En stemmeagent på et dansk nummer er næsten altid sat op til dansk. Det er rigtigt for de fleste af samtalerne og forkert for et lille og dyrt mindretal: kunden, der ringer fra Malmø, gæsten, der bor i Sverige, indkøberen i koncernen, som aldrig har lært dansk.
Herunder er én sådan samtale, øjeblik for øjeblik. Hun ringer til et dansk servicenummer kvart i otte om aftenen, og hun taler svensk. Intet i opsætningen er åbenlyst galt. Men seks steder i samtalen skal noget være besluttet på forhånd, ellers ender den et sted, ingen ville have valgt.
19.42 – opkaldet kommer ind
Alt, hvad agenten ved i dette øjeblik, er hvilket nummer der ringer. Intet andet.
En svensk landekode er et fingerpeg, ikke et faktum. Danskere har svenske abonnementer, svenskere har danske, og et omstillingsnummer siger intet om, hvem der holder telefonen. Landekoden er værd at bruge som udgangspunkt for, hvilket sprog agenten prøver først. Den er ikke værd at bygge resten af samtalen på.
19.42.02 – åbningsreplikken vælger sprog for hele samtalen
Nogen har besluttet, hvilket sprog agenten hilser på. Det er en beslutning, også når den blev truffet ved ikke at blive truffet.
Her ligger der også en pligt. Agenten skal oplyse, at den er kunstig intelligens, og det er det billigste krav i forordningen at opfylde. Men en oplysning, der gives på et sprog, modtageren ikke behersker, er sagt uden at nogen er blevet oplyst. Spørgsmålet er derfor ikke, om agenten siger det. Det er, om den siger det igen, på det nye sprog, i det øjeblik samtalen skifter – og det spørgsmål har ingen leverandør besvaret for jer.
19.42.11 – hun svarer på svensk
Nu sker det, der afgør resten.
At understøtte to sprog og at kunne skifte mellem dem inde i én samtale er to forskellige egenskaber. De følger ikke automatisk med hinanden. Retell AI, som skriver det åbent i sin egen dokumentation, oplyser, at sprogskift midt i samtalen afhænger af, hvilken leverandør af talegenkendelse der håndterer opkaldet: nogle understøtter skift mellem alle de sprog, de dækker, andre transskriberer ét sprog per samtale. Dækningen kan ikke stykkes sammen på tværs af leverandører undervejs.
Det er værd at tage med til næste leverandørmøde. »Vi understøtter dansk, svensk og norsk« besvarer ikke spørgsmålet. Spørgsmålet er, om agenten kan gå fra det ene til det andet efter elleve sekunder, i den samme samtale, uden at lægge på.
En anden detalje i de samme lister er værd et blik: dansk står som én række. Ikke sønderjysk, ikke bornholmsk, og intet om den udtalereduktion, der gør talt dansk til noget andet end skrevet dansk. Ét sprog, én post – og resten skal prøves på jeres egen trafik, før man tror på det.
19.43 – tallet
Hun læser sit ordrenummer op, og hun gør det på svensk.
»Fyrtioåtta« og »otteogfyrre« er ikke to udgaver af det samme ord. De er 48 bygget i modsat rækkefølge. En transskription, der er låst til dansk, skal derfor ikke bare stave om – den skal bytte om på rækkefølgen af enere og tiere, og det gør den ikke af sig selv. Resultatet er et tal, der ser helt korrekt ud i loggen. Tal er det sværeste, en stemmeagent hører – og et tal hørt på det forkerte sprog fejler stille.
Modgiften er den samme som altid: et kontrolciffer, et opslag der kan afvise gættet, eller en bekræftelse læst tilbage til kunden. Læst tilbage på hendes sprog, så hun faktisk kan høre, at det er forkert.
19.44 – omstillingen
Agenten kommer ikke videre og stiller om.
Nu er det et menneske, der skal tage over, og to ting skal følge med. Den ene huskes næsten altid: hvad sagen handler om. Den anden glemmes næsten altid: hvilket sprog hun taler. Eskaleringen er den del af opsætningen, det er dyrest at gøre halvt, og en omstilling, der sender en svensktalende kunde ind i en kø, hvor ingen har fået besked, har gjort noget værre end ingenting. Den har brugt femogfyrre sekunder på at samle oplysninger, der ikke fulgte med videre.
19.47 – det, der blev skrevet ned
Samtalen er slut, og noget blev gemt.
Spørgsmålet er hvad. Referatet er skrevet på ét sprog, kundens egne ord kom på et andet, og sagen skal følges op af nogen i morgen tidlig. Ligger sproget som et felt på sagen, ringer nogen tilbage på svensk. Ligger det ikke der, ringer de tilbage på dansk, og hele runden gentages – med den forskel, at hun denne gang allerede ved, at den ikke virker.
Sprog er en egenskab ved samtalen, ikke en indstilling på agenten
De seks øjeblikke har én ting til fælles. Ingen af dem bliver løst af en bedre model.
De bliver løst af, at nogen har besluttet, hvad der sker i hvert af dem: hvilket sprog agenten åbner på, om den kan skifte undervejs, om oplysningspligten gentages når den skifter, hvad der sker med et tal læst på et andet sprog, hvad mennesket får at vide ved omstillingen, og hvor sproget bliver gemt, når der er lagt på. Alle seks er beslutninger. De fleste af dem bliver i praksis truffet ved ikke at blive truffet.
Threll.ai bygger stemmeagenter på dansk, svensk og norsk. I Norden er det ikke en grænsesituation, at kunden skifter sprog midt i samtalen. Det er en tirsdag.
