Parloa ऐसे सर्विस एजेंट बनाता है जिनसे कस्टमर बात करना चाहते हैं

Parloa के शुरुआती दिनों में, को-फ़ाउंडर स्टीफ़न ओस्टवाल्ड ने एक इंश्योरेंस कॉल सेंटर में एक दिन बिताया, जहाँ उनकी टीम शुरुआती वॉइस एक्सपीरियंस बना रही थी. एजेंट्स के साथ बैठकर, उन्होंने बार-बार वही बातचीत सुनी: पासवर्ड रीसेट करना, पॉलिसी से जुड़े सवाल और नियमित बदलाव. उन्हें एहसास हुआ कि इनमें से ज़्यादातर काम ऑटोमेट किए जा सकते हैं.

उस अनुभव के बाद, बर्लिन की कंपनी Parloa⁠(एक नई विंडो में खुलेगा) ने हाई वॉल्यूम में होने वाली कस्टमर बातचीत को ऑटोमेट करने के लिए नियम-आधारित वॉइस एजेंट बनाना शुरू किया.

ChatGPT के आने के साथ, कंपनी ने अपना AI एजेंट मैनेजमेंट प्लेटफ़ॉर्म (AMP) बनाया, जो GPT‑5.4 समेत नए जेनरेशन के मॉडल पर आधारित है.

AMP एंटरप्राइज़ को बड़े पैमाने पर कस्टमर सर्विस इंटरैक्शन को डिज़ाइन, डिप्लॉय और मैनेज करने का तरीका देता है. सख्त इरादों और फ़्लो को पहले से तय करने के बजाय, टीम स्वाभाविक भाषा में व्यवहार तय करती हैं, इंटरनल सिस्टम से जुड़ती हैं, और इन-बिल्ट सिमुलेशन और मूल्यांकन का इस्तेमाल करके तेज़ी से सुधार करती हैं.

Parloa इन इंटरैक्शन को शुरू से आखिर तक संभालता है, जिसमें आसान रूटिंग से लेकर मुश्किल, कई स्टेप वाली रिक्वेस्ट तक सब कुछ शामिल है. इसमें प्रोडक्शन में एक जैसी परफ़ॉर्मेंस बनाए रखने पर ध्यान दिया जाता है, जहाँ परफ़ॉर्मेंस, लेटेंसी और एज केस सभी मायने रखते हैं. ऐसा करने के लिए, Parloa मॉडल को डिप्लॉय करने से पहले असली कस्टमर परिस्थितियों के आधार पर लगातार टेस्ट करता है.

Parloa का एजेंट मैनेजमेंट प्लेटफ़ॉर्म (AMP) बिज़नेस यूज़र्स और विषय के जानकारों के लिए बनाया गया है, ताकि वे बिना कोड लिखे AI एजेंट बना सकें.

ओ'राइली कहते हैं, "AMP की मदद से, हम अलग-अलग बिज़नेस यूनिट्स के विषय के जानकारों से एजेंट बनवा सकते हैं और API को बहुत ही आसान और सरल तरीके से कनेक्ट कर सकते हैं."

आसान शब्दों में कहें तो, AMP ब्रैंड्स को AI एजेंट के पूरे लाइफ़साइकल को मैनेज करने की सुविधा देता है. यह गैर-तकनीकी टीम को एक आसान तरीका देता है जिससे वे यह तय कर सकें कि एजेंट के लाइव होने से पहले उसे कैसा व्यवहार करना चाहिए. कोड लिखने या सख्त 'इंटेंट ट्री' को मैप करने के बजाय, विषय के जानकार एजेंट की भूमिका, निर्देश, टूल और सीमाएँ आम भाषा में तय करते हैं. यही कॉन्फ़िगरेशन इस बात का आधार बनता है कि मॉडल को कैसे प्रॉम्प्ट किया जाएगा और प्रोडक्शन में सिस्टम कैसे काम करेगा.

