Parloa tworzy agenty obsługi, z którymi klienci chcą rozmawiać

W początkowym okresie działalności Parloa jej współzałożyciel Stefan Ostwald spędził dzień w centrum telefonicznym firmy ubezpieczeniowej, dla którego jego zespół tworzył pierwsze rozwiązania głosowe. Spędzając czas z konsultantami w pracy, wciąż słyszał rozmowy na te same tematy: resetowanie haseł, pytania o polisy, rutynowe zmiany. Zrozumiał, że znaczną część tej pracy można zautomatyzować.

Po tym doświadczeniu berlińska firma Parloa⁠(otwiera nowe okno) zaczęła tworzyć agenty głosowe oparte na regułach, które pozwoliłyby automatyzować masową obsługę klientów.

Wraz z pojawieniem się ChatGPT firma zmieniła kierunek i stworzyła platformę AI Agent Management Platform (AMP), opartą na nowej generacji modeli, w tym GPT‑5.4.

AMP umożliwia przedsiębiorstwom projektowanie i wdrażanie obsługi klienta oraz zarządzanie nią na dużą skalę. Zamiast tworzyć sztywne intencje i przepływy zespoły opisują zachowanie w języku naturalnym, łączą rozwiązanie z systemami wewnętrznymi i szybko je udoskonalają dzięki wbudowanym symulacjom i ocenom.

Parloa obsługuje te interakcje kompleksowo — od prostego przekierowywania po złożone, wieloetapowe zgłoszenia. Najważniejsza jest spójność w środowisku produkcyjnym, gdzie liczy się wysoka wydajność, niskie opóźnienia i możliwości obsługiwania przypadków brzegowych. Aby osiągnąć te cele, Parloa przed wdrożeniem nieustannie testuje modele w rzeczywistych scenariuszach obsługi klientów.

Platforma Agent Management Platform (AMP) firmy Parloa pozwala użytkownikom biznesowym i ekspertom tworzyć agenty AI bez pisania kodu.

„Dzięki AMP eksperci z różnych jednostek biznesowych mogą samodzielnie tworzyć agenty i łączyć interfejsy API w znacznie prostszy i sprawniejszy sposób” — mówi O’Reilly.

Ogólnie rzecz biorąc, AMP pozwala markom zarządzać całym cyklem życia agenta AI. Umożliwia zespołom nietechnicznym łatwiejsze określenie zachowania agenta jeszcze przed jego uruchomieniem. Zamiast pisać kod lub tworzyć sztywne drzewa intencji, eksperci opisują w języku naturalnym rolę, instrukcje, narzędzia i ograniczenia agenta. Ta konfiguracja stanowi podstawę polecenia przekazywanego modelowi oraz zachowania systemu w środowisku produkcyjnym.

Skonfigurowany agent, zanim zostanie wdrożony, jest testowany podczas symulowanej rozmowy z klientami za pomocą modeli takich jak GPT‑5.4. Podczas tego testu jeden model pełni rolę dzwoniącego, a drugi obsługuje skonfigurowanego agenta. Zespoły mogą bezpośrednio analizować te interakcje, testować zmiany w realistycznych scenariuszach i wprowadzać poprawki przed uruchomieniem.

Te same modele są używane następnie do oceny rozmów za pomocą deterministycznych kontroli i punktacji przyznawanej przez LLM w roli sędziego. Pozwala to sprawdzić, czy agent wykonał instrukcje, prawidłowo użył narzędzi i ukończył zadanie zgodnie z oczekiwaniami.

Podczas rozmowy na żywo warstwa zarządzania AMP przekazuje modelowi OpenAI polecenie zawierające konfigurację agenta i kontekst rozmowy, aby wygenerować odpowiedź, pobrać informacje za pomocą RAG lub uruchomić narzędzia współpracujące z systemami klienta. Parloa stale aktualizuje tę warstwę, wdrażając najnowsze generacje modeli, gdy tylko wykażą wyraźną poprawę działania w rzeczywistych warunkach.

Po zakończeniu rozmowy osobne procesy wykorzystujące rozwiązania OpenAI podsumowują interakcję, klasyfikują intencję klienta i oceniają wyniki według zdefiniowanych reguł.

Wraz ze wzrostem złożoności agentów utrzymywanie jednego, monolitycznego polecenia stawało się coraz trudniejsze. Nawet drobne zmiany mogły powodować niezamierzone skutki uboczne. Aby temu zaradzić, Parloa wprowadziła podejście modułowe. Zadania takie jak uwierzytelnianie, zmiany rezerwacji czy aktualizacje kont można rozdzielić między osobne agenty podrzędne. Ułatwia to wykonywanie instrukcji i dalszy rozwój systemów.

Jednocześnie platforma wykorzystuje mechanizmy deterministyczne w obszarach, gdzie niezawodność ma największe znaczenie. Przedsiębiorstwa mogą definiować uporządkowane łańcuchy API i logikę opartą na zdarzeniach, aby krytyczne działania następowały we właściwej kolejności, łącząc elastyczność rozmowy z przewidywalnym wykonaniem.

