لماذا لا ينجح نهج واحد يناسب الجميع مع نماذج الذكاء الاصطناعي الصوتية

أفضل التجارب الصوتية تُبنى حسب الطلب

يبدو كل عرض توضيحي لـالذكاء الاصطناعي الصوتي رائعًا عبر مكبّر صوت الحاسوب المحمول: صوت عريض النطاق، وغرفة هادئة، ومقدّم لا يقاطع. ثم ينتقل النموذج نفسه إلى خط هاتفي فعلي، فيُضغط الصوت إلى 8 kHz، وتضيف الشبكة ما بين 100 و200 ملي ثانية أخرى، ويقرأ متصل حقيقي رقمًا تسلسليًا من 22 حرفًا يتضمن 4 أصفار متتالية، ثم يقاطع في منتصف الإجابة.

هذه الفجوة هي السبب الرئيسي في بقاء الصوت القناة التي لم تؤتمتها معظم المؤسسات بعد. لا تكمن الصعوبة في جعل نموذج صوتي يبدو جيدًا في عرض توضيحي، بل في جعله يعمل حين يقاطع المتصل، أو يقرأ معرّفًا طويلًا، أو ينتقل بين اللغات، أو يحتاج من الوكيل اتخاذ إجراء في حسابه. لهذا توقفنا عن الوثوق بمعايير الأداء المنشورة، بما فيها تلك المقيسة عبر تطبيق المورّد نفسه، وطوّرنا طريقة لاختبار النماذج الصوتية كما يختبرها العملاء فعلًا: عبر مكالمة هاتفية. وأحدث نموذج خضع لهذا الاختبار هو GPT-Live-1 من OpenAI.

كيف تتعامل Maven مع اختيار النموذج

تستخدم Maven مجموعة من النماذج المتطورة لتشغيل التجارب الصوتية لعملائها. ولأننا نسعى إلى تقديم أفضل تجربة لحالة الاستخدام الفريدة لكل عميل، سواء كانت استعلامات الحسابات، أو المعرّفات المعقدة، أو التشخيصات متعددة الخطوات، أو المقاطعات، أو المتطلبات اللغوية، أو مواصفات النشر، أو الطلبات التي تستلزم إجراءً، فإننا ندرك أن النموذج الذي يعمل بلا عيوب لدى عميل قد يحقق نتائج متواضعة لدى آخر. لذلك نختبر النماذج لتحديد الأفضل لحالات الاستخدام الخاصة بكل عميل ومعاييره الفريدة. ونستخدم هذه النتائج لتحديد النموذج الذي ينبغي أن يدير المحادثة المباشرة، والمواضع التي ينبغي أن يساعد فيها نموذج آخر، والضمانات التي ينبغي أن تتضمنها التجربة.

اختيار النموذج ليس سوى القرار الأول. فإطار التقييم نفسه يخبرنا أيضًا أين نضيف خطوة تأكيد للمعرّفات المعقدة، وكيف نتجنب فترات الصمت في المحادثة، ومتى نوجّه مهمة أصعب إلى طبقة استدلال أقوى. الهدف ليس اختيار نموذج واحد لجميع حالات الاستخدام، بل تقديم أفضل تجربة ممكنة لعملاء عملائنا.

تقييم أفضل النماذج في Arena

Voice Arena هو إطار Maven القابل للتكرار لتقييم النماذج. يُخضع النماذج المرشحة لمكالمات صادرة حقيقية على شبكة الهاتف العامة، ثم يقيّم ما حدث من وجهة نظر العميل. نستعير منهجية التقييم الأعمى الثنائي ونكيّفها مع الاتصالات الهاتفية.

يبدأ كل تقييم ببطاقة الأداء نفسها:

• طلاقة المحادثة: مدى طبيعية صوت الوكيل ووضوحه.
• التعافي من المقاطعة: ما إذا كان الوكيل يتوقف، ويفهم الطلب الجديد، ويستجيب له.
• التقاط المعرّفات: ما إذا كان قادرًا على سماع السلاسل التي يقرؤها المتصلون فعلًا بصوت عالٍ وتأكيدها.
• الوقت حتى الإجابة المفيدة: مدة الانتظار حتى الحصول على رد جوهري، لا مجرد إقرار أولي.
• موثوقية المكالمة: ما إذا كان الوكيل يُكمل التفاعل دون تفويت طلبات أو تحويلات يمكن تجنبها.

