ایجنت صوتی هوش مصنوعی سامانه‌ای است که می‌تواند در یک مکالمه صوتی، صحبت کاربر را دریافت کند، منظور او را تشخیص دهد، پاسخ مناسب بسازد و پاسخ را به شکل صدا ارائه کند. تفاوت اصلی آن با یک پیام ضبط‌شده در این است که مسیر مکالمه فقط از چند انتخاب از پیش تعیین‌شده تشکیل نمی‌شود؛ سامانه باید با توجه به جمله‌های کاربر، زمینه گفتگو و قواعد کسب‌وکار تصمیم بگیرد گام بعدی چیست. با این حال، هوشمند بودن به معنای بی‌نیازی از طراحی، داده معتبر یا نظارت انسانی نیست. کیفیت تجربه تماس بیشتر از هر چیز به تعریف روشن مسئله، پایگاه دانش کنترل‌شده، مسیر انتقال به اپراتور و روش ارزیابی وابسته است.
ایجنت صوتی هوش مصنوعی دقیقاً چیست؟
یک ایجنت صوتی را می‌توان رابطی میان تماس‌گیرنده و فرایندهای دیجیتال سازمان دانست. تماس‌گیرنده با زبان طبیعی صحبت می‌کند، سامانه گفتار را به داده قابل پردازش تبدیل می‌کند، هدف و جزئیات درخواست را می‌سنجد و براساس دستورالعمل‌ها یا اطلاعات مجاز پاسخ می‌دهد. در یک طراحی مناسب، ایجنت فقط پاسخ‌گو نیست؛ ممکن است برای انجام یک کار مشخص مانند ثبت درخواست، بررسی وضعیت، رزرو زمان یا انتقال تماس نیز از ابزارهای متصل استفاده کند. دامنه این کارها باید پیش از راه‌اندازی مشخص و محدود شده باشد.
واژه «ایجنت» به این نکته اشاره دارد که سامانه برای رسیدن به یک هدف، چند مرحله را پشت سر می‌گذارد. برای مثال در یک درخواست نوبت، ابتدا موضوع تماس را تشخیص می‌دهد، اطلاعات ضروری را می‌پرسد، گزینه‌های مجاز را بررسی می‌کند، نتیجه را برای تماس‌گیرنده تکرار می‌کند و تنها پس از تأیید، اقدام نهایی را انجام می‌دهد. اگر اطلاعات ناقص باشد یا کاربر درخواست خارج از محدوده داشته باشد، مسیر امن می‌تواند توقف، ثبت درخواست پیگیری یا انتقال به انسان باشد.
اجزای اصلی یک ایجنت صوتی
دریافت و تشخیص گفتار
در آغاز تماس، صدای کاربر باید به متن یا نمایش قابل پردازش تبدیل شود. لهجه، سرعت صحبت، سروصدای محیط، قطع و وصل صدا و استفاده از واژه‌های تخصصی می‌توانند روی این مرحله اثر بگذارند. به همین دلیل، تست با نمونه‌های واقعی تماس مهم‌تر از آزمایش چند جمله کوتاه در محیط آرام است. طراحی گفتگو نیز باید امکان تکرار سؤال، اصلاح اطلاعات و درخواست توضیح دوباره را در نظر بگیرد.
مدیریت زمینه و تصمیم مکالمه
پس از دریافت جمله، سامانه باید بداند کاربر درباره چه موضوعی صحبت می‌کند و چه اطلاعاتی در مراحل قبل گفته شده است. نگه‌داشتن زمینه مانع می‌شود یک سؤال چند بار تکرار شود یا پاسخ از موضوع اصلی فاصله بگیرد. قواعد کسب‌وکار در همین بخش اهمیت دارند: چه اطلاعاتی باید جمع‌آوری شود، چه کاری مجاز است، کدام پاسخ به تأیید نیاز دارد و در چه شرایطی ادامه مکالمه باید به اپراتور سپرده شود.
پایگاه دانش و ابزارهای متصل
پاسخ قابل اتکا باید از اطلاعاتی بیاید که سازمان آن‌ها را تأیید و به‌روز نگه داشته است. اتصال وب‌سایت، فایل‌های راهنما و متن‌های مصوب به یک پایگاه دانش برای ایجنت صوتی کمک می‌کند پاسخ‌ها به محدوده مشخصی متکی باشند. برای انجام عمل نیز ممکن است اتصال به تقویم، CRM، سامانه تیکت یا سرویس‌های داخلی لازم باشد. هر اتصال باید حداقل دسترسی لازم، اعتبارسنجی ورودی و ثبت رویداد داشته باشد.
