Бывший сотрудник Goldman Sachs и основатели Meta разрабатывают голосовой ИИ для рынков, которым уделяется мало внимания

Поддержка клиентов и обслуживание сегодня являются одними из самых востребованных направлений в сфере голосового ИИ. Однако создание продукта, который звучит как человек и отвечает с минимальной задержкой, на некоторых рынках представляет гораздо большую сложность, чем на других — при этом большинство крупных игроков не учитывали особенности Африки и Ближнего Востока при разработке своих решений.

AethexAI, стартап, основанный в прошлом году с целью устранения этого пробела, привлек 3 миллиона долларов в рамках раунда предварительного финансирования (pre-seed), возглавляемого 4DX Ventures, при участии Enza Capital, Dorm Room Fund, Mojo Ventures и Stanford GSB 26 Fund. Среди индивидуальных инвесторов — преподаватели Стэнфорда, руководители телекоммуникационных компаний и исследователи в области искусственного интеллекта из компании Anthropic.

Вместо того чтобы полагаться на существующие инструменты оркестрации, такие как Vapi и LiveKit, компания с нуля создала собственную компактную модель и уровень оркестрации, чтобы учесть локальные диалекты английского, французского и арабского языков, на которых говорят на целевых рынках — это решение, как мы увидим, продиктовано специфическими требованиями работы в данном регионе.

Компания также запускает свою платформу для предприятий, чтобы те могли протестировать её технологию и подписаться на услуги, а также предоставляет API и SDK для разработчиков, чтобы те могли экспериментировать с её моделями.

Стартап был основан Мариамой Диалло и Айоолувой Одемуйива. Генеральный директор Диалло ранее работала в Goldman Sachs, а затем присоединилась к компании ModelML, поддерживаемой YC, в качестве специалиста по продукту и развитию. Технический директор Одемуйива окончила Калифорнийский технологический институт (Caltech), работала в Meta и училась в Стэнфордской школе бизнеса, прежде чем стала соучредителем компании. Они хотели создать что-то для развивающихся рынков и начали искать подходящие возможности.

Компании по всему миру стремятся внедрять инструменты искусственного интеллекта для автоматизации части своих операций. Однако этот процесс не всегда проходит гладко. Основатели обнаружили, что в Египте один из колл-центров автоматизировал значительную часть своих звонков, но впоследствии отказался от этой системы из-за неудовлетворительных результатов. Несколько центров поддержки в Африке сообщили им, что поиск и найм инженеров для автоматизации звонков по приемлемой цене остаются постоянной проблемой.

«Задержки и колебания, которые мы наблюдали при автоматизированных звонках в этом регионе, были просто возмутительными. Если бы мы стали просто координаторами, нам, возможно, пришлось бы использовать крупные модели, размещенные за пределами региона, что привело бы к еще большей задержке. «Мы поняли, что для успешной работы нам нужно использовать очень небольшие модели и сокращать задержку на каждом этапе», — рассказал Одемуйва TechCrunch о решении создать собственные модели и уровень оркестрации компании.

Лаборатории искусственного интеллекта, внедряющие свои новейшие модели, обычно тратят миллионы на их обучение и сбор данных. AethexAI нашла решение для обеих задач. Вместо того чтобы стремиться к созданию максимально крупных моделей, компания пришла к выводу, что небольших моделей достаточно для решения проблемы задержки при сохранении точности, и разработала собственную серию Kora с параметрами от 300 миллионов до 1,7 миллиарда. Это лишь небольшая часть размера крупных языковых моделей — и в этом как раз и заключается суть.

Для обучения этих моделей стартап использовал анонимизированные записи от партнера — колл-центра. Кроме того, компания отправила жесткие диски на радиостанции по всей Африке, чтобы собрать больше аудиоданных. Чтобы снизить затраты, она создала сеть участников из числа студентов университетов, которые занимались аннотированием данных и произношением местных имен. В результате, по данным стартапа, он теперь обрабатывает более 17 000 звонков в день.

С коммерческой точки зрения компания тщательно сопровождает клиентов, которые только начинают знакомиться с голосовым ИИ, предлагая им демонстрации на месте и семинары, чтобы помочь определить оптимальные сценарии применения автоматизации.

«Мы всегда говорим клиентам, что на данный момент не можем удовлетворить все потребности всех. Мы — небольшая компания. Когда мы начинаем переговоры с компанией, мы просим их для начала выбрать один сценарий использования, который для них наиболее важен», — сказал Диалло.

Стартап открыт для работы во всех отраслях, но на данный момент значительная часть его сценариев использования связана с звонками по взысканию задолженности, активации клиентов или KYC (Know Your Customer) — стандартной процедурой проверки личности, используемой банками и телекоммуникационными компаниями. Компания нанимает инженеров на места на контрактной основе для обслуживания местных рынков и налаживает партнерские отношения с телекоммуникационными провайдерами для обеспечения телефонной связи при голосовых вызовах с использованием ИИ. По словам компании, готовые решения типа «plug-and-play» здесь просто не сработают.

Уолтер Баду, соучредитель и управляющий партнер 4DX Ventures, утверждает, что рынки Африки и Ближнего Востока принципиально отличаются от тех рынков, для обслуживания которых были созданы большинство компаний, занимающихся голосовым ИИ.

«Предприятия в Африке и на Ближнем Востоке обрабатывают примерно в три раза больше звонков, чем их западные коллеги, поскольку голосовая связь по-прежнему остается доминирующим каналом взаимодействия с клиентами», — сказал он. «Существующие системы были созданы для западных рынков, характеризующихся высокопроизводительной инфраструктурой на базе графических процессоров (GPU), стандартной английской речью и европейскими речевыми средами, а также корпоративными рабочими процессами, распространенными в США и Европе. Это создает реальные пробелы, когда предприятиям требуются системы, способные обрабатывать диалекты, переключение кодов и неформальные речевые модели, а также работать в рамках их существующей телефонной инфраструктуры и в пределах их реальных ценовых диапазонов».

Другими словами, хотя такие компании, как ElevenLabs, Deepgram, Sierra и Cognigy, быстро расширяются на глобальном рынке, рынки, для которых они были созданы, и рынки, на которые они выходят, не всегда совпадают. Стартапы, такие как AethexAI, делают ставку на то, что эти пробелы — модели, специализированные на местных диалектах, партнёрские отношения на местах, инфраструктура, построенная специально для данного региона, — представляют собой рыночную нишу, которую гиганты не имеют ни мотивации, ни архитектуры, чтобы заполнить.