ثم نضيف السيناريوهات المهمة لتجربة الصوت الخاصة بذلك العميل تحديدًا. فالشركة التي يتعامل خط دعمها مع أرقام تسلسلية معقدة للمنتجات تحتاج إلى اختبار ضغط مختلف عن شركة تتعامل مع المبالغ المستردة أو المواعيد أو أسئلة الفوترة. يبقى الإطار ثابتًا، بينما تُصمَّم بطاقات الأداء بما يناسب كل عملية نشر.

أين تميّز GPT-Live-1 من OpenAI

كان GPT-Live-1 قويًا بشكل خاص في جانب يلاحظه معظم الناس أولًا: تبادل الأدوار في الحديث. فالنموذج قادر على معالجة الكلام بشكل متواصل، ما يتيح له الاستجابة حين يتحدث المتصل فوق صوت الوكيل بدلًا من انتظار كاشف منفصل لتبادل الأدوار.

وضعنا أحدث نموذج صوتي من OpenAI قيد الاختبار لصالح أحد عملائنا من قائمة Fortune 50، الذي يتلقى ملايين المكالمات سنويًا، وذلك على حالات استخدام الدعم والمبيعات لديه. صُمّم التقييم خصيصًا لقياس قدرة النماذج على التعامل مع معرّفات المنتجات المعقدة والتشخيصات الطويلة، وتصدّر GPT-Live-1 النماذج التي اختبرناها في عدة مقاييس رئيسية:

• 90% إعادة قراءة مطابقة لعلامات الخدمة الخاصة بالعميل، وهو أعلى معدل في الاختبار.
• 100% تعافٍ من المقاطعات؛ إذ عالج السؤال الجديد بعد كل مقاطعة.
• 1,257 ملي ثانية متوسط زمن الاستجابة للطلب الجديد، وهو الأسرع بين النماذج المختبرة.
• 1.7 ثانية متوسط زمن الإجابة، مع وصول 81% من الإجابات خلال ثانيتين.

لم يتصدّر النموذج كل بطاقات الأداء. فقد بلغت نسبة إعادة القراءة المطابقة للأرقام التسلسلية الطويلة 60%، وكانت الأصفار المتكررة نقطة ضعفه الرئيسية. كما جعلت 38% من الإجابات المتصلين ينتظرون أكثر من 5 ثوانٍ للحصول على شيء جوهري بعد رد أولي مثل «بالتأكيد». ليست هذه أسبابًا لاستبعاد النموذج، بل هي نوع الثغرات التشغيلية التي صُمّم Arena للكشف عنها.

GPT-Live-1 يقود المحادثة بجدارة، لكن نموذجًا واحدًا لا يكفي لكل مكالمة

في هذه الحالة، يُعد GPT-Live-1 خيارًا مقنعًا لقيادة المحادثة: فهو سريع، وسريع الاستجابة، وموثوق على نحو لافت حين يقاطع المتصل. أما في اللحظات التي تكثر فيها المعرّفات أو تتطلب استدلالًا مكثفًا، فقد يحتاج النظام إلى طبقة أخرى. ولهذا اختار العميل Maven. فنحن نبني التجربة الصوتية استنادًا إلى الأدلة، بدلًا من مطالبة كل عميل بتحمّل المقايضات الخاصة بنموذج واحد.

ساعدونا في رفع معايير الصوت

العملاء: أحضروا لنا المكالمات التي قد تُفشل أي عرض توضيحي: المعرّفات المعقدة، والمقاطعات المتكررة، والمهام متعددة الخطوات، أو أي شيء لا يمكن أن ينتهي بتحويل الاستفسار. سنقيّم كل نموذج وفق الظروف التي يواجهها المتصلون لديكم فعلًا.

مزودو النماذج: إذا أردتم معرفة مدى صمود نموذجكم في مكالمات مؤسسية حقيقية، فنحن نرغب في إخضاعه لاختبار Arena. وكلما تحسّن المجال، تحسّنت التجربة الصوتية لكل عميل.