Parloa બનાવે છે ગ્રાહકોને ગમતા સંવાદી સેવા એજન્ટ

Parloaના શરૂઆતના દિવસોમાં સહ-સ્થાપક સ્ટેફાન ઓસ્ટવાલ્ડે એક વીમા કૉલ સેન્ટરમાં આખો દિવસ વિતાવ્યો, જ્યાં તેમની ટીમ પ્રારંભિક વૉઇસ અનુભવો વિકસાવી રહી હતી. એજન્ટની બાજુમાં બેસીને તેમણે એક જ પ્રકારના સંવાદો વારંવાર સાંભળ્યા: પાસવર્ડ રીસેટ, પૉલિસી સંબંધિત પ્રશ્નો અને નિયમિત ફેરફારો. તેમને સમજાયું કે આમાંથી મોટા ભાગનું કામ સ્વચાલિત કરી શકાય છે.

આ અનુભવ પછી બર્લિનની Parloa⁠(નવી વિન્ડોમાં ખૂલે છે)એ મોટા પ્રમાણમાં થતા ગ્રાહક સંવાદોને સ્વચાલિત કરવા માટે નિયમ-આધારિત વૉઇસ એજન્ટ બનાવવાનું શરૂ કર્યું.

ChatGPTના આગમન સાથે કંપનીએ પોતાનું વર્તમાન AI એજન્ટ મેનેજમેન્ટ પ્લેટફોર્મ (AMP) વિકસાવ્યું, જે GPT‑5.4 સહિતની નવી પેઢીનાં મોડલ પર આધારિત છે.

AMP ઉદ્યોગોને મોટા પાયે ગ્રાહક સેવા સંવાદોની રચના, અમલ અને વ્યવસ્થાપન કરવાની સુવિધા આપે છે. કડક હેતુઓ અને પ્રવાહો નક્કી કરવાને બદલે ટીમો સ્વાભાવિક ભાષામાં વર્તન વ્યાખ્યાયિત કરે છે, આંતરિક સિસ્ટમો જોડે છે અને આંતરિક અનુકરણો તથા મૂલ્યાંકનો વડે ઝડપથી સુધારા કરે છે.

Parloa સરળ માર્ગનિર્ધારણથી લઈને જટિલ, અનેક તબક્કાવાળી વિનંતીઓ સુધી બધું સંભાળીને આ સંવાદોને આરંભથી અંત સુધી ચલાવે છે. વાસ્તવિક ઉપયોગમાં સાતત્ય મુખ્ય છે, જ્યાં કાર્યક્ષમતા, વિલંબ અને અસામાન્ય પરિસ્થિતિઓ બધું જ મહત્ત્વનું છે. આ હાંસલ કરવા માટે Parloa મોડલને અમલમાં મૂકતાં પહેલાં વાસ્તવિક ગ્રાહક પરિસ્થિતિઓ સામે સતત ચકાસે છે.

Parloaનું એજન્ટ મેનેજમેન્ટ પ્લેટફોર્મ (AMP) વ્યવસાયિક વપરાશકર્તાઓ અને વિષય નિષ્ણાતોને કોડ લખ્યા વિના AI એજન્ટ બનાવવા માટે રચાયું છે.

ઓ’રાઇલી કહે છે, “AMP વડે વિવિધ વ્યવસાયિક એકમોના વિષય નિષ્ણાતો ખરેખર એજન્ટ બનાવી શકે છે અને વધુ કાર્યક્ષમ તથા સરળ રીતે API જોડી શકે છે.”

વ્યાપક સ્તરે AMP બ્રાન્ડને AI એજન્ટના સમગ્ર જીવનચક્રનું સંચાલન કરવાની સુવિધા આપે છે. તે માટે બિન-તકનીકી ટીમોને એજન્ટ કાર્યરત થાય તે પહેલાં તેનું વર્તન વ્યાખ્યાયિત કરવાની સરળ રીત મળે છે. કોડ લખવા કે કડક હેતુ-વૃક્ષો બનાવવાને બદલે વિષય નિષ્ણાતો સ્વાભાવિક ભાષામાં એજન્ટની ભૂમિકા, સૂચનાઓ, સાધનો અને મર્યાદાઓ નક્કી કરે છે. મોડલને કયો પ્રોમ્પ્ટ અપાય અને વાસ્તવિક ઉપયોગમાં સિસ્ટમ કેવી રીતે વર્તે, તેનો આધાર આ ગોઠવણી બને છે.

