Voicebot do własnej pracy: zbudowaliśmy asystenta głosowego w Chrome i oddajemy go za darmo

Wpisz w Google słowo "voicebot", a zobaczysz same infolinie. Bot, który odbiera telefon, potwierdza wizytę, sprawdza status zamówienia i przełącza na konsultanta, kiedy klient zaczyna krzyczeć. To dobra i potrzebna technologia, ale ma jedną cechę wspólną: zawsze stoi po stronie firmy i rozmawia z kimś z zewnątrz. My zbudowaliśmy voicebota, który rozmawia z Tobą i pracuje dla Ciebie.

Wygląda to tak. Koniec dnia, w przeglądarce dwadzieścia kart, w głowie trzech klientów. Mówisz do panelu z boku ekranu: "Zapisz dwie godziny wczoraj dla Janka, opis: poprawki w ofercie". Panel nic nie odpowiada, tylko w ewidencji pojawia się wpis przy właściwej osobie i jej firmie. Pytasz: "Ile godzin dla Acme w tym miesiącu?". Słyszysz liczbę. Mówisz: "Zapisz notatkę: klient prosi o fakturę do dziesiątego". Za tydzień pytasz "co mam zapisane o rozliczeniach z Acme?" i dostajesz właśnie tę notatkę, choć nie użyłeś ani jednego słowa z jej treści.

To rozszerzenie Chrome o nazwie MTZN. Kod jest publiczny na GitHubie, na licencji MIT, więc możesz go zainstalować, przerobić albo rozebrać na części. Ten artykuł opisuje, co potrafi, jak działa pod spodem i czego nauczyliśmy się przy budowie. Ta ostatnia część przyda się każdemu, kto myśli o własnym voicebocie w firmie, także takim dla klientów.

Voicebot, który obsługuje Ciebie, a nie Twoich klientów

Większość narzędzi do organizacji pracy przegrywa z tym samym przeciwnikiem: z tarciem. Stoper trzeba włączyć, wpis godzin trzeba uzupełnić, notatkę trzeba gdzieś zapisać, a potem jeszcze ją znaleźć. Każda z tych czynności trwa kilkanaście sekund i każdą łatwo odłożyć na później, czyli na nigdy. Freelancer odtwarza swój tydzień w piątek z historii przeglądarki i skrzynki, a godziny, których nie odtworzy, po prostu przepadają. Tak, to są te godziny, za które nikt nie zapłaci.

Głos usuwa to tarcie, bo mówienie nie odrywa od pracy. Nie trzeba przełączać karty, szukać pola ani pamiętać, gdzie co leży. Warunek jest jeden i to on odróżnia użyteczny asystent głosowyvoice assistantProgram, z którym rozmawiasz głosem. Tu nie chodzi o rozmowę dla rozmowy, tylko o wykonywanie poleceń na Twoich danych. od zabawki: polecenie musi naprawdę coś zmienić w danych. Asystent, który na "zapisz dwie godziny" odpowiada "oczywiście, zapisałem", a niczego nie zapisał, jest gorszy niż brak asystenta, bo uczy zaufania, na które nie zasługuje.

Dlatego nasz voicebot nie jest chatbotem z syntezą mowy. To agentAI agentModel językowy, który ma dostęp do narzędzi i sam decyduje, którego użyć, żeby wykonać polecenie. Różnicę między agentem, asystentem i chatbotem opisaliśmy w osobnym artykule., który słucha, wybiera jedno z kilkudziesięciu narzędzi i wykonuje operację na danych w panelu. Czym agent różni się od asystenta i chatbota, rozkładaliśmy na części w artykule Agent AI, asystent czy chatbot?. Tutaj masz działający przykład w przeglądarce.

Co potrafi wtyczka

Panel otwiera się z boku przeglądarki skrótem Ctrl+Shift+Y i ma sześć zakładek. Wszystko można klikać ręcznie, a głos jest dodatkową drogą do tych samych funkcji, nie osobnym światem.

