ВЫПУСК ОТ 11 ОКТЯБРЯ 2026 Г.
Голосовой ИИ: PolyAI и Otter указывают на ограничения автоматизированного общения
Руководители PolyAI и Otter описывают сохраняющиеся препятствия в развитии голосового ИИ: скорость рассуждения, транскрибацию, понимание и прозрачность. Их высказывания предлагают оценивать эти инструменты по надёжности общения и действий, выходя за рамки одной лишь реалистичности голоса.
Правовое уведомление: этот материал создан системой искусственного интеллекта. Редакционная прозрачность
Способность одновременно говорить и слушать не решает всех проблем голосового помощника. Руководители PolyAI и Otter обращают внимание на скорость рассуждения, ошибки транскрибации и информирование пользователей. Их наблюдения помогают понять условия надёжной автоматизации, однако фактическую эффективность этих систем ещё предстоит доказать.
Достаточно ли качества синтезированного голоса, чтобы сделать помощника полезным? Высказывания руководителей PolyAI и Otter, которые приводит TechCrunch, смещают обсуждение в сторону скорости ответов, понимания запросов и надёжности действий. Они отражают оценки участников отрасли, но не содержат сравнительных показателей их продуктов.
Шон Вэнь, технический директор платформы голосового ИИ для бизнеса PolyAI, считает, что отрасль ещё не достигла переломного момента. Он признаёт развитие моделей, способных одновременно говорить и слушать, — так называемых полнодуплексных моделей, или full-duplex. По его мнению, следующая задача — ускорить рассуждение, чтобы ответы поступали достаточно быстро, а разговор воспринимался как естественный.
Это различие важно для применения в клиентском обслуживании. Вэнь считает, что агент должен вызывать достаточно доверия, чтобы убедить собеседника в своей способности решить проблему. Из его рассуждений следует, что принятие таких систем пользователями может зависеть от полезности общения не меньше, чем от звучания голоса. Однако это гипотеза о поведении пользователей, в подтверждение которой не представлены количественные результаты.
В Otter руководитель маркетинга Алекс Гэй делает акцент на определении говорящих и понимании их намерений с учётом знаний организации. Компания также работает над цифровыми двойниками, которые могли бы представлять людей на совещаниях. Гэй считает необходимым сохранять эмоциональную выразительность голоса, чтобы общение было содержательнее простой последовательности вопросов и ответов. Эти разработки не доказывают, что цель уже достигнута.
Транскрибация остаётся уязвимым звеном. По мнению Вэня, системы автоматического распознавания речи иногда пропускают важные слова. Гэй подчёркивает, что недостаточно точная транскрибация может приводить к ошибочным действиям на её основе и снижать доверие. Для организации это повод изучать всю цепочку — от записи речи до выполнения действия, — а не оценивать лишь плавность общения во время демонстрации.
Прозрачность — ещё один вопрос, который поднимают руководители. Otter хочет изучить возможность уведомлений в чате совещания о том, что оно записывается, в том числе когда бот компании на нём не присутствует. Вэнь также выступает за явное обозначение ИИ-агентов в деловых звонках. Эти намерения намечают полезные критерии оценки, но не позволяют заключить, что они применяются систематически.