Dù các nhà đầu tư đã đổ hàng tỷ USD vào các startup voice AI hoạt động trong lĩnh vực dịch vụ khách hàng doanh nghiệp và ghi chép cuộc họp, công nghệ này vẫn chưa thực sự tạo ra cú huých lớn như ChatGPT. Theo Shawn Wen, CTO của nền tảng voice AI doanh nghiệp PolyAI, mặc dù ngành công nghiệp đã đạt cột mốc phát triển các mô hình full-duplex cho phép vừa nghe vừa nói, công nghệ này vẫn thiếu đi sự mượt mà cần thiết.
Thách thức lớn tiếp theo là tối ưu hóa tốc độ suy luận để mô hình có thể phản hồi nhanh chóng, mang lại cảm giác tự nhiên như đang trò chuyện với con người. Bên cạnh đó, các lỗi từ mô hình ASR (Automatic Speech Recognition) trong việc bỏ lỡ từ khóa quan trọng thường làm hỏng toàn bộ chuỗi xử lý ngữ cảnh, khiến người dùng mất niềm tin khi bản tóm tắt hoặc hành động tiếp theo bị sai lệch.
Đồng quan điểm trên, Alex Gay, CMO của ứng dụng ghi chép Otter, nhấn mạnh rằng nhận diện người nói và nắm bắt ý định gắn liền với tri thức tổ chức là chìa khóa để tự động hóa hiệu quả. Các công ty hiện đang phát triển các tính năng nâng cao như digital twin, đòi hỏi biểu cảm cảm xúc chân thực để tránh biến cuộc họp thành một buổi hỏi đáp chatbot thông thường.
Đối với cộng đồng AI và doanh nghiệp Việt Nam, đây là bài học quan trọng khi ứng dụng voice AI vào chăm sóc khách hàng. Việc đảm bảo độ chính xác của nhận dạng giọng nói tiếng Việt và tốc độ phản hồi thời gian thực sẽ là yếu tố quyết định để thuyết phục người dùng tin tưởng và gắn bó lâu dài với các giải pháp tự động hóa.
Nguồn: TechCrunch — Biên dịch & tổng hợp: danhbaai.com