音声AI、ChatGPT的瞬間は未到達

音声AIには数十億ドルの投資が集まり、モデル開発企業、企業向けカスタマーサービス、会議の議事録作成、AIによるディクテーションまでスタートアップが広がる。人間らしい会話をうたうリリースはほぼ毎週のように届き、それだけにPolyAIのCTOによる壇上での評価は際立つ。この技術は聞きながら話せる全二重モデルという一つの閾値を越えても、ChatGPTを誰もが知る存在にした画期的な瞬間はまだ生まれていない。

Wen氏は残る隔たりを音声の品質ではなく速度に見出す。音声が十分に良く、顧客が最初の2、3ターンやり取りする気になれば自信が高まり、エージェントが問題を解決できれば人間は不要と発信者が結論づけるかもしれないと述べる。その流れは推論の遅延を、単なるエンジニアリングではなくカスタマーサービス導入におけるビジネスの問題に変える。

同氏はサービスエージェントがロボットのように聞こえるべきではないとも主張した。この点はOtterのCMO Alex Gay氏が論じた透明性への期待と重なる。Gay氏は文字起こしの正確さを下流の自動化を支える層と表現し、両社が録音されていることやAIと話していることを人々に伝えることを重視していると指摘した。