تولید پاسخ صوتی
متن پاسخ باید به صدایی قابل فهم تبدیل شود. طبیعی بودن صدا مهم است، اما کافی نیست. طول جمله، مکث، تلفظ نام‌ها، نحوه خواندن عدد و امکان قطع کردن پاسخ توسط تماس‌گیرنده نیز بخشی از تجربه هستند. پاسخ‌های کوتاه و مرحله‌ای معمولاً برای مکالمه تلفنی قابل پیگیری‌تر از توضیح‌های طولانی‌اند. لحن هم باید با نوع تماس هماهنگ باشد؛ لحن یک پیگیری فروش با پاسخ‌گویی پشتیبانی یا اعلام وضعیت یک درخواست یکسان نیست.
یک تماس از ابتدا تا انتها چگونه پردازش می‌شود؟
- شروع و معرفی: سامانه نقش خود و هدف تماس را روشن بیان می‌کند تا کاربر بداند با چه نوع سرویسی صحبت می‌کند.
- تشخیص درخواست: جمله آغازین کاربر دریافت می‌شود و موضوع مکالمه در یکی از مسیرهای مجاز قرار می‌گیرد.
- جمع‌آوری اطلاعات: فقط اطلاعات لازم پرسیده می‌شود و پاسخ‌های مبهم یا ناقص دوباره بررسی می‌شوند.
- استفاده از دانش یا ابزار: ایجنت پاسخ را از منبع مجاز پیدا می‌کند یا یک عملیات تعریف‌شده را از طریق اتصال امن انجام می‌دهد.
- تأیید: پیش از اقدامی که نتیجه عملی دارد، خلاصه اطلاعات برای کاربر تکرار و تأیید گرفته می‌شود.
- پایان یا انتقال: نتیجه اعلام می‌شود، شناسه پیگیری در صورت وجود ارائه می‌شود یا تماس همراه با زمینه لازم به اپراتور منتقل می‌شود.
این توالی یک الگوی عمومی است و باید برای هر سناریو بازطراحی شود. برای نمونه، تماس ورودی پشتیبانی ممکن است با تشخیص هویت و دسته‌بندی مسئله آغاز شود، در حالی که تماس خروجی پیگیری باید زمان مناسب گفتگو و رضایت مخاطب برای ادامه را هم در نظر بگیرد.
ایجنت صوتی برای چه کارهایی مناسب است؟
سناریوهایی که هدف روشن، اطلاعات قابل تعریف و نتیجه قابل ثبت دارند، نقطه شروع مناسب‌تری هستند. پاسخ‌گویی به پرسش‌های پرتکرار، دریافت اطلاعات اولیه، ثبت درخواست، پیگیری وضعیت، هماهنگی زمان، هدایت تماس و جمع‌آوری بازخورد از نمونه‌های رایج‌اند. در مقابل، مکالمه‌های حساس، تصمیم‌های پیچیده، شکایت‌های بحرانی یا درخواست‌هایی که نیازمند قضاوت تخصصی‌اند باید مسیر مشخصی برای مداخله انسان داشته باشند.
- برای تیم پشتیبانی، ایجنت می‌تواند موضوع تماس و اطلاعات اولیه را جمع‌آوری کند و سپس زمینه را به کارشناس تحویل دهد.
- برای تیم فروش، می‌تواند چند سؤال اولیه و غیرحساس بپرسد و درخواست واجد شرایط را برای پیگیری ثبت کند.
- برای عملیات، می‌تواند وضعیت یک فرایند تعریف‌شده را اعلام یا درخواست را در سامانه مربوط ثبت کند.
- برای رزرو، می‌تواند گزینه‌های مجاز را ارائه دهد و پس از تأیید کاربر، نتیجه را ثبت کند.
