Parloa створює сервісних агентів, з якими хочеться говорити

На початку історії Parloa співзасновник Стефан Оствальд провів день у кол-центрі страхової компанії, де його команда розробляла перші голосові рішення. Сидячи поруч з операторами, він раз по раз чув ті самі розмови: скидання паролів, запитання про страхові поліси, стандартні зміни. Він зрозумів, що значну частину цієї роботи можна автоматизувати.

Після цього берлінська компанія Parloa⁠(відкривається у новому вікні) почала створювати голосових агентів на основі правил для автоматизації масових взаємодій із клієнтами.

З появою ChatGPT компанія змінила напрям і створила свою нинішню платформу керування ШІ-агентами — AI Agent Management Platform (AMP), побудовану на новому поколінні моделей, зокрема GPT‑5.4.

AMP дає великим компаніям змогу проєктувати, запускати й масштабно керувати взаємодіями у сфері обслуговування клієнтів. Замість побудови жорстких схем намірів і сценаріїв команди описують поведінку природною мовою, підключають внутрішні системи й швидко вдосконалюють рішення завдяки вбудованим симуляціям та оцінюванням.

Parloa забезпечує весь цикл цих взаємодій — від простої маршрутизації до складних багатоетапних запитів. Головна увага приділяється стабільності в реальних умовах, де важливі продуктивність, затримка й нетипові випадки. Для цього Parloa постійно тестує моделі на реальних клієнтських сценаріях перед запуском.

Платформа керування агентами Parloa (AMP) дає бізнес-користувачам і галузевим експертам змогу створювати ШІ-агентів без написання коду.

«З AMP галузеві експерти з різних підрозділів можуть самі створювати агентів і підключати API значно швидше та простіше», — каже О’Райлі.

Загалом AMP дає брендам змогу керувати всім життєвим циклом ШІ-агента. Для цього платформа спрощує нетехнічним командам визначення поведінки агента ще до його запуску. Замість написання коду чи побудови жорстких дерев намірів галузеві експерти природною мовою задають роль, інструкції, інструменти й обмеження агента. Ця конфігурація визначає, який запит отримує модель і як система поводиться в реальних умовах.

Після налаштування агента тестують перед запуском. Parloa моделює розмови з клієнтами за допомогою таких моделей, як GPT‑5.4: одна модель виконує роль абонента, а інша запускає налаштованого агента. Команди можуть безпосередньо аналізувати ці взаємодії, перевіряти зміни на реалістичних сценаріях і вдосконалювати систему до запуску.

Потім ці самі моделі оцінюють розмови за допомогою поєднання детермінованих перевірок і оцінювання за схемою LLM-as-a-judge. Так можна перевірити, чи дотримувався агент інструкцій, чи правильно застосовував інструменти та чи виконав завдання належним чином.

Під час розмови в реальному часі оркестраційний рівень AMP передає моделі OpenAI конфігурацію агента й контекст розмови, щоб сформувати відповідь, отримати інформацію через RAG або запустити інструменти для взаємодії з клієнтськими системами. Parloa постійно оновлює цей рівень, додаючи моделі найновішого покоління, щойно вони демонструють явне підвищення ефективності в реальних умовах.

Після розмови окремі процеси на базі OpenAI підсумовують взаємодію, класифікують намір клієнта й оцінюють результат за визначеними правилами.

У міру ускладнення агентів підтримувати єдиний монолітний запит ставало дедалі важче. Навіть невеликі зміни могли спричиняти небажані побічні ефекти. Щоб розв’язати цю проблему, Parloa запровадила модульний підхід. Такі завдання, як автентифікація, зміна бронювання чи оновлення облікового запису, можна передати окремим субагентам. Це покращує дотримання інструкцій і спрощує подальший розвиток систем.

Водночас платформа застосовує детерміновані засоби контролю там, де надійність має найбільше значення. Компанії можуть задавати структуровані ланцюжки API та подієву логіку, щоб критично важливі кроки виконувалися в потрібному порядку, поєднуючи гнучкість розмови з передбачуваністю виконання.

Parloa використовує GPT‑4.1, GPT‑5‑mini та інші моделі, щоб імітувати реалістичні взаємодії з клієнтами ще до запуску агента, а потім оцінює їх за допомогою поєднання LLM-as-a-judge і детермінованих правил. Так команди можуть перевіряти нетипові випадки, швидко вдосконалювати систему й оцінювати її ефективність, перш ніж із можливими збоями зіткнуться клієнти.