Zakładka Do czego służy
Czas Stoper z pauzą i wpisy ręczne, lista godzin z filtrami po dacie i kontakcie, eksport do CSV
Zadania Lista albo tablica kanban z przeciąganiem kart, własne statusy, terminy i planowane godziny
Kontakty Firmy z danymi rejestrowymi i przypisanymi pracownikami; karta firmy sumuje godziny i zadania wszystkich jej ludzi
Pamięć Notatki, które same dostają tytuł, kategorię i tagi, z wyszukiwarką rozumiejącą pytania opisowe
Wycinki Zrzuty ekranu i teksty zebrane ze stron
Rozmowy Historia rozmów z agentem, każdą można wznowić albo pobrać jako plik Markdown
Panel MTZN w Chrome na przykładowych danych: ewidencja czasu z wpisami dodanymi głosem i ręcznie, lista zadań z postępem godzin oraz notatki, które same dostały kategorię
Panel MTZN w Chrome na przykładowych danych: ewidencja czasu z wpisami dodanymi głosem i ręcznie, lista zadań z postępem godzin oraz notatki, które same dostały kategorię

Do tego dochodzi praca ze stronami. Prawym przyciskiem myszy robisz zrzut widocznego fragmentu albo całej strony, odczytujesz tekst z zaznaczonego obszaru, co ratuje przy skanach i obrazkach, albo dodajesz zaznaczony tekst do pamięci. W tym ostatnim przypadku notatka zapamiętuje odnośnik, który prowadzi nie do strony, tylko do tego konkretnego zdania na stronie. Po miesiącu nie szukasz, skąd był cytat.

Jest też dyktowanie. Włączasz je w pasku panelu i wypowiadany tekst trafia wprost do pola, w którym stoi kursor na otwartej stronie: w mailu, w formularzu, w dokumencie. Wyłącza je zdanie "koniec dyktowania". Agent rozmawia domyślnie po polsku, a w ustawieniach można przełączyć go na angielski, niemiecki albo ukraiński.

Zadania w widoku tablicy kanban. Agent przesuwa karty między kolumnami poleceniem głosowym, a statusy są zamkniętą listą, więc nie wymyśli nowej kolumny
Zadania w widoku tablicy kanban. Agent przesuwa karty między kolumnami poleceniem głosowym, a statusy są zamkniętą listą, więc nie wymyśli nowej kolumny

Jak to działa pod spodem: Gemini Live w panelu bocznym

Sercem wtyczki jest Gemini LiveLive APIInterfejs Google do rozmowy z modelem w czasie rzeczywistym przez stałe połączenie WebSocket. Model słyszy dźwięk na bieżąco i odpowiada głosem, bez osobnego kroku zamiany mowy na tekst., czyli model Google, który słucha i mówi w czasie rzeczywistym. Panel otwiera z nim jedno stałe połączenie i wysyła dźwięk z mikrofonu kawałkami, w formacie PCM 16 kHz, a odpowiedź wraca jako dźwięk 24 kHz i od razu jest odtwarzana. Nie ma tu klasycznego łańcucha "zamień mowę na tekst, wyślij tekst do modelu, zamień odpowiedź na mowę". Model z natywnym dźwiękiem robi to w jednym kroku, dlatego odpowiada szybko i da mu się przerwać w pół zdania.

Model sam rozpoznaje, kiedy skończyłeś mówić. Ustawiliśmy mu pół sekundy ciszy jako sygnał końca wypowiedzi, co przy normalnym tempie rozmowy działa dobrze, a przy zastanawianiu się w trakcie zdania czasem wpada w słowo. Każdy, kto rozmawiał z kimś zbyt szybkim, zna to uczucie.

Sesja Live ma swoje ograniczenia, które w dokumentacji wyglądają niewinnie, a w praktyce decydują o tym, czy narzędzie da się używać przez cały dzień. Pojedyncze połączenie wygasa po około dziesięciu minutach. Serwer uprzedza o tym komunikatem, a panel w tym momencie sam otwiera nowe połączenie i podaje identyfikator poprzedniego, dzięki czemu rozmowa toczy się dalej, a Ty niczego nie zauważasz. Ten mechanizm nazywa się wznawianiem sesjisession resumptionSerwer co jakiś czas przysyła identyfikator stanu rozmowy. Nowe połączenie z tym identyfikatorem kontynuuje rozmowę zamiast zaczynać od zera.. Drugi problem to rosnąca długość rozmowy. Po przekroczeniu około stu tysięcy tokenów starsza część rozmowy jest kompresowana do połowy, więc agent pamięta, o czym była mowa godzinę temu, ale nie przepełnia sobie kontekstu.

