Spraaktechnologie is de verzameling van technieken die allemaal “iets” te maken hebben met het verwerken van de menselijke stem. Natuurlijk denk je dan direct aan boegbeelden zoals spraakherkenning en spraaksynthese, maar er is veel meer. Denk aan het proberen te bepalen van de emotie die er in een uiting zit, of denk aan de combinatie van wat en hoe iets gezegd werd dat gebruikt wordt voor de vroeg-detectie van brain disorders. Maar er is nog meer. Ook het bewerken van uitingen van het (menselijke) spraakkanaal hoort bij de noemer Spraaktechnologie. Denk hierbij aan het weghalen van ruis of gebrom, het helderder laten klinken van de spraak of versnellen/vertragen van de spraak zonder dat je dat hoort.
Omdat met name spraakherkenning door het gebruik van DNN’s zo enorm veel beter is geworden, verschuift de (academische) interesse zich naar de volgende stap: niet meer wat wordt er gezegd, maar wat wordt er bedoeld. Omdat te kunnen is o.a. kennis van de wereld rondom zo’n spraakuiting nodig. Er wordt hier echter vooral met de resultaten van ASR en andere tekstuele bronnen gewerkt waardoor dit strikt genomen meer taal- dan spraaktechnologie is. Maar door het toenemend belang van additionele taaltechnologie bij het verwerken van spraakdata, spreken we de laatste jaren eigenlijk vooral over Taal- en Spraaktechnologie.
Hoe presteert het in 2020?
Sinds de ongeveer 2010 werd het gebruik van DNN’s in de verschillende onderdelen van ASR gebruikelijk. En het resultaat was behoorlijk indrukwekkend want overal waar daarvoor gebruik gemaakt werd, steef de performance. En niet een klein beetje, maar echt. Een van de gevolgen was de introductie van ASR op je eigen mobiele telefoon, iPad, laptop en gewone computer. Diensten zoals SIRI, Google Assistance en Alexa begonnen voor het Engels en breiden hun diensten snel uit naar andere populaire talen. Met de komst van dit soort geavanceerde diensten leek ook de weerstand van het grote publiek te verdwijnen. Doordat bovendien dezelfde technologie natuurlijk ook in de meeste Call Centres werd gebruikt, werd het publiek ook daar niet teleurgesteld in de algemene resultaten van spraakherkenning.
Op dit moment kunnen we stellen dat we boven de 90% correct kunnen herkennen mits…
- De audiokwaliteit optimaal is
- Er geen achtergrondruis is
- De spreker op een normale manier redelijk accentloos Nederlands spreekt en geen gebruik maakt van vreemde (jargon) woorden.
Waar gaat het nog fout?
Zeker bij telefonieservices zien we dikwijls dat het gesproken antwoord niet helemaal voldoet aan deze 3 eisen. Mensen bellen op straat (met veel achtergrondlawaai), spreken zonder precies te weten wat ze nu willen en gebruiken daarbij lang niet altijd iets dat lijkt op accentloos Nederlands. Bovendien is komt aanzienlijk deel van de gebruikers oorspronkelijk niet uit Nederland waardoor het gebruikte Nederlands suboptimaal is.
Aan de andere kant stellen veel mensen wel dezelfde soort vragen waardoor we met een redelijke dataverzameling fouten kunnen corrigeren. Wanneer we kijken naar de resultaten van de meeste telefonische diensten, dan kunnen we voorzichtig stellen dat we meer dan 90% van de gemaakte opnamen, correct afhandelen.
Hoe kunnen en moeten we spraaktechnologie gebruiken in de klantendienst?
Een belangrijk toepassingsveld van automatische spraakherkenning ligt in gesprekken die klanten en bedrijven en/of organisaties met elkaar voeren. Het leeuwendeel van deze gesprekken gebeurt via de telefoon hoewel ook er een duidelijk stijging is in het gebruik via andere devices zoals tablet of laptop. Moderne telefoons gebruiken allerlei algoritmes om ervoor te zorgen dat de kwaliteit van hun gesprekken zo goed mogelijk wordt. Toch is telefoonspraak meestal minder goed dan de bureauspraak en dat heeft tot gevolg dat de ASR-resultaten dat meestal ook zijn. Maar ondanks deze ietwat lagere kwaliteit van de spraakherkenning, worden ASR en TTS steeds massaler ingezet in klantgesprekken.