تفاوت ایجنت صوتی با IVR و پیام صوتی چیست؟
در پیام صوتی ضبط‌شده، محتوا ثابت است و مخاطب شنونده باقی می‌ماند. در IVR معمولی، کاربر اغلب با فشردن عدد یا گفتن چند عبارت محدود در شاخه‌های از پیش طراحی‌شده حرکت می‌کند. ایجنت صوتی می‌تواند جمله طبیعی‌تری دریافت کند و اطلاعات گفتگو را میان مراحل نگه دارد، اما همچنان باید تحت قواعد مشخص فعالیت کند. این تفاوت نباید باعث شود ساختار مکالمه کنار گذاشته شود؛ برعکس، آزادی بیشتر ورودی کاربر نیاز به تعریف دقیق‌تر محدوده، خطاها و مسیرهای خروج دارد.
برای انتخاب میان این راهکارها، ابتدا پیچیدگی مسئله را بسنجید. اگر تنها اعلام یک پیام ثابت لازم است، راهکار ساده‌تر ممکن است کافی باشد. اگر چند انتخاب مشخص وجود دارد، IVR می‌تواند پاسخ‌گو باشد. زمانی که کاربر باید مسئله را با زبان طبیعی توضیح دهد، اطلاعات چندمرحله‌ای ارائه کند یا میان دانش و عملیات مختلف جابه‌جا شود، بررسی ایجنت صوتی منطقی‌تر می‌شود.
نقش پایگاه دانش در کیفیت پاسخ
مدل زبانی به‌تنهایی منبع رسمی اطلاعات سازمان نیست. برای کاهش پاسخ‌های نامرتبط، باید مشخص شود ایجنت به چه اسناد و داده‌هایی اجازه دسترسی دارد و در صورت نبود پاسخ چه رفتاری نشان می‌دهد. محتوای پایگاه دانش بهتر است مالک مشخص، تاریخ بازبینی، نسخه معتبر و زبان روشن داشته باشد. سؤال‌های کاربران نیز می‌توانند شکاف‌های محتوایی را نشان دهند، اما اضافه کردن پاسخ جدید باید پس از تأیید مسئول مربوط انجام شود.
پاسخ ایجنت باید میان «نمی‌دانم»، «برای بررسی بیشتر منتقل می‌کنم» و «براساس منبع تأییدشده پاسخ می‌دهم» تمایز قائل شود. این مرزبندی برای موضوعات مالی، حقوقی، پزشکی یا اطلاعات شخصی اهمیت بیشتری دارد. هدف، پاسخ دادن به هر سؤال نیست؛ هدف، ارائه پاسخ مناسب در محدوده‌ای است که سازمان می‌تواند آن را کنترل و بازبینی کند.
یکپارچه‌سازی با سامانه‌های کسب‌وکار
ایجنت زمانی می‌تواند از گفت‌وگو به انجام کار برسد که اتصال‌های موردنیاز تعریف شده باشند. این اتصال ممکن است برای خواندن زمان‌های آزاد، ساخت تیکت، ثبت نتیجه تماس یا دریافت وضعیت یک درخواست استفاده شود.
هر عملیات بهتر است قابل ردیابی باشد؛ یعنی تکرار ناخواسته یک درخواست باعث ایجاد چند رکورد یا چند اقدام مشابه نشود. همچنین ورودی‌های حساس نباید در متن آزاد یا گزارش‌های غیرضروری باقی بمانند. ثبت زمان، نوع اقدام، نتیجه و شناسه پیگیری به تیم فنی و عملیاتی کمک می‌کند خطا را بررسی کند، بدون آنکه اطلاعات ورود یا داده‌های محرمانه در گزارش عمومی نمایش داده شوند.
چرا انتقال به اپراتور بخشی از طراحی است؟
انتقال به انسان نشانه شکست ایجنت نیست؛ بخشی از یک فرایند سالم است. پیش از راه‌اندازی باید تعیین شود چه عبارت‌ها، موضوع‌ها یا وضعیت‌هایی انتقال را فعال می‌کنند. برای مثال، تکرار چندباره عدم درک، درخواست صریح کاربر، تشخیص موضوع حساس، نبود داده کافی یا خطای ابزار می‌تواند دلیل انتقال باشد. انتقال مؤثر فقط وصل کردن تماس نیست؛ خلاصه موضوع، اطلاعات جمع‌آوری‌شده و اقدام‌های انجام‌شده نیز باید در اختیار کارشناس قرار گیرد تا کاربر مجبور به تکرار همه چیز نباشد.
اگر اپراتور در آن لحظه در دسترس نیست، گزینه جایگزین می‌تواند ثبت درخواست تماس مجدد، ساخت تیکت یا اعلام زمان پاسخ‌گویی باشد. این مسیرها باید واقعی، قابل اجرا و قابل پیگیری باشند. وعده‌ای که سامانه نتواند ثبت یا دنبال کند، تجربه کاربر را تضعیف می‌کند.