Czterdzieści siedem narzędzi zamiast gadania

Agent ma do dyspozycji czterdzieści siedem narzędzi. Uruchamia, pauzuje i zatrzymuje stoper, dopisuje i poprawia wpisy godzin, zakłada firmy i pracowników, tworzy zadania i przesuwa je między kolumnami tablicy, zapisuje, czyta, poprawia i usuwa notatki, przeszukuje pamięć, robi zrzuty ekranu, odczytuje z nich tekst, wkleja tekst do strony, otwiera adresy, kopiuje do schowka, a nawet wycisza własny mikrofon i zmienia swój głos. Każde narzędzie to deklaracja funkcjifunction callingOpis operacji, który model dostaje razem z instrukcją: nazwa, parametry i do czego służy. Model nie wykonuje kodu sam, tylko prosi panel o wywołanie wskazanej funkcji z konkretnymi argumentami., którą model może wywołać z konkretnymi argumentami, a panel wykonuje ją na prawdziwych danych.

Najważniejsza decyzja projektowa dotyczyła jednak nie tego, co agent robi, tylko tego, czego nie mówi. Pierwsze wersje po każdym poleceniu meldowały "uruchamiam stoper", "zapisuję wpis", "sesja rozpoczęta". Po godzinie pracy miało się ochotę wyrzucić laptop przez okno. Teraz po czysto technicznej operacji agent milczy, a odzywa się tylko wtedy, gdy ma coś do powiedzenia: wynik, pytanie albo błąd. Cisza jest tu funkcją, nie usterką. Dobry asystent jest jak dobry kelner: widać efekty, nie słychać komentarza.

Są cztery sytuacje, w których agent zawsze się odzywa. Przed usunięciem czegokolwiek mówi, co dokładnie zamierza usunąć, i czeka na wyraźne "tak". Przy niejednoznacznej nazwie wymienia kandydatów i dopytuje. Przy każdym błędzie narzędzia mówi, co poszło nie tak. A przy pytaniach o dane, czyli podsumowaniach, listach i wyszukiwaniu w pamięci, podaje wynik.

Instrukcja w trzech warstwach, z których jednej nie da się ruszyć

Instrukcja systemowa agenta składa się z trzech części i ich kolejność nie jest przypadkowa.

Warstwa Kto ją pisze Co w niej jest
Rdzeń my, bez możliwości edycji język rozmowy, dyscyplina narzędzi, potwierdzanie usuwania, obsługa braku dopasowania
Twoja część Ty, w ustawieniach, do 4000 znaków osobowość, ton, Twoje zwyczaje i skróty
Kontekst panel, automatycznie przy każdej rozmowie dzisiejsza data, lista klientów, otwarte zadania, stan stopera

Rdzeń jest zablokowany celowo. To w nim siedzą zdania w rodzaju "NIGDY nie twierdź, że coś wykonałeś, bez wywołania narzędzia" i "NIGDY nie zgaduj identyfikatorów". Gdyby dało się je skasować w polu tekstowym razem z akapitem o tonie wypowiedzi, jedno nieuważne kliknięcie rozbrajałoby potwierdzenia przed usuwaniem danych. Twoja część stoi bliżej końca instrukcji, więc ma większy wpływ na styl, ale reguł rdzenia nie da się przegadać stylem, bo są sformułowane jako zakazy bezwzględne.

Kontekst z kolei rozwiązuje problem, który wychodzi w pierwszej minucie testów. Bez dzisiejszej daty i listy klientów agent zaczyna zgadywać. "Wczoraj" staje się losowym dniem, a "Janek" losowym Janem. Dlatego panel dokleja te informacje przy każdym połączeniu. Statusy zadań są zamkniętą listą i agent nie może wymyślać nowych, a jeśli narzędzie nie znajdzie kontaktu, agent nie ponawia wywołania z tą samą nazwą, tylko wymienia podobne nazwy i pyta, czy założyć nowy wpis. O tym, jak projektować takie bariery, żeby model nie dopowiadał sobie świata, pisaliśmy szerzej w artykule o ograniczaniu halucynacji agenta AI.

Pamięć: dlaczego wyrzuciliśmy własny RAG

Notatki są najważniejszą częścią wtyczki, bo to one sprawiają, że po miesiącu narzędzie wie więcej niż Ty pamiętasz. Pierwsza wersja wyszukiwarki była napisana od zera: każda notatka dostawała wektor liczbowy, zapisany razem z nią w przeglądarce, a podobieństwo do pytania liczyła pętla w panelu. Podręcznikowy RAGretrieval augmented generationTechnika, w której przed odpowiedzią model dostaje fragmenty dokumentów pasujące do pytania. Odpowiada wtedy na podstawie Twoich danych, a nie wyłącznie tego, czego nauczył się w treningu. w kilkudziesięciu liniach kodu.

