Parloa krijon agjentë që klientët kanë dëshirë t’u flasin

Në fillimet e Parloa-s, bashkëthemeluesi Stefan Ostwald kaloi një ditë në një call center sigurimesh, ku ekipi i tij po zhvillonte përvojat e para zanore. I ulur pranë operatorëve, ai dëgjoi të njëjtat biseda të përsëriteshin vazhdimisht: rivendosje fjalëkalimesh, pyetje për policat dhe ndryshime rutinë. Ai kuptoi se një pjesë e madhe e kësaj pune mund të automatizohej.

Pas kësaj përvoje, Parloa⁠(hapet në një dritare të re) me seli në Berlin nisi të krijonte agjentë zanorë të bazuar në rregulla për të automatizuar ndërveprimet e shumta me klientët.

Me shfaqjen e ChatGPT, kompania evoluoi duke krijuar atë që sot quhet Platforma e Menaxhimit të Agjentëve me IA (AMP), e ndërtuar mbi një brez të ri modelesh, përfshirë GPT‑5.4.

AMP u mundëson ndërmarrjeve të projektojnë, të vënë në përdorim dhe të menaxhojnë në shkallë të gjerë ndërveprimet e shërbimit ndaj klientit. Në vend që të hartojnë qëllime dhe rrjedha të ngurta, ekipet përcaktojnë sjelljen në gjuhë të natyrshme, lidhen me sistemet e brendshme dhe përmirësojnë shpejt zgjidhjet përmes simulimeve dhe vlerësimeve të integruara.

Parloa i menaxhon këto ndërveprime nga fillimi në fund, nga orientimi i thjeshtë deri te kërkesat komplekse me shumë hapa. Vëmendja përqendrohet te qëndrueshmëria në prodhim, ku kanë rëndësi performanca, vonesa dhe rastet e veçanta. Për ta arritur këtë, Parloa i teston vazhdimisht modelet me skenarë realë klientësh përpara se t’i vendosë në përdorim.

Platforma e Menaxhimit të Agjentëve (AMP) e Parloa-s është projektuar që përdoruesit e biznesit dhe ekspertët e fushës të mund të krijojnë agjentë me IA pa shkruar kod.

"Me AMP-në, ekspertët e fushës nga njësi të ndryshme biznesi mund t’i krijojnë vetë agjentët dhe t’i lidhin API-të në mënyrë shumë më efikase e të thjeshtë", thotë O’Reilly.

Në vija të përgjithshme, AMP-ja u mundëson markave të menaxhojnë të gjithë ciklin jetësor të agjentit me IA. Këtë e bën duke u dhënë ekipeve joteknike një mënyrë më të thjeshtë për të përcaktuar sjelljen e agjentit para se ai të aktivizohet. Në vend që të shkruajnë kod ose të hartojnë pemë të ngurta qëllimesh, ekspertët e fushës përcaktojnë në gjuhë të natyrshme rolin, udhëzimet, mjetet dhe kufijtë e agjentit. Ky konfigurim shërben si bazë për kërkesën që i jepet modelit dhe për sjelljen e sistemit në prodhim.

Pasi përcaktohet, agjenti testohet përpara vendosjes në përdorim. Parloa simulon biseda me klientët duke përdorur modele si GPT‑5.4, ku një model vepron si telefonuesi dhe një tjetër ekzekuton agjentin e konfiguruar. Ekipet mund t’i shqyrtojnë drejtpërdrejt këto ndërveprime, t’i testojnë ndryshimet me skenarë realistë dhe t’i përmirësojnë përpara aktivizimit.

Më pas, të njëjtat modele përdoren për t’i vlerësuar këto biseda me një ndërthurje kontrollesh përcaktuese dhe pikëzimi ku LLM-ja shërben si gjykatës. Kjo tregon nëse agjenti ndoqi udhëzimet, përdori saktë mjetet dhe e përfundoi detyrën siç pritej.

Gjatë një bisede të drejtpërdrejtë, shtresa orkestruese e AMP-së i kërkon një modeli të OpenAI konfigurimin e agjentit dhe kontekstin e bisedës, që ai të gjenerojë një përgjigje, të marrë informacion përmes RAG-ut ose të aktivizojë mjete që ndërveprojnë me sistemet e klientit. Parloa e përditëson vazhdimisht këtë shtresë me brezat më të fundit të modeleve, kur ato tregojnë përmirësime të qarta në performancën reale.

Pas bisedës, procese të veçanta të fuqizuara nga OpenAI përmbledhin ndërveprimin, klasifikojnë qëllimin e klientit dhe vlerësojnë performancën sipas rregullave të përcaktuara.

Ndërkohë që agjentët bëhen më të ndërlikuar, mirëmbajtja e një kërkese të vetme monolitike u bë më e vështirë. Edhe ndryshimet e vogla mund të shkaktonin efekte anësore të padëshiruara. Për ta zgjidhur këtë, Parloa prezantoi një qasje modulare. Detyra si autentikimi, ndryshimet e rezervimeve ose përditësimet e llogarive mund të ndahen në nënagjentë të veçantë, duke përmirësuar zbatimin e udhëzimeve dhe duke e bërë më të lehtë zhvillimin e sistemeve me kalimin e kohës.

Njëkohësisht, platforma përfshin kontrolle përcaktuese aty ku besueshmëria ka më shumë rëndësi. Ndërmarrjet mund të përcaktojnë zinxhirë të strukturuar API-sh dhe logjikë të bazuar në ngjarje, për të siguruar që hapat kritikë të kryhen në rendin e duhur, duke ndërthurur fleksibilitetin e bisedës me ekzekutimin e parashikueshëm.