برای شروع یک پایلوت چه چیزهایی لازم است؟
شروع محدود و قابل اندازه‌گیری به تیم اجازه می‌دهد پیش از گسترش، مشکلات را ببیند. یک سناریوی مشخص انتخاب کنید، ورودی‌ها و خروجی‌های آن را بنویسید، منابع دانش را تعیین کنید و موارد انتقال به انسان را فهرست کنید. سپس مجموعه‌ای از مکالمه‌های آزمایشی بسازید که فقط شامل مسیر ایده‌آل نباشد؛ سکوت، تغییر موضوع، اصلاح پاسخ، لهجه، صدای محیط، سؤال خارج از محدوده و قطع تماس نیز باید بررسی شوند.
- هدف تماس و نتیجه قابل قبول را در یک جمله تعریف کنید.
- اطلاعاتی را که ایجنت مجاز است دریافت یا اعلام کند مشخص کنید.
- پاسخ‌های پایگاه دانش را بازبینی و مالک هر بخش را تعیین کنید.
- مسیر خطا، انصراف، انتقال به انسان و پیگیری بعدی را طراحی کنید.
- نمونه تماس‌ها را بازبینی کنید و خطاها را به دسته‌های قابل اصلاح تقسیم کنید.
- پیش از توسعه دامنه، مطمئن شوید تیم عملیات امکان نظارت و رسیدگی دارد.
معیارهای ارزیابی ایجنت صوتی
ارزیابی نباید فقط بر طبیعی بودن صدا تکیه کند. آیا سامانه موضوع تماس را درست تشخیص می‌دهد؟ آیا اطلاعات ضروری را بدون سؤال‌های اضافه جمع می‌کند؟ آیا پاسخ به منبع معتبر متکی است؟ آیا عملیات نهایی فقط پس از تأیید انجام می‌شود؟ آیا در زمان مناسب به انسان منتقل می‌کند؟ این پرسش‌ها مستقیماً به کیفیت فرایند مربوط‌اند.
در کنار نتیجه تماس، کیفیت ثبت رویداد، امکان بازبینی، حفاظت از داده، سرعت اصلاح خطا و تجربه اپراتور نیز مهم‌اند. یک داشبورد بدون تعریف معیار نمی‌تواند به‌تنهایی کیفیت را نشان دهد. تیم باید برای هر سناریو بداند چه چیزی موفقیت، خطا، انتقال درست یا نیاز به بازطراحی محسوب می‌شود.
محدودیت‌ها و ملاحظات اجرایی
ایجنت صوتی ممکن است جمله‌ای را اشتباه بشنود، منظور کاربر را ناقص برداشت کند، به سند قدیمی تکیه کند یا در استفاده از یک ابزار با خطا روبه‌رو شود. طراحی مسئولانه این احتمال‌ها را از ابتدا می‌پذیرد و برای آن‌ها پاسخ دارد. محدود کردن دسترسی، ثبت رویداد، بازبینی نمونه تماس، اعلام روشن نقش سامانه و امکان دسترسی به اپراتور از کنترل‌های پایه هستند.
همچنین باید پیش از جمع‌آوری یا ذخیره صدای تماس، الزامات داخلی سازمان و قوانین مرتبط با حریم خصوصی بررسی شوند. این مقاله جایگزین مشاوره حقوقی یا امنیتی نیست. نوع داده، محل نگه‌داری، مدت نگه‌داری و افراد دارای دسترسی باید براساس شرایط واقعی سازمان تعیین شوند.
جمع‌بندی
ایجنت صوتی هوش مصنوعی زمانی ارزشمند است که برای یک مسئله روشن، با دانش کنترل‌شده، ابزارهای محدود، مسیر انتقال به انسان و روش ارزیابی طراحی شود. نقطه شروع مناسب، انتخاب یک سناریوی کم‌ریسک و قابل مشاهده است؛ نه سپردن همه تماس‌ها به یک سامانه تازه. اگر می‌خواهید قابلیت‌ها و مسیرهای موجود را در بستر محصول بررسی کنید، از صفحه پلتفرم ایجنت صوتی اپرا شروع کنید و سپس پایگاه دانش و مستندات فنی را متناسب با نیاز تیم خود مرور کنید.