Οι συνομιλιακοί πράκτορες είναι προγράμματα λογισμικού που συνομιλούν με ανθρώπους σε φυσική γλώσσα, με κείμενο ή με φωνή, για να απαντήσουν σε μια ερώτηση ή να ολοκληρώσουν μια εργασία. Τα chatbots, οι εικονικοί βοηθοί και οι φωνητικοί πράκτορες AI είναι όλοι συνομιλιακοί πράκτορες.
Ο όρος προέρχεται από την έρευνα. Μια ανασκόπηση του 2021 στο επιστημονικό περιοδικό Sensors ορίζει τους συνομιλιακούς πράκτορες ως «πράκτορες που αλληλεπιδρούν με τους χρήστες μέσω γραπτής ή προφορικής φυσικής γλώσσας» και προσθέτει ότι ορισμένοι «είναι ικανοί να εκτελούν συγκεκριμένες ενέργειες». Ο πράκτορας είναι αυτό με το οποίο μιλά ο άνθρωπος. Το συνομιλιακό AI είναι η τεχνολογία που βρίσκεται από κάτω, και το φωνητικό AI είναι το μέρος αυτής της τεχνολογίας που χειρίζεται την ομιλία.
Ένας συνομιλιακός πράκτορας επαναλαμβάνει τον ίδιο κύκλο σε κάθε γύρο της συνομιλίας:
Η ανασκόπηση του Sensors περιγράφει το κειμενικό μέρος αυτού του κύκλου ως τρία στοιχεία: κατανόηση φυσικής γλώσσας, έναν διαχειριστή διαλόγου που «αποφασίζει πώς θα απαντήσει» και παραγωγή φυσικής γλώσσας. Οι φωνητικοί πράκτορες, σύμφωνα με την ανασκόπηση, προσθέτουν βήματα σε κάθε άκρο: «τη μετατροπή των ηχητικών κυμάτων σε κείμενο» και τη μετατροπή της γραπτής απάντησης ξανά σε ήχο.

Οι συνομιλιακοί πράκτορες διαφέρουν με δύο τρόπους: ως προς το κανάλι που χρησιμοποιούν και ως προς τον τρόπο με τον οποίο αποφασίζουν τι θα πουν.
| Τύπος | Κανάλι | Πώς αποφασίζει τι θα πει | Τυπική χρήση |
|---|---|---|---|
| Chatbot βασισμένο σε κανόνες | Κείμενο | Προκαθορισμένοι κανόνες και έτοιμες απαντήσεις | Τυποποιημένες απαντήσεις σε συχνές ερωτήσεις |
| Πράκτορας συνομιλίας με LLM | Κείμενο: web chat, SMS, μέσα σε εφαρμογή | Ένα μεγάλο γλωσσικό μοντέλο που ακολουθεί ένα prompt, με εργαλεία και βάση γνώσεων | Ερωτήσεις υποστήριξης, κατάσταση παραγγελίας |
| Φωνητικός βοηθός | Φωνή σε προσωπική συσκευή | Αναγνώριση ομιλίας και επεξεργασία φυσικής γλώσσας | Προσωπικά αιτήματα, όπως το Siri της Apple |
| Φωνητικός πράκτορας AI | Φωνή σε τηλεφωνική κλήση | Αναγνώριση ομιλίας, γλωσσικό μοντέλο και σύνθεση ομιλίας, με εναλλαγή σειράς ομιλίας | Απάντηση και πραγματοποίηση επαγγελματικών κλήσεων |
Οι ερευνητές κατατάσσουν επίσης τους συνομιλιακούς πράκτορες ανάλογα με τον σκοπό τους. Η ανασκόπηση του Sensors αναφέρει μια ομαδοποίηση σε πράκτορες απάντησης ερωτήσεων, πράκτορες διαλόγου προσανατολισμένους σε εργασίες και chatbots, ενώ ονομάζει τους πράκτορες που έχουν σχεδιαστεί για να επιτυγχάνουν έναν στόχο, όπως τον σχεδιασμό και την κράτηση διακοπών, «συνομιλιακούς πράκτορες προσανατολισμένους σε στόχους».
Όχι ακριβώς. Το chatbot είναι ένα είδος συνομιλιακού πράκτορα. Η ανασκόπηση του Sensors σημειώνει ότι οι δύο όροι «μερικές φορές χρησιμοποιούνται εναλλακτικά» και παραθέτει προσπάθειες διάκρισής τους. Σύμφωνα με μία από αυτές, οι συνομιλιακοί πράκτορες είναι «όλοι οι τύποι προγραμμάτων λογισμικού που ερμηνεύουν και απαντούν σε δηλώσεις των χρηστών σε φυσική γλώσσα», ενώ τα chatbots είναι ο τύπος που έχει σχεδιαστεί για να προσομοιώνει συνομιλία. Σύμφωνα με μια άλλη, τα chatbots είναι συνομιλιακοί πράκτορες με διεπαφή κειμένου.
