வாடிக்கையாளர்கள் விரும்பிப் பேசும் ஏஜென்ட்களை உருவாக்கும் Parloa

Parloa தொடங்கப்பட்ட ஆரம்பக் காலத்தில், அதன் இணை நிறுவனர் ஸ்டீஃபன் ஆஸ்ட்வால்டு ஒரு காப்பீட்டு அழைப்பு மையத்தில் ஒரு நாள் செலவிட்டார். அங்குதான் தொடக்ககாலக் குரல் அனுபவங்களை அவரது குழு உருவாக்கி வந்தது. பிரதிநிதிகளுடன் அமர்ந்து, கடவுச்சொல் மீட்டமைப்பு, காப்பீட்டுத் திட்டம் குறித்த கேள்விகள், வழக்கமான மாற்றங்கள் என ஒரே மாதிரியான உரையாடல்கள் மீண்டும் மீண்டும் நிகழ்வதை அவர் கேட்டார். அந்தப் பணிகளில் பெரும்பாலானவற்றைத் தானியக்கமாக்க முடியும் என்பதை அவர் உணர்ந்தார்.

அந்த அனுபவத்திற்குப் பிறகு, பெருமளவிலான வாடிக்கையாளர் ஊடாடல்களைத் தானியக்கமாக்க விதிகள் சார்ந்த குரல் ஏஜென்ட்களை பெர்லினைச் சேர்ந்த Parloa⁠(புதிய சாளரத்தில் திறக்கும்) உருவாக்கத் தொடங்கியது.

ChatGPT அறிமுகமானதைத் தொடர்ந்து, GPT‑5.4 உள்ளிட்ட புதிய தலைமுறை மாடல்களைக் கொண்டு தற்போது AI ஏஜென்ட் மேலாண்மைத் தளம் (AMP) என அழைக்கப்படுவதை உருவாக்கும் நிறுவனமாக Parloa வளர்ந்தது.

வாடிக்கையாளர் சேவை ஊடாடல்களைப் பெருமளவில் வடிவமைக்கவும், பயன்பாட்டுக்குக் கொண்டுவரவும், நிர்வகிக்கவும் நிறுவனங்களுக்கு AMP வழிவகுக்கிறது. இறுக்கமான நோக்கங்களையும் செயல்பாட்டு ஓட்டங்களையும் முன்கூட்டியே வரையறுப்பதற்குப் பதிலாக, குழுக்கள் இயல்பான மொழியில் நடத்தையை வரையறுத்து, உள் முறைமைகளுடன் இணைத்து, உள்ளமைந்த உருவகப்படுத்தல்கள் மற்றும் மதிப்பீடுகளைக் கொண்டு விரைவாக மேம்படுத்தலாம்.

எளிய வழிப்படுத்தல் முதல் சிக்கலான பலபடிக் கோரிக்கைகள் வரை அனைத்தையும் கையாண்டு, Parloa இந்த ஊடாடல்களை முழுமையாகச் செயல்படுத்துகிறது. செயல்திறன், தாமதம், அரிதான சூழல்கள் என அனைத்தும் முக்கியமான நடைமுறைப் பயன்பாட்டில் சீரான செயல்பாட்டை உறுதிசெய்வதே இதன் கவனம் ஆகும். அதை அடைவதற்காக, மாடல்களைப் பயன்பாட்டுக்குக் கொண்டுவரும் முன் உண்மையான வாடிக்கையாளர் சூழல்களில் Parloa தொடர்ந்து சோதிக்கிறது.

வணிகப் பயனர்களும் துறைசார் நிபுணர்களும் நிரல் எழுதாமலேயே AI ஏஜென்ட்களை உருவாக்கும் வகையில் Parloa ஏஜென்ட் மேலாண்மைத் தளம் (AMP) வடிவமைக்கப்பட்டுள்ளது.

“AMP மூலம், வெவ்வேறு வணிகப் பிரிவுகளைச் சேர்ந்த துறைசார் நிபுணர்களே ஏஜென்ட்களை உருவாக்கி, APIகளை மிகவும் சிக்கனமாகவும் எளிதாகவும் இணைக்க முடியும்,” என்கிறார் ஓ'ரெய்லி.

