Bár a technológiai szektor milliárdos beruházásokat eszközöl a beszédalapú rendszerekbe, a iparági vezető szakértők úgy vélik, a hangalapú mesterséges intelligencia még nem érte el azt az átütő áttörést, amelyet a ChatGPT hozott el a szöveges modellek világában. A HumanX konferencián megszólaló vállalatvezetők rámutattak, hogy a jelenlegi megoldások rendszeresen elvétenek kulcsfontosságú elemeket a kontextus feldolgozása során. Ez a hiányosság pedig a teljes adatfeldolgozási és végrehajtási láncot felborítja, megbízhatatlanná téve a rendszereket.
A beszéd-alapú intelligencia legfőbb akadálya nem a beszédhangok puszta előállítása, hanem az elhangzottak pontos megértése és a valós idejű válaszadás. A PolyAI technológiai igazgatója, Shawn Wen kifejtette, hogy bár a rendszerek már képesek a folyamatos, kétirányú kommunikációra, a következtetési és válaszadási sebesség még mindig elmarad a természetes emberi párbeszédek ritmusától. Amikor az automatikus beszédfelismerő (ASR) modellek kihagynak egy-egy kulcsszót, a teljes szövegkörnyezet torzul, ami megakadályozza a bonyolultabb vállalati feladatok elvégzését.
A pontosság és a bizalom kérdése a vállalati szektorban
A munkahelyi jegyzetelő és automatizációs szoftvereket fejlesztő Otter marketingigazgatója, Alex Gay szerint a beszéd pontos leírása csak az első lépés. Ha a kiindulási átirat hibás, az arra épülő automatikus műveletek és elemzések is tévesek lesznek, ami alapjaiban rombolja a felhasználók bizalmát. A szakember kiemelte, hogy a jövőbeli áttöréshez elengedhetetlen a beszélők pontos azonosítása, a szándék felismerése, valamint a hanghordozásban rejlő érzelmi árnyalatok közvetítése.
A technológiai kihívások mellett az átláthatóság is kiemelt szerepet kap. A vállalati ügyfelek és a megbeszélések résztvevői számára egyértelművé kell tenni, mikor beszélnek szintetikus hanggal vagy mikor készül felvétel a beszélgetésről. Amíg a hangalapú mesterséges intelligencia nem képes stabil, kontextust tartó és azonnali reakciókra, addig a vállalati munkafolyamatokban a szöveges modellek megőrzik vezető szerepüket.
