Η Parloa φτιάχνει πράκτορες που οι πελάτες θέλουν να καλούν

Στα πρώτα χρόνια της Parloa, ο συνιδρυτής Stefan Ostwald πέρασε μία ημέρα σε ένα τηλεφωνικό κέντρο ασφαλιστικής εταιρείας, όπου η ομάδα του ανέπτυσσε τις πρώτες φωνητικές εμπειρίες. Καθισμένος δίπλα στους εκπροσώπους, άκουγε τις ίδιες συνομιλίες να επαναλαμβάνονται ξανά και ξανά: επαναφορές κωδικών πρόσβασης, ερωτήσεις για συμβόλαια και αλλαγές ρουτίνας. Συνειδητοποίησε ότι μεγάλο μέρος αυτής της εργασίας μπορούσε να αυτοματοποιηθεί.

Μετά από αυτή την εμπειρία, η Parloa⁠(ανοίγει σε νέο παράθυρο), με έδρα το Βερολίνο, άρχισε να αναπτύσσει φωνητικούς πράκτορες βασισμένους σε κανόνες, για την αυτοματοποίηση μεγάλου όγκου αλληλεπιδράσεων με πελάτες.

Με την εμφάνιση του ChatGPT, η εταιρεία εξελίχθηκε και δημιούργησε τη σημερινή Πλατφόρμα Διαχείρισης Πρακτόρων AI (AMP), η οποία βασίζεται σε μια νέα γενιά μοντέλων, όπως το GPT‑5.4.

Η AMP επιτρέπει στις επιχειρήσεις να σχεδιάζουν, να θέτουν σε λειτουργία και να διαχειρίζονται αλληλεπιδράσεις εξυπηρέτησης πελατών σε μεγάλη κλίμακα. Αντί να χαρτογραφούν άκαμπτες προθέσεις και ροές, οι ομάδες ορίζουν τη συμπεριφορά σε φυσική γλώσσα, συνδέονται με εσωτερικά συστήματα και βελτιώνουν γρήγορα τη λύση μέσω ενσωματωμένων προσομοιώσεων και αξιολογήσεων.

Η Parloa διεκπεραιώνει αυτές τις αλληλεπιδράσεις από την αρχή ως το τέλος, καλύπτοντας τα πάντα, από την απλή δρομολόγηση έως σύνθετα αιτήματα πολλών βημάτων. Το βάρος δίνεται στη συνέπεια κατά την παραγωγή, όπου έχουν σημασία η απόδοση, η καθυστέρηση και οι οριακές περιπτώσεις. Για να το πετύχει αυτό, η Parloa δοκιμάζει συνεχώς τα μοντέλα σε πραγματικά σενάρια πελατών πριν τα θέσει σε λειτουργία.

Η Πλατφόρμα Διαχείρισης Πρακτόρων (AMP) της Parloa έχει σχεδιαστεί ώστε επιχειρηματικοί χρήστες και ειδικοί του εκάστοτε αντικειμένου να μπορούν να δημιουργούν πράκτορες AI χωρίς να γράφουν κώδικα.

«Με την AMP, ειδικοί από διαφορετικές επιχειρηματικές μονάδες μπορούν να δημιουργούν οι ίδιοι τους πράκτορες και να συνδέουν τα API με πολύ πιο λιτό και απλό τρόπο», λέει ο O’Reilly.

Σε γενικές γραμμές, η AMP επιτρέπει στις επωνυμίες να διαχειρίζονται ολόκληρο τον κύκλο ζωής ενός πράκτορα AI. Το πετυχαίνει προσφέροντας στις μη τεχνικές ομάδες έναν απλούστερο τρόπο να καθορίζουν τη συμπεριφορά ενός πράκτορα πριν αυτός τεθεί σε λειτουργία. Αντί να γράφουν κώδικα ή να χαρτογραφούν άκαμπτα δέντρα προθέσεων, οι ειδικοί ορίζουν σε φυσική γλώσσα τον ρόλο, τις οδηγίες, τα εργαλεία και τα όρια του πράκτορα. Αυτή η διαμόρφωση αποτελεί τη βάση τόσο για την προτροπή που δίνεται στο μοντέλο όσο και για τη συμπεριφορά του συστήματος στην παραγωγή.

