Yapay Zeka Sesleri Artık Doğal mı? Yapay Zeka Sesli Asistan Kalitesine Dürüst Bir Bakış

İki yıl önce, telefonunuza cevap veren bir yapay zeka daha ilk üç kelimede kendini ele verirdi. Bugün çoğu arayan, konuşmayı hiç aklına takılmadan bitiriyor — ve bazıları bir insanla konuştuğunda ısrar ediyor. Peki hangisi doğru? Yapay zeka sesli asistan kalitesine dürüst bir yolculuk: bugün gerçekten neyin doğal olduğu, dikişlerin hâlâ nerede göründüğü ve neden herhangi bir broşür yerine kendi kulaklarınıza güvenmeniz gerektiği.

Bir işletme yönetiyorsanız ve çağrılarınıza yazılımın cevap vermesine izin verip vermemeyi tartıyorsanız, mesele tamamen sestir. Kaçan bir çağrı kaybedilen bir rezervasyondur, ama 2005 model bir navigasyon cihazı gibi konuşan bir şeyin cevapladığı çağrı tartışmasız daha kötüdür — arayana hem telefonu açacak kadar umursamadığınızı hem de insan gibi konuşmaya zahmet etmediğinizi söyler. Yani asıl adil soru "yapay zeka sesi etkileyici mi?" değildir. "Müşterim fark eder mi, ve umursar mı?" sorusudur.

Bu yazı buna elimizden geldiğince açık bir cevap veriyor. Biz bir yapay zeka telefon asistanı geliştiriyoruz, yani bu işte çıkarımız var — ve tam da bu yüzden sizi yalan söylemeyen tek teste yönlendireceğiz: kendiniz arayın ve dinleyin. Hiçbir yazı bunu çözemez. Ama aramadan önce, neyi dinlemeniz gerektiğini bilmek işe yarar.

Dürüst başlık: sandığınızdan iyi, mükemmel değil

Sonucu en başa koyalım ve yazının geri kalanını onu hak etmeye harcayalım. Modern metinden-konuşmaya teknolojisi, kısa ve odaklı bir telefon görüşmesinde çoğu arayanın sentetik olduğunu güvenilir biçimde ayırt edemediği eşiği geçti. Robotik tek düzelik gitti. Nefesler, küçük duraksamalar, perdedeki doğal iniş çıkışlar — beyninizin "bu bir insan" kararını verirken kullandığı şeyler — büyük ölçüde orada.

Ama "çoğu arayan, çoğu zaman, kısa çağrılarda" ifadesi o cümlede ciddi bir yük taşıyor. Bir konuşmayı uzatın, ona gerçekten tuhaf bir talep atın veya dikişleri dikkatle dinleyin, ipuçları belirir. Teknoloji aynı anda hem çok iyi hem de kusurlu, ve size "insandan ayırt edilemez, garantili" diye satan biri, satıyordur. Dürüst versiyonu daha yararlıdır: ses artık hayır demenizin nedeni olmayacak kadar iyi.

Sesler neden birden iyileşti

Son on yılın büyük kısmında bilgisayar konuşması monte ediliyordu — bir seslendirme sanatçısının kaydedilmiş sesinin parçalanıp birbirine dikilmesi ya da daha eski bir motorun her seferinde tek bir ses birimini tahmin etmesiyle. Bir altyazının okunması anlamında işe yarıyordu. Ama asla akmıyordu, çünkü insan konuşması bağımsız seslerin dizisi değildir; bir kelimeyi söyleyiş biçiminiz ondan önceki kelimeye, cümlenin şekline ve soru mu sorduğunuza yoksa bir şey mi anlattığınıza bağlıdır.

Dönüşüm, modeller tüm bir ifadeyi söylenen şeyin anlamı ve noktalamasıyla şekillenen tek ve kesintisiz bir ses parçası olarak üretmeyi öğrendiğinde geldi. Modern bir sesin bir sorunun sonunda tonu yükseltmeyi, bir telefon numarasında yavaşlamayı ve bir cümleyi insanların gerçekten yaptığı gibi asılı bırakmayı bilmesinin nedeni budur. Okumuyor — bir repliği icra ediyor. Duyduğunuz sıçramanın çoğundan sorumlu olan tek değişiklik budur.

