ഇന്ത്യയിലെ പത്ത് ലക്ഷത്തിലധികം ബിസിനസ് കോളുകൾ വിശകലനം ചെയ്ത DialNexa, കണക്റ്റിവിറ്റി, ലേറ്റൻസി, ഭാഷാ മിശ്രണം, സമയം എന്നീ നാല് ഘടകങ്ങൾ ഒരേസമയം ക്രമീകരിച്ചാൽ മാത്രമേ വോയ്‌സ്-AI ഫലപ്രദമാകൂ എന്ന് കണ്ടെത്തി. ഡസൻ കണക്കിന് ഇന്ത്യൻ കമ്പനികൾ ഇതിനകം തന്നെ സെയിൽസ്, സപ്പോർട്ട്, റിമൈൻഡറുകൾ എന്നിവയ്ക്കായി വോയ്‌സ് ഏജന്റുകളെ ഉപയോഗിച്ചു തുടങ്ങിയിട്ടുണ്ട്. യഥാർത്ഥ ലോകത്ത് കോളുകളുടെ എണ്ണം കൂടുമ്പോൾ പല പരീക്ഷണാടിസ്ഥാനത്തിലുള്ള പദ്ധതികളും (pilots) എന്തുകൊണ്ട് പരാജയപ്പെടുന്നു എന്ന് ഈ ഡാറ്റ വിശദീകരിക്കുന്നു.

പ്രവർത്തനവശം എന്തുകൊണ്ട് പ്രധാനമാകുന്നു

വോയ്‌സ്-AI വെറും ഡെമോകളിൽ നിന്ന് മാറി കോൾ സെന്ററുകൾ, ഔട്ട്‌ബൗണ്ട് സെയിൽസ് ടീമുകൾ, അപ്പോയിന്റ്മെന്റ് സെറ്റിംഗ് സേവനങ്ങൾ എന്നിവയുടെ ദൈനംദിന പ്രവർത്തനങ്ങളുടെ ഭാഗമായി മാറിക്കഴിഞ്ഞു. കുറഞ്ഞ ജീവനക്കാരുടെ ചെലവും വേഗത്തിലുള്ള പ്രതികരണവും ഈ സാങ്കേതികവിദ്യ വാഗ്ദാനം ചെയ്യുന്നുണ്ടെങ്കിലും, കോൾ ഫ്ലോ (call flow) തകർന്നാൽ ലാബിൽ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്ന ഒരു ബോട്ട് പോലും പരാജയപ്പെട്ടേക്കാം. പല വ്യവസായങ്ങളിൽ നിന്നുമുള്ള DialNexa-യുടെ ഡാറ്റാസെറ്റ്, കോളുകളുടെ എണ്ണം പ്രതിദിനം ഏതാനും നൂറുകളിൽ നിന്ന് പതിനായിരങ്ങളിലേക്ക് ഉയരുമ്പോൾ ഒരേ AI എങ്ങനെ പെരുമാറുന്നു എന്ന് കാണിച്ചുതരുന്നു.

കണക്റ്റിവിറ്റിയും വീണ്ടും വിളിക്കാനുള്ള (retries) സാധ്യതയും

പുതിയ നമ്പറുകളിൽ ആദ്യത്തെ കോൾ എടുക്കാനുള്ള നിരക്ക് 48 ശതമാനമാണ്; എന്നാൽ ആവർത്തിച്ചു വിളിക്കുമ്പോൾ ഇത് 20 ശതമാനമായി കുറയാം. സ്മാർട്ട് റീട്രൈ സീക്വൻസുകൾ (smart retry sequences) ഉപയോഗിച്ചാൽ മൊത്തം കണക്റ്റിവിറ്റി 70 ശതമാനത്തിന് മുകളിലേക്ക് ഉയർത്താം. ആദ്യ ശ്രമം മാത്രം അളക്കുന്നത് തെറ്റായ ഒരു ചിത്രം നൽകും; കോളിന്റെ മുഴുവൻ പ്രക്രിയയും (lifecycle) പ്രധാനമാണ്.