ஒட்டுமொத்தமாக, AI ஏஜென்ட்டின் முழு வாழ்வுச்சுழலையும் பிராண்டுகள் நிர்வகிக்க AMP உதவுகிறது. ஏஜென்ட் பயன்பாட்டுக்கு வருவதற்கு முன்பே அது எவ்வாறு செயல்பட வேண்டும் என்பதைத் தொழில்நுட்பம் சாராத குழுக்கள் எளிதாக வரையறுக்க இது உதவுகிறது. நிரல் எழுதுவதற்கோ இறுக்கமான நோக்க மரங்களை வரையறுப்பதற்கோ பதிலாக, ஏஜென்டின் பங்கு, வழிமுறைகள், கருவிகள், வரம்புகள் ஆகியவற்றை இயல்பான மொழியில் துறைசார் நிபுணர்கள் அமைக்கிறார்கள். மாடலுக்கு ப்ராம்ப்ட் வழங்கப்படும் விதத்திற்கும் நடைமுறைப் பயன்பாட்டில் முறைமை செயல்படும் விதத்திற்கும் அந்த உள்ளமைவே அடிப்படையாகிறது.

வரையறுக்கப்பட்டதும், பயன்பாட்டுக்குக் கொண்டுவரப்படும் முன் ஏஜென்ட் சோதிக்கப்படுகிறது. GPT‑5.4 போன்ற மாடல்களைக் கொண்டு வாடிக்கையாளர் உரையாடல்களை Parloa உருவகப்படுத்துகிறது. இதில் ஒரு மாடல் அழைப்பாளராகவும் மற்றொன்று உள்ளமைக்கப்பட்ட ஏஜென்ட்டை இயக்குவதாகவும் செயல்படுகின்றன. குழுக்கள் இந்த ஊடாடல்களை நேரடியாக ஆய்வுசெய்து, யதார்த்தமான சூழல்களில் மாற்றங்களைச் சோதித்து, பயன்பாட்டுக்குக் கொண்டுவரும் முன் மேம்படுத்தலாம்.

பின்னர், உறுதியான சோதனைகளையும் LLM-ஐ நடுவராகப் பயன்படுத்தும் மதிப்பெண் முறையையும் இணைத்து அந்த உரையாடல்களை மதிப்பிட அதே மாடல்கள் பயன்படுத்தப்படுகின்றன. ஏஜென்ட் வழிமுறைகளைப் பின்பற்றியதா, கருவிகளைச் சரியாகப் பயன்படுத்தியதா, எதிர்பார்த்தபடி பணியை முடித்ததா என்பதை இது காட்டுகிறது.

நேரடி உரையாடலின்போது, ஏஜென்ட்டின் உள்ளமைவு மற்றும் உரையாடல் சூழலுடன் OpenAI மாடலுக்கு AMP-இன் ஒருங்கிணைப்பு அடுக்கு ப்ராம்ப்ட் வழங்குகிறது. இதன் மூலம் பதிலை உருவாக்கலாம், RAG வழியாகத் தகவலைப் பெறலாம் அல்லது வாடிக்கையாளரின் பின்புல அமைப்புகளுடன் தொடர்புகொள்ளும் கருவிகளைத் தூண்டலாம். நிஜ உலகச் செயல்திறனில் புதிய தலைமுறை மாடல்கள் தெளிவான முன்னேற்றத்தை வெளிப்படுத்தும்போது, அவற்றைக் கொண்டு இந்த அடுக்கை Parloa தொடர்ந்து புதுப்பிக்கிறது.

உரையாடலுக்குப் பிறகு, OpenAI மூலம் இயங்கும் தனித்தனி பணிப்பாய்வுகள் ஊடாடலைச் சுருக்கி, வாடிக்கையாளரின் நோக்கத்தை வகைப்படுத்தி, வரையறுக்கப்பட்ட விதிகளுக்கு எதிராகச் செயல்திறனை மதிப்பிடுகின்றன.