Μόλις οριστεί, ο πράκτορας δοκιμάζεται πριν τεθεί σε λειτουργία. Η Parloa προσομοιώνει συνομιλίες πελατών με μοντέλα όπως το GPT‑5.4, όπου ένα μοντέλο υποδύεται τον καλούντα και ένα άλλο εκτελεί τον διαμορφωμένο πράκτορα. Οι ομάδες μπορούν να εξετάζουν απευθείας αυτές τις αλληλεπιδράσεις, να δοκιμάζουν αλλαγές σε ρεαλιστικά σενάρια και να κάνουν βελτιώσεις πριν από την έναρξη λειτουργίας.

Στη συνέχεια, τα ίδια μοντέλα αξιολογούν αυτές τις συνομιλίες με έναν συνδυασμό ντετερμινιστικών ελέγχων και βαθμολόγησης τύπου «LLM ως κριτής». Έτσι διαπιστώνεται αν ο πράκτορας ακολούθησε τις οδηγίες, χρησιμοποίησε σωστά τα εργαλεία και ολοκλήρωσε την εργασία όπως αναμενόταν.

Κατά τη διάρκεια μιας ζωντανής συνομιλίας, το επίπεδο ενορχήστρωσης της AMP παρέχει σε ένα μοντέλο της OpenAI τη διαμόρφωση του πράκτορα και το πλαίσιο της συνομιλίας, ώστε να δημιουργήσει απάντηση, να ανακτήσει πληροφορίες μέσω RAG ή να ενεργοποιήσει εργαλεία που αλληλεπιδρούν με τα συστήματα υποστήριξης του πελάτη. Η Parloa ενημερώνει συνεχώς αυτό το επίπεδο με την τελευταία γενιά μοντέλων, όταν αυτά επιδεικνύουν σαφή βελτίωση στην απόδοση υπό πραγματικές συνθήκες.

Μετά τη συνομιλία, ξεχωριστές ροές εργασίας που υποστηρίζονται από την OpenAI συνοψίζουν την αλληλεπίδραση, ταξινομούν την πρόθεση του πελάτη και αξιολογούν την απόδοση βάσει καθορισμένων κανόνων.

Καθώς οι πράκτορες γίνονταν πιο σύνθετοι, η συντήρηση μίας ενιαίας, μονολιθικής προτροπής γινόταν δυσκολότερη. Ακόμη και μικρές αλλαγές μπορούσαν να προκαλέσουν ανεπιθύμητες παρενέργειες. Για να αντιμετωπίσει το πρόβλημα, η Parloa υιοθέτησε μια αρθρωτή προσέγγιση. Εργασίες όπως η ταυτοποίηση, οι αλλαγές κρατήσεων ή οι ενημερώσεις λογαριασμών μπορούν να διαχωρίζονται σε διακριτούς υποπράκτορες, βελτιώνοντας την τήρηση των οδηγιών και διευκολύνοντας τη σταδιακή εξέλιξη των συστημάτων.

Παράλληλα, η πλατφόρμα ενσωματώνει ντετερμινιστικούς ελέγχους στα σημεία όπου η αξιοπιστία είναι πιο κρίσιμη. Οι επιχειρήσεις μπορούν να ορίζουν δομημένες αλυσίδες API και λογική βάσει συμβάντων, ώστε τα κρίσιμα βήματα να εκτελούνται με τη σωστή σειρά, συνδυάζοντας την ευελιξία της συνομιλίας με προβλέψιμη εκτέλεση.

