Текст: Дмитрий Денисов, директор продукта DION (Холдинг Т1)

Фото: Luke Southern, Unsplash

Пандемия стала заметным толчком для развития сферы корпоративных коммуникаций. Тогда на первый план вышли адаптивность и гибкость, а гиганты рынка стали говорить о большом шаге на пути к инклюзивности. Один из ключевых факторов — переход на онлайн-платформы с видеоконференциями, чатами и возможностью обмениваться файлами. Несмотря на то что ограничения давно сняты, такие инструменты до сих пор пользуются повышенным спросом и активно дорабатываются. Как подобные технологии могут облегчить деловое общение и зачем в платформы для онлайн-коммуникаций интегрируют искусственный интеллект, разобрался для Inc. директор продукта DION (Холдинг Т1) Дмитрий Денисов.

Один из главных сценариев использования ИИ в отечественных платформах корпоративных коммуникаций — улучшение качества звука и картинки во время видеоконференций. Софт с помощью нейросетей отделяет голос говорящего от окружающих шумов и гасит последние. В зависимости от датасета, на котором обучалась модель, алгоритмы могут убирать не только монотонные помехи, например шум машин или гудение стиральной машинки, но и более резкие: детский плач, собачий лай, поворотники в автомобиле.

Разработчики постоянно обновляют модели, добавляя в них различные варианты посторонних звуков и человеческих фраз, чтобы можно было разобрать речь собеседника, даже если он работает в офисе открытого типа, где сотрудники не изолированы друг от друга. Поэтому исследования и качественная обратная связь от пользователей играют ключевую роль в совершенствовании UC-платформ (англ. Unified сommunications, унифицированные коммуникации, — технология, предполагающая сочетание голосовых коммуникаций, средств совместной работы и обмена сообщениями. — Прим. ред.).

Вас не слышно, включите микрофон

Во время пандемии многие компании перешли на дистанционный формат работы, но даже после снятия ограничений он не потерял актуальности. Большая часть встреч и сегодня проходит онлайн, в видеоконференциях участвуют сотрудники из самых разных уголков планеты. При этом им очень важно видеть лица друг друга. Однако не всегда участники встреч могут подключаться в формальной бизнес-обстановке, а это имеет значение, особенно когда речь идет о важных звонках с партнерами и заказчиками.

Косметическим исправлением видео работа нейросетей не ограничивается. В ближайшей перспективе ИИ сможет выступать своего рода коучем по ораторскому мастерству: такая функциональность уже реализована в ПО для контакт-центров, и ее появление в ВКС-платформах (ВКС — видео-конференц-связь. — Прим. ред.) — вопрос времени. Алгоритмы будут анализировать речь спикера (тон, экспрессию, слова-паразиты) и картинку, предлагать выступающему говорить тише или громче, сменить интонацию, ускориться или замедлиться, добавить эмоций и даже выпрямить осанку — такие технологии не только позволяют улучшить восприятие речи спикера, но и даже заботятся о его здоровье.

Отечественные разработчики не исключают, что в долгосрочной перспективе нейросеть в UC-платформах будет интегрирована с технологией дополненной реальности (AR), что расширит восприятие и возможности для взаимодействия собеседников. Только представьте: вместо вас на онлайн-конференциях будут присутствовать аватары, которых отличить от реальных людей по мере совершенствования алгоритмов станет все труднее. Это потребует дополнительных мер защиты — например, специально обученные ИИ-модели будут распознавать хакерские дипфейки.

Получается, искусственный интеллект в руках злоумышленников создает угрозу для безопасности. Однако он же и поможет бизнесу с этой угрозой бороться. Так, в будущем разработчики UC-платформ смогут встроить механизмы биометрической аутентификации — они помогут удостоверится, кто присоединился к конференции. Создатели также будут использовать в своих продуктах алгоритмы, способные заметить признаки подмены видео и уведомить пользователей о возможном дипфейке.

Помимо этого, нейросети смогут следить за сохранностью корпоративной тайны. Если во время разговора, в чате или письме пользователь использует ключевые слова, связанные с конфиденциальными сведениями, платформа сделает предупреждение. Причем если раньше поиск осуществлялся по определенному набору терминов и выражений, то теперь за счет особенностей больших языковых моделей алгоритмы смогут лучше понимать контекст и, например, считывать метафоры.

