Parloa-ն ստեղծում է ագենտներ, որոնց հետ ուզում են խոսել

Parloa-ի գործունեության սկզբնական շրջանում համահիմնադիր Շտեֆան Օստվալդը մեկ օր անցկացրեց ապահովագրական ընկերության զանգերի կենտրոնում, որտեղ նրա թիմը մշակում էր ձայնային փոխգործակցության առաջին լուծումները։ Ագենտների կողքին նստած՝ նա կրկին ու կրկին լսում էր նույն խոսակցությունները՝ գաղտնաբառի վերականգնում, ապահովագրական պայմանագրերի վերաբերյալ հարցեր, սովորական փոփոխություններ։ Նա հասկացավ, որ այդ աշխատանքի մեծ մասը կարելի է ավտոմատացնել։

Այդ փորձից հետո Բեռլինում հիմնված Parloa⁠(բացվում է նոր պատուհանում)-ն սկսեց ստեղծել կանոնների վրա հիմնված ձայնային ագենտներ՝ հաճախորդների մեծածավալ փոխգործակցություններն ավտոմատացնելու համար։

ChatGPT‑ի ի հայտ գալուց հետո ընկերությունը զարգացրեց իր լուծումը և ստեղծեց ներկայիս ԱԲ ագենտների կառավարման հարթակը (AMP), որը հիմնված է նոր սերնդի մոդելների, այդ թվում՝ GPT‑5.4‑ի վրա։

AMP-ն ընկերություններին հնարավորություն է տալիս մեծ մասշտաբով նախագծել, ներդնել և կառավարել հաճախորդների սպասարկման փոխգործակցությունները։ Կոշտ մտադրություններ և գործընթացներ գծագրելու փոխարեն թիմերը բնական լեզվով սահմանում են վարքագիծը, միանում ներքին համակարգերին և ներկառուցված նմանակումների ու գնահատումների միջոցով արագ բարելավում լուծումը։

Parloa-ն ամբողջությամբ վարում է այդ փոխգործակցությունները՝ պարզ ուղղորդումից մինչև բարդ, բազմափուլ հարցումների կատարում։ Հիմնական նպատակը արտադրական միջավայրում կայունությունն է, որտեղ կարևոր են թե՛ արդյունավետությունն ու ուշացումը, թե՛ եզրային դեպքերը։ Դրան հասնելու համար Parloa-ն նախքան ներդրումը շարունակաբար փորձարկում է մոդելները հաճախորդների իրական սցենարներով։

Parloa-ի ագենտների կառավարման հարթակը (AMP) նախատեսված է բիզնես օգտատերերի և ոլորտի փորձագետների համար, որպեսզի նրանք կարողանան ԱԲ ագենտներ ստեղծել առանց կոդ գրելու։

«AMP-ի շնորհիվ տարբեր բիզնես ստորաբաժանումների ոլորտային փորձագետները շատ ավելի արդյունավետ և պարզ եղանակով կարող են անձամբ ստեղծել ագենտներն ու միացնել API-ները», ասում է Օ’Ռայլին։

Ընդհանուր առմամբ, AMP-ն ապրանքանիշերին թույլ է տալիս կառավարել ԱԲ ագենտի ողջ կենսաշրջանը։ Դրա համար հարթակը ոչ տեխնիկական թիմերին առաջարկում է պարզ եղանակ՝ սահմանելու ագենտի վարքագիծը դեռևս նախքան գործարկումը։ Կոդ գրելու կամ կոշտ մտադրության ճյուղեր գծագրելու փոխարեն ոլորտային փորձագետները բնական լեզվով սահմանում են ագենտի դերը, հրահանգները, գործիքներն ու սահմանափակումները։ Այդ կազմաձևումը հիմք է դառնում մոդելին տրվող հարցումների և արտադրական միջավայրում համակարգի վարքագծի համար։

Սահմանվելուց հետո ագենտը փորձարկվում է նախքան ներդրումը։ Parloa-ն GPT‑5.4‑ի նման մոդելներով նմանակում է հաճախորդների զրույցները, ընդ որում մի մոդելը զանգահարողի դերում է, իսկ մյուսը գործարկում է կազմաձևված ագենտը։ Թիմերը կարող են անմիջապես ուսումնասիրել այդ փոխգործակցությունները, իրատեսական սցենարներով փորձարկել փոփոխությունները և բարելավել լուծումը նախքան կիրառումը։

Այնուհետև նույն մոդելներով գնահատվում են այդ զրույցները՝ համադրելով դետերմինիստական ստուգումները և LLM-գնահատողի գնահատականները։ Դա ցույց է տալիս՝ արդյոք ագենտը հետևել է հրահանգներին, ճիշտ է օգտագործել գործիքները և ակնկալվող ձևով կատարել առաջադրանքը։

