DialNexa இந்தியாவில் ஒரு மில்லியனுக்கும் அதிகமான வணிக அழைப்புகளை ஆய்வு செய்து, இணைப்பு (connectivity), தாமதம் (latency), மொழி கலப்பு (language mixing) மற்றும் நேரம் (timing) ஆகிய நான்கு காரணிகளும் ஒருங்கிணைந்து சீரமைக்கப்படும்போது மட்டுமே Voice-AI சிறப்பாகச் செயல்படும் என்பதைக் கண்டறிந்துள்ளது. டஜன் கணக்கான இந்திய நிறுவனங்கள் ஏற்கனவே விற்பனை, ஆதரவு மற்றும் நினைவூட்டல்களுக்காக (reminders) voice agents-களைப் பயன்படுத்தி வருகின்றன; நிஜ உலக அளவில் அழைப்புகளின் எண்ணிக்கை அதிகரிக்கும் போது பல முன்னோடித் திட்டங்கள் (pilots) ஏன் முடங்குகின்றன என்பதை இந்தத் தரவுகள் விளக்குகின்றன.
செயல்பாட்டுத் திறன் ஏன் முக்கியமானது
Voice-AI என்பது வெறும் செயல்முறை விளக்கக் demonstrations என்பதிலிருந்து மாறி, கால் சென்டர்கள், விற்பனைத் குழுக்கள் மற்றும் முன்பதிவுச் சேவைகளின் அன்றாடப் பணியாக மாறியுள்ளது. இந்தத் தொழில்நுட்பம் குறைந்த பணியாளர் செலவு மற்றும் வேகமான பதிலளிப்பு நேரத்தை உறுதி செய்கிறது, ஆனால் ஆய்வகத்தில் நன்றாகத் sounding செய்யும் ஒரு பாட் (bot), அழைப்பின் ஓட்டம் (call flow) சீர்குலைந்தால் தோல்வியடையக்கூடும். பல்வேறு தொழில்துறைகளிலிருந்து பெறப்பட்ட DialNexa-வின் தரவுத்தொகுப்பு, அழைப்புகளின் எண்ணிக்கை ஒரு நாளைக்கு சில நூறிலிருந்து பல்லாயிரக்கணக்கில் அதிகரிக்கும் போது, அதே AI எவ்வாறு செயல்படுகிறது என்பதைக் காட்டுகிறது.
இணைப்பு மற்றும் மீண்டும் அழைப்பதன் (retries) வலிமை
புதிய எண்களுக்கான முதல் அழைப்பு ஏற்பு விகிதம் (first-call pickup rate) 48 சதவீதமாக உள்ளது; மீண்டும் மீண்டும் அழைப்பது இதை 20 சதவீதமாகக் குறைக்கலாம். புத்திசாலித்தனமான மறுஅழைப்பு வரிசைகள் (Smart retry sequences) மொத்த இணைப்பு விகிதத்தை 70 சதவீதத்திற்கு மேல் உயர்த்துகின்றன. முதல் முயற்சியை மட்டும் அளவிடுவது ஒரு மிக மோசமான பிம்பத்தையே உருவாக்கும்; முழு அழைப்பு வாழ்க்கைச் சுழற்சியும் (call lifecycle) முக்கியமானது.
நேர்மை மற்றும் குரல் தரம் ஆகியவற்றின் அடிப்படையில் தக்கவைத்தல் (Retention) அமைகிறது
3 சதவீதத்திற்கும் குறைவான callers மட்டுமே AI-ஐக் கண்டவுடன் அழைப்பைத் துண்டிக்கின்றனர். செயற்கை குரல் (synthetic voice) இயல்பாகத் sounding ஆகி, தொடக்க உரையாடல் இயல்பான உரையாடல் போலத் தோன்றும்போது, callers நீண்ட நேரம் பேசுகின்றனர். உரையாடல் AI மூலம் நடத்தப்படுகிறது என்பதை ஆரம்பத்திலேயே தெரிவிப்பது நம்பிக்கையை உருவாக்குகிறது மற்றும் ஆரம்பத்திலேயே அழைப்புகள் துண்டிக்கப்படுவதைக் குறைக்கிறது.