ஏஜென்ட்கள் சிக்கலானவையாக மாறியபோது, ஒரே பெரிய ப்ராம்ப்ட்டைப் பராமரிப்பது கடினமானது. சிறிய மாற்றங்கள்கூட எதிர்பாராத பக்கவிளைவுகளை ஏற்படுத்தக்கூடும். இதைத் தீர்க்க, கூறுகளாகப் பிரிக்கும் அணுகுமுறையை Parloa அறிமுகப்படுத்தியது. அடையாளச் சரிபார்ப்பு, முன்பதிவு மாற்றங்கள், கணக்குப் புதுப்பிப்புகள் போன்ற பணிகளைத் தனித்தனி துணை ஏஜென்ட்களாகப் பிரிக்கலாம். இது வழிமுறைகளைப் பின்பற்றுவதை மேம்படுத்துவதுடன், காலப்போக்கில் முறைமைகளை எளிதாக மேம்படுத்தவும் உதவுகிறது.

அதே நேரத்தில், நம்பகத்தன்மை மிகவும் அவசியமான இடங்களில் உறுதியான கட்டுப்பாடுகளைத் தளம் பயன்படுத்துகிறது. முக்கியப் படிகள் சரியான வரிசையில் நடப்பதை உறுதிசெய்ய, கட்டமைக்கப்பட்ட API சங்கிலிகளையும் நிகழ்வு சார்ந்த தர்க்கத்தையும் பெருநிறுவனங்கள் வரையறுக்கலாம். இதனால் உரையாடல் நெகிழ்வுத்தன்மையும் கணிக்கக்கூடிய செயல்பாடும் சமநிலைப்படுத்தப்படுகின்றன.

ஏஜென்ட் பயன்பாட்டுக்கு வருவதற்கு முன் யதார்த்தமான வாடிக்கையாளர் ஊடாடல்களை உருவகப்படுத்த GPT‑4.1, GPT‑5‑mini உள்ளிட்ட மாடல்களை Parloa பயன்படுத்துகிறது. பின்னர் LLM-ஐ நடுவராகப் பயன்படுத்தும் முறையையும் உறுதியான விதிகளையும் இணைத்து அந்த ஊடாடல்களை மதிப்பிடுகிறது. இதனால் குழுக்கள் அரிதான சூழல்களைச் சோதித்து, விரைவாக மேம்படுத்தி, தோல்வியால் வாடிக்கையாளர்கள் பாதிக்கப்படுவதற்கு முன் செயல்திறனைச் சரிபார்க்கலாம்.

Parloa பெரும்பாலும் பெரிய பெருநிறுவனங்களுடன் பணியாற்றுகிறது. அங்கு திறனைப் போலவே சீரான செயல்பாடும் முக்கியம்.

“ஒரு புதிய மாடல் வெளியாகும்போது, அதற்கு எதிராக எங்கள் ஒப்பீட்டுச் சோதனைத் தொகுப்பை இயக்குகிறோம்,” என்கிறார் மூத்த பயன்பாட்டு அறிவியலாளர் மத்தேயுஸ் டாய்ட்ஷ். “கோட்பாட்டு ஒப்பீட்டுச் சோதனைகளில் மட்டுமல்லாமல், உண்மையான நடைமுறைப் பயன்பாடுகளிலும் அனைத்தும் செயல்படுவது எங்களுக்கு மிகவும் முக்கியம் ஆகும்.”

கருத்தியல் ஒப்பீட்டுச் சோதனைகளைச் சார்ந்திருப்பதற்குப் பதிலாக, நடைமுறையில் இயங்கும் ஏஜென்ட்களை Parloa பிரதியெடுத்து, உருவகப்படுத்தல் மற்றும் மதிப்பீட்டுச் செயல்முறைகள் வழியாக அவற்றைச் சோதிக்கிறது. யதார்த்தமான சூழல்களில் வழிமுறைகளை நம்பகமாகப் பின்பற்றுதல், API அழைப்புகளின் சீரான தன்மை, தாமதம், ஒட்டுமொத்தச் செயல்திறன் ஆகியவற்றை இந்தச் சோதனைகள் அளவிடுகின்றன.

