Der Kreis der Kommunikation schließt sich – bewegen wir uns zurück in eine Welt, in der die Stimme an erster Stelle steht?

Craig Walker von Alcatel-Lucent Enterprise

Mit der Welle persönlicher Assistenten wie Siri, Cortana und Google Assistant und neue Start-ups, die künstliche Intelligenz (KI) und Analytics einsetzen, um persönliche Begleiter zu bauen, wird klar, dass wir uns auf eine neue sprachgesteuerte Beziehung zur Technologie zubewegen.

Wie wir bereits auf dem Verbrauchermarkt gesehen haben, ist es fast selbstverständlich, dass diese Sprachaktivierungssysteme es irgendwann in die Unternehmensumgebung schaffen werden, da die potenziellen Vorteile dieser Systeme bei der Vereinfachung und Automatisierung von Aktivitäten enorm sein könnten.

Hier, Craig Walker, Director Cloud Services bei Alcatel-Lucent Enterprise , erklärt, dass, obwohl es lange dauern kann, bis wir das vollständige Abbild von „HAL“ aus „2001:A Space Odyssey“ sehen, die Technologie bereits vorhanden ist, die die Arbeitsweise von Unternehmen verbessern kann.

Licht, Kamera, Action!

Überlegen Sie, wie viel einfacher es für einen Arzt wäre, einfach zu sagen:„System:Aktualisieren Sie Mary Smiths Diagramm mit dem Folgenden:„Patient mit Bauchschmerzen, geben Sie eine Apothekenbestellung für 200 mg ‚SuperAntiGas‘ aus, unterzeichnet von Dr. FeelBetter.“ Oder in einem Konferenzraum, anstatt herauszufinden, welche Fernbedienung den Projektor und die Leinwand anlegt, eine einfache Sprachaufforderung „System:Projektor einschalten, Fernseher einschalten und Licht dimmen.“

Die Herausforderungen

Wo stehen wir also auf dem Weg zu Voice-First? Sprachanalysefirma, VoiceLabs , hat einen Überblick über die verschiedenen Ebenen gegeben, die zur Unterstützung eines Voice-First-Ansatzes in der Verbraucherwelt erforderlich sind. Um jedoch von einfachen verbraucherbasierten Anwendungsfällen zu einer mehr auf Sprache ausgerichteten Umgebung in der Unternehmenswelt zu gelangen, müssen einige Dinge passieren.

Sicherheit wird entscheidend sein, wenn unsere Unternehmenssysteme auf Sprachbefehle angewiesen sind – sollte jemand in der Lage sein, kritische Geräte oder Systeme nur durch Sprechen zu steuern? Die Antwort ist eindeutig nein. Auch der Datenschutz ist ein wichtiges Anliegen, und obwohl das obige Beispiel für Ärzte einfach genug erscheint, müssen wir dies im Kontext der Vorschriften berücksichtigen. Werden die Rechte eines Patienten – gemäß den HIPAA-Vorschriften in den USA – verletzt, wenn diese verbalen Befehle die medizinischen Informationen des Patienten an Dritte weitergeben?

Sicherer Zugriff

Wir sehen bereits den nächsten Schritt von Spracherkennungssystemen, bei denen die Technologie einen sicheren Zugriff unterstützen kann. Banken gehören zu denjenigen, die Sprachauthentifizierung in ihre Telefon-Banking-Systeme einführen. Auch wenn dies bei einigen Kunden möglicherweise ein wenig Bedenken hinsichtlich der Sicherheit ihres Kontos gibt, bin ich der Meinung, dass dies dem Einführungszyklus folgen wird, den wir im E-Commerce gesehen haben, wo die anfänglichen Bedenken bezüglich Kreditkartenbetrugs ausgeräumt werden mussten, bevor wir den kometenhaften Anstieg sahen im Online-Einkauf.

Wir werden weiterhin Innovationen bei Spracherkennungssystemen und Verbesserungen sehen, die die Sicherheit von Sprachsystemen in einer Unternehmensumgebung ermöglichen und sicherstellen, dass nur autorisierte Benutzer mit den richtigen Berechtigungen die entsprechenden Aktionen ausführen können.

Und während Ihre Mikrowelle Sie möglicherweise nicht ausspioniert, sind einige Geräte immer eingeschaltet, hören immer zu und nehmen möglicherweise auf. Einige wenige gut publizierte Fälle von Verletzung der Privatsphäre, Wirtschaftsspionage oder Rechtsgefährdung könnten die Adoption blockieren. Dies legt nahe, dass ein großer Ein/Aus-Schalter oder eine Funktion in Voice-First-Produkten integriert werden muss, damit Benutzer die Vorteile nutzen können, ohne die Nachteile einer ständigen Überwachung zu riskieren. Außerdem muss in den Produkten ein sicherer Softwarezugriff vorhanden sein, um Hackerangriffe zu verhindern und zu erkennen.

Aufbau noch effektiverer Spracherkennungssysteme

Die ersten Anwendungsfälle betreffen vor allem Voice-Response-Systeme – ob aus Call-Center-Perspektive oder solche, die in unseren Autos und Smartphones implementiert sind. Aber wie viele von uns aus eigener Erfahrung wissen, funktioniert das bestenfalls am Rande. Erkennung und Kontextualisierung müssen durch technologische Entwicklungen verfeinert werden, bevor wir realistisch über eine unternehmensweite Einführung nachdenken können.

Forschungsprogramme wie das Sphinx-Projekt der Carnegie-Mellon University verbessern weiterhin die Spracherkennungsfähigkeiten. Ein Internet-Trends-Bericht von Mary Meeker zeigte, dass das Spracherkennungssystem von Google im Jahr 2016 über fünf Millionen Wörter mit einer Genauigkeit von etwa 90 Prozent erkennen konnte – aber das ist immer noch nicht umfassend oder genau genug. Ist eine Genauigkeit von 90 % gut genug, um mit einem lebenserhaltenden System in einem Krankenhaus oder dem Netzwerk eines Versorgungsunternehmens zu interagieren?