Parloa працює переважно з великими компаніями, для яких стабільність не менш важлива за функціональність.

«Коли виходить нова модель, ми проганяємо її через свій набір контрольних тестів», — каже Маттеус Дойч, старший фахівець із прикладних досліджень. «Для нас дуже важливо, щоб усе працювало не лише в теоретичних тестах, а й у реальних сценаріях».

Замість абстрактних тестів Parloa відтворює реальних робочих агентів і перевіряє їх у процесах симуляції та оцінювання. Ці тести вимірюють надійність дотримання інструкцій, стабільність викликів API, затримку й загальну ефективність у реалістичних умовах.

За результатами цих оцінювань визначають, які моделі готові до використання в реальних умовах. Запускають лише моделі, які стабільно працюють у реальних клієнтських сценаріях.

«Перехід на іншу систему справді дорого обходиться корпоративним клієнтам», — каже Дойч. «Коли система вже працює в реальних умовах, її підтримують стабільною і змінюють лише тоді, коли переваги очевидні».

У результаті системи поводяться передбачувано навіть за масштабного використання. У мільйонах взаємодій із клієнтами більшість питань вирішується без зайвих труднощів. Навіть коли дзвінки переводять на операторів, причиною ескалації рідко стає збій. В одному з упроваджень глобальна туристична компанія на 80% скоротила кількість запитів на з’єднання з оператором.

Такий підхід, де оцінювання стоїть на першому місці, став ключовою перевагою Parloa: компанія може швидко розвиватися, не жертвуючи надійністю в реальних умовах.

Голосова взаємодія має інші обмеження, ніж текстовий чат. Кожна взаємодія проходить через конвеєр із низькою затримкою: розпізнавання мовлення, міркування моделі та синтез мовлення.

У цьому конвеєрі затримка має критичне значення. Навіть невеликі затримки на рівні моделі накопичуються й перетворюються на помітні для абонента паузи, що впливає на вибір і оптимізацію моделей.

Parloa тісно співпрацює з OpenAI, щоб оптимізувати роботу в реальному часі, зосереджуючись на затримці, якості відповідей і дотриманні інструкцій. Команда постійно оцінює й піддає стрес-тестам нові версії моделей у середовищах, наближених до реальних, перш ніж використовувати їх у живих взаємодіях із клієнтами.

Parloa окремо оцінює кожен компонент голосового стека:

• Системи розпізнавання мовлення тестують за частотою помилок у словах, особливо для чутливих даних на кшталт номерів полісів чи ідентифікаторів облікових записів.
• Моделі синтезу мовлення оцінюють за допомогою сліпих тестів прослуховування, щоб визначити, наскільки природно голос звучить для реальних користувачів. Потім результати звіряють із реальними взаємодіями з клієнтами, щоб забезпечити стабільну ефективність у робочому середовищі.
• Моделі мова-в-мову зараз оцінюють на готовність до використання в реальних умовах, приділяючи особливу увагу затримці, точності й вартості.

Від самого початку ці системи створювали для глобального розгортання. Контрольні тести охоплюють багато мов, адже клієнти працюють у різних регіонах світу. Такий ретельний багатомовний підхід відображає і європейське походження Parloa, і вимоги корпоративних клієнтів, яким потрібна стабільна робота на різних ринках, а не лише однією мовою чи в одному регіоні.

Сьогодні агенти Parloa обробляють мільйони розмов у роздрібній торгівлі, туризмі, страхуванні та інших галузях — від автоматизації підтримки до сценаріїв, що приносять дохід, як-от телепродажі.

Parloa вважає, що обслуговування клієнтів перетворюється на цілком мультимодальний досвід.

Розмова може початися телефоном, продовжитися в чаті й доповнюватися посиланнями чи інтерактивними елементами. AMP не розглядає кожен етап як окремий сценарій, а обробляє все як єдину взаємодію. Згодом ШІ-агенти можуть стати настільки ж важливою частиною шляху клієнта, як вебсайти й мобільні застосунки.

У міру того як компанії автоматизують дедалі більшу частку взаємодій із клієнтами, Parloa прагне зробити ШІ-агентів достатньо надійними, гнучкими й гідними довіри для роботи в глобальному масштабі.