தாமதப் பிரச்சினை (latency problem) உடனடியாக உணரப்படுகிறது
பெரும்பாலான பதில்கள் ஒரு வினாடிக்கும் குறைவான நேரத்தில் வருகின்றன, ஆனால் சில உரையாடல்களில் இரண்டு வினாடிகள் அல்லது அதற்கு மேல் ஆகிறது. இந்த நீண்ட இடைவெளிகள் உரையாடலின் ஓட்டத்தைக் குலைத்து, callers மீண்டும் மீண்டும் பேசவோ அல்லது அழைப்பைத் துண்டிக்கவோ தூண்டுகின்றன. சராசரியை மட்டும் பார்க்காமல், மிக மெதுவான பதிலளிப்பு நேரங்களைக் கண்காணிக்கவும்.
மொழி மாற்றம் (Code-switching) என்பது விதிவிலக்கல்ல, அது ஒரு இயல்பு
இந்தியாவில், பேசுபவர்கள் ஒரே வாக்கியத்திற்குள் ஹிந்தி மற்றும் ஆங்கிலத்திற்கு இடையே மாறி மாறிப் பேசுவது இயல்பானது. கலப்பு மொழியை ஒரே முறையில் செயலாக்கும் தளங்கள், உரையாடலைத் தனித்தனி ஓட்டங்களாகப் பிரிக்கும் தளங்களை விடச் சிறப்பாகச் செயல்படுகின்றன. மொழி மாற்றங்களை (code-switching) தடையின்றி கையாளும் அமைப்புகள் அதிகப் பூர்த்தி விகிதத்தையும் (completion rates) குறுகிய அழைப்பு காலத்தையும் காட்டுகின்றன, இது மொழியை ஒரு தொடர்ச்சியாகக் கருதும் பன்மொழி மாதிரிகளின் (multilingual models) அவசியத்தை வலியுறுத்துகிறது.
தெளிவான முடிவுகளைக் கொண்ட பணிகளைத் தேர்ந்தெடுக்கவும்
லீட் தகுதிப்படுத்துதல் (Lead qualification) மற்றும் நிகழ்வு நினைவூட்டல் (event-reminder) அழைப்புகள் வெற்றியில் முதலிடம் பிடித்துள்ளன. இந்தச் பயன்பாடுகளுக்குத் தெளிவான உள்ளீடுகளும் (inputs) எதிர்பார்க்கப்படும் வெளியீடுகளும் (outputs) உள்ளன, இது AI ஒரு திட்டமிடப்பட்ட முடிவெடுக்கும் மரத்தைப் (scripted decision tree) பின்பற்ற அனுமதிக்கிறது. சிக்கலான தொழில்நுட்பப் பிரச்சினைகளைத் தீர்ப்பது போன்ற திறந்தநிலை உரையாடல்கள் (Open-ended conversations) குறைந்த பூர்த்தி விகிதத்தையே காட்டுகின்றன. கட்டமைக்கப்பட்ட பணிப்பாய்வுகளுடன் (structured workflows) தொடங்குவது, சிக்கலான உரையாடல்களைக் கையாளுவதற்கு முன் இணைப்பு மற்றும் தாமதப் பிரச்சினைகளைச் சரிசெய்ய அணிகளுக்கு உதவும்.
நேரம் முக்கியமானது
அழைப்பின் வெற்றி நேரத்தைப் பொறுத்து மாறுபடுகிறது. தொழில்முறைத் தொடர்புகளுக்கு (professional contacts), காலை 10 மணி - மதியம் 12 மணி, மாலை 4 மணி - மாலை 6 மணி மற்றும் இரவு 8 மணி - இரவு 9 மணி ஆகியவை சிறந்த நேரங்களாகும். இந்த நேரங்களைத் தவிர்த்து மேற்கொள்ளப்படும் அழைப்புகளில், அழைப்பு ஏற்பு மற்றும் இலக்கு பூர்த்தி செய்யும் விகிதங்களில் குறிப்பிடத்தக்க சரிவு காணப்படுகிறது. AI-ஐ மாற்றாமல், செயல்திறனை மேம்படுத்த இந்த நேரங்களின் அடிப்படையில் அழைப்புகளைத் திட்டமிடவும்.