Οι πάροχοι συχνά κάνουν τη διάκριση με βάση τις δυνατότητες. Ο οδηγός της Slack αποκαλεί τους συνομιλιακούς πράκτορες «ιδιαίτερα εξελιγμένα chatbots, ένα επίπεδο πάνω από τα απλά chatbots που ακολουθούν προκαθορισμένους κανόνες». Για περισσότερα σχετικά με τη διάκριση, δείτε το λήμμα chatbot και το άρθρο chatbot ή συνομιλιακό AI.
Το Google Cloud χρησιμοποιεί τον όρο ως όνομα προϊόντος. Η κονσόλα Conversational Agents είναι το εργαλείο για τη δημιουργία πρακτόρων στο Dialogflow, και η τεκμηρίωση της Google αναφέρει ότι «περιλαμβάνει τις λειτουργίες τόσο της καταργημένης κονσόλας Dialogflow CX όσο και της κονσόλας Vertex AI Agent Builder». Τα αποτελέσματα για τον όρο αναμειγνύουν αυτό το προϊόν με τη γενική έννοια που καλύπτει το παρόν λήμμα.
Ένας φωνητικός πράκτορας εκτελεί τον ίδιο κύκλο υπό πιο απαιτητικές συνθήκες. Πρέπει να καταλαβαίνει πότε ο καλών έχει ολοκληρώσει την ομιλία του, να χειρίζεται διακοπές και θόρυβο περιβάλλοντος και να απαντά χωρίς μεγάλη παύση. Το λήμμα εναλλαγή σειράς ομιλίας καλύπτει τον συγχρονισμό, ενώ το άρθρο πώς λειτουργούν οι φωνητικοί πράκτορες AI σε μια κλήση παρακολουθεί μία κλήση από την αρχή έως το τέλος.
Η Retell AI δημιουργεί και τα δύο είδη. Η τεκμηρίωσή της περιγράφει φωνητικούς πράκτορες για κλήσεις και πράκτορες συνομιλίας για κείμενο, και οι πράκτορες συνομιλίας «χρησιμοποιούν τους ίδιους τύπους prompt, τις ίδιες συναρτήσεις και τις ίδιες βάσεις γνώσεων με τους φωνητικούς πράκτορες». Στις κλήσεις, το επίπεδο ενορχήστρωσης της Retell διαχειρίζεται την εναλλαγή σειράς ομιλίας και τις διακοπές. Η κλήση συναρτήσεων συνδέει έναν πράκτορα με εξωτερικά συστήματα, για παράδειγμα για κλείσιμο ραντεβού ή έλεγχο διαθεσιμότητας, και το εργαλείο μεταβίβασης κλήσης μεταβιβάζει μια ζωντανή τηλεφωνική κλήση σε άνθρωπο. Δείτε το λήμμα φωνητικός πράκτορας AI για τον πλήρη ορισμό.
Το συνομιλιακό AI είναι η τεχνολογία: αναγνώριση ομιλίας, γλωσσικά μοντέλα και διαχείριση διαλόγου. Ο συνομιλιακός πράκτορας είναι ένα συγκεκριμένο λογισμικό που έχει δημιουργηθεί με αυτή την τεχνολογία για να εκτελεί μια εργασία, όπως η απάντηση σε κλήσεις για θέματα χρεώσεων.
Ένα chatbot υποστήριξης σε έναν ιστότοπο, ένας φωνητικός βοηθός όπως το Siri και ένας φωνητικός πράκτορας AI που απαντά στην τηλεφωνική γραμμή μιας εταιρείας είναι όλοι συνομιλιακοί πράκτορες.
Όχι. Οι πράκτορες που βασίζονται σε κανόνες απαντούν με σενάρια και προκαθορισμένες απαντήσεις. Τα γλωσσικά μοντέλα επιτρέπουν σε έναν πράκτορα να χειρίζεται ερωτήσεις που κανείς δεν είχε προβλέψει και να σχεδιάζει εργασίες με πολλά βήματα.
Ναι. Είναι ένας συνομιλιακός πράκτορας που λειτουργεί με φωνή, συνήθως σε τηλεφωνικές κλήσεις. Προσθέτει αναγνώριση ομιλίας, σύνθεση ομιλίας και εναλλαγή σειράς ομιλίας στον κύκλο που χρησιμοποιούν οι πράκτορες κειμένου.
Η Retell AI είναι μια πλατφόρμα φωνητικών πρακτόρων AI για κέντρα επικοινωνίας. Μιλήστε με την ομάδα της Retell για ένα πιλοτικό πρόγραμμα σε πραγματικές κλήσεις.
How Retell handles audits, data retention and access control.
Table of contents