एक बार तय हो जाने के बाद, एजेंट को डिप्लॉय करने से पहले टेस्ट किया जाता है. Parloa, GPT‑5.4 जैसे मॉडल का इस्तेमाल करके कस्टमर की बातचीत को सिमुलेट करता है; इसमें एक मॉडल कॉलर की तरह काम करता है और दूसरा कॉन्फ़िगर किए गए एजेंट को चलाता है. टीमें इन बातचीत को सीधे देख सकती हैं, असल जैसे हालात में बदलाव को टेस्ट कर सकती हैं और लाइव होने से पहले उनमें सुधार कर सकती हैं.

इसके बाद, उन्हीं मॉडल का इस्तेमाल करके उन बातचीत का मूल्यांकन किया जाता है, जिसमें निश्चित जाँच और LLM-as-a-judge स्कोरिंग का मिला-जुला तरीका अपनाया जाता है. इससे पता चलता है कि एजेंट ने निर्देशों का पालन किया, टूल्स का सही इस्तेमाल किया और उम्मीद के मुताबिक काम पूरा किया या नहीं.

लाइव बातचीत के दौरान, AMP की ऑर्केस्ट्रेशन लेयर OpenAI मॉडल को एजेंट कॉन्फ़िगरेशन और बातचीत के संदर्भ के साथ प्रॉम्प्ट देती है ताकि वह जवाब जेनरेट कर सके, RAG के ज़रिए जानकारी निकाल सके, या कस्टमर बैकएंड के साथ इंटरैक्ट करने के लिए टूल्स को ट्रिगर कर सके. Parloa इस लेयर को लगातार नए मॉडल से अपडेट करता रहता है, क्योंकि वे असल दुनिया में बेहतर परफ़ॉर्मेंस दिखाते हैं.

बातचीत के बाद, OpenAI-पावर्ड अलग-अलग वर्कफ़्लो बातचीत का सारांश बनाते हैं, कस्टमर के मकसद को वर्गीकृत करते हैं और तय नियमों के आधार पर परफ़ॉर्मेंस का मूल्यांकन करते हैं.

जैसे-जैसे एजेंट ज़्यादा पेचीदा होते गए, एक ही बड़े प्रॉम्प्ट को बनाए रखना मुश्किल होता गया. छोटे-छोटे बदलाव से अनचाहे साइड-इफ़ेक्ट हो सकते थे. इस समस्या को हल करने के लिए, Parloa ने एक मॉड्यूलर तरीका अपनाया. ऑथेंटिकेशन, बुकिंग में बदलाव या अकाउंट अपडेट जैसे काम को अलग-अलग सब-एजेंट में बांटा जा सकता है, जिससे निर्देशों का पालन बेहतर होता है और समय के साथ सिस्टम को बेहतर बनाना आसान हो जाता है.

साथ ही, यह प्लेटफ़ॉर्म ऐसे निश्चित कंट्रोल भी शामिल करता है जहाँ विश्वसनीयता सबसे ज़्यादा मायने रखती है. एंटरप्राइज़ स्ट्रक्चर्ड API चेन और इवेंट-बेस्ड लॉजिक तय कर सकते हैं, ताकि यह पक्का किया जा सके कि ज़रूरी स्टेप सही क्रम में हों, और बातचीत में फ़्लेक्सिबिलिटी के साथ-साथ काम का अनुमानित तरीके से पूरा होना भी बना रहे.

Parloa, एजेंट के लाइव होने से पहले ही असल जैसी कस्टमर बातचीत को सिमुलेट करने के लिए GPT‑4.1, GPT‑5‑mini और दूसरे मॉडल का इस्तेमाल करता है. इसके बाद, यह 'LLM-as-a-judge' और तय नियमों के कॉम्बिनेशन का इस्तेमाल करके उन बातचीत का मूल्यांकन करता है. इससे टीम मुश्किल मामलों को टेस्ट कर पाती हैं, तेज़ी से सुधार कर पाती हैं और कस्टमर के सामने कोई गड़बड़ी आने से पहले परफ़ॉर्मेंस को वेरिफ़ाई कर पाती हैं.