വിശ്വാസ്യതയും ശബ്ദത്തിന്റെ ഗുണമേന്മയുമാണ് ഉപഭോക്താക്കളെ നിലനിർത്തുന്നത്

3 ശതമാനത്തിൽ താഴെ ആളുകൾ മാത്രമാണ് AI-യോട് സംസാരിക്കുമ്പോൾ ഉടൻ തന്നെ കോൾ കട്ട് ചെയ്യുന്നത്. സിന്തറ്റിക് വോയ്‌സ് സ്വാഭാവികമായി തോന്നുകയും സംഭാഷണ ശൈലിയിലുള്ള സ്ക്രിപ്റ്റുകൾ ഉപയോഗിക്കുകയും ചെയ്യുമ്പോൾ ആളുകൾ കൂടുതൽ സമയം സംസാരിക്കുന്നു. സംഭാഷണം ഒരു AI ആണെന്ന് തുടക്കത്തിൽ തന്നെ വ്യക്തമാക്കുന്നത് വിശ്വാസം വളർത്താനും ആളുകൾ പെട്ടെന്ന് കോൾ കട്ട് ചെയ്യുന്നത് ഒഴിവാക്കാനും സഹായിക്കും.

ലേറ്റൻസി (latency) പ്രശ്നം പെട്ടെന്ന് തിരിച്ചറിയപ്പെടുന്നു

മിക്ക മറുപടികളും ഒരു സെക്കൻഡിൽ താഴെ സമയത്തിനുള്ളിൽ ലഭിക്കുന്നുണ്ടെങ്കിലും, ചില സംഭാഷണങ്ങളിൽ രണ്ട് സെക്കൻഡോ അതിൽ കൂടുതലോ സമയം എടുക്കുന്നുണ്ട്. ഇത്തരം നീണ്ട ഇടവേളകൾ സംഭാഷണത്തിന്റെ ഒഴുക്ക് തകർക്കുകയും ആളുകൾ വീണ്ടും ചോദിക്കാനോ കോൾ കട്ട് ചെയ്യാനോ പ്രേരിപ്പിക്കുകയും ചെയ്യുന്നു. ശരാശരി സമയമല്ല, മറിച്ച് ഏറ്റവും കൂടുതൽ സമയം എടുക്കുന്ന മറുപടികൾ (slowest response times) ആണ് നിങ്ങൾ ശ്രദ്ധിക്കേണ്ടത്.

കോഡ്-സ്വിച്ചിംഗ് (Code-switching) ഒരു സാധാരണ രീതിയാണ്, അസാധാരണമായ ഒന്നല്ല

ഇന്ത്യയിൽ സംസാരിക്കുന്നവർ ഒരു വാക്യത്തിനുള്ളിൽ തന്നെ ഹിന്ദിയും ഇംഗ്ലീഷും മാറി മാറി ഉപയോഗിക്കാറുണ്ട്. മിശ്രഭാഷയെ ഒരൊറ്റ ഘട്ടത്തിൽ പ്രോസസ്സ് ചെയ്യുന്ന പ്ലാറ്റ്‌ഫോമുകൾ, സംഭാഷണത്തെ വേർതിരിച്ചു പരിശോധിക്കുന്നവയെക്കാൾ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു. കോഡ്-സ്വിച്ചിംഗ് സുഗമമായി കൈകാര്യം ചെയ്യുന്ന സിസ്റ്റങ്ങളിൽ ഉയർന്ന പൂർത്തീകരണ നിരക്കും കുറഞ്ഞ കോൾ ദൈർഘ്യവും കാണപ്പെടുന്നു. ഭാഷയെ ഒരു തുടർച്ചയായി കാണുന്ന മൾട്ടി ലിംഗ്വൽ മോഡലുകളുടെ (multilingual models) ആവശ്യകത ഇത് അടിവരയിടുന്നു.