Bir telefon görüşmesinde "doğal" aslında ne demek

"Doğal" muğlak bir kelime, o yüzden onu gerçekten duyabileceğiniz şeylere ayıralım. Bir telefon görüşmesi, dört şey aynı anda ayakta durduğunda doğaldır. Bunlardan herhangi birini kaçırın, diğerleri kusursuz olsa bile tüm çağrı yanlış hissettirir.

• Tını — sesin ham dokusu: gerçek bir insanın sıcaklığı, nefesi ve dokusu var mı, yoksa bir makinenin düz parlaklığı mı?
• Bürün (prozodi) — melodi ve ritim: doğru kelimelerdeki vurgular, yükselen sorular, hepsi aynı vuruşta bitmeyen cümleler.
• Tempo ve sıra alma — konuşma hızında cevap vermek ve bir cümleyi bitirdiğinizle bir düşüncenin ortasında duraksadığınızı ayırt edebilmek.
• Toparlanma — bir arayan sözünüzü kestiğinde, mırıldandığında, fikrini değiştirdiğinde ya da beklenmedik bir şey sorduğunda ne olduğu.

Herhangi bir yapay zeka sesli asistanı değerlendirmenin can alıcı noktası şu: tını ve bürün büyük ölçüde çözüldü; asıl farklar tempo ve toparlanmada yatıyor. İki ürün tek başına dinlendiğinde eşit derecede insani duyulan bir ses kullanabilir, sonra canlı bir çağrıda aralarında dünyalar kadar fark olabilir — çünkü biri dağınık insani anları zarafetle idare eder, diğeri tökezler. Test ederken dikkatinizi ilk ikisine değil, son ikisine harcayın.

Hâlâ ele veren ipuçları

Dürüstlük bölümü. Neyi dinleyeceğinizi biliyorsanız, sentetik bir sesi pazarlamanın öne süreceğinden daha sık yakalayabilirsiniz. Bunların hiçbiri bir işletme telefon hattı için anlaşmayı bozan şeyler değil, ama yokmuş gibi davranmak zekânıza hakaret olurdu.

Sözü kesme ve üst üste konuşma

İnsanlar sürekli ve zarifçe birbirinin sözünü keser. Bir cümleye başlarız, karşıdakinin başladığını duyarız ve ritmi bozmadan sözü ona bırakırız. Yapay zeka, sözü kesildiğinde durmakta ustalaşıyor — buna araya girme (barge-in) deniyor — ama asıl bocalayabildiği yer sonrasındaki toparlanmadır. Onu cümlenin ortasında kesin, zayıf bir sistem tüm cümlesini baştan alabilir, konunun ipini kaybedebilir ya da kendini toparlamadan önce biraz fazla duraksayabilir. İyi olanı, sözün kesilmesini içine sindirir ve devam eder. Bu, çalıştırabileceğiniz en açık ele veren testtir.

Baskı altında duygusal genişlik

Nötr, dostane bir rezervasyon çağrısı için mevcut sesler inandırıcı biçimde sıcaktır. Güçlü bir duyguya girin — gerçekten üzgün bir arayan, alaycılık, şaka yapan biri — ses, bir insanın olmayacağı bir biçimde sakin ve dengeli kalır. Tam olarak soğuk duyulmaz, ama keskin bir insan resepsiyonistin yaptığı gibi arayanın enerjisine de uymaz. Çoğu işletme için bu sorun değil; sakin, istikrarlı bir ses gayet iyi bir varsayılandır. Ama bu bir ipucudur ve en hassas, duygusal çağrılarınızı otomasyona yönlendirmemek için dürüst bir gerekçedir.

