Utmaningar med röst-AI: latens, avbrott och uttalsfel
Implementeringen av röst-AI inom kundtjänst står inför betydande utmaningar, inklusive fördröjningar, svårigheter att hantera avbrott och grammatiska fel.
Tekniken för röst-AI (Voice AI) fortsätter att möta betydande hinder, särskilt vid användning i interaktiva applikationer som kundtjänstcenter. Även om taligenkänning (Speech To Text, STT) och talsyntes (Text-to-Speech, TTS) har förbättrats avsevärt, har det visat sig vara svårt att uppnå naturlig och realtidsinteraktion.
Viktiga problem inkluderar betydande fördröjningar (latens) i att generera svar, vilket kan frustrera kunder. Dessutom är AI-systemens förmåga att hantera naturliga avbrott under en konversation begränsad. Till skillnad från mänskliga agenter kan AI-program ha svårt att tolka innebörden av pauser eller smidigt fortsätta en konversation efter ett avbrott.
Hantering av bakgrundsljud och instabila anslutningar är en annan utmaning. I verkliga miljöer, till skillnad från demonstrationsscenarier, kan bakgrundsbrus eller svaga anslutningar leda till feltolkningar. AI-agenter kan också göra grammatiska fel, särskilt i språk med könsböjningar, och att hantera olika regionala uttalsvariationer kan vara komplicerat.
Även om de kostnadsbesparingar som röst-AI utlovar inom kundtjänst är verkliga, är de kanske inte så stora som initialt marknadsförts. Uppskattade samtalskostnader på 2 rupier kan i verkligheten bli betydligt högre när man beaktar totala kostnader, inklusive implementering och optimering. De faktiska besparingar som företag uppnår är vanligtvis 3x till 5x, inte de 10x till 20x som ibland påstås.