IBM un Deepgram: Vēsturisks partnerības solis, lai Watsonx iegūtu balsi un dzirdi

Iedomājieties digitālu palīgu, kas ne tikai saprot jūsu rakstītos jautājumus, bet arī dzird un atbild ar skaistu, dabisku balsi. Šī vīzija tagad kļūst par realitāti, pateicoties vēsturiskai partnerībai starp tehnoloģiju gigantu IBM un inovatīvo runas tehnoloģiju uzņēmumu Deepgram. Šī vienošanās radikāli mainīs IBM Watsonx platformu, dodot tai spēcīgas balss iespējas, kas paredzētas biznesa automatizācijai.

Šis solis ir daudz vairāk nekā vienkārša tehnoloģiju integrācija – tas ir stratēģisks gājiens, lai padarītu mākslīgo intelektu (MI) pieejamāku, jaudīgāku un integrētāku mūsu darba ikdienā. Apskatīsim, ko šī partnerība nozīmē tehnoloģiju pasaulei un kādi pārveidojoši ieguvumi gaidāmi uzņēmumiem visā pasaulē.

Kas ir Deepgram un kāpēc IBM izvēlējās tieši šo partneri?

Deepgram ir viens no globālajiem līderiem runas atpazīšanas un valodas izpratnes jomā. To tehnoloģija izceļas ar ātrumu, precizitāti un spēju apstrādāt milzīgus audio datu apjomus ar iespaidīgu efektivitāti. Atšķirībā no daudzām citām sistēmām, Deepgram izmanto padziļinātās neironu tīklus, lai ne tikai atpazītu vārdus, bet arī saprastu kontekstu, nianses un pat runātāja emocijas.

IBM izvēle par Deepgram nav nejauša. Meklējot partneri savai Watsonx platformai, IBM vajadzēja risinājumu, kas ir ne tikai tehnoloģiski uzticams, bet arī pietiekami mērogojams, lai apkalpotu globālu korporatīvo klientu bāzi. Deepgram pierādījis spēju strādāt ar sarežģītiem biznesa audio materiāliem – no klientu dienesta zvanu ierakstiem līdz daudzvalodu sapulču transkripcijām. Šī partnerība ir IBM *pirmā* tieši balss tehnoloģiju sadarbība, kas piešķir tai īpašu svarīgumu.

Kur tieši Deepgram tehnoloģija tiks integrēta?

Sirdslietas šim projektam ir **Watsonx Orchestrate**. Šī ir platforma, kas ļauj uzņēmumiem veidot un pārvaldīt automatizētus MI agentus – digitālos palīgus, kas var veikt atkārtotus uzdevumus. Līdz šim šie agenti galvenokārt strādāja ar tekstuālu informāciju. Tagad, integrējot Deepgram runas dzinēju *tieši* Orchestrate agentu veidošanas rīkos, izstrādātāji varēs radīt agentus, kas spēj:

* **Dzirdēt un saprast:** Reāllaikā apstrādāt sarunu, saprast jautājumus un izvilkt nozīmi no runātā balss.
* **Runāt atbildi:** Ģenerēt dabiskas, sarunvalodai tuvas balss atbildes, nevis tikai tekstu lodziņā.
* **Darboties daudzvalodā:** Apkalpot klientus un darbiniekus viņu dzimtajā valodā, pārvarot valodu barjeras.

Integrācija ir tieša un dziļa, kas nozīmē, ka lietotājiem nebūs jāizmanto atsevišķas aplikācijas vai sarežģīti API savienojumi – balss iespējas būs iebūvētas instrumentu komplektā.

Reālas pielietojuma iespējas: Kā uzņēmumi gūs labumu?

Šīs tehnoloģijas ietekme uz dažādām nozarēm var būt pārveidojoša. Padomājiet par šādiem scenārijiem:

**Klientu apkalpošanas revolūcija:** Iedomājieties zvanu centru, kur MI agents atsaucas uz klientu zvanu, uzreiz saprot problēmu, analizē klienta vēsturi un vai nu sniedz uzreiz atrisinājumu, vai arī efektīvi novirza zvanu pie pareizā speciālista. Tas samazina gaidīšanas laiku un uzlabo apmierinātību.

