Разговорный AI
Голосовой ассистент на телефонной линии розничного банка
Участие в проекте, который построил Олега, русскоязычного голосового ассистента Тинькофф Банка для розничных клиентов.
- Работодатель
- Тинькофф Банк
- Период
- 2019-2020
- Стек
- Speech recognition, Text to speech, Intent classification, Dialogue management, Telephony
Проблема
Розничный банк национального масштаба принимает огромный объём звонков, и большая часть сводится к одним и тем же нескольким вопросам. Привычным ответом было голосовое меню поглубже: нажмите один, нажмите два, ждите, дождитесь оператора, объясняйте всё заново. Клиенту не нужно меню, ему нужен ответ. Банку требовалось то, что умеет выслушать фразу по-русски и что-то по ней сделать.
Над чем я работал
Олег был продакшн-системой голосового диалога для розничных клиентов банка, доступной по телефону и внутри приложения: распознавание русской речи в телефонном канале, классификация того, что на самом деле нужно звонящему, состояние диалога, которое выдерживает перебивания и уточнения, и правило передачи живому оператору в момент, когда ассистенту пора перестать догадываться. Я был участником этого проекта, а не его владельцем, рядом с командами речи, продукта и операций, у каждой из которых был свой участок. Снаружи легко недооценить, какая доля работы лежит не в модели: разбор расшифровок, сборка таксономии реальных обращений и споры о том, что ассистенту позволено говорить, когда он не уверен.
Результат
Выпуск разговорного AI на живых розничных клиентов жёстко учит одному: дешевле всего обходится сама модель, а дорого стоит поведение системы в тот момент, когда она ошибается на глазах у клиента. Пороги уверенности, пути эскалации и очереди ручной проверки во всём, что я построил позже, родом оттуда, вместе с привычкой считать, сколько живых людей на самом деле получили ответ.