વ્યાખ્યાયિત થયા પછી એજન્ટને અમલમાં મૂકતાં પહેલાં ચકાસવામાં આવે છે. Parloa GPT‑5.4 જેવાં મોડલ વડે ગ્રાહક સંવાદોનું અનુકરણ કરે છે, જેમાં એક મોડલ કૉલ કરનારની અને બીજું ગોઠવેલા એજન્ટની ભૂમિકા ભજવે છે. ટીમો આ સંવાદોનું સીધું નિરીક્ષણ કરી શકે છે, વાસ્તવિક જેવી પરિસ્થિતિઓમાં ફેરફારો ચકાસી શકે છે અને કાર્યરત કરતાં પહેલાં સુધારા કરી શકે છે.

ત્યારબાદ એ જ મોડલ નિશ્ચિત તપાસો અને નિર્ણાયક તરીકે LLMના ગુણાંકનના સંયોજનથી તે સંવાદોનું મૂલ્યાંકન કરે છે. આ દર્શાવે છે કે એજન્ટે સૂચનાઓનું પાલન કર્યું, સાધનોનો યોગ્ય ઉપયોગ કર્યો અને અપેક્ષા મુજબ કાર્ય પૂર્ણ કર્યું કે નહીં.

લાઇવ વાતચીત દરમિયાન AMPનું સંકલન સ્તર એજન્ટની ગોઠવણી અને સંવાદના સંદર્ભ સાથે OpenAI મોડલને પ્રોમ્પ્ટ આપે છે, જેથી તે જવાબ બનાવી શકે, RAG દ્વારા માહિતી મેળવી શકે અથવા ગ્રાહકની બેકએન્ડ સિસ્ટમો સાથે ક્રિયા કરવા ટૂલ ટ્રિગર કરી શકે. નવી પેઢીનાં મોડલ વાસ્તવિક કામગીરીમાં સ્પષ્ટ લાભ દર્શાવે તેમ Parloa આ સ્તરને સતત અપડેટ કરે છે.

સંવાદ પછી OpenAI દ્વારા સંચાલિત અલગ કાર્યપ્રવાહો સંવાદનો સાર આપે છે, ગ્રાહકના હેતુનું વર્ગીકરણ કરે છે અને નિર્ધારિત નિયમો સામે કામગીરીનું મૂલ્યાંકન કરે છે.

એજન્ટ વધુ જટિલ બનતાં એક જ વિશાળ પ્રોમ્પ્ટ જાળવવો મુશ્કેલ બન્યો. નાના ફેરફારો પણ અનિચ્છિત આડઅસરો પેદા કરી શકતા હતા. આનો ઉકેલ લાવવા Parloaએ ઘટક-આધારિત અભિગમ અપનાવ્યો. પ્રમાણીકરણ, બુકિંગમાં ફેરફાર કે ખાતું અપડેટ કરવા જેવાં કાર્યોને અલગ ઉપ-એજન્ટમાં વહેંચી શકાય છે. તેનાથી સૂચનાઓનું પાલન સુધરે છે અને સમય જતાં સિસ્ટમો વિકસાવવી સરળ બને છે.

સાથે જ, જ્યાં વિશ્વસનીયતા સૌથી વધુ જરૂરી છે ત્યાં પ્લેટફોર્મ નિશ્ચિત નિયંત્રણો પણ સામેલ કરે છે. ઉદ્યોગો મહત્વપૂર્ણ પગલાં યોગ્ય ક્રમમાં લેવાય તે સુનિશ્ચિત કરવા સંરચિત API શ્રેણીઓ અને ઘટના-આધારિત તર્ક વ્યાખ્યાયિત કરી શકે છે. આમ, સંવાદની લવચીકતા અને અનુમાનિત અમલ વચ્ચે સંતુલન રહે છે.

એજન્ટ કાર્યરત થાય તે પહેલાં વાસ્તવિક જેવા ગ્રાહક સંવાદોનું અનુકરણ કરવા Parloa GPT‑4.1, GPT‑5‑mini અને અન્ય મોડલનો ઉપયોગ કરે છે. પછી નિર્ણાયક તરીકે LLM અને નિશ્ચિત નિયમોના સંયોજનથી તે સંવાદોનું મૂલ્યાંકન કરે છે. આનાથી ટીમો અસામાન્ય પરિસ્થિતિઓ ચકાસી શકે છે, ઝડપથી સુધારા કરી શકે છે અને ગ્રાહકોને નિષ્ફળતાનો સામનો કરાવતાં પહેલાં કામગીરી માન્ય કરી શકે છે.

Parloa મુખ્યત્વે મોટા ઉદ્યોગો સાથે કામ કરે છે, જ્યાં ક્ષમતા જેટલું જ સાતત્ય પણ મહત્ત્વનું છે.

વરિષ્ઠ પ્રયુક્ત વૈજ્ઞાનિક માથેઉસ ડોઇચ કહે છે, “નવું મોડલ બહાર આવે ત્યારે અમે તેની સામે અમારો માપદંડ પરીક્ષણ સમૂહ ચલાવીએ છીએ.” “અમારા માટે એ અત્યંત મહત્ત્વનું છે કે વસ્તુઓ માત્ર સૈદ્ધાંતિક માપદંડોમાં નહીં, પણ વાસ્તવિક ઉપયોગના કિસ્સાઓમાં પણ કામ કરે.”

અમૂર્ત માપદંડો પર આધાર રાખવાને બદલે Parloa વાસ્તવિક કાર્યરત એજન્ટની પ્રતિકૃતિ બનાવે છે અને તેમને અનુકરણ તથા મૂલ્યાંકન પ્રક્રિયાઓમાંથી પસાર કરે છે. આ પરીક્ષણો વાસ્તવિક પરિસ્થિતિઓમાં સૂચનાઓના પાલનની વિશ્વસનીયતા, API કૉલનું સાતત્ય, વિલંબ અને એકંદર કામગીરી માપે છે.

આ મૂલ્યાંકનો નક્કી કરે છે કે કયાં મોડલ વાસ્તવિક અમલ માટે તૈયાર છે. વાસ્તવિક ગ્રાહક પરિસ્થિતિઓમાં વિશ્વસનીય કામગીરી કરતાં મોડલ જ અમલમાં મુકાય છે.

ડોઇચ કહે છે, “ઉદ્યોગના ગ્રાહકોને સ્થળાંતરનો ખરેખર ખર્ચ ભોગવવો પડે છે.” “સિસ્ટમ વાસ્તવિક ઉપયોગમાં કાર્યરત થઈ જાય પછી તેઓ તેને સ્થિર રાખે છે અને લાભ સ્પષ્ટ હોય ત્યારે જ બદલે છે.”

પરિણામે, મોટા પાયે પણ સિસ્ટમો વાસ્તવિક ઉપયોગમાં અનુમાનિત રીતે વર્તે છે. ગ્રાહકો સાથેના લાખો સંવાદોમાંથી મોટાભાગના કોઈ અડચણ વિના ઉકેલાય છે. કૉલ માનવીય એજન્ટને મોકલવામાં આવે ત્યારે પણ નિષ્ફળતાને કારણે આવું ભાગ્યે જ થાય છે. એક અમલમાં વૈશ્વિક પ્રવાસ કંપનીએ માનવીય એજન્ટ માટેની વિનંતીઓમાં 80% ઘટાડો કર્યો.

આ મૂલ્યાંકન-પ્રથમ વિચારસરણી મુખ્ય વિશિષ્ટતા બની છે, જે Parloaને વાસ્તવિક ઉપયોગની વિશ્વસનીયતા ગુમાવ્યા વિના ઝડપથી આગળ વધવા દે છે.

વૉઇસમાં લખાણ-આધારિત ચૅટ કરતાં અલગ પ્રકારની મર્યાદાઓ હોય છે. દરેક સંવાદ ઓછા વિલંબવાળી પ્રક્રિયામાંથી પસાર થાય છે: વાણીને લખાણમાં ફેરવવી, મોડલનું રિઝનીંગ અને લખાણને વાણીમાં ફેરવવું.

આ પ્રક્રિયામાં વિલંબ અત્યંત મહત્ત્વનો બને છે. મોડલ સ્તર પરના નાના વિલંબ પણ ભેગા થઈને કૉલ કરનારને સ્પષ્ટ વિરામ અનુભવાવે છે. તેથી મોડલની પસંદગી અને શ્રેષ્ઠીકરણ પર અસર પડે છે.

