محلی سازی آزمون گمشده برای هوش مصنوعی صوتی است

بازار نمایندگان هوش مصنوعی صوتی به طور تصاعدی در حال رشد است. پیش بینی می شود که این صنعت از 2.4 میلیارد دلار در سال 2024 به 47.5 میلیارد دلار تا سال 2034 رشد کند، در حالی که گارتنر پیش بینی می کند که تا سال 2028، 70 درصد از سفرهای خدمات مشتری با رابط هوش مصنوعی مکالمه آغاز می شود.

برای برندهای جهانی، جذابیت آشکار است. هوش مصنوعی صوتی این پتانسیل را برای ارائه پشتیبانی مشتری سازگار و مقیاس پذیر در بازارها، زبان ها و مناطق زمانی ارائه می دهد.

اما این خطر وجود دارد که هوش مصنوعی صوتی با همان مشکلی مواجه شود که مراکز خدمات مشتری برون سپاری با آن مواجه هستند، جایی که تفاوت در زبان و فرهنگ باعث ایجاد قطع ارتباط و ناامیدی بین برند و مشتری می شود.

با پیشرفت هوش مصنوعی صوتی، زبان ممکن است کمتر مانع شود. اما صحبت کردن به یک زبان مساوی با درک کسی نیست.

این فقط یک بخش از پازل است. مشتریان لهجه ها، عادات و انتظارات فرهنگی را به هر تعاملی وارد می کنند، و انتظار دارند که حمایت از واقعیت آنها منعکس شود.

به همین دلیل، بومی سازی باید به یک آزمون اصلی عملکرد هوش مصنوعی صوتی تبدیل شود، نه یک تمرین ترجمه که در پایان توسعه اتفاق می افتد.

«محلی» بودن هوش مصنوعی صوتی به چه معناست؟

لهجه‌ها، لهجه‌ها، اصطلاحات و هنجارهای فرهنگی حتی زمانی که به یک زبان صحبت می‌کنید، می‌توانند بسیار متفاوت باشند. به عنوان مثال، در اسکاتلند، یک مشتری ممکن است به جای «بله» بگوید «آره»، به چیزی کوچک به عنوان «وی» اشاره کند، یا در مورد «دریافت پیام‌ها» صحبت کند که قصد خرید دارد. زبان انگلیسی است اما درک تعامل مستلزم آشنایی با نحوه استفاده از آن زبان به صورت محلی است.

فرهنگ ها همچنین در انتظارات خود در مورد صراحت یا ادب متفاوت هستند. حتی چیزی به سادگی نحوه خطاب به مشتری نیز می تواند مهم باشد. در برخی از فرهنگ ها، استفاده از القاب و نام خانوادگی نشانه مهم احترام است، در حالی که در برخی دیگر، خطاب کردن کسی با نام کوچک یک هنجار است. یک عامل صوتی که بیش از حد غیررسمی است، ممکن است بیش از حد آشنا باشد، در حالی که فردی که خیلی رسمی است ممکن است احساس دوری یا غیرطبیعی داشته باشد.

همه اینها برای این است که بگوییم فقط به این دلیل که یک هوش مصنوعی ممکن است شبیه من باشد، لزوما به این معنی نیست که من را درک می کند یا برای خدمت به کسی در بازار من مجهز است.

اینها جزئیات آرایشی نیستند. آنها توانایی عامل هوش مصنوعی را برای درک هدف و پاسخ مناسب شکل می دهند و در نهایت تعیین می کنند که آیا مشتریان به تجربه ای که ارائه می دهد اعتماد دارند یا خیر.

دیگر شبیه ربات نیست

این بدان معنا نیست که پیشرفت های بزرگی در هوش مصنوعی وجود نداشته است. دلیلی وجود دارد که چرا بسیاری از برندها روی هوش مصنوعی صوتی برای CX سرمایه‌گذاری می‌کنند، و این به این دلیل است که این موضوع بسیار متقاعدکننده شده است. برای مثال فقط به ElevenLabs نگاه کنید.

این سازمان موفقیت خود را بر روی صداهای تولید شده توسط هوش مصنوعی بنا نهاده است که می توانند نه تنها گفتار، بلکه سرعت، لحن و احساساتی را که صدا را انسانی می سازد، بازتولید کنند. فناوری آن نه تنها شبیه سازی صدا، گفتار چندزبانه و عوامل مکالمه را در بر می گیرد، و کمک می کند صدای مصنوعی را از یک نوآوری به چیزی تبدیل کند که کسب و کارها می توانند به طور واقع بینانه در مقیاس آن را گسترش دهند.

روزهایی که گفتار مصنوعی فورا به عنوان رباتیک قابل تشخیص بود، در حال محو شدن است. صداهای دیجیتال اولیه مانند "مایکروسافت سام" تردید کمی در مورد گوش دادن به یک ماشین باقی می گذاشت. امروزه تشخیص این خط بسیار دشوارتر شده است. همانطور که هوش مصنوعی صوتی قانع‌کننده‌تر می‌شود، تعامل ما با آن می‌تواند کمتر شبیه به استفاده از یک تکه فناوری و بیشتر شبیه تعامل با شخص دیگری باشد.

