Στις 24 Σεπτεμβρίου, η Google πρόσθεσε παρουσία μέσω βίντεο στο Gemini 3.8 Live στην προσφορά της Enterprise. Για τον ξενοδοχειακό κλάδο, το ερώτημα αφορά το τι έχει δικαίωμα να πει, να κάνει και να μεταβιβάσει αυτό το κινούμενο πρόσωπο.
Ένα πρόσωπο που συνεχίζει να μιλά ενώ εργάζεται
Στην ανακοίνωση, την οποία υπογράφουν οι Shuo-yiin Chang και CJ Zheng εκ μέρους της ομάδας ήχου του Gemini, η Google περιγράφει μια φωνή σε συνδυασμό με βίντεο που παράγεται σχεδόν σε πραγματικό χρόνο. Το άβαταρ ακούει, κοιτάζει και απαντά με εκφράσεις και συγχρονισμένες κινήσεις των χειλιών. Μπορεί να καλεί εργαλεία στο παρασκήνιο χωρίς να διακόπτει τη συζήτηση. Η Google ανακοινώνει επίσης την εναλλαγή μεταξύ 97 γλωσσών χωρίς υποβάθμιση της εικόνας.
Η μοναδική ξενοδοχειακή σκηνή του κειμένου είναι μια επίδειξη: η διαδικασία άφιξης ενός πελάτη σε ξενοδοχείο, ενώ εργαλεία λειτουργούν στο παρασκήνιο. Πρόκειται για βίντεο παρουσίασης, όχι για μαρτυρία μιας μονάδας που το χρησιμοποιεί. Η ανακοίνωση δεν δίνει καμία μέτρηση καθυστέρησης, ακρίβειας ή ποσοστού σφαλμάτων.
Το πρόσωπο δίνει βαρύτητα στην απάντηση
Ένα πρόσωπο που χαμογελά και κοιτάζει κάνει μια συνομιλία πιο κατανοητή. Κάνει επίσης μια λανθασμένη απάντηση πιο πιστευτή. Ένα εσφαλμένο κείμενο στην οθόνη διαβάζεται με δυσπιστία. Το ίδιο περιεχόμενο, όταν εκφέρεται από κάποιον που φαίνεται προσεκτικός, ελέγχεται λιγότερο πρόθυμα. Αυτή είναι η κρίση του συντάκτη, όχι της Google, αλλά δικαιολογεί την εξέταση του ζητήματος της εξουσιοδότησης πριν από εκείνο της εμφάνισης.
Ας μεταφέρουμε τη σκέψη σε υποθετικές καταστάσεις, χωρίς να περιγράφουμε πραγματική περίπτωση. Ένα άβαταρ διαβάζει στοιχεία διαθεσιμότητας και τα ανακοινώνει στον πελάτη, χωρίς να έχει δικαίωμα να κάνει την κράτηση. Ένα άλλο αναφέρει μια τιμή ή μια αλλαγή στη διαμονή που δεν μπορεί ούτε να επιβεβαιώσει ούτε να τηρήσει. Και στις δύο περιπτώσεις, η διατύπωση πρέπει να λέει τι αναζητείται, τι υπόσχεται και τι απομένει να επικυρωθεί από άνθρωπο. Ένας πελάτης δεν θα κάνει μόνος του αυτή τη διάκριση μπροστά σε ένα πρόσωπο που κινείται τόσο ομαλά.
Τι καλύπτει η διαφάνεια που ανακοινώθηκε
Η Google αναφέρει ότι όλα τα παραγόμενα αρχεία ήχου και βίντεο φέρουν το υδατογράφημα SynthID, το οποίο χαρακτηρίζει ανεπαίσθητο. Η λειτουργία του είναι να επιτρέπει να εντοπιστεί εκ των υστέρων ότι ένα περιεχόμενο έχει παραχθεί τεχνητά. Δεν ενημερώνει τον επισκέπτη, εκείνη τη στιγμή, ότι συνομιλεί με μια συνθετική παρουσία. Η ενημέρωση αυτή είναι ευθύνη της μονάδας, η οποία οφείλει να την παρέχει στην οθόνη ή προφορικά.
Η Google διευκρινίζει ότι η δημιουργία εξατομικευμένου άβαταρ από μια εικόνα αναφοράς επιτρέπεται μόνο σε εταιρείες που περιλαμβάνονται σε λίστα εξουσιοδοτημένων. Τότε τίθεται το ερώτημα του προσώπου: ενός εργαζομένου, ενός πραγματικού ατόμου ή ενός επινοημένου χαρακτήρα; Η ανακοίνωση δεν εξετάζει τα δικαιώματα που συνδέονται με την αρχική εικόνα.
Τι θα πρέπει να δοκιμάσει η μονάδα πριν το διαθέσει στους πελάτες
Η αξιολόγηση θα αφορούσε πλήρεις συνομιλίες, συμπεριλαμβανομένων εκείνων στις οποίες λείπει η απάντηση. Ένα άβαταρ με ομαλή κίνηση που καθυστερεί την επαφή με το άτομο που μπορεί να αποφασίσει υποβαθμίζει την εξυπηρέτηση. Η μεταβίβαση στην ομάδα πρέπει, επομένως, να δοκιμαστεί όπως και η ποιότητα της εικόνας: πότε ενεργοποιείται, τι μεταφέρεται και αν ο πελάτης χρειάζεται να επαναλάβει όσα είπε.
Η οπτική συνοχή βοηθά μια μονάδα να παρουσιάσει τον εαυτό της. Όμως η εμπιστοσύνη εξαρτάται από μια συνοχή που η οθόνη δεν δείχνει: κάθε υπόσχεση του άβαταρ πρέπει να αντιστοιχεί σε επαληθευμένα στοιχεία και σε ένα πρόσωπο με σαφή ταυτότητα που αναλαμβάνει την ευθύνη της.
Cette publication est également disponible en :
