Parloa создает агентов, с которыми клиенты хотят общаться

В первые дни существования Parloa её сооснователь Стефан Оствальд провёл день в колл-центре страховой компании, для которого его команда разрабатывала первые голосовые сценарии. Сидя рядом с операторами, он слушал одни и те же повторяющиеся разговоры: сброс паролей, вопросы по полисам, типовые изменения. Тогда он и понял, что большую часть этой работы можно автоматизировать.

После этого берлинская компания Parloa⁠(открывается в новом окне) начала создавать голосовых агентов на основе правил для автоматизации массовых обращений клиентов.

С появлением ChatGPT компания эволюционировала и создала свою нынешнюю платформу управления ИИ-агентами (AMP), построенную на базе нового поколения моделей, включая GPT‑5.4.

AMP позволяет крупным компаниям проектировать, развертывать и масштабно управлять взаимодействием со службой поддержки. Вместо жестко заданных намерений и сценариев команды описывают поведение на естественном языке, подключают внутренние системы и быстро совершенствуют решения с помощью встроенных симуляций и оценок.

Parloa обеспечивает весь цикл взаимодействия — от простой маршрутизации до сложных многоэтапных запросов. Главное — стабильность в реальных условиях, где важны производительность, задержка и нестандартные ситуации. Для этого Parloa постоянно тестирует модели на реальных клиентских сценариях перед развертыванием.

Платформа управления агентами Parloa (AMP) позволяет бизнес-пользователям и профильным специалистам создавать ИИ-агентов без написания кода.

«Благодаря AMP профильные специалисты из разных подразделений действительно могут сами создавать агентов и подключать API гораздо быстрее и проще», — говорит О’Райли.

На высоком уровне AMP позволяет брендам управлять всем жизненным циклом ИИ-агента. Для этого платформа дает нетехническим командам простой способ определить поведение агента еще до его запуска. Вместо написания кода или построения жестких деревьев намерений профильные специалисты на естественном языке задают роль агента, инструкции, инструменты и ограничения. Эта конфигурация определяет промпт для модели и поведение системы в реальных условиях.

После настройки агент проходит тестирование перед развертыванием. Parloa моделирует разговоры с клиентами с помощью таких моделей, как GPT‑5.4: одна модель выступает в роли звонящего, а другая запускает настроенного агента. Команды могут напрямую изучать эти взаимодействия, проверять изменения на реалистичных сценариях и дорабатывать систему перед запуском.

Затем те же модели оценивают разговоры, сочетая детерминированные проверки с оценкой по принципу «LLM в роли судьи». Так можно определить, следовал ли агент инструкциям, правильно ли использовал инструменты и выполнил ли задачу как ожидалось.

Во время диалога в реальном времени слой оркестрации AMP передаёт модели OpenAI конфигурацию агента и контекст беседы, чтобы сгенерировать ответ, извлечь информацию с помощью RAG или запустить инструменты для взаимодействия с бэкендом клиента. Parloa постоянно обновляет этот слой новейшими моделями по мере того, как они показывают чёткое преимущество в реальной работе.

После разговора отдельные процессы на базе OpenAI составляют его краткое содержание, классифицируют намерение клиента и оценивают результаты по заданным правилам.

По мере усложнения агентов поддерживать единый монолитный промпт становилось все труднее. Даже небольшие изменения могли приводить к непредвиденным последствиям. Чтобы решить эту проблему, Parloa внедрила модульный подход. Такие задачи, как аутентификация, изменение бронирования или обновление учетной записи, можно поручить отдельным субагентам. Это улучшает соблюдение инструкций и упрощает дальнейшее развитие систем.

При этом там, где надежность особенно важна, платформа использует детерминированные средства контроля. Компании могут задавать структурированные цепочки API и событийную логику, чтобы критически важные действия выполнялись в правильном порядке, сочетая гибкость диалога с предсказуемостью исполнения.

До запуска агента Parloa моделирует реалистичные взаимодействия с клиентами с помощью GPT‑4.1, GPT‑5‑mini и других моделей, а затем оценивает их, сочетая подход «LLM в роли судьи» с детерминированными правилами. Так команды могут проверять нестандартные ситуации, быстро вносить изменения и подтверждать качество работы до того, как с возможными сбоями столкнутся клиенты.