Testy wykazały dwie wady. Filtr przepuszczający wyniki z podobieństwem większym od zera przepuszczał wszystko, bo podobieństwo dwóch wektorów praktycznie nigdy nie jest równe zeru. Pytanie, na które w notatkach nie było żadnej odpowiedzi, i tak zwracało garść przypadkowych notatek, a agent grzecznie je streszczał. Druga wada była cichsza: treść notatki jechała do modelu obcięta do 2500 znaków, więc końcówka długiej notatki nigdy do niego nie docierała. Jeśli ważne ustalenie było na dole, agent go nie widział.

Od wersji 0.7 wyszukiwanie robi File SearchGemini File SearchUsługa Google, która sama dzieli dokumenty na fragmenty, liczy dla nich wektory, przechowuje je i wyszukuje fragmenty pasujące do pytania. od Google: dzielenie na fragmenty, wektory, magazyn i samo wyszukiwanie. Jest tu jednak haczyk, którego nie ma w materiałach marketingowych. File Search nie działa w Live API, więc agent głosowy nie może go użyć bezpośrednio. Agent dostał więc własne narzędzie do przeszukiwania pamięci, które w tle wysyła zwykłe zapytanie do modelu z włączonym File Search i oddaje agentowi treść dopasowanych fragmentów. Gdy wyszukiwarka nie odpowiada, panel przechodzi na proste dopasowanie po słowach i mówi o tym wprost, a sama lista notatek działa bez sieci.

Lekcja jest szersza niż ta wtyczka. Własny RAG w pięćdziesięciu liniach wygląda świetnie na demo i zawodzi na pytaniu, na które nie ma odpowiedzi. A to jest najważniejsze pytanie, bo dobra pamięć musi umieć powiedzieć "nie mam o tym notatki".

Dane zostają u Ciebie, a kopia trafia na Twój Dysk

Wszystkie dane, klucz API i ewentualny klucz konta usługowego leżą w pamięci przeglądarki. Nie ma naszego serwera, konta ani bazy w chmurze, do której trafiałyby Twoje godziny i kontakty. Ma to oczywistą zaletę i oczywistą wadę: nikt poza Tobą nie ma tych danych, ale jeśli przeglądarka zniknie, znikną z nią.

Dlatego jest opcjonalna kopia na Dysku Google. Każda zmiana w panelu trafia w tle na Twój Dysk jako zwykłe arkusze i pliki w folderach: zestawienia godzin i zadań, folder na każdą firmę z jej pracownikami, notatki, zrzuty, rozmowy i archiwum usuniętych rzeczy. Arkusze da się otworzyć i przeczytać bez wtyczki, więc nawet gdyby rozszerzenie przestało istnieć, Twoje dane zostają w formacie, który rozumie każdy księgowy. Na nowym komputerze przycisk "Odtwórz z Dysku" wczytuje wszystko z powrotem, a przed zapisem pokazuje podsumowanie i pyta o zgodę.

Połączenie z Dyskiem idzie przez konto usługoweservice accountTechniczne konto Google Cloud, które łączy się z usługami Google kluczem zamiast hasła. W Google Workspace może działać w imieniu konkretnego użytkownika dzięki delegacji ogólnodomenowej., a podpis potrzebny do logowania wtyczka liczy sama, wbudowanym w przeglądarkę modułem kryptograficznym. Nie ma tu żadnej biblioteki, bo całe rozszerzenie to czysty JavaScript bez instalowania zależności i bez kroku budowania. To świadomy wybór: każdy plik, który ląduje w przeglądarce, da się przeczytać w repozytorium dokładnie w takiej postaci, w jakiej działa.

Uczciwie trzeba powiedzieć, co wychodzi do Google. Rozmowy z agentem, treść notatek, bo wyszukiwarka pamięci wymaga przesłania ich do magazynu Gemini, i obrazy, z których odczytujesz tekst. Jeśli pracujesz na danych, które nie mogą opuścić firmy, to narzędzie w obecnej postaci nie jest dla Ciebie, a przynajmniej nie z wyszukiwarką pamięci.

Drobiazgi, które zjadły najwięcej czasu

Z budowy takich narzędzi najwięcej uczą nie wielkie decyzje, tylko drobiazgi, o których nikt nie pisze w tutorialach.

