Parloa прави услужне агенте с којима клијенти желе да причају

У раним данима предузећа Parloa, суоснивач Штефан Оствалд провео је дан у позивном центру осигуравајуће куће, где је његов тим развијао прва гласовна корисничка искуства. Седећи поред оператера, слушао је како се исти разговори непрестано понављају: поништавање лозинки, питања о полисама и рутинске измене. Схватио је да би велики део тог посла могао да се аутоматизује.

После тог искуства, берлинско предузеће Parloa⁠(отвара се у новом прозору) почело је да развија гласовне агенте засноване на правилима како би аутоматизовало велики број интеракција са клијентима.

Са појавом услуге ChatGPT, предузеће је променило правац и развило данашњу платформу за управљање AI агентима (AMP), засновану на новој генерацији модела, укључујући GPT‑5.4.

AMP омогућава великим предузећима да смишљају интеракције корисничке подршке, примењују их и масовно управљају њима. Уместо да мапирају круто дефинисане намере и токове, тимови описују понашање природним језиком, повезују интерне системе и брзо унапређују решења помоћу уграђених симулација и евалуација.

Parloa води ове интеракције од почетка до краја, од једноставног усмеравања до сложених захтева у више корака. Нагласак је на доследности у продукцији, где су важни учинак, кашњење и гранични случајеви. Да би то постигло, Parloa непрекидно тестира моделе на стварним сценаријима клијената пре примене.

Платформа за управљање агентима (AMP) предузећа Parloa осмишљена је тако да пословни корисници и стручњаци за одређене области могу да праве AI агенте без писања кода.

„AMP омогућава стручњацима из различитих пословних јединица да сами праве агенте и повезују API-је на много ефикаснији и једноставнији начин”, каже О’Рајли.

У најширем смислу, AMP омогућава брендовима да управљају целокупним животним циклусом AI агента. То постиже тако што нетехничким тимовима пружа једноставнији начин да дефинишу понашање агента пре него што се он пусти у рад. Уместо писања кода или мапирања крутих стабала намера, стручњаци природним језиком одређују улогу, инструкције, алатке и ограничења агента. Та конфигурација постаје основа за инструкцију која се задаје моделу и за понашање система у продукцији.

Када се дефинише, агент се тестира пре примене. Parloa симулира разговоре са клијентима помоћу модела као што је GPT‑5.4, при чему један модел има улогу позиваоца, а други покреће конфигурисаног агента. Тимови могу непосредно да прегледају те интеракције, тестирају измене на реалистичним сценаријима и унапређују решење пре пуштања у рад.

Исти модели затим оцењују те разговоре комбинацијом детерминистичких провера и бодовања у којем велики језички модел (LLM) има улогу судије. Тако се утврђује да ли је агент пратио инструкције, правилно користио алатке и извршио задатак како је очекивано.

Током разговора уживо, оркестрациони слој AMP-а задаје OpenAI моделу конфигурацију агента и контекст разговора како би генерисао одговор, преузео информације путем RAG-а или покренуо алатке за интеракцију са позадинским системима клијента. Parloa непрекидно надограђује овај слој најновијом генерацијом модела када они покажу јасно побољшање учинка у стварним условима.

После разговора, засебни токови рада које покреће OpenAI сажимају интеракцију, класификују намеру клијента и оцењују учинак према дефинисаним правилима.

Како су агенти постајали сложенији, одржавање једне монолитне инструкције постајало је све теже. Чак и мале измене могле су да изазову нежељене последице. Да би решило тај проблем, предузеће Parloa увело је модуларан приступ. Задаци попут потврде идентитета, измене резервације или ажурирања налога могу се поделити међу засебне подагенте, што побољшава праћење инструкција и олакшава даљи развој система.

Платформа истовремено примењује детерминистичке контроле тамо где је поузданост најважнија. Предузећа могу да дефинишу структуриране ланце API-ја и логику засновану на догађајима како би се кључни кораци одвијали правим редоследом, уз равнотежу између флексибилности разговора и предвидивог извршавања.