Gerçekten sıra dışı talep

Tını ayakta kalır. Kırılan şey içeriktir, ve ses içeriğin peşinden aşağı düşer. İşletmenin dünyasının çok dışında bir şey sorun, iyi kurulmuş bir asistan bununla yardımcı olamayacağını açıkça söyler ve not almayı teklif eder. Doğru cevap budur — ama o an çoğu zaman pürüzsüz rezervasyon akışından biraz farklı bir tınıya sahiptir ve dikkatli bir arayan bu kaymayı fark edebilir. Buradaki ipucu ses değil; "bunu güzelce idare ediyor" ile "sınırına ulaşıyor" arasındaki dikiştir.

Aksanlar, lehçeler ve diller

"Aksanları idare edebilir mi?" sorusunun içinde iki ayrı soru saklıdır. Biri, asistanın güçlü bir bölgesel aksana sahip ya da ana dili farklı bir arayanı anlayıp anlayamayacağıdır. Diğeri, asistanın kendi sesinin belirli bir dilde yerli ve doğal duyulup duyulmadığıdır. İkisi birlikte inip çıkmaz ve hangisini test ettiğinizi bilmekte fayda vardır.

Çıktı tarafında büyük diller mükemmel duyulur — ana dili konuşan biri çoğu zaman ayırt edemez. Daha küçük diller ve belirli bölgesel lehçeler biraz "ders kitabı" gibi duyulabilir: doğru, net, ama mahalleden birinin değil, bir dil kursu anlatıcısının cilasıyla. Girdi tarafında ise ağır bir aksanı ya da gürültülü bir arabadaki arayanı anlamak, temiz konuşma üretmekten daha zordur ve ciddi bir ürünle ucuz bir ürün arasındaki en belirgin kalite farkını göreceğiniz yer burasıdır.

Müşterilerinizin bir kısmı yerel dili ana dili gibi konuşmuyorsa bu önemlidir — çok dilli bir hattın amacı, asistanın size hoş duyulması değil, onların anlaşıldıklarını hissetmeleridir. Bu, körü körüne güvenilecek bir kutucuk değil, baskı altında test edilmeye değer gerçek bir yetenektir.

Aslında birini kandırması gerekiyor mu?

Bu konuşmanın tamamına gömülü bir varsayım var ve itiraz edilmeyi hak ediyor: amacın insan gibi geçmek olduğu. Bir işletme telefon hattı için genellikle öyle değildir — ve bunun peşinden koşmak ters tepebilir.

Bir arayanın aslında istediği şey hızlıdır: sıcak bir selamlama, sorusuna bir cevap, yapılmış bir rezervasyon, size ulaşan bir mesaj. Sıcaklığın bir insandan mı yoksa iyi kurulmuş bir modelden mi geldiği, onlar için günlerine devam etmekten çok daha az önemlidir. Arayanlar "bu bir asistan" durumunu kolayca affeder. Affetmedikleri şey, bir döngüye takılmak, yanlış anlaşılmak ya da küçük düşürülmüş hissetmektir. Doğallık, çağrının başında size birkaç saniyelik iyi niyet kazandırır; onları asıl memnun eden şey yetkinliktir.

İlke olarak da savunulmaya değer bir çizgi var: bir arayan doğrudan sorduğunda asistan insan olduğunu numara yapmamalı. "Gerçek bir insanla mı konuşuyorum?" doğrudan bir cevabı hak eder. İnsan sanılacak kadar iyi bir ses, tam da sorulduğunda dürüst olması gereken sestir. Doğal duyulmak ile aldatıcı olmak farklı şeylerdir ve yalnızca ilki hedeflenecek bir şeydir.

Ses kalitesini kendiniz nasıl değerlendirirsiniz — 10 dakikalık bir test

Yeterince görüş okudunuz, bizimkiler de dahil. İşte tüm bunları kanıtla değiştirmenin yolu. Değerlendirmeye değer her yapay zeka telefon asistanı, taahhütte bulunmadan önce onunla konuşmanıza izin verir. Arayın ve bunu bilinçli olarak çalıştırın — çoğu insan sadece "merhaba, çalışma saatleriniz nedir?" der ve elinde gerçek bir bilgi olmadan ayrılır.