Parloa wykorzystuje modele takie jak GPT‑4.1 i GPT‑5‑mini do symulowania realistycznych interakcji z klientami przed uruchomieniem agenta, a następnie ocenia je za pomocą LLM w roli sędziego oraz reguł deterministycznych. Dzięki temu zespoły mogą testować przypadki brzegowe, szybko wprowadzać poprawki i potwierdzać skuteczność, zanim klienci zetkną się z ewentualnymi błędami.

Parloa współpracuje głównie z dużymi przedsiębiorstwami, dla których spójność jest równie ważna jak możliwości systemu.

„Gdy pojawia się nowy model, uruchamiamy względem niego nasz zestaw testów porównawczych” — mówi Matthäus Deutsch, starszy specjalista ds. nauk stosowanych. „Bardzo ważne jest dla nas, aby rozwiązania sprawdzały się nie tylko w teoretycznych testach porównawczych, lecz także w rzeczywistych zastosowaniach”.

Zamiast polegać na abstrakcyjnych testach porównawczych, Parloa odwzorowuje rzeczywiste agenty produkcyjne i poddaje je procesom symulacji oraz oceny. Testy mierzą niezawodność wykonywania instrukcji, spójność wywołań API, opóźnienia i ogólną wydajność w realistycznych warunkach.

Wyniki tych ocen decydują, które modele są gotowe do pracy w środowisku produkcyjnym. Wdrażane są wyłącznie modele, które działają niezawodnie w rzeczywistych scenariuszach obsługi klientów.

„Klienci korporacyjni ponoszą realne koszty migracji” — mówi Deutsch. „Gdy system działa już w środowisku produkcyjnym, utrzymują jego stabilność i przechodzą na inny dopiero wtedy, gdy korzyści są oczywiste”.

Dzięki temu systemy zachowują się przewidywalnie w środowisku produkcyjnym, nawet przy dużej skali. Spośród milionów interakcji z klientami większość rozmów przebiega bez problemów. Nawet gdy połączenia są przekazywane konsultantom, eskalacja rzadko wynika z awarii systemu. W jednym z wdrożeń globalna firma turystyczna ograniczyła o 80% liczbę próśb o połączenie z konsultantem.

Podejście stawiające ocenę na pierwszym miejscu stało się kluczowym wyróżnikiem Parloa, pozwalając firmie działać szybko bez poświęcania niezawodności produkcyjnej.

Obsługa głosowa wiąże się z innymi ograniczeniami niż czat tekstowy. Każda interakcja przechodzi przez potok o niskich opóźnieniach: zamianę mowy na tekst, rozumowanie modelu i zamianę tekstu na mowę.

W tym potoku opóźnienia mają kluczowe znaczenie. Nawet niewielkie opóźnienia w warstwie modelu kumulują się, powodując wyczuwalne przerwy dla dzwoniącego, co wpływa na wybór i optymalizację modeli.

Parloa ściśle współpracuje z OpenAI nad optymalizacją działania w czasie rzeczywistym, koncentrując się na opóźnieniach, jakości odpowiedzi i wykonywaniu instrukcji. Przed wdrożeniem nowych wersji modeli do obsługi klientów zespół stale je ocenia i poddaje testom obciążeniowym w warunkach zbliżonych do produkcyjnych.

Parloa niezależnie ocenia każdy element stosu technologii głosowych:

• Systemy zamiany mowy na tekst są testowane pod kątem współczynnika błędnie rozpoznanych słów zwłaszcza w przypadku wrażliwych danych, takich jak numery polis czy identyfikatory kont.
• Modele zamiany tekstu na mowę są oceniane w ślepych testach odsłuchowych, które pozwalają sprawdzić, jak naturalnie głos brzmi dla rzeczywistych użytkowników. Wyniki są następnie porównywane z rzeczywistymi interakcjami z klientami, aby zapewnić spójne działanie w środowiskach produkcyjnych.
• Modele przekształcające głos na głos są obecnie oceniane pod kątem gotowości produkcyjnej, ze szczególnym uwzględnieniem opóźnień, dokładności i kosztów.

Od początku systemy te tworzono z myślą o globalnych wdrożeniach. Testy porównawcze obejmują wiele języków, a klienci działają w różnych regionach świata. Ta rygorystyczna wielojęzyczność odzwierciedla zarówno europejskie korzenie Parloa, jak i oczekiwania klientów korporacyjnych, którzy wymagają spójnego działania na wielu rynkach, a nie tylko w jednym języku lub regionie.

Dziś agenty Parloa prowadzą miliony rozmów w takich branżach jak handel detaliczny, turystyka i ubezpieczenia. Obsługują różnorodne zastosowania od automatyzacji wsparcia po procesy generujące przychody, takie jak telesprzedaż.

Parloa przewiduje, że obsługa klienta stanie się w pełni multimodalna.

Rozmowa może rozpocząć się przez telefon, jej kontynuacja może odbywać się na czacie, a po drodze może ona uwzględniać łącza lub elementy interaktywne. Zamiast traktować każdy etap jako osobny przepływ, AMP obsługuje całość jako jedną interakcję. Z czasem agenty AI mogą stać się równie ważnym elementem ścieżek klientów jak strony internetowe i aplikacje mobilne.

W miarę jak przedsiębiorstwa automatyzują coraz szerszy zakres interakcji z klientami, Parloa koncentruje się na tym, aby agenty AI były niezawodne, elastyczne, godne zaufania i mogły działać na skalę globalną.