Parloa користи моделе као што су GPT‑4.1, GPT‑5‑mini и други да симулира реалистичне интеракције са клијентима пре него што агент почне да ради, а затим их оцењује комбинацијом детерминистичких правила и приступа у којем велики језички модел (LLM) има улогу судије. То тимовима омогућава да тестирају граничне случајеве, брзо унапређују решење и потврде његов учинак пре него што клијенти буду изложени могућим грешкама.

Parloa првенствено сарађује са великим предузећима, којима је доследност подједнако важна као и функционалност.

„Када се појави нови модел, тестирамо га помоћу нашег скупа референтних тестова”, каже Матеус Дојч, виши научник за примењена истраживања. „Веома нам је важно да ствари не функционишу само на теоријским референтним тестовима већ и у стварним случајевима употребе.”

Уместо да се ослања на апстрактне референтне тестове, Parloa прави верне копије стварних продукционих агената и проверава их кроз процесе симулације и евалуације. Ови тестови у реалистичним условима мере поузданост праћења инструкција, доследност позивања API-ја, кашњење и укупан учинак.

На основу ових евалуација утврђује се који су модели спремни за продукцију. Примењују се само модели који поуздано раде у различитим стварним сценаријима клијената.

„Прелазак на други систем представља стваран трошак за клијенте из великих предузећа”, каже Дојч. „Када систем успешно ради у продукцији, одржавају га стабилним и прелазе на други само када су предности јасне.”

Зато се системи предвидиво понашају у продукцији, чак и при великом обиму рада. У милионима интеракција са клијентима већина разговора завршава се без потешкоћа. Чак и када се позиви преусмере на оператере, разлог за ескалацију ретко је грешка система. У једној примени, глобално туристичко предузеће смањило је број захтева за разговор са оператером за 80%.

Овај приступ, који почиње евалуацијом, постао је кључна предност предузећа Parloa и омогућава му да напредује брзо без угрожавања поузданости у продукцији.

Гласовна комуникација намеће другачија ограничења од текстуалног ћаскања. Свака интеракција пролази кроз процес са малим кашњењем: претварање говора у текст, резоновање модела и претварање текста у говор.

Због овог процеса кашњење је од пресудног значаја. Чак се и мала кашњења у слоју модела сабирају и стварају приметне паузе за позиваоца, што утиче на избор и оптимизацију модела.

Parloa тесно сарађује са привредним друштвом OpenAI на оптимизацији учинка за примене у реалном времену, са нагласком на кашњењу, квалитету одговора и праћењу инструкција. Тим непрекидно оцењује и тестира нове верзије модела под оптерећењем у окружењима налик продукционом пре него што их укључи у стварне интеракције са клијентима.

Parloa независно оцењује сваку компоненту гласовног система:

• Системи за претварање говора у текст тестирају се према стопи погрешно препознатих речи, нарочито код осетљивих података као што су бројеви полиса или идентификатори налога.
• Модели за претварање текста у говор оцењују се слепим тестовима слушања како би се утврдило колико глас стварним корисницима звучи природно. Ти резултати се затим упоређују са стварним интеракцијама клијената како би се обезбедио доследан учинак у продукционим окружењима.
• Модели за конвертовање из говора у говор тренутно се оцењују у погледу спремности за продукцију, уз нагласак на кашњењу, тачности и трошковима.

Ови системи су од самог почетка развијани за примену широм света. Референтни тестови обухватају више језика, а клијенти послују у регионима широм света. Ова темељност у раду са више језика одражава и европске корене предузећа Parloa и очекивања великих пословних корисника, којима је потребан доследан учинак на различитим тржиштима, а не само на једном језику или у једном региону.

Данас агенти предузећа Parloa воде милионе разговора у малопродаји, туризму, осигурању и другим делатностима, у применама од аутоматизације подршке до токова који доносе приход, као што је телепродаја.

Parloa очекује да ће се корисничка подршка развити у потпуно мултимодално искуство.

Разговор може почети телефоном, наставити се путем ћаскања и успут обухватити везе или интерактивне елементе. Уместо да сваки корак третира као засебан ток, AMP је пројектован да све обради као једну интеракцију. AI агенти би с временом могли да постану подједнако важни за корисничко путовање као сајтови и апликације за мобилне уређаје.

Док велика предузећа аутоматизују све већи део интеракција са клијентима, Parloa настоји да AI агенте учини довољно поузданим, флексибилним и достојним поверења за рад широм света.