Es geht nicht nur darum, die Wörter zu erkennen, sondern auch darum, was mit den Wörtern zu tun ist. Hier kommen Cognitive Engines und KI ins Spiel. Einige der größten Player der Branche – zum Beispiel Microsoft , mit seiner Open-Source-Engine zur kognitiven Erkennung – kann genutzt werden, um den Kontext der Wörter zu verstehen. „Wie komme ich zum Grünen Park?“ mag einfach genug klingen, aber es muss in den Kontext gesetzt werden.

Die Standortkenntnis könnte darauf hinweisen, dass Sie wahrscheinlich den Green Park in London meinen und Annahmen zum Transportmittel haben. Wenn Sie am Piccadilly Circus saßen, könnte die Antwort lauten:„Fahren Sie mit der Piccadilly-Linie nach Westen.“ Aber hier haben wir angenommen, dass es sich um den Green Park in London und nicht um den Green Park in Manchester oder Birmingham handelt.

Die Suche nach einem tieferen Sinn

Die eigentliche Herausforderung liegt in dem, was hinter den Spracherkennungssystemen steckt – sowohl bei der Integration der IoT-Geräte in das System selbst als auch bei der Sicherstellung, dass die angeforderten Befehle sinnvoll sind. Hier müssen wir diese kognitiven Engines als Prüf- und Validierungssystem weiter nutzen.

Denken Sie an jemanden, der versehentlich den Befehl „Kühlsystem für Reaktor 4 abschalten“ statt Reaktor 3 – der bereits abgeschaltet wurde – erteilt, oder an einen Arzt, der das System verwendet, um eine schädliche Medikamentendosis zu verschreiben, weil er aus Versehen 400 Gramm gesagt hat 400 Milligramm.

Dies mögen extreme Beispiele sein, aber es bedarf einer ganzheitlichen Betrachtung der Aktionen, die automatisiert werden, um menschliches Versagen zu verhindern und umfassendere Informationen einzubringen, um die Aktionen im Zusammenhang mit sprachgesteuerten Anfragen zu verstehen. Vielleicht war zum Beispiel „Kühlsystem für Reaktor 4 ausschalten“ richtig, aber das System müsste dann die Reihe der Betriebsverfahren verstehen, um diese Maßnahmen umzusetzen.

Erstellen einer API-Plattform für echte sprachintegrierte Lösungen

Ein interessantes Element, das strategisch an die Entwicklung echter sprachgesteuerter Unternehmensumgebungen anknüpfen könnte, sind die Innovationen in der traditionellen Sprachkommunikationswelt. Wir sehen die Explosion von CPaaS (Communication Platform as-a-Service) in Unternehmen, die APIs nutzen, um die heutigen Anwendungen in sprachintegrierte Lösungen umzuwandeln.

Einige der großen Anbieter von Sprachkommunikation treten jetzt in diesen Markt ein und stellen CPaaS-Infrastrukturen mit einem standardisierten Satz von APIs zur Verfügung, damit Unternehmen die Kommunikation in ihre Geschäftsprozesse integrieren können.

Während wir Integration traditionell als Dinge wie die Integration von Sprach- und Videodiensten in bestehende Anwendungen betrachten – denken Sie an eine Bankanwendung, die es Ihnen ermöglicht, von einer Online-Anwendung zu einem Sprachanruf mit Ihrem Bankberater zu wechseln –, glaube ich, dass diese eine große Rolle spielen werden diese „Voice-First“-Umgebung, indem die reichhaltige API-Infrastruktur von CPaaS genutzt wird, um mit Anwendungen und Dingen zu kommunizieren.

Hinter den Anforderungen an die Kommunikationsinfrastruktur muss die Art und Weise, wie CPaaS oder andere Plattformen mit Geräten kommunizieren, wirklich standardisiert werden, bevor wir eine rasante Entwicklung der Sprachtechnologie erleben werden. Jedes der heutigen verbraucherbasierten sprachgesteuerten Systeme verfügt über eigene Schnittstellen, eigene API-Integrationen und kann, wie beim historischen Kampf „Beta vs. VHS“ vor Jahrzehnten, zur Produktveralterung führen.

So wie ein Verbraucher nicht in die neueste „intelligente Kaffeemaschine“ investieren möchte, nur um festzustellen, dass die Plattform, die ihn steuert, gerade eingestellt wurde, möchte ein Unternehmen sicherstellen, dass Investitionen in neue Technologien nicht veraltet sind, bevor sie eine Rendite realisieren können.

Das Beste kommt noch

Die gute Nachricht ist, dass eine Reihe von Technologien in Arbeit sind, um potenzielle Obsoleszenzen zu minimieren. Frameworks wie IoTivity werden entwickelt, um eine standardisierte Plattform aufzubauen. Wir sehen bereits den Wert, die Vorteile und die schnelle Expansion neuer Sprachanwendungen für Verbraucher. In naher Zukunft werden wir sehen, wie einige der grundlegenden Anwendungsfälle in das Unternehmen einfließen.

Längerfristig werden wir aufgrund der fortschreitenden Fortschritte bei der Spracherkennung, der Sprachsicherheit und der Vereinfachung/Standardisierung der Gerätekonnektivität immer mehr Voice-First-Aktivitäten sowohl in der Verbraucher- als auch in der Unternehmenswelt erleben, um die Komplexität zu reduzieren und unsere Produktivität zu verbessern.

Der Autor dieses Blogs ist Craig Walker, Director Cloud Services bei Alcatel-Lucent Enterprise