ElevenLabs širi glasovni AI uz tempo prihoda od 600 miliona dolara
Rast poslovanja zasnovanog na sintetičkom glasu
ElevenLabs, kompanija koja razvija modele za pretvaranje teksta u prirodan govor, saopštava da posluje tempom od 600 miliona dolara godišnjeg ponavljajućeg prihoda, pri čemu više od 55% prihoda dolazi od klasičnih velikih preduzeća. Investitori kompaniju, staru četiri godine, navodno vrednuju na 22 milijarde dolara.
Tehnologija ElevenLabs-a već se koristi u telefonskoj korisničkoj podršci, ali i za audio-knjige, sinhronizaciju i muziku. Klarna je koristi za prvu liniju telefonske podrške za 35 miliona korisnika u SAD, a među korisnicima su i Deutsche Telekom, Cisco i Adobe, kao i sve veći broj državnih institucija.
Rast pokazuje da glasovni interfejs postaje važan sloj poslovnih AI sistema. Istovremeno, granice između dobavljača modela, platformi i aplikacija postaju manje jasne: kompanije mogu graditi sopstvene proizvode na infrastrukturi koju su prvobitno koristile kao kupci, a zatim joj konkurisati.
Koji model odgovara konkretnom pozivu
Mati Staniševski, suosnivač i izvršni direktor ElevenLabs-a, razlikuje informativne razgovore od poziva sa većim operativnim rizikom. Kada korisnik samo traži podatak, modeli otvorenih težina mogu biti dovoljni jer kvalitet odgovora u velikoj meri određuje baza znanja organizacije.
U finansijskim uslugama okolnosti su drugačije. Autentifikacija, podaci o transakciji ili zahtev za povraćaj novca ostavljaju malo prostora za grešku, pa Staniševski očekuje da napredni modeli i dalje imaju prednost. Za državne primene izbor modela, glasa i načina obrade zavisi od lokalnih zahteva; može obuhvatiti otvoreni, zatvoreni ili posebno prilagođeni model.
Primer iz Poljske odnosi se na javni zdravstveni sistem, gde 18% pacijenata ne dođe na zakazani termin. Agenti pozivaju pacijente i podsećaju ih na pregled, dok ElevenLabs integraciju izvodi uz očuvanje rezidentnosti podataka i modele prilagođene znanju sistema.
Transparentnost i kontrola ostaju poslovni uslov
Staniševski smatra da kompanije u sadašnjoj fazi treba da otkriju da korisnik razgovara sa AI agentom. Kao praktičan obrazac navodi izbor: ako je čekanje na ljudskog operatera dugo, korisniku se može ponuditi razgovor sa agentom. Takav pristup smanjuje osećaj obmane i korisniku ostavlja kontrolu nad kanalom podrške.
Kompanija naglašava da u razvoju glasovnih modela važnu ulogu nema samo količina podataka, već njihovo označavanje: sadržaj izgovorenog, trenutak govora, način izgovora i emocije. U tom poslu angažovani su i stručnjaci za glas radi tačnijeg prepoznavanja akcenata.
Za organizacije je zaključak jasan: glasovni AI treba uvoditi prema nivou rizika konkretnog procesa, uz odgovarajući model, kontrolu podataka i jasno obaveštenje korisniku kada razgovor vodi automatizovani agent.