Parloa veido servisa aģentus, ar kuriem klienti vēlas runāt

Parloa darbības pirmsākumos līdzdibinātājs Stefan Ostwald pavadīja dienu apdrošināšanas zvanu centrā, kur viņa komanda izstrādāja pirmos balss risinājumus. Sēžot līdzās operatoriem, viņš atkal un atkal dzirdēja vienas un tās pašas sarunas: paroles atiestatīšana, jautājumi par polisēm un ikdienas izmaiņas. Viņš saprata, ka lielu daļu šī darba var automatizēt.

Pēc šīs pieredzes Berlīnē bāzētais uzņēmums Parloa⁠(atveras jaunā logā) sāka veidot uz noteikumiem balstītus balss aģentus, lai automatizētu liela apjoma saziņu ar klientiem.

Līdz ar ChatGPT parādīšanos uzņēmums attīstīja risinājumu, kas tagad ir tā AI aģentu pārvaldības platforma (AMP), kuras pamatā ir jaunas paaudzes modeļi, tostarp GPT‑5.4.

AMP ļauj uzņēmumiem plašā mērogā izstrādāt, ieviest un pārvaldīt klientu apkalpošanas mijiedarbību. Tā vietā, lai veidotu stingri noteiktus nolūkus un plūsmas, komandas dabiskā valodā definē darbību, izveido savienojumu ar iekšējām sistēmām un ātri pilnveido risinājumu, izmantojot iebūvētas simulācijas un novērtējumus.

Parloa nodrošina šo mijiedarbību no sākuma līdz beigām — no vienkāršas maršrutēšanas līdz sarežģītiem, daudzpakāpju pieprasījumiem. Galvenā uzmanība pievērsta stabilitātei reālajā vidē, kur svarīga ir gan veiktspēja un aizkave, gan nestandarta gadījumi. Lai to panāktu, Parloa pirms modeļu ieviešanas tos pastāvīgi testē ar reāliem klientu scenārijiem.

Parloa aģentu pārvaldības platforma (AMP) ir izstrādāta tā, lai uzņēmumu lietotāji un jomu eksperti varētu veidot AI aģentus bez programmēšanas.

„Izmantojot AMP, dažādu struktūrvienību jomu eksperti var paši veidot aģentus un daudz racionālākā un vienkāršākā veidā savienot API,” saka O’Reilly.

Kopumā AMP ļauj zīmoliem pārvaldīt visu AI aģenta dzīves ciklu. Platforma sniedz netehniskām komandām vienkāršāku veidu, kā definēt aģenta darbību vēl pirms tā palaišanas. Tā vietā, lai rakstītu kodu vai veidotu stingrus nolūku kokus, jomu eksperti dabiskā valodā nosaka aģenta lomu, norādījumus, rīkus un robežas. Šī konfigurācija nosaka, kā modelim tiek dota uzvedne un kā sistēma darbojas reālajā vidē.

Kad aģents ir definēts, to pirms ieviešanas testē. Parloa simulē klientu sarunas, izmantojot tādus modeļus kā GPT‑5.4: viens modelis darbojas kā zvanītājs, bet otrs vada konfigurēto aģentu. Komandas var tieši pārbaudīt šo mijiedarbību, izmēģināt izmaiņas reālistiskos scenārijos un pilnveidot risinājumu pirms tā palaišanas.

Pēc tam šie paši modeļi novērtē sarunas, apvienojot determinētas pārbaudes ar LVM kā vērtētāja piešķirtajiem vērtējumiem. Tādējādi var noskaidrot, vai aģents ievēroja norādījumus, pareizi izmantoja rīkus un izpildīja uzdevumu, kā paredzēts.

Tiešraides sarunas laikā AMP orķestrācijas slānis OpenAI modelim sniedz uzvedni ar aģenta konfigurāciju un sarunas kontekstu, lai ģenerētu atbildi, izgūtu informāciju ar RAG vai aktivizētu rīkus mijiedarbībai ar klienta aizmugursistēmām. Parloa pastāvīgi atjaunina šo slāni ar jaunākās paaudzes modeļiem, kad tie uzrāda nepārprotamus veiktspējas uzlabojumus reālos apstākļos.

Pēc sarunas atsevišķas OpenAI nodrošinātas darbplūsmas apkopo mijiedarbību, klasificē klienta nolūku un novērtē veiktspēju atbilstoši definētiem noteikumiem.

Aģentiem kļūstot sarežģītākiem, vienas monolītas uzvednes uzturēšana kļuva arvien grūtāka. Pat nelielas izmaiņas varēja radīt neparedzētas blakusparādības. Lai to risinātu, Parloa ieviesa modulāru pieeju. Tādus uzdevumus kā autentifikācija, rezervāciju izmaiņas vai konta atjaunināšana var nodalīt atsevišķiem apakšaģentiem, tā uzlabojot norādījumu izpildi un atvieglojot sistēmu turpmāku pilnveidi.

Vienlaikus platformā ir iestrādātas determinētas vadīklas jomām, kur uzticamība ir vissvarīgākā. Uzņēmumi var definēt strukturētas API ķēdes un uz notikumiem balstītu loģiku, lai kritiskās darbības notiktu pareizā secībā, līdzsvarojot sarunas elastību ar paredzamu izpildi.

Parloa izmanto GPT‑4.1, GPT‑5‑mini un citus modeļus, lai pirms aģenta palaišanas simulētu reālistisku mijiedarbību ar klientiem, un pēc tam to novērtē, apvienojot LVM kā vērtētāju ar determinētiem noteikumiem. Tas ļauj komandām pārbaudīt nestandarta gadījumus, ātri pilnveidot risinājumu un apstiprināt tā veiktspēju, pirms klienti var saskarties ar kļūmēm.