Parloa मुख्य तौर से बड़े एंटरप्राइज़ के साथ काम करता है, जहाँ क्षमता जितनी ही अहमियत निरंतरता की भी होती है.

सीनियर अप्लाइड साइंटिस्ट मैथियस डॉयच कहते हैं, "जब कोई नया मॉडल आता है, तो हम उस पर अपना बेंचमार्किंग सुइट चलाते हैं. हमारे लिए यह बहुत ज़रूरी है कि चीज़ें न सिर्फ़ थ्योरेटिकल बेंचमार्क में काम करें, बल्कि असल इस्तेमाल के मामलों में भी काम करें."

एब्स्ट्रैक्ट बेंचमार्क पर निर्भर रहने के बजाय, Parloa असल प्रोडक्शन एजेंट की नकल करता है और उन्हें सिमुलेशन और इवैल्यूएशन पाइपलाइन से गुज़ारता है. ये टेस्ट असल स्थितियों में निर्देश मानने की विश्वसनीयता, API-कॉलिंग में निरंतरता, लेटेंसी और कुल परफ़ॉर्मेंस को मापते हैं.

इन मूल्यांकनों से यह तय होता है कि कौन-से मॉडल प्रोडक्शन के लिए तैयार हैं. सिर्फ़ उन्हीं मॉडल को डिप्लॉय किया जाता है जो असली कस्टमर स्थितियों में भरोसेमंद परफ़ॉर्मेंस देते हैं.

डॉयच कहते हैं, “एंटरप्राइज़ के कस्टमर को माइग्रेशन की असल लागत उठानी पड़ती है. एक बार जब कोई सिस्टम प्रोडक्शन में काम करने लगता है, तो वे उसे स्थिर बनाए रखते हैं और तभी बदलते हैं जब फ़ायदे साफ़ तौर पर दिखें.”

नतीजे ते तौर पर, बड़े पैमाने पर भी प्रोडक्शन में सिस्टम उम्मीद के मुताबिक काम करते हैं. लाखों कस्टमर इंटरैक्शन में, ज़्यादातर बातचीत बिना किसी परेशानी के सुलझ जाती हैं. यहाँ तक कि जब कॉल ह्यूमन एजेंट को ट्रांसफ़र की जाती हैं, तो भी मामला आगे बढ़ाने की नौबत शायद ही कभी किसी असफ़लता की वजह से आती है. एक मामले में, एक ग्लोबल ट्रैवल कंपनी ने ह्यूमन एजेंट की ज़रूरत वाली रिक्वेस्ट को 80% कम किया.

'मूल्यांकन को प्राथमिकता देने' की यह सोच एक मुख्य अंतर बनाने वाली विशेषता बन गई है, जिससे Parloa प्रोडक्शन में विश्वसनीयता से समझौता किए बिना तेज़ी से आगे बढ़ पाता है.

टेक्स्ट-बेस्ड चैट की तुलना में वॉइस में अलग तरह की सीमाएँ होती हैं. हर बातचीत एक लो-लेटेंसी पाइपलाइन से गुज़रती है: स्पीच-टू-टेक्स्ट, मॉडल रीज़निंग और टेक्स्ट-टू-स्पीच.

इस पाइपलाइन में लेटेंसी बहुत अहम होती है. मॉडल लेयर में होने वाली छोटी-छोटी देरी भी कॉलर के लिए साफ़ तौर पर महसूस होने वाले ठहराव में बदल जाती है, जिससे यह तय होता है कि मॉडल कैसे चुने और ऑप्टिमाइज़ किए जाएँ.