**Veselības aprūpes atbalsts:** Ārsti un medmāsas varētu mutiski diktēt piezīmes par pacientu, un MI agents reāllaikā strukturētu šo informāciju, aizpildītu epakas vai pat ieteiktu iespējamo diagnozi, pamatojoties uz simptomiem.

**Finanšu un juridiskie pakalpojumi:** Automatizēta sapulču un sarunu transkripcija, kur sistēma ne tikai pārveido runu tekstā, bet arī atpazīst svarīgus terminus, datus un saistītos dokumentus, ievērojami ietaupot laiku un samazinot kļūdu iespējamību.

**Iekšējā darba automatizācija:** Darbinieks varētu mutiski pieprasīt savam digitālajam aģentam sagatavot pārskatu, ieplānot sapulces vai apkopot datus no dažādām sistēmām, visu – izmantojot tikai balsi.

Kāpēc tas ir svarīgi Latvijas uzņēmumiem?

Latvijas uzņēmumi, it īpaši tie, kas darbojas globālajos tirgos vai ar starptautiskiem klientiem, var iegūt no šīs tehnoloģijas vairākos līmeņos. Pirmkārt, tas atvērtu iespējas automatizēt daudzvalodu klientu atbalstu, īpaši sarežģītajā latviešu valodas kontekstā. Otrkārt, mazākiem un vidējiem uzņēmumiem, kuriem bieži vien trūkst resursu dārgu risinājumu izstrādei, piekļuve šādām jaudīgām, bet caur mākoņplatformām pieejamām MI iespējām varētu būt līdzvērtīgs spēles mainītājs. Tas ļautu konkurēt ar lielākiem spēlētājiem, piedāvājot modernu, personalizētu pakalpojumu pieredzi.

Nākotnes perspektīvas: Ko šis solis nozīmē MI attīstībai?

IBM un Deepgram partnerība ir spilgts piemērs tam, ka nākotnes veiksmīgākie MI risinājumi neradīsies no viena uzņēmuma laboratorijās, bet gan no speciālistu sadarbības. IBM spēks ir uzņēmumu līmeņa platformās, drošībā un integrācijā, kamēr Deepgram nes specializētu ekspertīzi konkrētā jomā – balss tehnoloģijās.

Šī integrācija arī parāda, ka nākamais liels lēciens MI pieņemšanā būs tieši **daudzveidīgo sensoru un ievades veidu apvienošana.** Nākotnes digitālie palīgi nesadarbosies tikai ar tekstu vai tikai ar balsi – tie šos kanālus apvienos, lai radītu patiesi daudzmodālu un intuitīvu mijiedarbību, kas atdarinās cilvēka komunikāciju.

Tuvākā nākotnē varam gaidīt, ka Watsonx platformā parādīsies arvien vairāk iepriekš konfigurētu balss aģentu veidnes dažādām nozarēm, kas paātrinās šo tehnoloģiju ieviešanu. Bez šaubām, arī citi lieli spēlētāji pievērsīs lielāku uzmanību balss iespēju attīstīšanai savās AI platformās.

**Secinājums:** IBM un Deepgram partnerība nav tikai tehniskas detaļas lieta. Tā ir zīme, ka mākslīgais intelekts kļūst pieaugoši daudzveidīgs un integrēts mūsu digitālajā vidē. Balss kā dabiskākā cilvēka saskares veida iekļaušana biznesa automatizācijā atvērs durvis uz efektīvāku, pieejamāku un cilvēciskāku tehnoloģiju lietojumu visās nozarēs, ieskaitot Latviju. Uzņēmumiem, kas vēlas palikt konkurentspējīgi, ir pienācis laiks nopietni apsvērt, kā balss iespējas var uzlabot viņu procesus un pakalpojumus.

Avots: https://aibusiness.com/intelligent-automation/ibm-watsonx-deepgram-partnership