En stemmeagent på et norsk nummer er nesten alltid satt opp for norsk. Det er riktig for de fleste samtalene, og feil for et lite og kostbart mindretall: kunden som ringer fra Sverige, gjesten som bor i Danmark, innkjøperen i konsernet som aldri har lært seg norsk.
Under er én slik samtale, øyeblikk for øyeblikk. Hun ringer et norsk servicenummer kvart på åtte om kvelden, og hun snakker svensk. Ingenting i oppsettet er åpenbart galt. Men seks steder i samtalen må noe være bestemt på forhånd, ellers ender den et sted ingen ville valgt.
19.42 – anropet kommer inn
Alt agenten vet i dette øyeblikket, er hvilket nummer som ringer. Ingenting annet.
En svensk landkode er et hint, ikke et faktum. Nordmenn har svenske abonnement, svensker har norske, og et sentralbordnummer sier ingenting om hvem som holder telefonen. Landkoden er verdt å bruke som utgangspunkt for hvilket språk agenten forsøker først. Den er ikke verdt å bygge resten av samtalen på.
19.42.02 – åpningsreplikken velger språk for hele samtalen
Noen har bestemt hvilket språk agenten hilser på. Det er en beslutning, også når den ble tatt ved å ikke bli tatt.
Her ligger dessuten en plikt. Agenten skal opplyse at den er kunstig intelligens, og det er det billigste kravet i regelverket å innfri. Men en opplysning gitt på et språk mottakeren ikke behersker, er sagt uten å være opplyst. Spørsmålet er derfor ikke om agenten sier det. Det er om den sier det igjen, på det nye språket, i det øyeblikket samtalen bytter – og det spørsmålet har ingen leverandør svart på for dere.
19.42.11 – hun svarer på svensk
Nå skjer det som avgjør resten.
Å støtte to språk, og å kunne bytte mellom dem inne i én samtale, er to forskjellige egenskaper. De kjøpes ikke automatisk sammen. Retell AI, som skriver dette åpent i sin egen dokumentasjon, oppgir at språkbytte midt i samtalen avhenger av hvilken talegjenkjenningsleverandør som håndterer anropet: noen støtter bytte mellom alle språkene de dekker, andre transkriberer ett språk per samtale. Dekning kan ikke settes sammen på tvers av leverandører underveis.
Det er verdt å ta med til neste leverandørmøte. «Vi støtter norsk, svensk og dansk» besvarer ikke spørsmålet. Spørsmålet er om agenten kan gå fra det ene til det andre etter elleve sekunder, i den samme samtalen, uten å legge på.
En annen detalj i de samme listene er verdt et blikk: norsk står som én rad. Ikke bokmål og nynorsk, ikke dialekter, ikke tonelag. Ett språk, én oppføring – og resten må prøves på egen trafikk før man tror på det.
19.43 – tallet
Hun leser opp ordrenummeret sitt, og hun gjør det på svensk.
«Fyrtioåtta» og «førtiåtte» er nesten det samme ordet, og «nesten» er hele problemet. En transkribering som er låst til norsk, tvinger det den hører inn i det nærmeste den kjenner, og resultatet er et tall som ser helt riktig ut i loggen. Tall er det vanskeligste en stemmeagent hører på norsk – og et tall hørt på feil språk feiler stille.
Motgiften er den samme som ellers: et kontrollsiffer, et oppslag som kan avvise gjetningen, eller en bekreftelse lest tilbake til kunden. Lest tilbake på hennes språk, slik at hun faktisk kan høre at det er feil.
19.44 – overleveringen
Agenten kommer ikke videre, og setter over.
Nå er det et menneske som skal ta imot, og to ting må følge med. Den ene huskes nesten alltid: hva saken gjelder. Den andre glemmes nesten alltid: hvilket språk hun snakker. Eskaleringen er den delen av oppsettet det er dyrest å gjøre halvveis, og en overføring som sender en svensktalende kunde inn i en kø der ingen har fått beskjed, har gjort noe verre enn ingenting. Den har brukt førtifem sekunder på å samle informasjon som ikke ble med videre.
19.47 – det som ble skrevet ned
Samtalen er over, og noe ble lagret.
Spørsmålet er hva. Sammendraget er skrevet på ett språk, kundens egne ord kom på et annet, og saken skal følges opp av noen i morgen tidlig. Ligger språket som et felt på saken, går tilbakeringingen ut på svensk. Ligger det ikke der, går den ut på norsk, og hele runden gjentas – med den forskjellen at hun denne gangen allerede vet at den ikke virker.
Språk er en egenskap ved samtalen, ikke en innstilling på agenten
De seks øyeblikkene har én ting til felles. Ingen av dem blir løst av en bedre modell.
De blir løst av at noen har bestemt hva som skjer i hvert av dem: hvilket språk agenten åpner på, om den kan skifte underveis, om opplysningsplikten gjentas når den skifter, hva som skjer med et tall lest på et annet språk, hva mennesket får vite i overføringen, og hvor språket lagres når telefonen er lagt på. Alle seks er beslutninger. De fleste av dem tas i praksis ved å ikke bli tatt.
Threll.ai bygger stemmeagenter på norsk, svensk og dansk. I Norden er det ikke en kantsituasjon at kunden bytter språk midt i samtalen. Det er en tirsdag.
