التنفيذيون: الذكاء الاصطناعي الصوتي لم يصل إلى لحظة ChatGPT بعد

استثمر المستثمرون مليارات الدولارات في الشركات الناشئة العاملة في مجال الذكاء الاصطناعي الصوتي، والتي تمتد من مطوري النماذج إلى أدوات خدمة العملاء للشركات، ومدوّني الاجتماعات، والإملاء بالذكاء الاصطناعي. وتظهر نماذج وأدوات جديدة أسبوعياً تزعم أنها تتحدث بطريقة شبيهة بالبشر. لكن وفقاً لتنفيذيين تحدثا على خشبة مؤتمر HumanX الشهر الماضي، لم تصل هذه التقنية بعد إلى نوع الإنجاز الكبير الذي مثّله ChatGPT بالنسبة إلى الذكاء الاصطناعي النصي.

قال Shawn Wen، المدير التقني في منصة PolyAI لخدمات الذكاء الاصطناعي الصوتي للشركات، إن القطاع تجاوز عقبة بالفعل: النماذج ثنائية الاتجاه (full-duplex) القادرة على التحدث أثناء الاستماع إلى المتصل في الوقت نفسه. وأضاف أن التحدي التالي هو جعل الاستدلال الكامن سريعاً بما يكفي لتبدو المحادثة طبيعية. وقال: “لقد وصلنا إلى مرحلة تطوير النماذج ثنائية الاتجاه. التحدي التالي هو جعل الاستدلال سريعاً جداً، حتى تتمكن النماذج من الحصول على الإجابات بسرعة وتبدو المحادثة طبيعية”. وأضاف أن وكلاء خدمة العملاء المبنيين على هذه النماذج يجب أن يبدوا واثقين لا آليين؛ وأوضح Wen أنه بعد أن يتفاعل المتصل مع الوكيل خلال أول دورتين أو ثلاث دورات من المحادثة، يميل إلى بناء ثقة كافية تجعله يتوقف عن توقع التحدث مع إنسان.

أشار Alex Gay، مسؤول التسويق في Otter، مدوّن الاجتماعات، إلى مجموعة مختلفة من الثغرات: تحديد هوية المتحدث، واستخلاص القصد، وربط ذلك بالمعرفة التنظيمية للشركة. وتعمل Otter أيضاً على نُسخ رقمية (digital twins) قد تمثّل الأشخاص في الاجتماعات، وهو ما يتطلب، بحسب Gay، أن تحمل الصوت المُولَّد نفس المدى العاطفي الذي يحمله صوت الإنسان الحقيقي؛ وإلا، كما قال، يتحول الصورة الرمزية في الاجتماع إلى ما لا يتجاوز كونه روبوت أسئلة وأجوبة، عاجز عن النقاش والمداولة الاستراتيجية التي تميّز أفضل الاجتماعات.

واتفق كل من التنفيذيين على أن دقة التعرف على الكلام لا تزال نقطة ضعف. وقال Wen إن أنظمة التعرف الآلي على الكلام (ASR) غالباً ما تفوّت كلمات مفتاحية مهمة، وهو ما يكسر السياق الأوسع للمحادثة. وقال Gay إن Otter تستمر في تحسين نموذج ASR الخاص بها للسبب نفسه: فالنسخ غير الدقيق يُفسد كل إجراء لاحق يتخذه المستخدم بناءً عليه، وهو ما يؤدي إلى تآكل الثقة في المنصة.

وفيما يتعلق بالشفافية، اتفق التنفيذيان على أن أدوات الصوت يجب أن تُعلن متى تكون المحادثة قيد التسجيل أو تتم معالجتها بواسطة الذكاء الاصطناعي. وقالت Otter إنها تريد إشعار جميع المشاركين في المحادثة عندما يتم تسجيل اجتماع، حتى إذا لم يكن روبوتها حاضراً، وقالت PolyAI إن إثبات أن المتصلين بالشركات يتحدثون مع ذكاء اصطناعي يمثّل أولوية.

لماذا يهم

الفجوة التي يصفها هذان التنفيذيان - بين حماس المستثمرين الكبير وسرعة الاستدلال ودقة النسخ اللتين لم تُحلّا بعد في الذكاء الاصطناعي الصوتي - تشير إلى أن الشركات المشترية ينبغي أن تتوقع مزيداً من التطوير قبل أن تتمكن واجهات الصوت من استبدال الوكلاء البشريين بشكل موثوق.