Prism rivoluziona gli assistenti vocali: ora l'AI parla come gli esseri umani

L’Intelligenza Artificiale applicata alle conversazioni telefoniche sta cercando di superare uno dei suoi limiti più evidenti: la difficoltà di combinare un dialogo naturale con il controllo delle informazioni comunicate.

In questo scenario si inserisce Prism, una nuova tecnologia sviluppata da Rime e destinata soprattutto alle aziende che gestiscono servizi di assistenza e interazioni con i clienti. Il progetto punta a rendere gli assistenti vocali più simili agli interlocutori umani, senza rinunciare alla possibilità di verificare e modificare i contenuti generati.

La proposta introduce un approccio interessante, perché cerca di conciliare fluidità della conversazione, precisione delle risposte e possibilità di integrazione nei processi aziendali.

Prism cambia il funzionamento degli assistenti vocali

Gli assistenti tradizionali utilizzano generalmente una sequenza di elaborazione che trasforma la voce in testo, genera una risposta scritta e successivamente la converte in audio. Questo passaggio può eliminare informazioni importanti presenti nella comunicazione originale, come esitazioni, risate, irritazione e particolari sfumature del tono. Elementi che, nel dialogo quotidiano, contribuiscono a interpretare correttamente le intenzioni di chi parla.

Prism adotta un’architettura speech-to-speech, nella quale l’elaborazione avviene direttamente a partire dall’audio. La caratteristica più interessante riguarda però il controllo intermedio: prima di pronunciare una risposta, il sistema ne produce una rappresentazione testuale verificabile. Le aziende possono quindi applicare regole specifiche, controllare le informazioni e intervenire sul contenuto prima che venga comunicato al cliente.

Un altro aspetto riguarda la gestione delle interruzioni. Il sistema continua ad ascoltare mentre parla, consentendo di reagire quando l’interlocutore aggiunge informazioni o cambia argomento. Inoltre, può richiamare strumenti esterni durante il dialogo, recuperando dati utili senza interrompere necessariamente l’interazione. Questa possibilità risulta particolarmente interessante per i centralini che devono consultare archivi, verificare informazioni personali o gestire richieste articolate.

Prestazioni, personalizzazione e disponibilità commerciale

Rime ha presentato anche i risultati di τ-Voice, una valutazione basata su conversazioni simulate nei settori delle compagnie aeree, del commercio e delle telecomunicazioni. Prism ha ottenuto un tasso di completamento delle attività pari al 56,6%, mentre nelle prove dedicate alle telecomunicazioni ha raggiunto l’82,5%, rispetto al 45,6% registrato da GPT-Live-1. Il primo audio viene generato in 0,57 secondi. Si tratta di risultati pubblicati dallo stesso sviluppatore, da considerare quindi nel contesto delle condizioni di test dichiarate.

La personalizzazione rappresenta un ulteriore elemento del progetto. Le aziende potranno adattare il comportamento del modello alle proprie esigenze, utilizzando dati provenienti dalle conversazioni e informazioni specifiche del settore. È prevista anche la possibilità di intervenire sulla pronuncia di nomi, numeri di conto e termini specialistici, riducendo il rischio di comunicazioni poco comprensibili.

Al momento Prism viene proposto in fase di sperimentazione a un gruppo ristretto di aziende. Rime sta lavorando allo sviluppo delle API necessarie per consentire una personalizzazione più ampia e una distribuzione destinata agli sviluppatori.