எந்த மாடல்கள் நடைமுறைப் பயன்பாட்டுக்குத் தயாராக உள்ளன என்பதை இந்த மதிப்பீடுகள் தீர்மானிக்கின்றன. உண்மையான வாடிக்கையாளர் சூழல்கள் அனைத்திலும் நம்பகமாகச் செயல்படும் மாடல்கள் மட்டுமே பயன்பாட்டுக்குக் கொண்டுவரப்படுகின்றன.

“பெருநிறுவன வாடிக்கையாளர்கள் அமைப்பு மாற்றத்திற்காக உண்மையான செலவைச் சந்திக்கிறார்கள்,” என்கிறார் டாய்ட்ஷ். “நடைமுறைப் பயன்பாட்டில் ஒரு முறைமை இயங்கத் தொடங்கியதும், அதை நிலையாக வைத்திருந்து நன்மைகள் தெளிவாக இருக்கும்போது மட்டுமே மாற்றுகிறார்கள்.”

இதன் விளைவாக, பெரிய அளவில் இயங்கும்போதும் நடைமுறைப் பயன்பாட்டில் முறைமைகள் கணிக்கக்கூடிய வகையில் செயல்படுகின்றன. பல மில்லியன் வாடிக்கையாளர் ஊடாடல்களில், பெரும்பாலான உரையாடல்கள் சிரமமின்றித் தீர்க்கப்படுகின்றன. மனிதப் பிரதிநிதிகளுக்கு அழைப்புகள் மாற்றப்படும்போதுகூட, தோல்வி காரணமாக மேல்நிலைக்கு அனுப்பப்படுவது அரிது. ஒரு பயன்பாட்டில், உலகளாவிய பயண நிறுவனம் மனிதப் பிரதிநிதிக்கான கோரிக்கைகளை 80% குறைத்தது.

மதிப்பீட்டுக்கு முன்னுரிமை அளிக்கும் இந்த அணுகுமுறை முக்கிய வேறுபாடாகியுள்ளது. இதனால் நடைமுறைப் பயன்பாட்டின் நம்பகத்தன்மையை விட்டுக்கொடுக்காமல் Parloa விரைவாக முன்னேற முடிகிறது.

உரை சார்ந்த அரட்டையுடன் ஒப்பிடும்போது, குரல் பயன்பாட்டுக்கு வேறுபட்ட கட்டுப்பாடுகள் உள்ளன. ஒவ்வொரு ஊடாடலும் குறைந்த தாமதமுள்ள செயல்முறையைக் கடக்கிறது: பேச்சிலிருந்து உரை, மாடல் ரீஸனிங், உரையிலிருந்து பேச்சு.

இந்தச் செயல்முறையில் தாமதம் மிக முக்கியமானதாகிறது. மாடல் அடுக்கில் ஏற்படும் சிறிய தாமதங்கள்கூட ஒன்றுசேர்ந்து அழைப்பாளர் உணரக்கூடிய இடைவெளிகளை உருவாக்குகின்றன. இதுவே மாடல்கள் தேர்ந்தெடுக்கப்பட்டு உகந்ததாக்கப்படும் விதத்தைத் தீர்மானிக்கிறது.

தாமதம், பதிலின் தரம், வழிமுறைகளைப் பின்பற்றுதல் ஆகியவற்றில் கவனம் செலுத்தி, நிகழ்நேரப் பயன்பாடுகளுக்கான செயல்திறனை உகந்ததாக்க OpenAI உடன் Parloa நெருக்கமாகப் பணியாற்றுகிறது. புதிய மாடல் பதிப்புகளை நேரடி வாடிக்கையாளர் ஊடாடல்களில் அறிமுகப்படுத்தும் முன், நடைமுறைப் பயன்பாட்டைப் போன்ற சூழல்களில் குழு தொடர்ந்து மதிப்பிட்டு, கடுமையாகச் சோதிக்கிறது.