1. 1
   Cümlenin ortasında sözünü kesin

   Bir cevabın birkaç kelime içine girmesini bekleyin, sonra yeni bir soruyla araya girin. Temiz bir şekilde durup sizi takip mi ediyor, yoksa baştan mı başlıyor, donuyor ya da konuyu mu kaybediyor? Bu tek test, sonraki dördünün toplamından daha fazlasını söyler.
2. 2
   Senaryonun biraz dışında bir şey sorun

   Anlamsız bir şey değil — bir müşterinin gerçekten sorabileceği gerçek ama garip bir soru. Sınırına ulaşmayı nasıl idare ettiğini izleyin. İyi olanı bunu itiraf eder ve not almayı teklif eder; kötü olanı blöf yapar ya da döngüye girer.
3. 3
   Sesli bir şekilde fikrinizi değiştirin

   Bir şey rezerve edin, sonra "aslında, onun yerine perşembe olur mu?" deyin. Gerçek konuşmalar rota düzeltmeleriyle doludur. Ayak uyduruyor mu yoksa bu geri dönüş onu şaşırtıyor mu görün.
4. 4
   Kelimeleri değil, duraklamaları dinleyin

   Gözlerinizi kapatın ve ritme dikkat edin. Cevaplar konuşma hızında mı geliyor? Aralar bir insanın bırakacağı uzunlukta mı, yoksa bir vuruş fazla uzun, bir vuruş fazla ölü mü?
5. 5
   Ona bir telefon numarası ya da alışılmadık bir isim verin

   Bir numarayı hızlıca söyleyin ya da bariz olmayan bir isim verin. Numaralar, hecelemeler ve alışılmadık isimler, konuşma tanımanın ve geri okumanın ya parladığı ya da dağıldığı yerdir. Detayları size geri tekrarlamasını isteyin.

Beşinin hepsine puan verin ve o ürünün gerçek ses kalitesi hakkında herhangi bir karşılaştırma tablosunun söyleyebileceğinden daha fazlasını bilirsiniz — üstelik bunu kendi kullanım durumunuz için, kendi dilinizde, gerçek arayanlarınızın getirdiği tuhaflıklarla bilirsiniz.

Kendi sesimiz nerede duruyor — ve nasıl kontrol etmenizi isteriz

Herkesi test etmenizi söyleyip sonra bize inanmanızı isteseydik, kendi tavsiyemizin kötü örnekleri olurduk. O yüzden: Vunoon, normal bir rezervasyon ya da bilgi çağrısında çoğu insanın sentetik olarak tanımlayamayacağı güncel nesil sesler kullanır. Arayanları selamlar, kurduğunuz profile göre cevap verir, rezervasyon ve mesaj alır, her çağrının özetini ve dökümünü size e-posta ile gönderir. Konuşmanın ritmini koruyacak kadar hızlı cevap vermek ve sınırına ulaştığında blöf yapmak yerine zarafetle devretmek — not almak, sizi geri arattırmak — için kurulmuştur. Bir arayan bir insanla mı konuştuğunu sorduğunda, aksini iddia etmez.

Ayrıca, kızgın, duygusal bir çağrıda parlak bir insan resepsiyonistle boy ölçüştüğünü de iddia etmeyeceğiz, çünkü öyle değil ve hiçbir dürüst satıcınınki de değil. Güvenilir biçimde yaptığı şey, çağrının pazar günü saat 20.00'de boşa çalmak yerine sıcak bir şekilde cevaplanmasını sağlamaktır — ve çoğu işletme için asıl karşılaştırma "yapay zekaya karşı harika bir resepsiyonist" değil, "yapay zekaya karşı sesli mesaj"dır. Bu karşılaştırmada ses sorusu neredeyse kendi kendine cevaplanır.

O yüzden bu paragrafa inanmayın. Beş adımlık testi bizim üzerimizde çalıştırın. Birkaç dakikada kurun, işinizi anlatın ve gerçekte aldığınız çağrıları nasıl idare ettiğini tam olarak duymak için kendi asistanınızı arayın. Çıtanızı geçmezse, on dakika kaybettiniz ve bir şey öğrendiniz. Geçerse, kanıtı kendiniz duydunuz — ki bu, hep önemli olan tek kanıttır.