OpenAI ubrzava glas

OpenAI je lansirao GPT-Live glasovne modele koji mogu slušati i govoriti istodobno. Novi modeli uključuju GPT-Live-1 i manju verziju, a globalno se uvode nakon ranijih audio modela predstavljenih u svibnju. Tehnološki pomak je važan jer glasovni AI ne smije samo generirati kvalitetan odgovor, nego mora održavati ritam razgovora, prekide, kontekst i namjeru korisnika u stvarnom vremenu.

U poslovnom okruženju takva sposobnost otvara prostor za korisničku podršku, prodaju, obuku zaposlenika, glasovne asistente u terenskom radu i interakciju s aplikacijama bez klasičnog sučelja. Ako model može istodobno slušati i govoriti, razgovor se manje ponaša kao razmjena poruka, a više kao operativni kanal.

To stvara i nove izazove. Glas nosi biometrijske i kontekstualne podatke, a pogrešan odgovor u realnom vremenu može imati veće posljedice nego tekstualna pogreška koju korisnik naknadno pročita. Tvrtke će morati definirati gdje glasovni AI smije automatizirati proces, gdje mora stati i kada čovjek preuzima komunikaciju.

Za poduzeća je najvažnije da glasovni AI nije izolirani kanal. Mora se povezati s CRM-om, bazama znanja, autentifikacijom, pravilima privatnosti i kontrolom kvalitete odgovora. Ako se koristi u korisničkom iskustvu, kompanija mora znati kada sustav smije dati informaciju, kada mora prebaciti razgovor agentu i kako se bilježe odluke. Brži glasovni model bez takvih ograničenja može povećati rizik jednako brzo kao što povećava produktivnost.