Dok su AI agenti sve sposobniji rješavati probleme korisničke podrške, većina ljudi još uvijek može odmah prepoznati kada razgovara s mašinom umjesto s ljudskom osobom.
Smallest.ai, startup osnovan krajem 2024. godine, vjeruje da sljedeći iskorak u razvoju glasovnih agenata neće doći povećanjem brzine velikih jezičnih modela, već korištenjem manjih, specijaliziranih modela prilagođenih ljudskom razgovoru. Ukratko, tvrtka želi učiniti razgovor s AI agentom ne razlikovnim od razgovora s čovjekom.
Kako bi to postigla, razvijaju mali glasovni model dizajniran da oponaša način na koji ljudi obrađuju informacije slušajući, razmišljajući i govoreći istovremeno.
“Dok razgovaram s vama, vi već razmišljate, a mogli biste me prekinuti ako govorim predugo,” rekao je Sudarshan Kamath (na slici lijevo), osnivač i izvršni direktor Smallest.ai, za TechCrunch, dodajući da je upravo tako dizajniran model startupa.
Kako bi ostvarila ovu misiju, Smallest.ai je prikupila 13 milijuna dolara u seriji A, koju je predvodila Seligman Ventures uz sudjelovanje Sierra Ventures i 3one4 Capital. Novi kapital povećava ukupno financiranje startupa na više od 21 milijun dolara.
“Način na koji radi LLM je da mu date cijeli upit, a zatim počinje razmišljati,” rekao je Kamath. Dok je ta latencija prihvatljiva u tekstualnoj komunikaciji, u glasovnoj konverzaciji čak i kratka stanka djeluje neprirodno. “Ako razmislite o tome kako razgovaramo, ne dajem vam veliki isječak mog zvuka, a zatim počinjete razmišljati.”
Model startupa služi kao sloj inteligencije u stvarnom vremenu koji omogućuje prirodne razgovore s kupcima o specifičnim temama, uz gotovo nulu kašnjenja odgovora. No, ako model naiđe na temu izvan svog ograničenog znanja, Smallest.ai prebacuje upit na veliki osnovni model, kratko stavljajući kupca na čekanje kako bi “istražio” problem — baš kao što bi učinio pravi čovjek.
Kamath vjeruje da će svi AI agenti uskoro ovisiti o dva modela: malom glasovnom modelu za interakciju u stvarnom vremenu i “offline” LLM-u koji se poziva prema potrebi za rješavanje složenih problema.
Za razliku od velikih osnovnih modela, Smallest.ai se strogo fokusira na nijanse specifične za glas, kao što su upravljanje različitim naglascima, podržavanje desetaka jezika i rad u bučnim okruženjima.
Postojeći kupci startupa uključuju tvrtke u području glasovne tehnologije, uključujući RingCentral i Truecaller. Kamath je rekao da je svaka tvrtka za korisničku podršku, uključujući novije poput Sierre i Decagona, potencijalni kupac za startup.
Kada su ga pitali zašto dobro financirana AI tvrtka za korisničku podršku ne bi izgradila vlastiti glasovni model, Kamath je rekao da bi za startupe u korisničkoj podršci postajanje “iznimno dobrih u glasovnom radu bila distrakcija od njihovog osnovnog poslovanja.”
Smallest.ai konkurira vođi glasovnog AI-a ElevenLabs, kao i Cartesiji i regionalnim igračima poput Sarvama koji se fokusiraju na lokalne jezike.
Dok neki konkurenti primjenjuju glasovni AI na slučajeve poput audio sinkronizacije i podcastinga, Smallest.ai se strogo fokusira na glasovne agente za razgovor u stvarnom vremenu za svoje poslovne korisnike.
“Želimo da naši modeli prođu Turingov test,” rekao je Kamath. “Trebali biste razgovarati s našim modelom i ne znati da je AI ili čovjek. To je jedini fokus tvrtke.”
