nejsou odpovědi správné.
3. 3
   Přesměrujte své číslo

   Nastavte u operátora pravidlo přesměrování — vždy, při obsazeno, nebo při nezvednutí — mířící na AI číslo. To je ten přepínač, který to spustí naostro.
4. 4
   Sledujte, jak přicházejí shrnutí

   Od té chvíle se z každého vyřízeného hovoru stane shrnutí ve vaší schránce. Během prvního týdne profil doladíte a bude to jen ostřejší.

Popsat firmu obvykle zabere pár minut a nastavit pravidlo přesměrování chvilku. Žádný hardware, žádné nové číslo k propagaci, nic k instalaci. Většina majitelů si nejdřív pustí zdarma zkušební verzi, přesměruje jen hovory po pracovní době, a teprve pak předá víc.