Egyre több weboldal mögé építik be a mesterséges intelligenciát. Ezt bárki megtapasztalhatja, aki sokat bóklászik a neten, számos oldalon ugrik fel azonnal egy chatablak, ahol kérdezni lehet az oldal termékével, szolgáltatásával kapcsolatban. A módszer minden esetben ugyanaz: a felhasználó kérdez, az AI meghallgatja, majd válaszol. Ha telefonos ügyfélszolgálatról van szó, akkor természetesen hanggal. A Google mostani újdonsága (a Gemini Live 3.8 Élő avatar funkció) növelheti a felhasználói élményt, emberszerűbbé teheti az ügyfélszolgálati „munkatársat” azzal, hogy arcot is ad hozzá.
A technológia alapját a Google Gemini Live legújabb generációja adja, amely az azonnali hangfeldolgozást ötvözi a rendkívül gyors videógenerálással. A gyakorlatban ez azt jelenti, hogy nem kell beérni a szokásos chatablakkal, a mesterséges intelligencia ugyanis nemcsak válaszol a kérdésekre, hanem a kiválasztott digitális avatár valós időben, tökéletes szájmozgással „szinkronizálja” a kimondott szöveget. Vagyis nem egyszerűen egy előre elkészített videóról van szó: az avatár a beszélgetés során „élőben” reagál. A Google-t idézve: az Élő avatar funkció olyan élményt teremt, amely dinamikus vizuális személyiséggel figyel, lát és beszél.
Ez az új funkció persze nem az átlagos felhasználók számára készült, ehelyett vállalati technológiáról van szó. A vállalkozások válogathatnak az előre megrajzolt karakterekből, de ha ez nem tetszene nekik, akkor akár teljesen egyedi, saját márkájukra szabott avatárokat is tervezhetnek, beleértve a cég logójával ellátott virtuális egyenruhát vagy a specifikus gesztusokat. (Egyéni avatár létrehozása viszont jelenleg csak vállalati engedélyezőlistán keresztül érhető el.)
A rendszer 97 nyelven ért és beszél, és beszélgetés közben zökkenőmentesen vált az ügyfél által használt nyelvre, a videó minőségének romlása vagy vizuális eltolódás nélkül. A Google azt is megemlítette, hogy az új avatár nem pusztán egy beszélő fej, nemcsak lát beszél és hall, hanem gondolkozik és külső rendszereket is használ. Aszinkron eszközhívásokat indíthat el és adatokat kérhet le a háttérben, miközben folytatja az aktív párbeszédet, kezeli az összetett feladatokat, és biztosítja a zavartalan beszélgetési folyamatot.
Ami a biztonságot illeti, a Google azt állítja, hogy az avatárjairól készült videók SynthID vízjelet tartalmaznak, ami igazolja, hogy valóban mesterséges intelligencia által generáltak. „Ez az észrevehetetlen vízjel közvetlenül a hang- és videókimenetbe van beleszőve, így biztosítva, hogy a mesterséges intelligencia által generált tartalom észlelhető maradjon, ezáltal minimalizálva a félretájékoztatást és a félrevezető forrásmegjelölést” – írja a vállalat.
A Google hivatalos közlése szerint a Live Avatar már általánosan elérhető a Gemini Enterprise-ban. Hogy azután az ügyintézés barátságosabb vagy inkább ijesztőbb lesz-e tőle, az azonnal kiderül, amint munkába állnak az első virtuális ügyfélszolgálati munkatársak a nagyobb weboldalakon.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