Chrome nie pyta o zgodę na mikrofon w panelu bocznym. Po prostu odmawia, bez okienka i bez komunikatu. Rozwiązanie wygląda prymitywnie: przy pierwszym uruchomieniu wtyczka otwiera osobną kartę z jednym przyciskiem "Zezwól", a po kliknięciu zgoda obowiązuje także w panelu. Wystarczy raz. Podobnie ze schowkiem: część rozszerzenia działająca w tle nie ma dostępu do schowka, a kopiowanie ze strony wymaga świeżego kliknięcia użytkownika, które przepada, zanim model odczyta tekst ze zrzutu. Kopiowaniem zajmuje się więc osobny, niewidoczny dokument, a gdy i on dostaje odmowę, wraca stara metoda przez ukryte pole tekstowe.

Są też ograniczenia, których nie dało się obejść. Zamknięcie panelu bocznego kończy rozmowę głosową, bo tak działa panel w Chrome. Godziny i dane zostają, przerywa się tylko sesja. Piszemy o tym w instrukcji wprost, bo lepiej, żeby użytkownik wiedział to od nas niż odkrył po utracie wątku.

Najwięcej frustracji przy narzędziach głosowych bierze się z tego, że "nie działa" i nie wiadomo dlaczego. Dlatego w ustawieniach jest test połączenia, który sprawdza po kolei klucz, dostępność modelu i konfigurację sesji, dokładając kolejne elementy konfiguracji jeden po drugim, aż znajdzie ten, który psuje połączenie. Dziennik zamienia kody błędów na ludzki język. Kod 1006 to zwykle sieć, proxy albo firmowy VPN, 1007 to konfiguracja odrzucona po zmianie modelu, a 1008 to brak dostępu do Live API dla danego klucza, najczęściej z powodu niewłączonych rozliczeń w Google Cloud. Przycisk "Kopiuj log" zrzuca dziennik do schowka z zamaskowanym kluczem, więc można go bezpiecznie komuś wysłać.

Czego ta wtyczka uczy firmę, która chce własnego voicebota

Zbudowaliśmy narzędzie dla jednej osoby, ale problemy, które rozwiązywaliśmy, są dokładnie tymi samymi problemami, które ma voicebot w firmie, czy to wewnętrzny dla pracowników, czy zewnętrzny dla klientów.

Po pierwsze, voicebot ma działać przez narzędzia, a nie przez opowiadanie. Wartość nie leży w tym, że ładnie mówi, tylko w tym, że po rozmowie w systemie jest wpis, w kalendarzu jest termin, a w zgłoszeniu jest status. Jeśli bot nie ma dostępu do operacji, jest tylko droższą wersją strony z FAQ.

Po drugie, reguły bezpieczeństwa muszą siedzieć w warstwie, której nie zmieni ani użytkownik, ani administrator poprawiający ton wypowiedzi. Potwierdzanie operacji nieodwracalnych, zakaz zgadywania identyfikatorów i zakaz deklarowania wykonania bez wykonania to nie są ustawienia stylu. W firmie dochodzi do tego jeszcze jedna warstwa: uprawnienia. Agent powinien widzieć tylko te dane i operacje, które ma widzieć osoba, z którą rozmawia.

Po trzecie, cisza i krótkie odpowiedzi to funkcja. Voicebot, który komentuje każdy swój krok, męczy po kilku minutach, a w kanale telefonicznym dodatkowo kosztuje czas klienta. Mówić ma wtedy, gdy przekazuje wynik, dopytuje albo zgłasza błąd.

Po czwarte, pamięć musi umieć powiedzieć "nie wiem". Bot, który na każde pytanie znajduje jakąś odpowiedź w bazie wiedzy, jest groźniejszy niż bot, który przyznaje, że odpowiedzi nie ma. Dlatego wyszukiwanie warto testować przede wszystkim na pytaniach, na które w bazie nie ma odpowiedzi.

Po piąte, diagnostyka jest częścią produktu. Najlepszy model nic nie da, jeśli połączenie pada za firmowym proxy, a nikt nie wie, w którym miejscu. Test, który wskazuje pierwszy wadliwy element, oszczędza godziny wsparcia technicznego.

Jeśli myślisz o voicebocie albo agencie AI w swojej firmie, od wewnętrznego asystenta dla handlowców po bota przyjmującego zgłoszenia, zobacz, jak budujemy agentów AI dla firm. A jeśli zastanawiasz się, czy w ogóle warto, pomoże tekst o tym, kiedy automatyzacja jest warta swojej ceny.

