PolyAI மற்றும் Otter.ai போன்ற முன்னணி நிறுவனங்கள், தொழில்நுட்ப கோளாறுகள் மற்றும் தாமதம் (Latency) காரணமாக Voice AI இன்னும் முழுமையான வெற்றியைப் பெறவில்லை என்று எச்சரிக்கின்றன. பெரிய அளவிலான நிறுவனங்களில் (Enterprise Adoption) இதைப் பயன்படுத்துவதில் உள்ள தடைகள் குறித்து முதலீட்டாளர்கள் என்ன தெரிந்து கொள்ள வேண்டும்?
Voice AI துறையில் தற்போது భారీ முதலீடுகள் குவிந்து வருகின்றன. உதாரணமாக, PolyAI நிறுவனம் $86 மில்லியன் நிதியைத் திரட்டி, தனது நிறுவன மதிப்பீட்டை $750 மில்லியன் ஆக உயர்த்தியுள்ளது. இவ்வளவு முதலீடுகள் வந்தாலும், டெக்ஸ்ட் அடிப்படையிலான ஏஐ (Generative AI) அளவுக்கு, வாய்ஸ் ஏஐ இன்னும் எளிமையான மற்றும் துல்லியமான அனுபவத்தைத் தரவில்லை என்பதே நிபுணர்களின் கருத்து.
தாமதம் (Latency) எனும் மிகப்பெரிய தடை
பயனர்கள் பேசுவதற்கும், ஏஐ பதில் அளிப்பதற்கும் இடையில் உள்ள நேர இடைவெளிதான் மிகப்பெரிய சவாலாக உள்ளது. சிஸ்டங்கள் ஒரே நேரத்தில் பேசவும், கேட்கவும் முடிந்தாலும், அந்த ஏஐ-யின் 'மூளை' வேகமான பதில்களைத் தருவதில் திணறுகிறது. ஏஐ உடனுக்குடன் பதில் அளிக்காதபோது, அது வாடிக்கையாளர் நம்பிக்கையைப் பெறுவதில் தோல்வியடைகிறது. இதனால் மனிதர்களுக்கு மாற்றாக ஏஐ-ஐ முழுமையாகப் பயன்படுத்துவதில் நிறுவனங்கள் தயக்கம் காட்டுகின்றன.
துல்லியமின்மை மற்றும் நம்பகத்தன்மை
Automated Speech Recognition (ASR) தொழில்நுட்பத்தில் உள்ள பிழைகள் மற்றொரு முக்கியப் பிரச்சனை. ஒரு முக்கிய வார்த்தையைத் தவறாகப் புரிந்துகொண்டால் கூட, கூட்டத்தின் சுருக்கம் (Meeting Summary) அல்லது டேட்டா என்ட்ரி என அனைத்தும் தவறாகப் போய்விடும். Otter.ai போன்ற நிறுவனங்கள், இந்தத் தொழில்நுட்பப் பிழைகள் நிறுவனங்களிடையே ஏஐ மீதுள்ள நம்பிக்கையைச் சிதைப்பதாகக் குறிப்பிடுகின்றன.
சந்தை வாய்ப்புகள் மற்றும் வெளிப்படைத்தன்மை
தொழில்நுட்ப சவால்களுடன், ஏஐ உடன் பேசும்போது அது ஒரு இயந்திரம் என்பதைத் தெளிவுபடுத்தும் 'எத்திகல் டிரான்ஸ்பரன்சி' (Ethical Transparency) முறையையும் நிறுவனங்கள் கடைபிடிக்கின்றன. 2032-ம் ஆண்டிற்குள் Voice AI சந்தை $14 பில்லியன் வரை வளரும் என்று கணிக்கப்பட்டுள்ளது. எனவே, நிறுவனங்கள் இந்தச் சவால்களைக் கடந்து, மனித உணர்வுகளைச் சரியாகப் புரிந்துகொண்டு செயல்படும் ஏஐ-ஐ உருவாக்குகிறதா என்பதையே முதலீட்டாளர்கள் உற்று நோக்க வேண்டும்.