Parloa përdor modele si GPT‑4.1, GPT‑5‑mini e të tjera për të simuluar ndërveprime realiste me klientët para aktivizimit të një agjenti, pastaj i vlerëson ato me një ndërthurje të LLM-së "si gjykatës" dhe rregullave përcaktuese. Kjo u mundëson ekipeve të testojnë rastet e veçanta, të përmirësojnë shpejt zgjidhjet dhe të verifikojnë performancën para se klientët të përballen me dështime.

Parloa punon kryesisht me ndërmarrje të mëdha, ku qëndrueshmëria ka po aq rëndësi sa aftësitë.

"Kur del një model i ri, atë e testojmë me paketën tonë të matjes së performancës", thotë Matthäus Deutsch, Ekspert i lartë i shkencës së aplikuar. "Për ne është shumë e rëndësishme që gjërat të funksionojnë jo vetëm në testet teorike, por edhe në raste reale të përdorimit."

Në vend që të mbështetet në matje abstrakte, Parloa riprodhon agjentët realë të prodhimit dhe i kalon nëpër procese simulimi e vlerësimi. Këto teste matin besueshmërinë në zbatimin e udhëzimeve, qëndrueshmërinë e thirrjeve API, vonesën dhe performancën e përgjithshme në kushte realiste.

Këto vlerësime përcaktojnë se cilat modele janë gati për prodhim. Përdoren vetëm modelet që funksionojnë me besueshmëri në skenarë realë klientësh.

"Klientët e ndërmarrjes përballen me një kosto reale migrimi", thotë Deutsch. "Pasi një sistem funksionon në prodhim, ata e mbajnë të qëndrueshëm dhe e ndryshojnë vetëm kur përfitimet janë të qarta."

Për rrjedhojë, sistemet sillen në mënyrë të parashikueshme në prodhim, edhe në shkallë të gjerë. Në miliona ndërveprime me klientët, shumica e bisedave zgjidhen pa pengesa. Edhe kur telefonatat u kalohen operatorëve njerëzorë, përshkallëzimi rrallë shkaktohet nga një dështim. Në një rast zbatimi, një kompani globale udhëtimesh i uli me 80% kërkesat për operator njerëzor.

Kjo mendësi, ku vlerësimi vjen i pari, është bërë një dallues thelbësor që i mundëson Parloa-s të ecë shpejt pa cenuar besueshmërinë në prodhim.

Komunikimi zanor sjell kufizime të ndryshme nga biseda me tekst. Çdo ndërveprim kalon nëpër një proces me vonesë të ulët: nga të folurit në tekst, tek arsyetimi i modelit dhe nga teksti në të folur.

Ky proces e bën vonesën një faktor kritik. Edhe vonesat e vogla në shtresën e modelit grumbullohen dhe krijojnë pauza të dallueshme për telefonuesin, duke ndikuar në përzgjedhjen dhe optimizimin e modeleve.

Parloa punon ngushtë me OpenAI për të optimizuar performancën në rastet e përdorimit në kohë reale, duke u përqendruar te vonesa, cilësia e përgjigjeve dhe zbatimi i udhëzimeve. Ekipi vlerëson dhe teston vazhdimisht nën ngarkesë versionet e reja të modeleve në mjedise të ngjashme me prodhimin, përpara se t’i përdorë në ndërveprime të drejtpërdrejta me klientët.

Parloa vlerëson në mënyrë të pavarur çdo përbërës të sistemit zanor:

• Sistemet nga të folurit në tekst testohen për shkallën e gabimeve në fjalë, sidomos për të dhëna delikate si numrat e policave ose identifikuesit e llogarive.
• Modelet nga teksti në të folur vlerësohen përmes testeve të dëgjimit pa njohur paraprakisht mostrën, për të përcaktuar sa e natyrshme u tingëllon zëri përdoruesve realë. Më pas, këto rezultate kontrollohen kundrejt ndërveprimeve reale me klientët për të garantuar performancë të qëndrueshme në mjediset e prodhimit.
• Modelet ligjëratë-ligjëratë po vlerësohen aktualisht për gatishmërinë për prodhim, me fokus te vonesa, saktësia dhe kostoja.

Që nga fillimi, këto sisteme janë krijuar për t’u vënë në përdorim globalisht. Matjet e performancës përfshijnë shumë gjuhë, ndërsa klientët operojnë në rajone anembanë botës. Ky rigorozitet shumëgjuhësh pasqyron si rrënjët evropiane të Parloa-s, ashtu edhe pritshmëritë e klientëve të ndërmarrjeve, të cilët kërkojnë performancë të qëndrueshme në të gjitha tregjet, jo vetëm në një gjuhë apo rajon të vetëm.

Sot, agjentët e Parloa-s menaxhojnë miliona biseda në sektorë si shitja me pakicë, udhëtimet dhe sigurimet, duke mbështetur përdorime nga automatizimi i asistencës deri te flukset që gjenerojnë të ardhura, si shitjet telefonike.

Parloa parashikon që shërbimi ndaj klientit të shndërrohet në një përvojë plotësisht multimodale.

Një bisedë mund të nisë në telefon, të vazhdojë në chat dhe të përfshijë gjatë gjithë kohës lidhje ose elemente ndërvepruese. Në vend që çdo hap të trajtohet si fluks më vete, AMP-ja është projektuar ta menaxhojë të gjithë procesin si një ndërveprim të vetëm. Me kalimin e kohës, agjentët me IA mund të bëhen po aq qendrorë në rrugëtimin e klientit sa uebsajtet dhe aplikacionet celulare.

Ndërsa ndërmarrjet po automatizojnë një pjesë gjithnjë e më të madhe të ndërveprimeve me klientët, Parloa synon t’i bëjë agjentët me IA mjaft të besueshëm, fleksibël dhe të denjë për besim që të operojnë në shkallë globale.