Présentation de la solution
Regal Voice Inc. a lancé les Goal Oriented Agents, une extension de sa plateforme d’intelligence artificielle vocale. Le service place deux modèles d’IA sur chaque appel afin que l’entreprise puisse définir les objectifs à atteindre avant la fin de la conversation. Cette approche vise à réduire les boucles de questions redondantes observées dans des scénarios comme les déclarations de sinistres auto, où l’appelant fournit plusieurs informations en une seule phrase.
Architecture acteur‑directeur
Le modèle actor est décrit comme plus petit et plus rapide, optimisé pour le dialogue en temps réel. Il génère immédiatement une réponse dès que l’appelant cesse de parler. En parallèle, le modèle director analyse la réponse de l’acteur, vérifie la conformité aux objectifs du nœud en cours et décide du passage à l’étape suivante. Cette séparation permet de déléguer la génération de texte à un composant léger tout en conservant un contrôle logique centralisé.
Mécanisme des nœuds d’objectif
Les agents sont construits à partir de « goal nodes », chaque nœud contenant une liste d’objectifs à atteindre et les prérequis éventuels. Les prérequis peuvent être exprimés en langage naturel, par exemple « the caller mentioned a death in the family ». Lorsqu’un objectif est satisfait, le directeur le coche et, si d’autres objectifs restent en suspens, il fournit de nouvelles instructions à l’acteur. Le processus se répète après chaque tour de parole, ce qui permet à une seule réponse de valider plusieurs objectifs simultanément.
Cas d’usage et limites observées
Regal cite plusieurs domaines où le modèle montre son utilité : déclarations d’assurance auto, inscription à Medicare, assistance routière, qualification de prêts hypothécaires et prise en charge médicale conforme à la HIPAA. L’intégration avec la plateforme Five9, annoncée en août, donne aux clients de ce centre de contact accès aux agents vocaux de Regal. Parmi les plus de 200 entreprises clientes figurent Google, AAA et Toyota. Le financement total de la société s’élève à 83 millions de dollars, dont un tour de 40 millions en octobre 2024. Malgré ces atouts, la dépendance à deux modèles distincts augmente la consommation de ressources serveur et nécessite une orchestration précise pour éviter les latences entre l’acteur et le directeur. De plus, la capacité du directeur à interpréter correctement des conditions en langage naturel dépend de la qualité du jeu de données d’entraînement, ce qui peut limiter la robustesse dans des contextes très spécialisés.