Parloa galvenokārt sadarbojas ar lieliem uzņēmumiem, kuriem stabilitāte ir tikpat svarīga kā iespējas.

„Kad iznāk jauns modelis, mēs to pārbaudām ar savu etalontestu komplektu,” saka vecākais lietišķās pētniecības speciālists Matthäus Deutsch. „Mums ir ļoti svarīgi, lai risinājumi darbotos ne tikai teorētiskos etalontestos, bet arī reālos lietojuma gadījumos.”

Tā vietā, lai paļautos uz abstraktiem etalontestiem, Parloa atveido reālus aģentus no darba vides un pārbauda tos simulācijas un novērtēšanas konveijeros. Šajos testos reālistiskos apstākļos mēra norādījumu izpildes uzticamību, API izsaukumu stabilitāti, aizkavi un kopējo veiktspēju.

Šie novērtējumi nosaka, kuri modeļi ir gatavi darbam reālajā vidē. Tiek ieviesti tikai tie modeļi, kas uzticami darbojas dažādos reālos klientu scenārijos.

„Uzņēmumu klientiem migrācija rada reālas izmaksas,” saka Deutsch. „Kad sistēma darbojas reālajā vidē, klienti saglabā tās stabilitāti un pāriet uz citu risinājumu tikai tad, ja ieguvumi ir nepārprotami.”

Tādēļ sistēmas reālajā vidē darbojas paredzami pat lielā mērogā. Miljoniem klientu mijiedarbību lielākā daļa sarunu tiek sekmīgi atrisinātas bez sarežģījumiem. Pat tad, ja zvani tiek pāradresēti operatoriem, iemesls reti ir kļūme. Vienā ieviešanas projektā starptautisks ceļojumu uzņēmums par 80% samazināja pieprasījumus sarunai ar operatoru.

Šāda koncentrēšanās uz novērtēšanu ir kļuvusi par būtisku Parloa priekšrocību, ļaujot uzņēmumam ātri virzīties uz priekšu, neupurējot uzticamību reālajā vidē.

Balss saziņai ir citi ierobežojumi nekā teksta tērzēšanai. Katra mijiedarbība notiek zemas aizkaves konveijerā: runas pārvēršana tekstā, modeļa spriestspēja un teksta pārvēršana runā.

Šajā konveijerā aizkave ir īpaši būtiska. Pat nelielas aizkaves modeļa slānī summējas un zvanītājam rada pamanāmas pauzes, tādēļ tās ietekmē modeļu atlasi un optimizēšanu.

Parloa cieši sadarbojas ar OpenAI, lai optimizētu veiktspēju lietojumam reāllaikā, īpašu uzmanību pievēršot aizkavei, atbilžu kvalitātei un norādījumu izpildei. Pirms jaunu modeļu versiju izmantošanas reālajā saziņā ar klientiem komanda tās pastāvīgi novērtē un veic slodzes testus videi, kas līdzinās reālajai darba videi.

Parloa katru balss tehnoloģiju kopas komponentu novērtē atsevišķi:

• Runas pārvēršanas tekstā sistēmām pārbauda kļūdaini atpazīto vārdu īpatsvaru, īpaši tādiem sensitīviem datiem kā polises numuri vai kontu identifikatori.
• Teksta pārvēršanas runā modeļus novērtē aklos klausīšanās testos, lai noteiktu, cik dabiski balss skan reāliem lietotājiem. Pēc tam šos rezultātus salīdzina ar reālu mijiedarbību ar klientiem, lai nodrošinātu stabilu veiktspēju darba vidē.
• Runas pārveidošana runā: pašlaik tiek vērtēta modeļu gatavība darbam reālajā vidē, galveno uzmanību pievēršot aizkavei, precizitātei un izmaksām.

Jau no paša sākuma šīs sistēmas ir veidotas ieviešanai visā pasaulē. Etalontesti aptver vairākas valodas, jo klienti darbojas dažādos pasaules reģionos. Šī rūpīgā daudzvalodu testēšana atspoguļo gan Parloa Eiropas izcelsmi, gan uzņēmumu klientu prasības pēc stabilas veiktspējas dažādos tirgos, nevis tikai vienā valodā vai reģionā.

Šobrīd Parloa aģenti apkalpo miljoniem sarunu mazumtirdzniecībā, ceļojumu nozarē, apdrošināšanā un citās nozarēs, nodrošinot lietojumu no atbalsta automatizācijas līdz ieņēmumus radošām plūsmām, piemēram, tirdzniecībai pa tālruni.

Parloa paredz, ka klientu apkalpošana kļūs par pilnībā multimodālu pieredzi.

Saruna var sākties pa tālruni, turpināties tērzēšanā un pa ceļam ietvert saites vai interaktīvus elementus. AMP ir izstrādāta tā, lai visas šīs darbības apstrādātu kā vienotu mijiedarbību, nevis katru posmu uzskatītu par atsevišķu plūsmu. Ar laiku AI aģenti klientu gaitās var kļūt tikpat nozīmīgi kā tīmekļa vietnes un mobilās lietotnes.

Uzņēmumiem automatizējot arvien lielāku daļu saziņas ar klientiem, Parloa tiecas padarīt AI aģentus pietiekami uzticamus, elastīgus un pārbaudītus, lai tie varētu darboties globālā mērogā.