Parloa, रियल-टाइम इस्तेमाल के मामलों में परफ़ॉर्मेंस को बेहतर बनाने के लिए OpenAI के साथ मिलकर काम करता है. इसमें लेटेंसी, रिस्पॉन्स की क्वालिटी और निर्देशों का पालन करने पर ख़ास ध्यान दिया जाता है. टीम नए मॉडल वर्शन को असल कस्टमर इंटरैक्शन के लिए जारी करने से पहले, प्रोडक्शन जैसे एनवायरनमेंट में लगातार उनका मूल्यांकन और स्ट्रेस-टेस्टिंग करती है.

Parloa वॉइस स्टैक के हर हिस्से का अलग-अलग मूल्यांकन करता है:

• स्पीच-टू-टेक्स्ट सिस्टम का टेस्ट शब्दों की गलती की दर के लिए किया जाता है, ख़ासकर पॉलिसी नंबर या अकाउंट आइडेंटिफ़ायर जैसे संवेदनशील इनपुट के मामले में.
• टेक्स्ट-टू-स्पीच मॉडल का मूल्यांकन बिना पहचान बताए सुनने वाले टेस्ट के ज़रिए किया जाता है, ताकि यह पता चल सके कि असली यूज़र को आवाज़ कितनी स्वाभाविक लगती है. इसके बाद, प्रोडक्शन एनवायरनमेंट में लगातार अच्छा परफ़ॉर्मेंस पक्का करने के लिए इन नतीजों की तुलना असली कस्टमर इंटरैक्शन से की जाती है.
• स्पीच-टू-स्पीच मॉडल के प्रोडक्शन के लिए फ़िलहाल तैयार होने की जाँच की जा रही है, जिसमें लेटेंसी, सटीकता और लागत पर ख़ास ध्यान दिया जा रहा है.

शुरुआत से ही, इन सिस्टम को दुनिया भर में इस्तेमाल के लिए बनाया गया है. इनके बेंचमार्क कई भाषाओं में हैं और इनके कस्टमर दुनिया भर के अलग-अलग इलाकों में काम करते हैं. कई भाषाओं में काम करने की यह बारीकी, Parloa की यूरोपीय जड़ों और एंटरप्राइज़ के कस्टमर की उम्मीदों, जिन्हें सिर्फ़ एक भाषा या क्षेत्र में ही नहीं, बल्कि सभी मार्केट में एक जैसा परफ़ॉर्मेंस चाहिए होता है, दोनों को दिखाती है.

आज, Parloa के एजेंट्स रिटेल, ट्रैवल और इंश्योरेंस जैसे कई इंडस्ट्री में लाखों बातचीत संभालते हैं. वे सपोर्ट ऑटोमेशन से लेकर टेलीशॉपिंग जैसे रेवेन्यू बढ़ाने वाले प्रोसेस तक, कई तरह के काम में सहायता करते हैं.

Parloa का मानना है कि कस्टमर सर्विस पूरी तरह से मल्टीमोडल अनुभव में बदल रही है.

हो सकता है कि बातचीत फ़ोन पर शुरू हो, चैट में आगे बढ़े और इस दौरान उसमें लिंक या इंटरैक्टिव एलिमेंट भी शामिल हों. हर स्टेप को अलग-अलग फ़्लो मानने के बजाय, AMP को इसे एक ही इंटरैक्शन के तौर पर संभालने के लिए डिज़ाइन किया गया है. समय के साथ, AI एजेंट कस्टमर के सफ़र में वेबसाइट और मोबाइल ऐप जितने ही अहम हो सकते हैं.

जैसे-जैसे एंटरप्राइज़ कस्टमर के साथ होने वाली बातचीत के एक बड़े हिस्से को ऑटोमेट करने की ओर बढ़ रहे हैं, Parloa का फ़ोकस AI एजेंट को इतना भरोसेमंद, फ़्लेक्सिबल और विश्वसनीय बनाने पर है कि वे ग्लोबल स्तर पर काम कर सकें.