Parloa работает преимущественно с крупными компаниями, для которых стабильность не менее важна, чем функциональность.

«Когда выходит новая модель, мы прогоняем ее через свой набор тестов, — говорит старший специалист по прикладным исследованиям Маттеус Дойч. — Для нас крайне важно, чтобы все работало не только в теоретических тестах, но и в реальных сценариях».

Вместо абстрактных тестов Parloa воспроизводит реальных рабочих агентов и пропускает их через процессы симуляции и оценки. Эти тесты в реалистичных условиях измеряют надежность соблюдения инструкций, стабильность вызовов API, задержку и общую производительность.

По результатам этих оценок определяется, какие модели готовы к эксплуатации. Развертываются только те модели, которые надежно работают в реальных клиентских сценариях.

«Переход на другую систему сопряжен для корпоративных клиентов с реальными затратами, — говорит Дойч. — Если система уже работает, клиенты поддерживают ее стабильность и переходят на новую только при очевидной выгоде».

В результате системы ведут себя предсказуемо даже при масштабной эксплуатации. В миллионах взаимодействий с клиентами большинство вопросов решается без затруднений. Даже когда звонок переводят на оператора, причиной эскалации редко становится сбой. В одном из проектов международная туристическая компания на 80% сократила число запросов на перевод к оператору.

Ориентация на оценку стала важным преимуществом Parloa: компания может быстро развиваться, не жертвуя надежностью при эксплуатации.

Голосовое общение накладывает иные ограничения, чем текстовый чат. Каждое взаимодействие проходит через конвейер с низкой задержкой: распознавание речи, рассуждения модели и синтез речи.

В таком конвейере задержка становится критически важной. Даже небольшие задержки на уровне модели складываются в заметные для звонящего паузы, поэтому их учитывают при выборе и оптимизации моделей.

Parloa тесно сотрудничает с OpenAI, оптимизируя решения для работы в реальном времени и уделяя особое внимание задержке, качеству ответов и соблюдению инструкций. Команда постоянно оценивает новые версии моделей и проводит их стресс-тестирование в условиях, близких к реальным, прежде чем использовать их во взаимодействии с клиентами.

Parloa оценивает каждый компонент голосовой системы отдельно:

• Системы распознавания речи тестируются на частоту ошибок в словах, особенно при обработке таких важных данных, как номера полисов или идентификаторы счетов.
• Модели синтеза речи оцениваются с помощью слепых тестов прослушивания, которые показывают, насколько естественно голос звучит для реальных пользователей. Затем результаты сверяются с реальными взаимодействиями с клиентами, чтобы обеспечить стабильную работу в производственной среде.
• Модели «голос в голос» сейчас проверяются на готовность к эксплуатации с учетом задержки, точности и стоимости.

Эти системы с самого начала создавались для развертывания по всему миру. Тестирование охватывает множество языков, поскольку клиенты работают в разных регионах мира. Такая тщательная проверка многоязычности отражает и европейские корни Parloa, и ожидания корпоративных клиентов, которым нужна стабильная работа на всех рынках, а не только на одном языке или в одном регионе.

Сегодня агенты Parloa проводят миллионы разговоров в розничной торговле, туризме, страховании и других отраслях, решая задачи от автоматизации поддержки до приносящих доход процессов, таких как продажи по телефону.

Parloa видит будущее клиентского обслуживания в полностью мультимодальном взаимодействии.

Разговор может начаться по телефону, продолжиться в чате, а по ходу общения дополниться ссылками или интерактивными элементами. AMP рассматривает эти этапы не как отдельные процессы, а как единое взаимодействие. Со временем ИИ-агенты могут стать столь же важной частью клиентского пути, как сайты и мобильные приложения.

По мере того как компании автоматизируют все большую долю взаимодействий с клиентами, Parloa стремится сделать ИИ-агентов достаточно надежными, гибкими и заслуживающими доверия для работы в мировом масштабе.