Чуть помедленнее, я записываю

Существует множество моделей — как open source, так и от крупных игроков рынка, — которые отвечают за транскрибирование речи. В современных российских решениях эффективность перевода записи в текст превышает 90%, причем если раньше алгоритмы могли обрабатывать только готовую запись, то сегодня нейросети способны составлять текст параллельно с речью выступающего.

Большая проблема технологии — трудности с распознаванием узкопрофильных терминов, профессионального жаргона и сленга. Но компании работают над решением этой задачи: разработчики постоянно дообучают модели на новых датасетах, содержащих необходимые слова. Это занимает время: чтобы обучить модель, сперва данные должны обработать люди, вручную транскрибируя огромные массивы текста. Чем больше различных вариантов произношения одного термина будет в датасете, тем выше эффективность нейросети после обучения.

Перспективы технологии можно разделить на несколько основных направлений. Первое — развитие в сторону онлайн-субтитров. Такой подход не просто упрощает работу людям с нарушениями слуха, но и позволяет пойти на шаг дальше — к моментальному переводу слов спикера на несколько языков. Даже если человек имеет опыт работы с иностранными партнерами и знает язык, хорошо обученные нейросети могут лучше понимать контекст и распознавать речь, например, с сильно выраженным акцентом.

Второе направление — использование транскрибированного текста конференции для определения тайм-кодов, создания резюме встречи и контекстных подсказок. Возможности языковых моделей развиваются с каждым годом, нейросеть может анализировать текст, делать из него связный рассказ, выделять ключевые тезисы, оформлять в электронное письмо — так UC-платформа постепенно становится для человека личным секретарем.

Помоги мне, ИИ

Резюме встречи полезно не только в ситуации, когда конференция прошла давно и необходимо освежить в памяти основные тезисы. Использование интеллектуального помощника позволяет сотруднику присутствовать на нескольких конференциях сразу — и иметь представление о ходе обсуждения и выводах без необходимости пересматривать запись. ИИ может рассказать, какие вопросы успели поднять за время, пока участник встречи отходил встретить курьера или вынужден был отключиться из-за внезапных проблем со связью.

Более того, ИИ сам может становиться собеседником. ChatGPT это всем доказал, но использовать его многие компании не могут по соображениям безопасности. Поэтому UC-платформы разрабатывают собственные модели. Они могут, например, отвечать аналитикам и разработчикам на технические вопросы, выступая в роли посредника между человеком и базой знаний компании. Или помогать с FAQ: оформлением справок, заявлений на отпуск, поиском контактов другого сотрудника.

В перспективе произойдет синтез всех нейросетевых сервисов платформы в единого «второго пилота» или ИИ-секретаря, который сможет использовать контекст и выполнять задачи на стыке разных сервисов. Например, организовывать конференцию, самостоятельно направляя всем участникам письмо с приглашением, а затем — запись встречи, краткое резюме и необходимые файлы. Или автоматически подсвечивать в чатах контакт, которому во время звонка спикер пообещал отправить файл. Система сможет анализировать триггеры (например сообщение «файл скину позже» в чате между коллегами) и грамотно их отрабатывать, напоминая сотруднику про какое-то действие или совершая его самостоятельно.

Придумывать с чистого листа

Одним из перспективных направлений развития для UC-решений отечественные разработчики видят вайтборды, или онлайн-доски. Объединение разных медиумов и инструментов внутри одной платформы, а также интеграция в них искусственного интеллекта позволяют сделать совместную работу максимально бесшовной и эффективной.

Например, ИИ может прямо на доске составить бизнес-план по имеющимся вводным или описать принципы работы определенной технологии, чтобы заполнить пробел в архитектурной схеме. По сути, пользователю станет доступно все многообразие сценариев использования, которые есть у современных чат-ботов. Скорректировать текст, изменить расположение элементов в блок-схеме, сгенерировать картинку-пояснение или другой контент — все по одному запросу. А в будущем ИИ сможет переводить тяжелые технические карты на язык, понятный неподготовленным пользователям, — и сразу рассылать информацию тем, кому она необходима.