വ്യക്തമായ ഫലങ്ങളുള്ള ജോലികൾ തിരഞ്ഞെടുക്കുക

ലീഡ് ക്വാളിഫിക്കേഷൻ (Lead qualification), ഇവന്റ് റിമൈൻഡർ കോളുകൾ എന്നിവയാണ് വിജയശ്രേണിയിൽ മുന്നിൽ നിൽക്കുന്നത്. ഇത്തരം ഉപയോഗങ്ങളിൽ (use cases) കൃത്യമായ ഇൻപുട്ടുകളും പ്രതീക്ഷിക്കുന്ന ഔട്ട്‌പുട്ടുകളും ഉള്ളതിനാൽ, ഒരു സ്ക്രിപ്റ്റ് അനുസരിച്ച് തീരുമാനങ്ങൾ എടുക്കാൻ AI-ക്ക് എളുപ്പമാണ്. എന്നാൽ സങ്കീർണ്ണമായ സാങ്കേതിക പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നത് പോലുള്ള തുറന്ന സംഭാഷണങ്ങളിൽ (open-ended conversations) പൂർത്തീകരണ നിരക്ക് കുറവാണ്. സങ്കീർണ്ണമായ സംഭാഷണങ്ങളിലേക്ക് കടക്കുന്നതിന് മുമ്പ്, ഘടനയുള്ള വർക്ക്ഫ്ലോകളിൽ (structured workflows) നിന്ന് തുടങ്ങി കണക്റ്റിവിറ്റി, ലേറ്റൻസി പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ ശ്രമിക്കുന്നത് നല്ലതാണ്.

സമയം പ്രധാനമാണ്

കോൾ വിജയകരമാകുന്നത് സമയത്തിനനുസരിച്ച് വ്യത്യാസപ്പെട്ടിരിക്കും. പ്രൊഫഷണൽ കോൺടാക്റ്റുകൾക്കായി രാവിലെ 10 am-12 pm, വൈകുന്നേരം 4 pm-6 pm, രാത്രി 8 pm-9 pm എന്നിവയാണ് ഏറ്റവും അനുയോജ്യമായ സമയം. ഈ സമയങ്ങൾ de외പ്പടെയുള്ള കോളുകളിൽ കോൾ എടുക്കാനുള്ള നിരക്കിലും ലക്ഷ്യം പൂർത്തീകരിക്കാനുള്ള നിരക്കിലും വലിയ കുറവ് കാണപ്പെടുന്നു. AI മാറ്റം വരുത്താതെ തന്നെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കാൻ ഈ സമയക്രമം പാലിക്കുക.

ഇൻബൗണ്ട് കോളുകൾ മികച്ച ഫലം നൽകുന്നു

ആകെ കോളുകളിൽ 16 ശതമാനം മാത്രമാണ് ഇൻബൗണ്ട് കോളുകൾ എങ്കിലും, അവയിൽ 89 ശതമാനം ലക്ഷ്യങ്ങളും പൂർത്തീകരിക്കപ്പെടുന്നുണ്ട്. ഇൻബൗണ്ട് കോളുകൾ ചെയ്യുന്നവർക്ക് നേരത്തെ തന്നെ ഒരു ലക്ഷ്യമുണ്ടാകため, അതിനാൽ AI പ്രധാനമായും വിവരങ്ങൾ സ്ഥിരീകരിക്കുകയോ നൽകുകയോ ആണ് ചെയ്യുന്നത്. എന്നാൽ ഔട്ട്‌ബൗണ്ട് കോളുകളിൽ കേൾവിക്കാരന്റെ ശ്രദ്ധ ആദ്യം ആകർഷിക്കേണ്ടതുണ്ട്, അതിനാൽ കണക്റ്റിവിറ്റിയിലും സമയക്രമത്തിലും കൂടുതൽ ശ്രദ്ധ നൽകേണ്ടതുണ്ട്.