Ուղիղ զրույցի ընթացքում AMP-ի համակարգման շերտի հարցումները OpenAI-ի մոդելին փոխանցում են ագենտի կազմաձևումն ու զրույցի համատեքստը՝ պատասխան ստեղծելու, RAG-ի միջոցով տեղեկություն ստանալու կամ հաճախորդի ներքին համակարգերի հետ փոխգործակցող գործիքներ կիրառելու համար։ Parloa-ն շարունակաբար թարմացնում է այս շերտը մոդելների նորագույն սերունդներով, երբ դրանք իրական պայմաններում արդյունավետության ակնհայտ աճ են ցուցադրում։

Զրույցից հետո OpenAI-ով աշխատող առանձին գործընթացներն ամփոփում են փոխգործակցությունը, դասակարգում հաճախորդի մտադրությունը և արդյունավետությունը գնահատում սահմանված կանոններով։

Ագենտների բարդացմանը զուգահեռ` մեկ միասնական, միաձույլ հարցումը պահպանելն ավելի էր դժվարանում։ Փոքր փոփոխություններն անգամ կարող էին անցանկալի կողմնակի հետևանքներ առաջացնել։ Այս խնդիրը լուծելու համար Parloa-ն ներդրեց մոդուլային մոտեցում։ Նույնականացման, ամրագրման փոփոխության կամ հաշվի թարմացման նման առաջադրանքները կարելի է բաժանել առանձին ենթաագենտների՝ բարելավելով հրահանգներին հետևելը և ժամանակի ընթացքում հեշտացնելով համակարգերի զարգացումը։

Միաժամանակ հարթակը կիրառում է դետերմինիստական վերահսկողություն այնտեղ, որտեղ հուսալիությունն ամենակարևորն է։ Ընկերությունները կարող են սահմանել կառուցվածքային API շղթաներ և իրադարձությունների վրա հիմնված տրամաբանություն, որպեսզի կարևոր քայլերը կատարվեն ճիշտ հերթականությամբ՝ զրույցի ճկունությունը համադրելով կանխատեսելի կատարման հետ։

Parloa-ն GPT‑4.1‑ի, GPT‑5‑mini‑ի և այլ մոդելների միջոցով նմանակում է հաճախորդների իրատեսական փոխգործակցությունները նախքան ագենտի գործարկումը, ապա գնահատում դրանք՝ համադրելով LLM-գնահատողն ու դետերմինիստական կանոնները։ Այսպես թիմերը կարող են փորձարկել եզրային դեպքերը, արագ բարելավումներ կատարել և ստուգել արդյունավետությունը՝ նախքան հաճախորդները կբախվեն հնարավոր ձախողումների:

Parloa-ն հիմնականում աշխատում է խոշոր ընկերությունների հետ, որտեղ կայունությունը նույնքան կարևոր է, որքան կարողությունները։

«Երբ նոր մոդել է թողարկվում, մենք այն անցկացնում ենք համեմատական փորձարկումների մեր փաթեթով», ասում է կիրառական գիտությունների ավագ մասնագետ Մաթեուս Դոյչը։ «Մեզ համար շատ կարևոր է, որ լուծումներն աշխատեն ոչ միայն տեսական չափորոշիչներով, այլև իրական կիրառման դեպքերում»։

Վերացական չափորոշիչներին ապավինելու փոխարեն Parloa-ն վերարտադրում է արտադրական իրական ագենտները և անցկացնում դրանք նմանակման ու գնահատման գործընթացներով։ Այս փորձարկումներն իրատեսական պայմաններում չափում են հրահանգներին հետևելու հուսալիությունը, API կանչերի կայունությունը, ուշացումը և ընդհանուր արդյունավետությունը։

Այս գնահատումներով որոշվում է, թե որ մոդելներն են պատրաստ արտադրական կիրառման։ Ներդրվում են միայն այն մոդելները, որոնք հուսալի են աշխատում հաճախորդների հետ իրական սցենարներում։

«Կորպորատիվ հաճախորդների համար համակարգի անցումը իրական ծախս է պահանջում», ասում է Դոյչը։ «Երբ համակարգն արդեն աշխատում է արտադրական միջավայրում, նրանք պահպանում են դրա կայունությունը և փոխում այն միայն ակնհայտ առավելությունների դեպքում»։

Արդյունքում համակարգերը կանխատեսելի են աշխատում արտադրական միջավայրում՝ նույնիսկ մեծ մասշտաբով։ Հաճախորդների միլիոնավոր փոխգործակցությունների մեծ մասում խնդիրները լուծվում են առանց դժվարության։ Նույնիսկ երբ զանգն ուղղորդվում է մարդկանցից կազմված սպասարկման թիմին, պատճառը հազվադեպ է լինում համակարգի ձախողումը։ Ներդրումներից մեկի դեպքում համաշխարհային զբոսաշրջային ընկերությունը 80%-ով նվազեցրեց մարդկային ագենտին դիմելու հարցումները։