توانایی این فناوری برای ایجاد حس حضور اجتماعی فراتر از خدمات مشتری آشکار است. حتی بازیگرانی مانند متیو مک‌کانهی از فناوری صدای هوش مصنوعی پشتیبانی می‌کنند، جایی که می‌تواند بدون نیاز به تغییر صدایشان با عملکردشان مطابقت داشته باشد، و نشان می‌دهد که صدا و نشانه‌های مکالمه چقدر می‌توانند در شکل‌دهی به درک ما موثر باشند.

اما پیشرفته‌ترین تجربه‌ها به‌طور جهانی در دسترس نیستند، به این معنی که بسیاری از افراد ممکن است همچنان در معرض صداهای توسعه‌نیافته هوش مصنوعی باشند. علاوه بر این، انسان ها به طور قابل توجهی در توجه به زمانی که چیزی کمی خاموش است، خوب هستند. این همان چیزی است که اثر دره غیرعادی را ایجاد می کند.

مکث غیرطبیعی، تاکید نابجا یا پاسخ عجیب و غریب مشتاقانه می تواند به سرعت این توهم را بشکند. زمینه محلی لایه دیگری به آن چالش اضافه می کند. یک صدا می تواند کاملا انسانی به نظر برسد در حالی که هنوز از نظر فرهنگی نامناسب به نظر می رسد. گفته می‌شود، هرچه هوش مصنوعی به گفتار انسان نزدیک‌تر شود، آن لحظات می‌توانند نمایان‌تر شوند.

برندهای جهانی نمی توانند به یک پاسخ جهانی تکیه کنند

اینجاست که برندهای جهانی باید در برابر وسوسه برخورد با هوش مصنوعی صوتی به عنوان یک محصول واحد که می تواند در همه جا عرضه شود، مقاومت کنند.

یک مدل مرزی ممکن است پایه و اساس را فراهم کند، اما عملکرد آن باید در برابر داده‌های محلی و تعاملات واقعی با مشتری آزمایش شود تا بتواند آنچه "خوب" به نظر می‌رسد از نظر موارد زیر را نشان دهد:

- همدلی که باعث کاهش تنش مشتری ناامید می شود

- اصطلاحات خاصی که یک بازار در واقع از آن استفاده می کند

- لحنی که طبیعی خوانده می شود

همه اینها را نمی توان با یک مدل مرزی استنباط کرد. بازار به بازار، برند به برند باید آن را یاد گرفت. مدل‌های موفق هوش مصنوعی صوتی دارای یک حلقه بازخورد مداوم خواهند بود که تعاملات درون بازارهای فردی را نظارت می‌کند، محل وقوع سوء تفاهم یا اصطکاک را شناسایی می‌کند، تجربه را اصلاح می‌کند و دوباره آزمایش می‌کند.

تیم‌های محلی نیز می‌توانند نقش فعالی در این فرآیند ایفا کنند و به جای دریافت صرفا «محصول نهایی»، تخصص بازار را به توسعه وارد کنند.

نمی توان با آن به عنوان کاری که واقعا تمام شده است رفتار کرد. تغییر زبان و عامیانه، تغییر انتظارات مشتری و روندهای جدید عبارات و رفتارهایی را معرفی می کند که ممکن است در داده های آموزشی اصلی ظاهر نشده باشند.

خلاصه نهایی

انجام این اشتباه می تواند بر شهرت یک برند تأثیر بگذارد. همانطور که هوش مصنوعی صوتی انسانی تر می شود، مشتریان طبیعتا انتظار بیشتری از آن خواهند داشت.

شورای شهر دربی اخیرا این موضوع را با دستیار هوش مصنوعی خود، دارسی، تجربه کرد، که با وجود اینکه برای پشتیبانی از 9 زبان دیگر ارتقا یافته بود، در تلاش برای درک یک مجری با لهجه قوی دربی شایر بود که از عبارات محلی مانند "mardy" و "duck" استفاده می کرد.

این یک یادآوری مفید است که چند زبانه لزوما به معنای محلی سازی نیست. اگر سیستمی مکررا یک لهجه را اشتباه درک کند یا عبارات و انتظارات محلی را تشخیص ندهد، مشتریان آن را به عنوان یک مشکل فناوری تجربه نخواهند کرد.

در عوض، ادراک آنها را از سازمان پشت آن شکل خواهد داد. برندهایی که ارزش واقعی را از رونق هوش مصنوعی صوتی به دست می‌آورند، برندهایی نیستند که فناوری آنها می‌تواند به تمام ۷۱۷۰ زبان موجود امروزی صحبت کند. آنها کسانی خواهند بود که مشتریانشان بیشتر احساس درک می کنند.

ما بهترین نرم افزارهای ترجمه را رتبه بندی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit