Parloa създава агенти, с които клиентите искат да говорят

В ранните дни на Parloa съоснователят Щефан Оствалд прекарва един ден в колцентър на застрахователна компания, където екипът му разработва първите си гласови решения. Седнал до служителите, той чува как едни и същи разговори се повтарят отново и отново: нулиране на пароли, въпроси за полици и рутинни промени. Той осъзнава, че голяма част от тази работа може да се автоматизира.

След това базираната в Берлин Parloa⁠(отваря се в нов прозорец) започва да разработва гласови агенти, управлявани от правила, за автоматизиране на многобройните взаимодействия с клиенти.

С появата на ChatGPT компанията се насочва към разработването на сегашната си платформа за управление на AI агенти (AMP), изградена върху ново поколение модели, включително GPT‑5.4.

AMP дава на предприятията възможност да проектират, внедряват и управляват мащабно взаимодействията при обслужване на клиенти. Вместо да задават строги намерения и процеси, екипите определят поведението на естествен език, свързват вътрешни системи и бързо усъвършенстват решенията чрез вградени симулации и оценки.

Parloa управлява тези взаимодействия от начало до край — от обикновено пренасочване до сложни заявки с множество стъпки. Акцентът е върху постоянството в реална среда, където са важни производителността, забавянето и граничните случаи. За да постигне това, Parloa непрекъснато тества моделите с реални клиентски сценарии, преди да ги внедри.

Платформата за управление на агенти (AMP) на Parloa позволява на бизнес потребители и експерти в съответната област да създават AI агенти, без да пишат код.

„С AMP експертите от различни бизнес звена могат сами да създават агентите и да свързват API по много по-ефективен и лесен начин“, казва О’Райли.

На най-общо ниво AMP позволява на брандовете да управляват целия жизнен цикъл на AI агентите. За целта платформата улеснява нетехническите екипи да определят как да се държи даден Агент, преди той да започне работа в реална среда. Вместо да пишат код или да изграждат строги дървета на намеренията, експертите определят на естествен език ролята, инструкциите, инструментите и ограниченията на агента. Тази конфигурация става основа за подканите към модела и за поведението на системата в реална среда.

След като бъде конфигуриран, Агентът се тества преди внедряване. Parloa симулира разговори с клиенти чрез модели като GPT‑5.4, като единият модел играе ролята на обаждащия се, а другият управлява конфигурирания Агент. Екипите могат да преглеждат директно тези взаимодействия, да изпробват промените с реалистични сценарии и да ги усъвършенстват преди внедряване.

След това същите модели оценяват разговорите чрез съчетание от детерминистични проверки и оценяване от големи езикови модели в ролята на съдия. Така се установява дали Агентът е спазил инструкциите, използвал е правилно инструментите и е изпълнил задачата според очакванията.

По време на разговор на живо координационният слой на AMP подава на модел на OpenAI подкана с конфигурацията на агента и контекста на разговора, за да генерира отговор, да извлече информация чрез RAG или да задейства инструменти за взаимодействие с вътрешните системи на клиента. Parloa непрекъснато обновява този слой с най-новото поколение модели, когато те покажат ясни подобрения при работа в реална среда.

След разговора отделни работни процеси, задвижвани от OpenAI, го обобщават, класифицират намерението на клиента и оценяват резултатите спрямо зададени правила.

С усложняването на агентите поддръжката на една монолитна подкана става все по-трудна. Малките промени могат да доведат до нежелани странични ефекти. За да реши този проблем, Parloa въвежда модулен подход. Задачи като удостоверяване, промени в резервации или актуализиране на профили могат да се разделят между отделни подагенти. Това подобрява спазването на инструкциите и улеснява развитието на системите във времето.

Същевременно платформата включва детерминистични механизми за контрол там, където надеждността е най-важна. Предприятията могат да задават структурирани вериги от API и логика, базирана на събития, за да гарантират правилната последователност на критичните стъпки и да съчетаят гъвкавия разговор с предвидимо изпълнение.

Parloa използва модели като GPT‑4.1, GPT‑5‑mini и други, за да симулира реалистични взаимодействия с клиенти, преди даден Агент да бъде внедрен, след което оценява тези взаимодействия чрез съчетание от големи езикови модели в ролята на съдия и детерминистични правила. Това позволява на екипите да тестват гранични случаи, бързо да усъвършенстват решенията и да проверяват резултатите, преди клиентите да се сблъскат с евентуални проблеми.

Parloa работи предимно с големи предприятия, за които постоянството е също толкова важно, колкото и възможностите.

„Когато излезе нов модел, го подлагаме на нашия набор от сравнителни тестове“, казва Матеус Дойч, старши учен по приложни изследвания. „За нас е много важно решенията да работят не само при теоретични сравнителни тестове, а и в реални практически случаи.“

Вместо да разчита на абстрактни сравнителни тестове, Parloa възпроизвежда реални агенти от работната среда и ги подлага на процеси за симулация и оценяване. Тези тестове измерват надеждността при спазване на инструкции, постоянството при извикване на API, забавянето и цялостната производителност в реалистични условия.

Тези оценки определят кои модели са готови за реална среда. Внедряват се само модели, които работят надеждно при реални клиентски сценарии.

„Корпоративните клиенти понасят реални разходи при миграция“, казва Дойч. „След като дадена система заработи в реална среда, те я поддържат стабилна и преминават към друга само когато ползите са очевидни.“

В резултат системите се държат предвидимо в реална среда дори при голям мащаб. При милиони взаимодействия с клиенти повечето разговори приключват без затруднения. Дори когато обажданията се прехвърлят към служители, причината рядко е неуспешно обслужване. При едно внедряване глобална туристическа компания намалява с 80% заявките за разговор със служител.

Този подход, който поставя оценяването на първо място, се превръща в основно конкурентно предимство и позволява на Parloa да напредва бързо, без да жертва надеждността в реална среда.

Гласовото общуване налага различни ограничения от текстовия чат. Всяко взаимодействие преминава през процес с ниско забавяне: преобразуване на реч в текст, структурирано анализиране от модела и преобразуване на текст в реч.

При този процес забавянето е от критично значение. Дори малките забавяния в слоя на модела се натрупват и водят до осезаеми паузи за обаждащия се, което влияе върху избора и оптимизирането на моделите.

Parloa работи в тясно сътрудничество с OpenAI за оптимизиране на производителността в реално време, като се фокусира върху забавянето, качеството на отговорите и спазването на инструкциите. Екипът непрекъснато оценява и подлага на стрес тестове новите версии на моделите в среди, близки до реалните, преди да ги използва при взаимодействия с клиенти на живо.

Parloa оценява поотделно всеки компонент на гласовата технологична система:

• Системите за преобразуване на реч в текст се тестват за процент грешно разпознати думи, особено при чувствителни данни като номера на полици или идентификатори на профили.
• Моделите за преобразуване на текст в реч се оценяват чрез слепи тестове със слушатели, за да се установи доколко естествено звучи гласът за реалните потребители. След това резултатите се съпоставят с реални взаимодействия с клиенти, за да се гарантира постоянна производителност в работна среда.
• В момента моделите за реч към реч се оценяват за готовност за реална среда, с акцент върху забавянето, точността и разходите.

Още от самото начало тези системи са проектирани за внедряване в глобален мащаб. Сравнителните тестове обхващат множество езици, а клиентите работят в различни региони по света. Тази последователност при многоезичните тестове отразява както европейските корени на Parloa, така и очакванията на корпоративните клиенти, които изискват постоянни резултати на всички пазари, а не само на един език или в един регион.

Днес агентите на Parloa водят милиони разговори в сектори като търговията на дребно, туризма и застраховането. Те обслужват разнообразни случаи на употреба — от автоматизирана поддръжка до генериращи приходи процеси като телевизионната търговия.

Parloa предвижда обслужването на клиенти да се превърне в изцяло мултимодално изживяване.

Разговорът може да започне по телефона, да продължи в чат и междувременно да включва връзки или интерактивни елементи. Вместо да разглежда всяка стъпка като отделен процес, AMP е проектирана да ги управлява като едно взаимодействие. С времето AI агентите може да станат също толкова важни за клиентските пътувания, колкото уебсайтовете и мобилните приложения.

Докато предприятията автоматизират все по-голяма част от взаимодействията с клиенти, Parloa се стреми да направи AI агентите достатъчно надеждни, гъвкави и заслужаващи доверие, за да работят в глобален мащаб.