Bij een klantgesprek gaat het meestal om drie zaken: wie belt wanneer waarvoor. De eerste stap (wie er belt) kan redelijk eenvoudig worden opgelost door een aan de beller gekoppeld ID te vragen. Denk aan bv een postcode en huisnummer, een klantnummer of aan andere ID’s die een uniek resultaat leveren. Het tweede item is helemaal geen probleem omdat elk systeem de datum en het tijdstip logt en opslaat bij het gesprek.
Het derde item is lastiger. Natuurlijk kun je gewoon vragen waarom iemand naar een bepaald nummer belt, maar het interpreteren van het gegeven antwoord is minder makkelijk. Hier zijn twee verschillende methodes voor. De eerste is het laten beantwoorden van elke gesprek door menselijke experts, het opslaan van elk gegeven antwoord en het trainen van een Machine Learnings applicatie met de gegeven antwoorden. M.a.w. je hebt de ASR-resultaten, je hebt het door mensen gegeven “label” en gebruikt die combinatie om een ML-algoritme te trainen om het juiste label te plakken aan een nieuw gesprek. Dit werkt goed, maar is wel redelijk tijdintensief omdat bij elke nieuwe klant steeds weer een groot aantal gesprekken door menselijke experts beoordeeld moet worden.
Een tweede oplossing is het “begrijpen” van de herkenningsresultaten om daar vervolgens iets zinvols mee te doen. Denk bv aan een zinnetje als “ik wil, eh, graag een, eh, twee eigenlijk, twee rode stoelen bij jullie ophalen, eh kopen bedoel ik”. Bij het begrijpen van de zin, zou daar iets uit kunnen komen dat lijkt op “actie: kopen; doel: stoelen; bijzonderheden: kleur=rood; aantal:2”. Als dit zou lukken, dan kun je veel sneller nieuwe applicaties maken voor bv een boekverkoper, een meubelzaak of een autodealer, waarbij je ipv steeds weer opnieuw grote hoeveelheden spraak te moeten labelen, kunt volstaan met het bijsturen van de algemene applicatie. Maar… hier wordt hard aan gewerkt binnen de (academische) onderzoeksinstituten en voorlopig werkt het nog niet zo goed als de eerste methode.
Wat zijn de voordelen voor de klanten?
Het zou een illusie zijn te veronderstellen dat mensen liever geen menselijk contact zouden willen hebben in de telefoongesprekken die ze met bedrijven/organisaties voeren. Alleen hoeft dat niet altijd. Kijken we naar de geschiedenis van het automatiseren van klantgesprekken, dan zien we eerst een hele tijd niks. Je belde, legde uit wie je was en waarom je belde en vervolgens kreeg je antwoord of werd je doorverbonden naar een volgend nummer waar alles weer overnieuw begon. Enerzijds was dit ergerlijk omdat je dikwijls twee of drie keer hetzelfde verhaal moest houden, anderzijds kon het lekker snel gaan wanneer de telefoniste direct begreep wat je wilde weten en daar ook het juiste antwoord op kon geven.
Met de komst van telefoons met drukknoppen kwam de mogelijkheid om een selectie te maken voor je met een menselijk iemand het gesprek ging voeren. Denk daarbij aan dialogen als “toets 1 als u iets wilt weten over de verkoop, toets 2 als u iets wilt weten over het bezorgmoment, toets 3 als…”. Bedrijven konden zo hun gesprekken efficiënter voeren, maar voor de klanten was het niet altijd een feest: zeker wanneer je niet begreep wat je hier nu precies gevraagd werd.
Met de komst van simpele vormen van spraakherkenning halverwege de jaren 90 werd meer mogelijk. Via slim geconstrueerde software konden mensen slot voor slot de gewenste antwoorden geven, maar konden ze dat ook in een keer direct doen. Een voorbeeld was het reserveren van een kamer in een hotel. Je moest dan antwoord geven op wanneer, hoe lang, hoeveel personen, specialiteiten zoals bv wel/niet een hond mee, kamer begane grond en meer. Wanneer je dan insprak “volgende week woensdag voor drie nachten” dan waren de eerste twee slots direct gevuld en kon je verder gaan met de resterende slots.
Maar de ontwikkelingen binnen de ASR gingen verder en werden, zeker na de komst van DNN’s rond 2010 snel veel beter. Tegenwoordig wordt de spraak “gewoon” herkend, en worden de sloten uit het herkende antwoord gehaald. Dus ook hier zien we die stap naar het gebruik van zowel Spraak als Taaltechnologie weer opduiken.
