הסטארטאפ החדש רוצה ש-AI יעבור מבחן טיורינג בקול
הסטארטאפ Smallest.ai גייס 13 מיליון דולר ומשיק ארכיטקטורת Voice 4.0 עם מודל Hydra, שמעבדת שמיעה, חשיבה ודיבור במקביל – כדי לנסות לשבור את מבחן טיורינג הקולי. החברה טוענת שה-AI הקולי כיום מכסה פחות מ-1% מהשוק, ושהטכנולוגיה החדשה יכולה לחסוך עד 80% מעלויות תמיכה.
במקום להתמקד בהפיכת מודלים גדולים למהירים יותר, חברת Smallest.ai – שנוסדה רק בסוף 2024 – נכנסת לזירה עם גישה אחרת בתכלית: בניית מודלים קטנים, ייעודיים לקול, שמחקים את הצורה שבה מוח אנושי מנהל שיחה. המטרה: לגרום לתקשורת עם סוכן AI להרגיש, סופסוף, אנושית. לאחרונה השלימה החברה גיוס סבב A בסך 13 מיליון דולר, מה שמביא את סך גיוסיה ל-21 מיליון דולר.
אז מה בעצם קרה כאן?
השוק של בינה מלאכותית קולית עמוס בתחרות. שחקניות ענקיות כמו ElevenLabs גייסו סכומי עתק (500 מיליון דולר בפברואר), וסטארטאפים אחרים כמו Fish Audio נכנסו גם הם לאחרונה עם 52 מיליון דולר. בתוך כל הרעש הזה, Smallest.ai בונה על כך שהדרך לנצח היא לא רק על ידי מודל AI גדול יותר, אלא על ידי ארכיטקטורה שונה לגמרי.
המנכ"ל והמייסד, Sudarshan Kamath, מסביר שהבעיה המרכזית כיום היא שתעשיית ה-AI הקולי בנויה כערימה של טכנולוגיות נפרדות שצריכות לפעול אחת אחרי השנייה: זיהוי דיבור, עיבוד במודל שפה גדול, שכבת תיאום, מנוע המרת טקסט לדיבור, ושומרים. "התהליך המנותק הזה", לדבריו, "מוביל גם לעיכובים (Latency) וגם לתחושות שיחה שברור מאליהן שהן מלאכותיות."
Voice 4.0: עיבוד א-סינכרוני במקום שרשרת
הפתרון שהם מציעים נקרא Hydra – מודל בינה מלאכותית foundational שבליבה של ארכיטקטורת "Voice 4.0" החדשה. במקום רצף טורי, המערכת הזו מסוגלת לשמוע, לחשוב, לבצע פעולות ולהגיב במקביל, ממש כמו בשיחה אנושית. "בני אדם לא ממתינים שמישהו יסיים לדבר לפני שהם מתחילים לחשוב", מפרט Kamath. "אנחנו מאזינים, חושבים ומגיבים בו-זמנית. בינה מלאכותית קולית צריכה לעבוד באותה צורה."
המשמעות בפועל: שיחות בזמן אמת, יכולת נטולת עיכובים להיכנס לדברי הדובר (Interruptions), ואפילו שימוש בכלי עזר (Tools) תוך כדי שיחה. המטרה היא לגרום לשיחה להרגיש כה טבעית, עד שהמשתמש לא ידע אם הוא מדבר עם אדם או עם מכונה – מה שהחברה מכנה "שבירת מבחן טיורינג הקולי".
שוק עם פוטנציאל עצום – ו-99% ממנו עדיין לא מכוסה
למרות התחרות, הפוטנציאל העסקי הוא אדיר. מחקרים מעריכים את שוק ה-AI הקולי ב-2.4 מיליארד דולר כיום, אבל צופים צמיחה ל-47.5 מיליארד דולר עד 2034. וכאן מגיעה העובדה המפתיעה: נכון להיום, בינה מלאכותית אחראית לפחות מ-1% מהאינטראקציות הקוליות בעולם. הסיבה? הטכנולוגיה עדיין "לא מספיק טובה", לדברי החברה.
מבחינת לקוחות, Smallest.ai כבר עובדים עם שמות גדולים כמו RingCentral ו-Truecaller, ומציגים מספרים מרשימים: חיסכון בעלויות תמיכת לקוחות של עד 80% במקרים מסוימים. המוצר שלהם מיועד לחברות תמיכה, אבל גם לסטארטאפים צעירים יותר בתחום ה-CX כמו Sierra ו-Decagon.
מי מתחרה, ומי מוביל?
הסבב הנוכחי הובל על ידי קרן Seligman Ventures, עם השתתפות ממשקיעים קודמים כמו Sierra Ventures ו-3one4 Capital. אשיש קאקרן מ-Seligman Ventures מציין ש"המפתחים מדברים יותר ויותר עם המכונות שלהם במקום להקליד קוד", ולכן הם מאמינים ש-Smallest.ai, עם הארכיטקטורה הייחודית שלהם, יכולה להציע ללקוחות "ערימה טכנולוגית יעילה ואנכית".
בין המתחרות המרכזיות אפשר למצוא את ElevenLabs (המובילה בגיוסים), Cartesia, ושחקנים אזוריים כמו Sarvam. אחת התובנות המעניינות של Kamath היא שלקוחות גדולים בתחום ה-AI הקולי (כמו סטארטאפים של תמיכת לקוחות) כנראה יעדיפו להשתמש בפתרון מוכן מאשר לפתח מודל קולי פנימי. "להיות מצוינים בקול זה הסחה מהעסק המרכזי שלהם", הוא טוען.
הימור על עתיד עם שני מודלים
Kamath צופה שבעתיד כל סוכן AI יישען על שני מודלים: מודל קול קטן ומהיר, ייעודי לשיחה בזמן אמת, ו-LLM גדול "לא מקוון" שייקרא כשנתקלים בבעיה מורכבת יותר. "אנחנו לא רוצים לבנות מודל שפה גדול יותר", הוא מסכם. "אנחנו רוצים לחשוב מחדש על הארכיטקטורה עצמה."
בינתיים, הפוקוס נשאר אך ורק על שיחה קולית אינטראקטיבית לעסקים. אם הם יצליחו, הפעם הבאה שתרימו טלפון לתמיכה טכנית – אולי בכלל לא תרגישו שאתם מדברים עם בוט. ואם המודל יתבלבל, הוא יגיד לכם "חכו רגע, אני בודק" ויעביר אתכם ל"מודל המומחה" שלו ברקע, קצת כמו אנושי.