वॉइस एआई में अरबों डॉलर के निवेश के बाद भी तकनीकी खामियों से जूझ रहे उद्योग विशेषज्ञ

ग्राहक सेवा क्षेत्र में उपयोग किए जाने वाले एआई एजेंट्स के संदर्भ में शॉन वेन ने रेखांकित किया कि कॉल करने वाले किसी भी उपभोक्ता को यह महसूस नहीं होना चाहिए कि वे किसी रोबोटिक मशीन से बात कर रहे हैं। वॉइस बॉट का प्राथमिक उद्देश्य कॉलर के भीतर यह भरोसा जगाना होना चाहिए कि उनकी समस्याओं का वास्तविक समाधान निकाला जा सकता है। उन्होंने बताया कि जब आवाज की गुणवत्ता इतनी बेहतर हो जाए कि ग्राहक बातचीत के शुरुआती दो या तीन चरणों में सहज महसूस करे, तब सिस्टम में विश्वास पैदा होता है। समय बीतने के साथ उपभोक्ता यह समझने लगते हैं कि यदि एआई एजेंट उनकी शिकायत का प्रभावी निवारण कर रहा है, तो उन्हें किसी मानव प्रतिनिधि से संपर्क करने की आवश्यकता नहीं है।

मीटिंग ऑटोमेशन, डिजिटल ट्विंस और मानवीय अभिव्यक्तियां

मीटिंग नोट टेकर प्लेटफॉर्म ओटर के मुख्य विपणन अधिकारी (सीएमओ) एलेक्स गे का दृष्टिकोण इस विषय में प्रक्रियात्मक गहराइयों पर केंद्रित है। उनका कहना है कि बातचीत में वक्ता की सटीक पहचान करना, बोलने वाले के इरादे को पकड़ना और फिर उस जानकारी को संस्थागत ज्ञान के साथ जोड़ना ऑटोमेशन की दिशा में सबसे महत्वपूर्ण कदम है। ओटर वर्तमान में ऐसे डिजिटल ट्विंस विकसित करने पर भी काम कर रहा है जो भविष्य की बैठकों में सीधे तौर पर वास्तविक व्यक्तियों का प्रतिनिधित्व कर सकें। इस उन्नत तकनीक को व्यावहारिक बनाने के लिए सिस्टम की आउटपुट आवाज में वे सभी मानवीय भाव और अभिव्यक्तियां मौजूद होनी चाहिए जो आमने-सामने की बातचीत में अनुभव की जाती हैं।

एलेक्स गे का तर्क है कि कार्यस्थलों में सबसे सार्थक बैठकें वे होती हैं जहां लोग खुली बहस कर सकते हैं, रणनीतिक विषयों पर मंथन करते हैं और जहां पेशेवर संबंधों की आपसी समझ काम करती है। यदि कोई डिजिटल अवतार या एआई सिस्टम इस स्तर की भावनात्मक गहराई प्रदान नहीं कर सकता, तो वह केवल एक साधारण सवाल-जवाब करने वाले चैटबॉट से अधिक कुछ नहीं रह जाता। कार्यस्थल पर सहकर्मियों के साथ होने वाली संवेदनशील और रणनीतिक चर्चाओं की बराबरी करने के लिए वॉइस एआई को साधारण प्रतिक्रियाओं से कहीं आगे निकलना होगा।

ऑटोमैटिक स्पीच रिकॉग्निशन की कमियां और गिरता भरोसा

वॉइस टूल्स में लगातार हो रहे तकनीकी सुधारों के बावजूद अधिकांश उपयोगकर्ताओं को अक्सर यह शिकायत रहती है कि एआई असिस्टेंट्स उनके आदेशों को सही ढंग से नहीं समझ पाते। कई बार मीटिंग नोट टेकर्स गलत ट्रांसक्रिप्ट तैयार कर देते हैं या फिर बैठक का असंतुलित सारांश पेश करते हैं। पॉलीएआई के वेन का विश्लेषण है कि ऑटोमैटिक स्पीच रिकॉग्निशन (एएसआर) मॉडल अक्सर मुख्य कीवर्ड्स को पकड़ने से चूक जाते हैं। इस चूक के कारण पूरे संदर्भ का अर्थ बदल जाता है और एआई गलत निष्कर्ष पर पहुंच जाता है।

ओटर के एलेक्स गे भी इस तकनीकी समस्या से पूरी तरह सहमत हैं और उन्होंने पुष्टि की कि उनकी टीम ट्रांसक्रिप्शन की सटीकता को बेहतर बनाने के लिए निरंतर काम कर रही है। भाषा की जटिल समझ और क्षेत्रीय विविधताओं को पहचानना एक ऐसा क्षेत्र है जहां वॉइस मॉडल्स को अभी काफी सुधार करने की जरूरत है। गे ने इस बात पर जोर दिया कि ट्रांसक्रिप्शन कभी भी उनका अंतिम लक्ष्य नहीं था, बल्कि यह उत्पादकता बढ़ाने वाले अन्य फीचर्स के लिए केवल एक बुनियादी आधार था। यदि प्रारंभिक ट्रांसक्रिप्शन में ही आवश्यक सटीकता का अभाव होगा, तो उसके आधार पर उठाए जाने वाले सभी बाद के कदम भी त्रुटिपूर्ण हो जाएंगे। जैसे ही सिस्टम गलत कार्रवाई शुरू करता है, उपयोगकर्ता का उस प्लेटफॉर्म से भरोसा उठ जाता है। इसलिए एएसआर मॉडल की शुद्धता बढ़ाना बेहद अनिवार्य है क्योंकि इसका असर पूरे वर्कफ़्लो पर पड़ता है।

उपयोगकर्ता पारदर्शिता और रिकॉर्डिंग की पूर्व सूचना

वॉइस टूल्स की बढ़ती लोकप्रियता के साथ गोपनीयता और पारदर्शिता का सवाल भी प्रमुखता से उभर रहा है। विशेषज्ञों का स्पष्ट मत है कि जब भी किसी व्यक्ति की बातचीत रिकॉर्ड की जा रही हो या वह किसी एआई एजेंट से बात कर रहा हो, तो उसे इस बात की स्पष्ट जानकारी पहले ही दी जानी चाहिए। ओटर का कहना है कि वे बैठकों में शामिल सभी लोगों के मन में विश्वास कायम करना चाहते हैं। इसी उद्देश्य से वे ऐसे नए तरीके आजमाने की योजना बना रहे हैं जिससे चैट में मौजूद हर व्यक्ति को मीटिंग रिकॉर्ड होने की औपचारिक सूचना मिले, भले ही उस बैठक में बॉट सीधे उपस्थित न हो। वहीं पॉलीएआई के वेन ने भी इस बात का समर्थन किया कि कॉरपोरेट कॉल्स के दौरान ग्राहकों को यह स्पष्ट रूप से बताया जाना चाहिए कि वे किसी मशीन से संवाद कर रहे हैं।