סוכן AI קולי (Voice AI Agent)

AI Voice Agent

סוכן AI קולי (Voice AI Agent) הוא מערכת שמנהלת שיחה קולית בזמן אמת מול בן אדם - בטלפון, באפליקציה או במכשיר - ולא רק מקריאה תפריט. בשונה מ-IVR מסורתי שמבקש להקיש ספרה, הסוכן הקולי מבין משפט חופשי, שואל שאלת הבהרה, מבצע פעולה במערכת ומדווח על התוצאה. הוא הגרסה הקולית של בינה מלאכותית שיחתית, עם אילוצים הנדסיים חמורים בהרבה.

מה יש מתחת למכסה המנוע

• זיהוי דיבור (STT): המרת אודיו לטקסט תוך כדי דיבור, כולל זיהוי מתי הדובר סיים משפט.
• מודל שפה: הבנת הכוונה, שמירת הקשר השיחה, והחלטה אם לענות או להפעיל כלי.
• קריאות לכלים: חיבור למערכות אמיתיות - יומן, מלאי, CRM, מערכת הזמנות.
• סינתזת דיבור (TTS): הפקת קול טבעי, לרוב בהזרמה כדי שהמשפט יתחיל להישמע לפני שהסתיים.
• ניהול תור דיבור: זיהוי שתיקה, טיפול בהפרעה של הלקוח באמצע, ומניעת חפיפה בין הדוברים.

מודלים חדשים מסוג speech-to-speech מקצרים את השרשרת ומטפלים באודיו ישירות, מה שמשפר את הטבעיות ומקטין השהיה - אך מקשה על שליטה מדויקת בטקסט שנאמר, ולכן בתהליכים רגישים עדיין נפוצה הארכיטקטורה המפורקת.

האתגר האמיתי: זמן ואמינות

בשיחת טלפון, אדם מפרש שקט של יותר משנייה כתקלה. לכן כל שלב בשרשרת נמדד באלפיות שנייה, וכל שיפור באיכות שמוסיף השהיה נבחן מול הנזק לתחושת השיחה. אתגר שני הוא דיוק: בעברית, עם רעש רקע, שמות ישראליים ומספרי טלפון, אחוז שגיאות הזיהוי גבוה מהמקובל באנגלית. תכנון נכון מניח שגיאות מראש - הסוכן חוזר על פרט קריטי לאישור, ולא מבצע פעולה בלתי הפיכה על סמך זיהוי בודד.

איפה זה מצדיק את עצמו

המקרים שעובדים הם שיחות חוזרות ומוגדרות היטב: קביעת ושינוי תורים, בירור סטטוס הזמנה, איסוף פרטים לפני העברה לנציג, מענה מחוץ לשעות פעילות והתקשרות יזומה לתזכורות. ככל שהשיחה רגשית, משפטית או כספית יותר, כך גדל הצורך ב-Human in the Loop ובמסלול העברה מיידי לאדם. סוכן קולי טוב נמדד לא רק באחוז השיחות שסיים לבד, אלא בכמה מהר הוא מזהה שהוא לא מתאים ומעביר הלאה.