A PolyAI apresenta o Wren, um agente de programação para sistemas de diálogo

A PolyAI tem como objetivo tornar a IA de voz com comportamento autônomo mais semelhante à humana do que nunca. Crédito: Getty

Matt Henderson, vice-presidente de pesquisa da PolyAI, explica como o Wren, um agente de programação autônomo, otimiza os agentes de diálogo corporativos para um melhor atendimento ao cliente

Há anos, as centrais de atendimento corporativas dependem de sistemas legados de Resposta Interativa de Voz (IVR).

Essas plataformas obrigam os clientes a navegar por menus rígidos e aninhados, que frequentemente não correspondem à intenção real do cliente, resultando em altas taxas de abandono e profunda frustração do consumidor.

Embora a primeira onda de IA tenha oferecido uma melhoria marginal por meio de chatbots baseados em texto e modelos de voz em cascata, essas soluções careciam fundamentalmente da percepção acústica necessária para lidar com o fluxo natural da conversa humana, incluindo interrupções, hesitações e ruídos de fundo.

A solução é a PolyAI, uma empresa de IA criada a partir do Laboratório de Inteligência de Máquinas da Universidade de Cambridge em 2017.

Com o apoio de mais de US$ 120 milhões em financiamento de grandes investidores, a empresa foi pioneira no desenvolvimento de sistemas conversacionais nativos de áudio, projetados para lidar com interações corporativas complexas e de alto risco.

No entanto, a ambição da empresa não para por aí. Enquanto a maioria imagina que são os humanos que aprimoram a IA autônoma, a PolyAI pensa fora da caixa com o Wren, um agente de codificação que analisa todas as conversas dos agentes e as aprimora proativamente, o que se traduz em enormes ganhos para as empresas.

PolyAI: Crescimento em números

• Avaliação estimada em US$ 500 milhões
• Arrecadou mais de US$ 200 milhões em financiamento total
• Fundada em 2017 em Londres
• US$ 86 milhões arrecadados na rodada de financiamento Série D

Ouvindo a conversa: a transição para o áudio nativo

Antes que uma IA possa aprimorar de forma autônoma uma plataforma de atendimento ao cliente, ela precisa, antes de tudo, ser capaz de realmente compreender quem está ligando.

O padrão do setor para IA de voz tem sido, historicamente, uma arquitetura em cascata: um mecanismo de reconhecimento automático de fala (ASR) transcreve a fala para texto, um LLM gera uma resposta em texto e um mecanismo de conversão de texto em fala (TTS) sintetiza o áudio.

No entanto, esse método retira o contexto emocional e acústico da chamada, perdendo pistas vitais antes mesmo que o LLM processe a entrada.

Para superar esse áudio sintetizado sem vida, a PolyAI criou o Dialog-RSN-1, um modelo de diálogo de ponta que percebe e raciocina diretamente a partir de entradas de áudio brutas.

O Dialog-RSN-1 combina a alternância de turnos, o reconhecimento de fala e a geração de respostas em um único LLM sensível ao áudio, sendo capaz de perceber a hesitação de quem liga, detectar frustração e lidar com interrupções exatamente como um agente humano faria.

Matt Henderson, vice-presidente de pesquisa da PolyAI, afirma em um blog: “Para as empresas que utilizam a PolyAI, isso significa agentes de diálogo que ouvem e lidam com uma chamada da mesma forma que um excelente agente humano faria: percebendo hesitações, identificando a frustração antes que ela se agrave e sabendo exatamente quando falar.”

O que diferencia esse modelo é o fato de sua percepção de áudio se limitar ao lado da entrada. Em vez disso, ele utiliza um sistema TTS (sintetizador de voz) separado para a geração, permitindo que as empresas mantenham controle rigoroso sobre a voz da marca e as diretrizes de conformidade, ao mesmo tempo em que alcançam uma latência de resposta inferior a 300 milissegundos.

Matt Henderson, vice-presidente de pesquisa da PolyAI, afirma que os agentes de diálogo ouvem e atendem uma chamada da mesma forma que um excelente agente humano faria. Crédito: matthen.com

Wren: O agente por trás dos agentes

Embora a implantação de um agente de voz altamente capaz e nativo de áudio resolva o atrito imediato na interação com o cliente, o agente não pode simplesmente ser implantado e esquecido. De fato, o desafio de longo prazo para as empresas reside na manutenção e na otimização.

Historicamente, o aprimoramento de um agente de IA exigia equipes dedicadas de engenharia humana para revisar manualmente uma pequena amostra de registros de chamadas, identificar casos extremos e programar novos caminhos de conversação. No entanto, isso é demorado e oneroso para a empresa moderna.

É aí que entra o Wren, o agente de programação da PolyAI integrado nativamente à sua Agentic Dialog Platform. Funcionando como o que a PolyAI descreve como “o agente por trás dos seus agentes”, o Wren monitora, refina e otimiza de forma autônoma e contínua os agentes de diálogo voltados para o cliente.

Diferentemente das ferramentas analíticas tradicionais, que dependem de resumos de alto nível ou pequenas amostras, o Wren analisa 100% das interações ao vivo com os clientes em todos os canais.

O Wren opera por meio de dois processos paralelos de otimização: principalmente, a autocorreção e o autoaperfeiçoamento.

Arkadiusz Kwapiszewski, chefe do Agent OS da PolyAI, explica a autocorreção e o autoaperfeiçoamento. Crédito: LinkedIn

Arkadiusz Kwapiszewski, chefe do Agent OS da PolyAI, explica: “A autocorreção identifica o que está com falha no seu agente e o repara, enquanto o autoaperfeiçoamento identifica onde algo já funciona, mas poderia funcionar melhor, medido em relação às métricas que mais importam para você.”

“Você define as métricas, e o Wren buscará oportunidades para melhorá-las. E o impacto pode ser validado por meio dos recursos de testes A/B da Agentic Dialog Platform.

“Primeiro, ele realiza a ‘autocorreção’, identificando automaticamente bugs, integrações com falhas ou frustrações dos clientes e gerando o código necessário para corrigi-los.

“Em segundo lugar, busca o ‘autoaperfeiçoamento’ orientado por KPIs. O Wren procura proativamente oportunidades para otimizar as interações com base nas métricas-chave de negócios, como satisfação do cliente (CSAT), taxas de contenção de chamadas e conversões de agendamento.”

A autocorreção detecta o que está com defeito no seu agente e o repara, enquanto o autoaperfeiçoamento identifica onde algo já funciona, mas poderia funcionar melhor

. Arkadiusz Kwapiszewski, chefe do Agent OS da PolyAI

Principais financiadores da PolyAI

• NVIDIA: A NVIDIA oferece mais do que apenas apoio financeiro. Ela também fornece a infraestrutura de hardware essencial que permite à PolyAI processar conversão de fala em texto, compreensão de intenção e geração de texto em fala em meros milissegundos.
• Khosla Ventures: Essa empresa de capital de risco tem sido uma apoiadora constante da PolyAI desde suas primeiras rodadas de financiamento. A Khosla Ventures concentra-se em empresas de tecnologia em estágio inicial que têm potencial para causar um enorme impacto social e econômico.
• Hedosophia: Atuando como uma empresa de investimentos global, a Hedosophia liderou a rodada de financiamento Série C de US$ 50 milhões da PolyAI e co-liderou a rodada Série D subsequente, de US$ 86 milhões. O apoio financeiro contínuo da Hedosophia permitiu que a PolyAI expandisse sua implantação nos setores de hospitalidade, varejo e serviços financeiros.