Η Parloa χρησιμοποιεί μοντέλα όπως τα GPT‑4.1 και GPT‑5‑mini, μεταξύ άλλων, για να προσομοιώνει ρεαλιστικές αλληλεπιδράσεις με πελάτες πριν τεθεί σε λειτουργία ένας πράκτορας. Έπειτα, τις αξιολογεί συνδυάζοντας το μοντέλο «LLM ως κριτής» με ντετερμινιστικούς κανόνες. Έτσι, οι ομάδες μπορούν να δοκιμάζουν οριακές περιπτώσεις, να κάνουν γρήγορες βελτιώσεις και να επαληθεύουν την απόδοση προτού οι πελάτες εκτεθούν σε πιθανές αστοχίες.

Η Parloa συνεργάζεται κυρίως με μεγάλες επιχειρήσεις, όπου η συνέπεια είναι εξίσου σημαντική με τις δυνατότητες.

«Όταν κυκλοφορεί ένα νέο μοντέλο, το υποβάλλουμε στη σουίτα δοκιμών συγκριτικής αξιολόγησης», λέει ο Matthäus Deutsch, Ανώτερος Επιστήμονας Εφαρμογών. «Για εμάς είναι πολύ σημαντικό οι λύσεις να λειτουργούν όχι μόνο σε θεωρητικές δοκιμές συγκριτικής αξιολόγησης, αλλά και σε πραγματικές περιπτώσεις χρήσης».

Αντί να βασίζεται σε αφηρημένες δοκιμές συγκριτικής αξιολόγησης, η Parloa αναπαράγει πραγματικούς πράκτορες παραγωγής και τους περνά από ροές προσομοίωσης και αξιολόγησης. Αυτές οι δοκιμές μετρούν την αξιοπιστία στην τήρηση οδηγιών, τη συνέπεια στις κλήσεις API, την καθυστέρηση και τη συνολική απόδοση υπό ρεαλιστικές συνθήκες.

Οι αξιολογήσεις αυτές καθορίζουν ποια μοντέλα είναι έτοιμα για παραγωγή. Τίθενται σε λειτουργία μόνο τα μοντέλα που αποδίδουν αξιόπιστα σε πραγματικά σενάρια πελατών.

«Η μετάβαση συνεπάγεται πραγματικό κόστος για τους εταιρικούς πελάτες», λέει ο Deutsch. «Όταν ένα σύστημα λειτουργεί ήδη στην παραγωγή, το διατηρούν σταθερό και προχωρούν σε αλλαγή μόνο όταν τα οφέλη είναι ξεκάθαρα».

Ως αποτέλεσμα, τα συστήματα συμπεριφέρονται προβλέψιμα στην παραγωγή, ακόμη και σε μεγάλη κλίμακα. Σε εκατομμύρια αλληλεπιδράσεις με πελάτες, οι περισσότερες συνομιλίες ολοκληρώνονται χωρίς προβλήματα. Ακόμη και όταν οι κλήσεις προωθούνται σε ανθρώπους-εκπροσώπους, η κλιμάκωση σπάνια οφείλεται σε αστοχία. Σε μία εφαρμογή, μια παγκόσμια ταξιδιωτική εταιρεία μείωσε κατά 80% τα αιτήματα σύνδεσης με άνθρωπο-εκπρόσωπο.

Αυτή η νοοτροπία, που θέτει την αξιολόγηση σε πρώτη προτεραιότητα, έχει εξελιχθεί σε βασικό στοιχείο διαφοροποίησης και επιτρέπει στην Parloa να κινείται γρήγορα χωρίς να θυσιάζει την αξιοπιστία στην παραγωγή.

Η φωνή επιβάλλει διαφορετικούς περιορισμούς από τη συνομιλία μέσω κειμένου. Κάθε αλληλεπίδραση περνά από μια ροή χαμηλής καθυστέρησης: μετατροπή ομιλίας σε κείμενο, συλλογιστική του μοντέλου και μετατροπή κειμένου σε ομιλία.

Σε αυτή τη ροή, η καθυστέρηση είναι κρίσιμη. Ακόμη και μικρές καθυστερήσεις στο επίπεδο του μοντέλου συσσωρεύονται και γίνονται αισθητές παύσεις για τον καλούντα, επηρεάζοντας τον τρόπο επιλογής και βελτιστοποίησης των μοντέλων.

