Inga produkter i varukorgen.
Parloa bygger AI-agenter som kunderna vill prata med
AI Med sin Agent Management Platform gör Parloa det möjligt att bygga och styra AI-agenter som hanterar verkliga kundärenden.
När Parloas medgrundare Stefan Ostwald tillbringade en dag i ett försäkringsbolags kontaktcenter hörde han samma typer av samtal upprepas om och om igen. Det handlade om lösenordsåterställningar, frågor om försäkringar och andra rutinärenden. Slutsatsen blev att en stor del av arbetet borde kunna automatiseras.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Det blev startpunkten för Berlinbaserade Parloas satsning på röstbaserade AI-agenter för kundservice. I takt med utvecklingen av generativ AI har bolaget byggt ut plattformen till det man i dag kallar AI Agent Management Platform, AMP.
Plattformen är tänkt att ge företag ett sätt att utforma, driftsätta och hantera kundserviceinteraktioner i stor skala. I stället för att bygga hårt styrda flöden kan man beskriva agentens beteende med naturligt språk, koppla den till interna system och testa förändringar innan agenten möter riktiga kunder.
– Modellerna spelar bara roll om de fungerar i produktion. Vi arbetar nära OpenAI med hur modellerna kan göras tillräckligt snabba och tillförlitliga för realtidssamtal, säger Ciaran O’Reilly Ibañez, som är utvecklare på Parloa.
En central poäng med AMP är att plattformen inte enbart ska vara ett verktyg för utvecklare. Ämnesexperter och affärsanvändare ska kunna definiera agentens roll, instruktioner, verktyg och gränser utan att skriva kod.
Innan en agent går live testas den i simulerade kundsamtal. Parloa använder modeller där en modell agerar kund och en annan kör den konfigurerade agenten. På så sätt kan teamen granska interaktionerna och testa ändringar innan lösningen blir tillgänglig för kunderna.
Samma modeller används också för att utvärdera samtalen. För stora företag är detta avgörande och Parloa lyfter att det inte räcker att en modell presterar bra i generella benchmarktester. Den måste också fungera i verkliga kundflöden, där varje felaktigt API-anrop, varje missad instruktion och varje fördröjning påverkar kundupplevelsen.
Bolaget speglar därför verkliga produktionsagenter i sina testmiljöer och mäter bland annat hur väl modellerna följer instruktioner, hur stabilt de anropar API:er och hur låg fördröjningen är. Först när en modell fungerar tillräckligt bra i realistiska kundscenarier används den i produktion.
Röstkanalen ställer dessutom andra krav än textbaserad chatt. Varje samtal går genom en kedja av tal-till-text, modellresonemang och text-till-tal. Även små fördröjningar i modellagret kan snabbt bli märkbara pauser för kunden. Därför testar Parloa varje del av röststacken separat, från felmarginal i transkribering till hur naturlig den syntetiska rösten uppfattas i blindtester.
När agenterna blir mer avancerade har Parloa också gått ifrån tanken på en enda stor prompt. I stället delas uppgifter som autentisering, bokningsändringar eller kontouppdateringar upp i separata underagenter. Syftet är att göra systemen enklare att förändra och minska risken för att en liten justering får oönskade effekter på andra delar av flödet.
