Automat obsługuje w Warszawie co trzeciego pasażera dzwoniącego na infolinię komunikacji miejskiej. To 30 tys. osób miesięcznie.
Stoimy na przystanku. Ktoś zerwał rozkład. Wykręcamy numer 022-194-84 i słyszymy: "Witaj w portalu głosowym ZTM […]. Powiedz jedną z opcji: rozkład jazdy, taryfy przewozowe… […]. Powiedz numer linii autobusowej lub tramwajowej. Powiedz nazwę przystanku. W jakim kierunku chcesz jechać? Powiedz przybliżoną godzinę odjazdu" — i już wiadomo, o której będzie autobus.
Rozmowa z automatem
To była rozmowa z automatem.Dziś w Warszawie obsługiwany jest przezeń co trzeci pasażer dzwoniący na infolinię, czyli około 30 tys. osób miesięcznie. Portal głosowy firmy Primespeech rozpoznaje nazwy ponad 4,5 tys. przystanków, ponad 250 linii oraz daty i godziny.
— Dzięki wprowadzeniu portalu głosowego bez zatrudniania dodatkowych konsultantów ZTM rozszerzył 24-godzinną infolinię z trzech do sześciu równoległych linii. Gdyby zatrudnić operatorów, należałoby stworzyć siedem etatów, a to roczny koszt rzędu 200 tys. zł. My zaproponowaliśmy miesięczny abonament, a koszty roczne są zdecydowanie niższe — mówi Łukasz Brocki, założyciel i szef firmy Primespeech zajmującej się rozpoznawaniem mowy.
To pierwszy poważny klient firmy, która powstała rok temu i dotąd radziła sobie bez inwestora.
— I nadal jest to możliwe. Ale gdyby znalazł się inwestor, który zaproponowałby dogodne warunki, to czemu nie? Możemy być zainteresowani — przyznaje Łukasz Brocki.
Teraz jego firma sprzedaje ASR Server — system rozpoznawania mowy dla telekomunikacji. Jedna licencja kosztuje 2,5 tys. zł. U konkurencji — jak twierdzi Łukasz Brocki — ceny zaczynają się od 1 tys. EUR (ponad 4 tys. zł).
Program dla tekstów
Primespeech pracuje nad kolejnymi produktami: systemem transkrypcji automatycznej (przepisywanie nagrań z plików dźwiękowych do tekstowych, czym zainteresowane mogą być np. banki, które archiwizują rozmowy z klientami). Ten system już funkcjonuje, ale jest dopracowywany. W przyszłości firma planuje zbudować oprogramowanie pozwalające na dyktowanie tekstów. Nie wyklucza też wyjścia z produktem za granicę, czyli stworzenia innej wersji językowej.
— Rozpoznawanie mowy to technologia już powszechnie wykorzystywana na świecie i bardzo dobrze, że powstała w Polsce, dla języka polskiego. Istnieje firma, która napisała oprogramowanie do rozpoznawania mowy przez ruch warg. Bo to mowa, a nie np. klawiatura, jest naturalnym sposobem porozumiewania się ludzi — mówi Mariusz Tomaka, szef katowickiego biura DisplayLink, firmy, która opracowuje systemy pozwalające na odtwarzanie informacji z jednego komputera na wielu monitorach jednocześnie.
Ale system ma też ograniczenia.
— Nie wykorzystujemy takich systemów. Dla nas oraz naszych klientów istotna jest wysoka jakość obsługi oraz bieżące reagowanie na potrzeby klienta końcowego, a to gwarantuje tylko bezpośredni kontakt konsultanta z klientem —mówi Janusz Jankowiak, dyrektor generalny Arvato Services Polska, która świadczy usługi outsourcingowe i ma sześć centrów w Polsce.