Parloa વિલંબ, પ્રતિભાવની ગુણવત્તા અને સૂચનાઓના પાલન પર ધ્યાન આપીને વાસ્તવિક સમયના ઉપયોગ માટે કામગીરી શ્રેષ્ઠ બનાવવા OpenAI સાથે નજીકથી કામ કરે છે. જીવંત ગ્રાહક સંવાદોમાં લાગુ કરતાં પહેલાં ટીમ ઉત્પાદન જેવા વાતાવરણમાં મોડલના નવા પુનરાવર્તનોનું સતત મૂલ્યાંકન અને તણાવ-પરીક્ષણ કરે છે.

Parloa વૉઇસ વ્યવસ્થાના દરેક ઘટકનું સ્વતંત્ર રીતે મૂલ્યાંકન કરે છે:

• વાણીથી લખાણ સિસ્ટમોમાં શબ્દોની ભૂલનો દર ચકાસવામાં આવે છે, ખાસ કરીને પૉલિસી નંબર કે ખાતાના આઇડેન્ટિફાયર જેવી સંવેદનશીલ માહિતી માટે.
• વાસ્તવિક વપરાશકર્તાઓને અવાજ કેટલો સ્વાભાવિક લાગે છે તે માપવા લખાણથી વાણી મોડલનું અજ્ઞાત શ્રવણ પરીક્ષણો દ્વારા મૂલ્યાંકન થાય છે. પછી વાસ્તવિક ઉપયોગના વાતાવરણમાં સાતત્યપૂર્ણ કામગીરી સુનિશ્ચિત કરવા તે પરિણામોને વાસ્તવિક ગ્રાહક સંવાદો સામે ચકાસવામાં આવે છે.
• હાલમાં સ્પીચ-ટુ-સ્પીચ મોડલ ઉત્પાદન માટે કેટલાં તૈયાર છે તેનું મૂલ્યાંકન થઈ રહ્યું છે, જેમાં વિલંબ, ચોકસાઈ અને ખર્ચ પર ધ્યાન અપાય છે.

શરૂઆતથી જ આ સિસ્ટમો વૈશ્વિક અમલ માટે બનાવવામાં આવી છે. માપદંડો અનેક ભાષાઓને આવરે છે અને ગ્રાહકો વિશ્વભરના પ્રદેશોમાં કાર્યરત છે. આ બહુભાષી કડકાઈ Parloaનાં યુરોપિયન મૂળ અને વિવિધ બજારોમાં સાતત્યપૂર્ણ કામગીરી ઇચ્છતા ઉદ્યોગ ગ્રાહકોની અપેક્ષાઓ બંને દર્શાવે છે, માત્ર એક ભાષા કે પ્રદેશની નહીં.

આજે Parloaના એજન્ટ છૂટક વેચાણ, પ્રવાસ અને વીમા સહિતના ઉદ્યોગોમાં લાખો સંવાદો સંભાળે છે. તેમના ઉપયોગમાં સહાયનું સ્વચાલનથી લઈને ટેલિશૉપિંગ જેવા આવક ઊભી કરતા પ્રવાહો સામેલ છે.

Parloaના મતે ગ્રાહક સેવા સંપૂર્ણ બહુવિધ માધ્યમના અનુભવમાં વિકસી રહી છે.

સંવાદ ફોન પર શરૂ થઈ શકે, ચૅટમાં ચાલુ રહી શકે અને તેમાં વચ્ચે કડીઓ કે પરસ્પરક્રિયાત્મક ઘટકો સામેલ થઈ શકે છે. દરેક પગલાને અલગ પ્રવાહ ગણવાને બદલે AMPને તેને એક જ સંવાદ તરીકે સંભાળવા માટે રચવામાં આવ્યું છે. સમય જતાં ગ્રાહક યાત્રાઓમાં AI એજન્ટ વેબસાઇટ અને મોબાઇલ ઍપ જેટલા જ કેન્દ્રસ્થ બની શકે છે.

ઉદ્યોગો ગ્રાહક સંવાદોના વધતા હિસ્સાને સ્વચાલિત કરવા તરફ આગળ વધી રહ્યા છે ત્યારે Parloa AI એજન્ટને વૈશ્વિક સ્તરે કામ કરવા જેટલા વિશ્વસનીય, લવચીક અને ભરોસાપાત્ર બનાવવા પર ધ્યાન કેન્દ્રિત કરે છે.