ബിസിനസ്സുകൾ ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • Reputation management: കോൾ എടുക്കാനുള്ള നിരക്ക് നിലനിർത്താൻ കോൾ ഐഡികൾ (caller IDs) മാറി മാറി ഉപയോഗിക്കുകയും ബ്ലാക്ക്‌ലിസ്റ്റ് സ്റ്റാറ്റസ് പരിശോധിക്കുകയും ചെയ്യുക.
  • Latency audits: ഏറ്റവും കൂടുതൽ സമയം എടുക്കുന്ന മറുപടികൾ രേഖപ്പെടുത്തുകയും അവ ഏത് മോഡ്യൂളിൽ നിന്നാണെന്ന് കണ്ടെത്തുകയും ചെയ്യുക.
  • Multilingual training: ഭാഷകളെ വെവ്വേറെ കാണുന്നതിന് പകരം കോഡ്-സ്വിച്ചിംഗ് സാമ്പിളുകൾ കൂടി ഉൾപ്പെടുത്തി മോഡൽ ട്രെയിനിംഗ് നടത്തുക.
  • Task scoping: വ്യക്തമായ ഉപയോഗക്രമങ്ങളിൽ (use cases) നിന്ന് തുടങ്ങുക; സിസ്റ്റം വിശ്വസനീയമാണെന്ന് ഉറപ്പുവരുത്തിയ ശേഷം മാത്രം വ്യാപ്തി വർദ്ധിപ്പിക്കുക.
  • Schedule alignment: ഡാറ്റയിൽ മറ്റ് രീതികൾ കാണുന്നില്ലെങ്കിൽ, നേരത്തെ കണ്ടെത്തിയ സമയക്രമങ്ങൾ കോൾ ചെയ്യാനുള്ള സമയമായി ഉപയോഗിക്കുക.

ഒരു മുന്നറിയിപ്പ്

ഈ വിശകലനം വലിയൊരു വിഭാഗം കോളുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, എങ്കിലും എല്ലാ വ്യവസായങ്ങളുടെയും പ്രാദേശിക ഭാഷാഭേദങ്ങളുടെയും പ്രത്യേകതകൾ ഇതിൽ ഉൾപ്പെട്ടിട്ടുണ്ടാകില്ല. ഈ ശരാശരി കണക്കുകളെ മാത്രം ആശ്രയിക്കുന്ന കമ്പനികൾക്ക് പ്രത്യേക ക്രമീകരണങ്ങൾ (custom tuning) ആവശ്യമുള്ള സാഹചര്യങ്ങൾ നഷ്ടപ്പെട്ടേക്കാം. ഈ ഡാറ്റ നിലവിലെ AI ശേഷികളെയാണ് പ്രതിഫലിപ്പിക്കുന്നത്; ഭാവിയിൽ നാച്ചുറൽ ലാംഗ്വേജ് അണ്ടർസ്റ്റാൻഡിംഗിൽ (natural-language understanding) ഉണ്ടാകുന്ന പുരോഗതികൾ ഘടനയുള്ളതും (structured) തുറന്നതുമായ (open-ended) ജോലികൾ തമ്മിലുള്ള സന്തുലിതാവസ്ഥ മാറ്റിയേക്കാം.

വോയ്‌സ്-AI-യെ ഒരു സ്വതന്ത്ര സ്പീച്ച് എഞ്ചിനായി മാത്രം പരിഗണിക്കുന്നത് ഇനി മതിയാവില്ല. നമ്പറുകളുടെ വിശ്വാസ്യത, പ്രതികരണ വേഗത, ഭാഷാപരമായ പൊരുത്തപ്പെടൽ, സമയക്രമം എന്നിവയെല്ലാം പ്രവർത്തനക്ഷമതയെ സ്വാധീനിക്കുന്ന ഒരു ഓപ്പറേഷണൽ സിസ്റ്റമായി ഇതിനെ കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്. തങ്ങളുടെ സാങ്കേതിക റോഡ്മാപ്പിനെ ഈ ഘടകങ്ങളുമായി യോജിപ്പിക്കുന്ന സ്ഥാപനങ്ങൾക്ക്, പരാജയപ്പെട്ട വിന്യാസങ്ങൾ മൂലമുണ്ടാകുന്ന മറഞ്ഞിരിക്കുന്ന ചിലവുകൾ ഒഴിവാക്കാനും വാഗ്ദാനം ചെയ്ത ഉൽപ്പാദനക്ഷമത വർദ്ധനവ് കൈവരിക്കാനും സാധിക്കും.