Het grote voordeel van deze toenemende automatisering van klantgesprekken, is dat mensen uiteindelijk altijd een gesprek met het bedrijf/organisatie kunnen voeren op tijdstippen die hen uitkomen. Bovendien worden ze sneller geholpen doordat er geen of nauwelijks meer wachtrijen zijn. Maar ook voor bedrijven is er een groot voordeel in het gebruik van geautomatiseerde dialogen. Ze kunnen makkelijker een plotselinge toename van gesprekken aan, ze krijgen veel gedetailleerdere managementinformatie, en het is op den duur een stuk goedkoper. Natuurlijk is het niet zo dat mensen er geheel tussenuit gehaald kunnen worden. ASR maakt fouten, mensen weten niet altijd precies de goede vraag te stellen en er zullen altijd gevallen zijn waar niet in voorzien werd bij het maken van het geautomatiseerde systeem. Maar dat is niet erg, want hiervoor zijn mensen vooralsnog een stuk beter geschikt dan machines.
Wat is de toekomst van Spraaktechnologie?
De ontwikkelingen op het gebeid van spraaktechnologie focussen zich vooral op drie vlakken: herkenning en in toenemende mate op het begrijpen wat iemand zegt of bedoeld, spraaksynthese waarbij de natuurlijkheid van de door de computer gebezigde spraak niet of nauwelijks meer van die van een echt mens te onderscheiden is en het gebruik van emotie (zowel in het herkennen als in het gebruik van computerspraak).
Want hoewel de resultaten van ASR steeds beter worden, is het zeker niet zo dat alle herkenningsproblemen opgelost zijn. Sprekers met een zwaar accent, mensen die het Nederlands niet als moedertaal geleerd hebben, opnamen in de nabijheid van veel lawaai of onduidelijke formuleringen. Dit zij allemaal factoren die ervoor zorgen dat de herkenning van wat er gezegd (en bedoeld) werd, niet optimaal zijn.
Voor een deel weten we wat we eraan kunnen doen: betere akoestische modellen, bredere taalmodellen, en betere ruisonderdrukking helpen allemaal in het verbeteren van de herkenning. Maar die onduidelijk geformuleerde vragen is iets anders: daarvoor moet samengewerkt worden met vooral taaltechnologen om te proberen de vraag achter de vraag te achterhalen. We zullen dan ook een verhoogde samenwerking tussen deze twee oorspronkelijk gescheiden onderzoeksgebieden zien en een duidelijk focus op hetgeen iemand bedoeld te zeggen.
Wat betekent Kunstmatige Intelligentie voor TST?
Artificial Intelligence voor Human Language Technology is een container van verschillende, intelligente technieken die elk op hun eigen vlak kunnen worden ingezet. De spraakherkenning gebruikt het bv. om een betere inschatting te maken van hetgeen er gezegd wordt, gegeven de akoestische parameters die het gemeten heeft. Andere AI kan vervolgens gebruikt worden om te bepalen welk label er aan een gesprek gehangen moet worden of wat de volgende vraag zou moeten zijn, gegeven het gegeven (en herkende) antwoord. Weer andere AI kan worden gebruikt om een goede schatting te krijgen van de emotionele staat van de bellers.
We kunnen dus niet spreken van “AI voor HLT” maar moeten steeds aangeven op welk vlak AI-technologie gebruikt gaat of kan worden.
Hoe werkt Kunstmatige Intelligentie vandaag?
Op dezelfde manier deze vraag eigenlijk niet goed beantwoord worden. Want er zijn zoveel verschillende AI-technieken die elk weer voor bepaalde onderdelen van het geheel gebruikt worden, dat we moeilijk een uitleg voor alle AI-technieken kunnen geven.
Maar basaal komt het op het volgende neer. We hebben een inputbron (bv. de herkende tekst) en daar wordt door mensen een label aan gehangen (bv. doorverbinden met toestel 37 of 43 of stel deze vraag, etc.). Wanneer we daar een paar honderd voorbeelden van hebben, dan kunnen we een Machine Learning (ML) applicatie trainen om met een deel deze Vraag-Antwoord (QA) combinaties, zijn interne parameters zo in te richten dat nieuwe (dwz ongeziene) QA-combinaties ook het juiste label krijgen. Er zijn uiteraard verschillende technieken om dit soort dingen te trainen en DNN’s zijn daar een van. Het komt du sneer op het verzamelen van een groot aantal “als-dan” combinaties die je vervolgens aan het leeralgoritme aanbiedt. Als er een bepaalde structuur in die “als-dan” combinaties zit, dan moet een goed ML-algoritme die eruit kunnen halen en nieuwe, nog niet eerder geziene als-data zo goed mogelijk van de juiste dan-labels kunnen voorzien.