Η Parloa συνεργάζεται στενά με την OpenAI για τη βελτιστοποίηση της απόδοσης σε περιπτώσεις χρήσης πραγματικού χρόνου, εστιάζοντας στην καθυστέρηση, την ποιότητα των απαντήσεων και την τήρηση των οδηγιών. Η ομάδα αξιολογεί συνεχώς και δοκιμάζει σε ακραίες συνθήκες τις νέες εκδόσεις μοντέλων, σε περιβάλλοντα παρόμοια με την παραγωγή, πριν τις διαθέσει σε ζωντανές αλληλεπιδράσεις με πελάτες.

Η Parloa αξιολογεί ανεξάρτητα κάθε στοιχείο της φωνητικής στοίβας:

• Τα συστήματα μετατροπής ομιλίας σε κείμενο δοκιμάζονται ως προς το ποσοστό λανθασμένων λέξεων, ιδίως σε ευαίσθητα δεδομένα όπως αριθμοί συμβολαίων ή αναγνωριστικά λογαριασμών.
• Τα μοντέλα μετατροπής κειμένου σε ομιλία αξιολογούνται μέσω τυφλών ακροάσεων, ώστε να διαπιστωθεί πόσο φυσική ακούγεται η φωνή σε πραγματικούς χρήστες. Τα αποτελέσματα συγκρίνονται κατόπιν με πραγματικές αλληλεπιδράσεις πελατών, ώστε να διασφαλίζεται σταθερή απόδοση σε περιβάλλοντα παραγωγής.
• Τα μοντέλα ομιλίας σε ομιλία αξιολογούνται επί του παρόντος ως προς την ετοιμότητά τους για παραγωγή, με έμφαση στην καθυστέρηση, την ακρίβεια και το κόστος.

Από την αρχή, αυτά τα συστήματα σχεδιάστηκαν για παγκόσμια διάθεση. Οι δοκιμές συγκριτικής αξιολόγησης καλύπτουν πολλές γλώσσες, καθώς οι πελάτες δραστηριοποιούνται σε όλο τον κόσμο. Αυτή η αυστηρή πολυγλωσσική προσέγγιση αντανακλά τόσο τις ευρωπαϊκές ρίζες της Parloa όσο και τις προσδοκίες των εταιρικών πελατών, οι οποίοι απαιτούν σταθερή απόδοση σε όλες τις αγορές και όχι μόνο σε μία γλώσσα ή περιοχή.

Σήμερα, οι πράκτορες της Parloa διεκπεραιώνουν εκατομμύρια συνομιλίες σε κλάδους όπως το λιανεμπόριο, τα ταξίδια και οι ασφάλειες, καλύπτοντας περιπτώσεις χρήσης από την αυτοματοποίηση της υποστήριξης έως ροές που δημιουργούν έσοδα, όπως οι τηλεπωλήσεις.

Η Parloa θεωρεί ότι η εξυπηρέτηση πελατών εξελίσσεται σε μια πλήρως πολυτροπική εμπειρία.

Μια συνομιλία μπορεί να ξεκινήσει τηλεφωνικά, να συνεχιστεί μέσω chat και στην πορεία να περιλαμβάνει συνδέσμους ή διαδραστικά στοιχεία. Αντί να αντιμετωπίζει κάθε βήμα ως ξεχωριστή ροή, η AMP έχει σχεδιαστεί ώστε να τα διαχειρίζεται ως μία ενιαία αλληλεπίδραση. Με τον καιρό, οι πράκτορες AI ενδέχεται να αποκτήσουν εξίσου κεντρικό ρόλο στις διαδρομές πελατών με τους ιστοτόπους και τις εφαρμογές για κινητά.

Καθώς οι επιχειρήσεις αυτοματοποιούν ολοένα μεγαλύτερο μέρος των αλληλεπιδράσεων με πελάτες, η Parloa εστιάζει στο να καταστήσει τους πράκτορες AI αρκετά αξιόπιστους, ευέλικτους και έμπιστους, ώστε να λειτουργούν σε παγκόσμια κλίμακα.