Գնահատումն առաջնահերթող այս մտածելակերպը դարձել է Parloa-ի առանցքային տարբերակիչը՝ թույլ տալով արագ առաջ շարժվել՝ առանց արտադրական միջավայրում հուսալիությունը զոհաբերելու։

Ձայնային շփումը տեքստային զրույցից տարբերվող սահմանափակումներ ունի։ Յուրաքանչյուր փոխգործակցություն անցնում է ցածր ուշացմամբ շղթայով՝ խոսքի փոխակերպում տեքստի, մոդելի դատողություն և տեքստի փոխակերպում խոսքի։

Այս շղթայում ուշացումը վճռորոշ նշանակություն ունի։ Մոդելի շերտում նույնիսկ փոքր ուշացումները գումարվում են և զանգահարողի համար նկատելի դադարներ ստեղծում՝ ազդելով մոդելների ընտրության ու օպտիմալացման վրա։

Parloa-ն սերտորեն համագործակցում է OpenAI-ի հետ՝ իրական ժամանակի կիրառությունների արդյունավետությունն օպտիմալացնելու համար՝ կենտրոնանալով ուշացման, պատասխանի որակի և հրահանգներին հետևելու վրա։ Թիմը շարունակաբար գնահատում և ծանրաբեռնվածության փորձարկումների է ենթարկում մոդելների նոր տարբերակներն արտադրականին նման միջավայրերում՝ նախքան դրանք հաճախորդների իրական փոխգործակցություններում կիրառելը։

Parloa-ն առանձին է գնահատում ձայնային տեխնոլոգիական շղթայի յուրաքանչյուր բաղադրիչը.

• Խոսքից տեքստ համակարգերը փորձարկվում են բառերի սխալների հաճախականությամբ, հատկապես այնպիսի զգայուն տվյալների դեպքում, ինչպիսիք են պայմանագրերի համարները կամ հաշիվների նույնացուցիչները։
• Տեքստից խոսք մոդելները գնահատվում են կույր լսողական փորձարկումներով՝ պարզելու, թե իրական օգտատերերի համար որքան բնական է հնչում ձայնը։ Այնուհետև արդյունքները համեմատվում են հաճախորդների իրական փոխգործակցությունների հետ՝ արտադրական միջավայրերում կայուն արդյունավետություն ապահովելու համար։
• Խոսքից խոսք մոդելներն այժմ գնահատվում են արտադրական կիրառման պատրաստվածության առումով՝ շեշտը դնելով ուշացման, ճշգրտության և արժեքի վրա։

Այս համակարգերն ի սկզբանե ստեղծվել են համաշխարհային մասշտաբով կիրառման համար։ Գնահատման չափանիշները ներառում են բազմաթիվ լեզուներ, իսկ հաճախորդները գործունեություն են ծավալում աշխարհի տարբեր տարածաշրջաններում։ Բազմալեզու այս խստապահանջ մոտեցումն արտացոլում է թե՛ Parloa-ի եվրոպական արմատները, թե՛ կորպորատիվ հաճախորդների ակնկալիքները, որոնց բոլոր շուկաներում կայուն արդյունավետություն է պետք, ոչ միայն մեկ լեզվով կամ մեկ տարածաշրջանում։

Այսօր Parloa-ի ագենտները մանրածախ առևտրի, զբոսաշրջության, ապահովագրության և այլ ոլորտներում վարում են միլիոնավոր զրույցներ՝ սպասարկման ավտոմատացումից մինչև հեռուստավաճառքի նման եկամուտ ստեղծող գործընթացներ։

Parloa-ն կանխատեսում է, որ հաճախորդների սպասարկումը կվերածվի լիովին բազմամոդալ փորձառության։

Զրույցը կարող է սկսվել հեռախոսով, շարունակվել չաթում և ընթացքում ներառել հղումներ կամ ինտերակտիվ տարրեր։ Յուրաքանչյուր փուլն առանձին գործընթաց դիտարկելու փոխարեն AMP-ն այն վարում է որպես մեկ միասնական փոխգործակցություն։ Ժամանակի ընթացքում ԱԲ ագենտները հաճախորդի ուղու համար կարող են նույնքան առանցքային դառնալ, որքան կայքերն ու բջջային հավելվածները։

Քանի որ ձեռնարկությունները գնալով ավելի շատ են ավտոմատացնում հաճախորդների հետ փոխազդեցությունները, Parloa-ի նպատակն է ստեղծել այնքան հուսալի, ճկուն և վստահություն ներշնչող ԱԲ ագենտներ, որոնք կարող են գործել համաշխարհային մասշտաբով: