PolyAI stellt „Wren“ vor, einen Programmieragenten für Dialogsysteme

PolyAI hat sich zum Ziel gesetzt, agentenbasierte Sprach-KI menschlicher denn je zu gestalten. Bildnachweis: Getty

Matt Henderson, VP of Research bei PolyAI, erklärt, wie Wren, ein autonomer Programmieragent, Dialogagenten in Unternehmen optimiert, um den Kundenservice zu verbessern

Seit Jahren verlassen sich Kontaktzentren von Unternehmen auf veraltete IVR-Systeme (Interactive Voice Response).

Diese Plattformen zwingen Kunden durch starre, verschachtelte Menüs, die häufig nicht den tatsächlichen Absichten der Kunden entsprechen, was zu hohen Abbruchraten und großer Frustration bei den Verbrauchern führt.

Zwar brachte die erste KI-Welle durch textbasierte Chatbots und kaskadierte Sprachmodelle eine geringfügige Verbesserung, doch fehlte diesen Lösungen grundsätzlich das akustische Verständnis, um den natürlichen Fluss menschlicher Gespräche – einschließlich Unterbrechungen, Zögern und Hintergrundgeräuschen – zu bewältigen.

Die Lösung heißt PolyAI, ein KI-Unternehmen, das 2017 aus dem Machine Intelligence Lab der Universität Cambridge hervorgegangen ist.

Unterstützt durch Finanzmittel in Höhe von mehr als 120 Millionen US-Dollar von großen Investoren hat das Unternehmen Pionierarbeit bei audio-nativen Konversationssystemen geleistet, die für komplexe, hochkritische Unternehmensinteraktionen ausgelegt sind.

Doch die Ambitionen des Unternehmens gehen noch weiter. Während die meisten davon ausgehen, dass Menschen die agentenbasierte KI verbessern, denkt PolyAI mit „Wren“ über den Tellerrand hinaus: Ein Programmieragent, der jedes Gespräch der Agenten analysiert und proaktiv verbessert, was zu enormen Vorteilen für Unternehmen führt.

PolyAI: Wachstum in Zahlen

• Geschätzte Unternehmensbewertung von 500 Mio. US-Dollar
• Insgesamt mehr als 200 Mio. US-Dollar an Finanzmitteln eingeworben
• 2017 in London gegründet
• 86 Mio. US-Dollar in der Serie-D-Finanzierungsrunde eingeworben

Das Gespräch hören: Der Wandel hin zu Audio-nativen Lösungen

Bevor eine KI eine Kundenservice-Plattform autonom verbessern kann, muss sie zunächst in der Lage sein, den Anrufer tatsächlich zu verstehen.

Der Branchenstandard für Sprach-KI war bisher eine kaskadierte Architektur: Eine ASR-Engine (Automatic Speech Recognition) wandelt Sprache in Text um, ein LLM generiert eine Textantwort und eine TTS-Engine (Text-to-Speech) synthetisiert den Ton.

Doch diese Methode entzieht dem Anruf den emotionalen und akustischen Kontext und lässt wichtige Hinweise weg, noch bevor das LLM die Eingabe überhaupt verarbeitet.

Um diesen seelenlosen synthetischen Ton zu überwinden, hat PolyAI „Dialog-RSN-1“ entwickelt, ein bahnbrechendes Dialogmodell, das Roh-Audio-Eingaben direkt wahrnimmt und auswertet.

Dialog-RSN-1 vereint Gesprächsführung, Spracherkennung und Antwortgenerierung in einem einzigen audiofähigen LLM und kann tatsächlich das Zögern eines Anrufers wahrnehmen, Frustration erkennen und Unterbrechungen bewältigen – genau wie ein menschlicher Mitarbeiter.

Matt Henderson, VP of Research bei PolyAI, schreibt in einem Blogbeitrag: „Für Unternehmen, die auf PolyAI setzen, bedeutet das: Dialogagenten, die ein Gespräch so hören und bearbeiten, wie es ein hervorragender menschlicher Mitarbeiter tun würde: Sie erkennen Zögern, nehmen Frustration wahr, bevor sie eskaliert, und wissen genau, wann sie das Wort ergreifen müssen.“

Was dieses Modell auszeichnet, ist, dass sich die Audio-Wahrnehmung auf die Eingabeseite beschränkt. Stattdessen nutzt es ein separates TTS-System für die Generierung, wodurch Unternehmen strenge Kontrolle über die Markenstimme und Compliance-Vorgaben behalten und gleichzeitig eine Antwortlatenz von unter 300 Millisekunden erreichen können.

Matt Henderson, VP of Research bei PolyAI, sagt, die Dialogagenten hörten und bearbeiteten einen Anruf so, wie es ein hervorragender menschlicher Mitarbeiter tun würde. Bildnachweis: matthen.com

Wren: Der Agent hinter den Agenten

Zwar beseitigt der Einsatz eines leistungsstarken, audio-nativen Sprachagenten die unmittelbaren Reibungspunkte bei der Kundeninteraktion, doch kann der Agent nicht einfach eingesetzt und dann vergessen werden. Tatsächlich liegt die langfristige Herausforderung für Unternehmen in der Wartung und Optimierung.

Bisher erforderte die Weiterentwicklung eines KI-Agenten spezielle Teams von Ingenieuren, die manuell eine kleine Stichprobe von Anrufprotokollen durchgingen, Sonderfälle identifizierten und neue Gesprächsabläufe programmierten. Dies ist für moderne Unternehmen jedoch zeitaufwendig und kostspielig.

Hier kommt Wren ins Spiel, der Programmieragent von PolyAI, der nativ in die Agentic Dialog Platform integriert ist. Wren fungiert als das, was PolyAI als „den Agenten hinter Ihren Agenten“ bezeichnet, und überwacht, verfeinert und optimiert autonom und kontinuierlich die kundenorientierten Dialogagenten.

Im Gegensatz zu herkömmlichen Analysetools, die sich auf allgemeine Zusammenfassungen oder kleine Stichproben stützen, analysiert Wren 100 % der Live-Kundeninteraktionen über alle Kanäle hinweg.

Wren arbeitet dabei vor allem mit zwei parallelen Optimierungsansätzen: Selbstheilung und Selbstverbesserung.

Arkadiusz Kwapiszewski, Leiter des Bereichs Agent OS bei PolyAI, erläutert die Selbstheilung und Selbstverbesserung. Quelle: LinkedIn

Arkadiusz Kwapiszewski, Leiter von Agent OS bei PolyAI, erklärt: „Die Selbstheilung erkennt, was bei Ihrem Agenten nicht funktioniert, und behebt den Fehler, während die Selbstverbesserung ermittelt, wo etwas bereits funktioniert, aber noch besser laufen könnte – gemessen an den Kennzahlen, die für Sie am wichtigsten sind.“

„Sie legen die Kennzahlen fest, und Wren sucht nach Möglichkeiten, diese zu verbessern. Die Auswirkungen lassen sich über die A/B-Testfunktionen der Agentic Dialog Platform validieren.

„Erstens führt es ‚Selbstheilung‘ durch, indem es automatisch Fehler, fehlerhafte Integrationen oder Frustrationen bei Kunden identifiziert und den zur Behebung erforderlichen Code generiert.

„Zweitens verfolgt es eine KPI-gesteuerte ‚Selbstoptimierung‘. Wren sucht proaktiv nach Möglichkeiten, Interaktionen anhand von North-Star-Geschäftskennzahlen wie Kundenzufriedenheit (CSAT), Call-Containment-Raten und Buchungskonversionen zu optimieren.“

Die Selbstheilung erkennt, was bei Ihrem Agenten nicht funktioniert, und behebt den Fehler, während die Selbstoptimierung herausfindet, wo etwas bereits funktioniert, aber noch besser laufen könnte.

Arkadiusz Kwapiszewski, Leiter des Agent OS bei PolyAI

Wichtige Geldgeber von PolyAI

• NVIDIA: NVIDIA leistet mehr als nur finanzielle Unterstützung. Das Unternehmen stellt auch die entscheidende Hardware-Infrastruktur bereit, die es PolyAI ermöglicht, Sprach-zu-Text-Umwandlung, Intent-Erkennung und Text-zu-Sprache-Generierung in nur wenigen Millisekunden zu verarbeiten.
• Khosla Ventures: Diese Risikokapitalgesellschaft ist seit den frühen Finanzierungsrunden ein standhafter Unterstützer von PolyAI. Khosla Ventures konzentriert sich auf Technologieunternehmen in der Frühphase, die das Potenzial für massive gesellschaftliche und wirtschaftliche Auswirkungen haben.
• Hedosophia: Als globale Investmentgesellschaft leitete Hedosophia die Serie-C-Finanzierungsrunde von PolyAI in Höhe von 50 Mio. US-Dollar und war Mitleiter der anschließenden Serie-D-Runde in Höhe von 86 Mio. US-Dollar. Die anhaltende finanzielle Unterstützung durch Hedosophia hat es PolyAI ermöglicht, seinen Einsatz im Gastgewerbe, im Einzelhandel und im Finanzdienstleistungssektor auszuweiten.