Nu is dit niet nieuw: AI werkt altijd zo, maar wat we de laatste jaren zien is dat er steeds weer nieuwe soorten trainingsalgoritmes gebruikt worden om dit zo goed mogelijk te doen.
Hoe kunnen en moeten we kunstmatige intelligentie gebruiken in de klantenservice?
Ook op deze vraag is er geen eenduidig antwoord. We gebruiken AI voor verschillende doelen binnen het klantcontact. Zo maakt de herkenning gebruik van AI om de herkenning beter te doen, maakt de label-software gebruik van AI om een zo goed mogelijk label te hangen aan een gestelde vraag en wordt weer andere AI gebruikt om de beste volgende vraag te berekenen.
AI is geen tovermiddel maar gewoon een verzameling slimme technieken die gebruikt kunnen worden om klanten in het KC optimaal te helpen. Doordat de technieken steeds beter gaan werken en we steeds meer en betere data hebben, wordt het eindresultaat ook steeds beter. Klanten merken dat doordat ze sneller en beter geholpen worden. Bedrijven en organisaties merken dat daarnaast vooral aan betere managementinformatie.
Wat zijn Voice Bots?
Voice bots kunnen gezien worden als gesproken chatbots. In plaats van het gebruik van het toetsenbord, spreek je met de computer. De spraak wordt dan omgezet in tekst en die wordt ongeveer net zo behandeld als bij een klassieke chatbot.
Er zijn echter een paar verschillen. Bij de klassieke chatbots moet de invoer-tekst dikwijls behandeld worden om duidelijke typo’s te kunnen corrigeren. Ook zullen geschreven boodschappen, zeker als het via een mobiel device gaat, dikwijls vaak een kortere, meer gecondenseerde taal bevatten. Bij spraak doe je dit niet, maar daar zal je dus verkeerde woorden kunnen herkennen (maar wel altijd correct geschreven). Ook zien we dat bij geschreven chats de onderwerpen iets anders zijn. Bij geschreven chats gaat het meer om “wat doen jullie” terwijl bij de gesproken chats het iets meer “wat doen jullie voor mij” is. Deze verschillen troffen we duidelijk aan bij de geschreven en gesproken FAQ’s aan en het is de verwachting dat we dat ook bij voicebots en chatbots zullen zien, zei het wel in mindere mate.
Hoe werken spraakbots vandaag in 2020?
Voicebots zijn tegenwoordig vaak de gesproken versie van reeds bestaande chatbots. De invoer is spraak die middels een ASR-engine wordt omgezet in tekst. Die tekst wordt dan net zo behandeld als de tekst van de chatbots. De tekst wordt geprocessed en vervolgens wordt er antwoord gegeven. Dat kan bestaan uit een echt antwoord maar ook een vervolgvraag zijn. Bij de meeste voicebots zal er dus een Tekst-naar-Spraak engine ingezet moeten worden om de geschreven uitkomt in spraak om te zetten.
Hoe kunnen en moeten we Voice Bots gebruiken in de klantendienst?
Er is conceptueel weinig verschil tussen voicebots en geautomatiseerde klantcontacten. In beide gevallen beantwoorden gebruikers een gestelde vraag en zal de “engine” die vervolgens interpreteren en beantwoorden. Toch is er wel een duidelijk verschil waarneembaar. Anders dan de grote systemen in het geautomatiseerde klantcontact, hebben voicebots iets intiems. Ze kunnen, net als chatbots, ook ingezet worden voor meer gezelliger dingen dan de grotere KC-systemen.
Wat zijn de voordelen voor de klanten?
Mits goed ingezet, kunnen Voicebots de band met het bedrijf of organisatie duidelijk verbeteren. Ook kunnen ze op bv de website van de organisatie gebruikt worden om snel wat te “babbelen” met die organisatie. Nogmaals, fundamenteel is dit niets anders dan de KC-systemen.
Wat wordt de toekomst van Voice Bots?
Voice bots zullen hun weg steeds meer weten te vinden naar het algemeen gebruik. Zijn het nu nog “leuke, kekke diensten” die er gebruik van maken, met de komst van professionele voice bots diensten zullen ze op grotere schaal op verschillende plekken op het internet gebruikt gaan worden.
Waarschijnlijk zullen we een versmelting zien van de “professionele” call centre diensten met de persoonlijker voice bots. Voice bots hebben immers het voordeel dat ze meer context krijgen: ze staan dikwijls op een bepaalde plek op een site en kunnen gebruik maken van de context: de browsegeschiedenis.