உள்வரும் அழைப்புகள் (Inbound calls) அதிகத் திறனை வெளிப்படுத்துகின்றன
மொத்த அழைப்புகளில் 16 சதவீதம் மட்டுமே உள்வரும் அழைப்புகள், இருப்பினும் அவை 89 சதவீத இலக்கு பூர்த்தி விகிதத்தை எட்டின. உரையாடலைத் தொடங்கும் callers ஏற்கனவே ஒரு நோக்கத்தைக் கொண்டுள்ளனர், எனவே AI முக்கியமாகத் தகவல்களை உறுதிப்படுத்துகிறது அல்லது வழங்குகிறது. வெளிச்செல்லும் அழைப்புகள் (Outbound calls) முதலில் கேட்பவரின் கவனத்தைப் பெற வேண்டும், எனவே ஒவ்வொரு இணைப்பு மற்றும் நேரத் திட்டமிடலும் மிகவும் முக்கியமானது.
வணிகங்கள் அடுத்து எவற்றைக் கவனிக்க வேண்டும்
- Reputation management: அழைப்பு ஏற்பு விகிதத்தை உயர்வாக வைத்திருக்க, caller IDs-களை மாற்றி மாற்றிப் பயன்படுத்தவும் மற்றும் blacklist நிலையைத் கண்காணிக்கவும்.
- Latency audits: மிக மெதுவான பதில்களைப் பதிவு செய்து, அவற்றைச் குறிப்பிட்ட தொகுதிகளுடன் (modules) தொடர்புபடுத்திப் பார்க்கவும்.
- Multilingual training: மொழிகளைத் தனித்தனியாகக் கருதுவதற்குப் பதிலாக, மாதிரிப் பயிற்சியில் (model training) மொழி மாற்ற மாதிரிகளையும் (code-switching samples) சேர்க்கவும்.
- Task scoping: தெளிவான பயன்பாட்டுத் தேவைகளுடன் தொடங்கவும்; முதன்மை அமைப்பு நம்பகமானதாக நிரூபிக்கப்பட்ட பின்னரே விரிவாக்கவும்.
- Schedule alignment: தரவுகள் வேறுவிதமாகச் செயல்படுவதைக் காட்டாத வரை, கண்டறியப்பட்ட நேரங்களை இயல்பான அழைப்பு நேரங்களாகப் பயன்படுத்தவும்.
ஒரு எச்சரிக்கை குறிப்பு
இந்த ஆய்வு ஒரு பெரிய மற்றும் மாறுபட்ட அழைப்புகளை உள்ளடக்கியது, ஆனால் இது ஒவ்வொரு தொழில்துறையின் நுணுக்கங்களையும் அல்லது பிராந்திய வட்டார வழக்குகளையும் (regional dialects) முழுமையாகப் பிரதிபலிக்காது. இந்தச் சராசரிய만을 நம்பியிருக்கும் நிறுவனங்கள், தனிப்பயனாக்கப்பட்ட சரிசெய்தல் (custom tuning) தேவைப்படும் குறிப்பிட்டச் சூழல்களைத் தவறவிடக்கூடும். இந்தத் தரவுகள் தற்போதைய AI திறன்களைப் பிரதிபலிக்கின்றன; இயற்கை மொழிப் புரிதலில் (natural-language understanding) எதிர்கால முன்னேற்றங்கள், கட்டமைக்கப்பட்ட மற்றும் திறந்தநிலை பணிகளுக்கு இடையிலான சமநிலையை மாற்றக்கூடும்.
voice-AI-ஐ ஒரு தனித்த பேச்சு இயந்திரமாக மட்டும் கருதுவது இனி போதுமானதல்ல. எண் நற்பெயர், பதிலளிக்கும் வேகம், மொழித் தகவமைப்பு மற்றும் காலநேரம் ஆகிய அனைத்தும் செயல்திறனைப் பாதிக்கும் ஒரு செயல்பாட்டு அமைப்பாக இது நிர்வகிக்கப்பட வேண்டும். தங்கள் தொழில்நுட்பத் திட்ட வரைபடத்தை இந்த காரணிகளுடன் ஒருங்கிணைக்கும் நிறுவனங்கள், தோல்வியடைந்த பயன்பாடுகளால் ஏற்படும் மறைமுகச் செலவுகளைத் தவிர்ப்பதுடன், வாக்குறுதி அளிக்கப்பட்ட உற்பத்தித் திறன் லாபங்களையும் பெற முடியும்.