குரல் தொழில்நுட்ப அடுக்கின் ஒவ்வொரு கூறையும் Parloa தனித்தனியாக மதிப்பிடுகிறது:

• சொல் பிழை விகிதத்தின் அடிப்படையில் பேச்சிலிருந்து உரை முறைமைகள் சோதிக்கப்படுகின்றன. குறிப்பாகக் காப்பீட்டுத் திட்ட எண்கள் அல்லது கணக்கு அடையாளங்கள் போன்ற முக்கியமான உள்ளீடுகள் கவனிக்கப்படுகின்றன.
• உண்மையான பயனர்களுக்கு குரல் எவ்வளவு இயல்பாக ஒலிக்கிறது என்பதை மதிப்பிட, உரையிலிருந்து பேச்சு மாடல்கள் விவரம் வெளிப்படுத்தப்படாத கேட்புச் சோதனைகள் மூலம் மதிப்பிடப்படுகின்றன. நடைமுறைச் சூழல்களில் சீரான செயல்திறனை உறுதிசெய்ய, அந்த முடிவுகள் உண்மையான வாடிக்கையாளர் ஊடாடல்களுடன் ஒப்பிட்டுச் சரிபார்க்கப்படுகின்றன.
• தாமதம், துல்லியம், செலவு ஆகியவற்றில் கவனம் செலுத்தி, ஸ்பீச்-டு-ஸ்பீச் மாடல்கள் தற்போது நடைமுறைப் பயன்பாட்டுக்குத் தயாராக உள்ளனவா என்று மதிப்பிடப்படுகின்றன.

இந்த முறைமைகள் தொடக்கத்திலிருந்தே உலகளாவிய பயன்பாட்டுக்காக உருவாக்கப்பட்டுள்ளன. உலகெங்கும் பல பகுதிகளில் வாடிக்கையாளர்கள் செயல்படுவதால், ஒப்பீட்டுச் சோதனைகள் பல மொழிகளை உள்ளடக்குகின்றன. இந்தப் பன்மொழிக் கடுமை Parloa-இன் ஐரோப்பிய வேர்களையும் நிறுவன வாடிக்கையாளர்களின் எதிர்பார்ப்புகளையும் பிரதிபலிக்கிறது. அவர்கள் ஒரே மொழி அல்லது பகுதியிலன்றி அனைத்துச் சந்தைகளிலும் சீரான செயல்திறனை எதிர்பார்க்கிறார்கள்.

இன்று சில்லறை வணிகம், பயணம், காப்பீடு உள்ளிட்ட துறைகளில் Parloa ஏஜென்ட்கள் பல மில்லியன் உரையாடல்களைக் கையாளுகின்றன. ஆதரவுத் தானியக்கம் முதல் தொலைபேசி விற்பனை போன்ற வருவாய் ஈட்டும் செயல்பாடுகள் வரை பல பயன்பாடுகளை அவை ஆதரிக்கின்றன.

வாடிக்கையாளர் சேவை முழுமையான பல்வகை ஊடக அனுபவமாக வளர்ந்து வருவதாக Parloa கருதுகிறது.

தொலைபேசியில் ஓர் உரையாடல் தொடங்கி, அரட்டையில் தொடர்ந்து, இடையிடையே இணைப்புகள் அல்லது ஊடாடும் கூறுகளை உள்ளடக்கலாம். ஒவ்வொரு படியையும் தனித்தனி செயல்பாட்டு ஓட்டமாகக் கருதாமல், ஒரே ஊடாடலாகக் கையாளும் வகையில் AMP வடிவமைக்கப்பட்டுள்ளது. காலப்போக்கில், வலைத்தளங்கள் மற்றும் கைப்பேசிச் செயலிகளைப் போலவே வாடிக்கையாளர் பயணங்களில் AI ஏஜென்ட்களும் மையமானவையாக மாறலாம்.

வாடிக்கையாளர் ஊடாடல்களில் பெருகிவரும் பங்கை நிறுவனங்கள் தானியக்கமாக்கும்போது, உலகளவில் செயல்படத் தேவையான நம்பகத்தன்மை, நெகிழ்வுத்தன்மை மற்றும் நம்பிக்கையை AI ஏஜென்ட்களுக்கு வழங்குவதில் Parloa கவனம் செலுத்துகிறது.