Jak zainstalować wtyczkę w pięć minut

Rozszerzenia nie ma w sklepie Chrome, instaluje się je z kodu, co zajmuje mniej czasu niż czytanie tego akapitu. Pobierz repozytorium z GitHuba i rozpakuj je w dowolnym folderze. W Chrome wejdź na stronę chrome://extensions, włącz tryb dewelopera przełącznikiem w prawym górnym rogu, kliknij "Załaduj rozpakowane" i wskaż ten folder. Panel otworzysz skrótem Ctrl+Shift+Y albo ikoną na pasku.

Bez klucza API działa całe klikanie: stoper, zadania, kontakty i notatki. Żeby włączyć agenta głosowego i wyszukiwanie w pamięci, utwórz klucz w Google AI Studio i wklej go w ustawieniach panelu, w sekcji Modele. Klucz zostaje wyłącznie w Twojej przeglądarce. Przy pierwszym kliknięciu Play wtyczka poprosi o zgodę na mikrofon w osobnej karcie. Potem wystarczy mówić.

Najczęstsze pytania o voicebota w przeglądarce

Czym jest voicebot i czym różni się od asystenta głosowego?

Voicebot to program, który prowadzi rozmowę głosową i wykonuje na jej podstawie operacje. Zwykle tym słowem określa się boty do obsługi klientów na infolinii. Asystent głosowy to szersze pojęcie, a nasze rozszerzenie jest voicebotem odwróconym: zamiast obsługiwać klientów firmy, obsługuje użytkownika, zapisując jego godziny, zadania, kontakty i notatki.

Czy wtyczka jest darmowa?

Tak. Kod jest publiczny na licencji MIT, możesz go używać i modyfikować także komercyjnie. Płacisz tylko Google za użycie modeli Gemini według cennika powiązanego z Twoim kluczem API. Do korzystania z rozmowy głosowej przez Live API potrzebne są włączone rozliczenia w Google Cloud.

Czy asystent głosowy rozumie polski?

Tak, polski jest językiem domyślnym. Agent rozumie mowę potoczną, nazwy firm i imiona z Twojej listy kontaktów, a w ustawieniach można przełączyć go na angielski, niemiecki albo ukraiński. Celowo nie zmienia języka tylko dlatego, że w zdaniu pojawiła się obca nazwa albo cytat.

Gdzie są przechowywane moje dane?

W pamięci przeglądarki, w Twoim profilu Chrome. Opcjonalnie wtyczka robi kopię na Twoim Dysku Google w postaci zwykłych arkuszy. Do Google trafiają rozmowy z agentem, treść notatek potrzebna wyszukiwarce pamięci i obrazy, z których odczytujesz tekst. Nie ma żadnego serwera MTZN, przez który przechodziłyby Twoje dane.

Czy agent może usunąć moje dane bez pytania?

Nie. Reguła potwierdzania usunięć siedzi w zablokowanej części instrukcji systemowej, której nie da się zmienić w ustawieniach. Przed każdym usunięciem agent mówi, co dokładnie zamierza usunąć, i wykonuje operację dopiero po Twoim wyraźnym potwierdzeniu.

Czy mogę pisać zamiast mówić?

Tak. Pod rozmową jest pole tekstowe, które działa także wtedy, gdy mikrofon jest wyłączony albo połączenie głosowe nie wstało. Wszystkie funkcje panelu da się też obsłużyć zwykłym klikaniem, bez agenta.

Czy możecie zbudować podobnego voicebota dla mojej firmy?

Tak, to właśnie robimy na co dzień. Projektujemy agentów i voiceboty działające na danych firmy, z uprawnieniami, potwierdzeniami operacji i diagnostyką, zarówno wewnętrzne dla zespołu, jak i dla klientów. Szczegóły znajdziesz na stronie o agentach AI dla firm.

Zaproszenie do rozmowy

Voicebot, który coś robi, a nie tylko mówi? Zbudujemy go na danych Twojej firmy

Opowiedz nam, gdzie Twój zespół albo Twoi klienci tracą czas na powtarzalne rozmowy i wpisy. Pokażemy, które operacje voicebot może wykonać sam, gdzie potrzebne jest potwierdzenie człowieka i jakie dane w ogóle nie powinny trafiać do modelu.

Umów konsultację
Zobacz, jak budujemy agentów AI dla firm

Wszystkie materiały do tego artykułu, w tym słuchowisko, grafiki, schematy oraz tekst, powstały przy wsparciu SI.