Від окремих моделей до довільного опису задачі
Google виділяє три покоління архітектури. Перший Duplex використовував спеціалізовані рекурентні нейромережі для вузьких напрямів, зокрема бронювання ресторанів і перевірки робочих годин. Компанія повідомляє, що LaMDA почала працювати в реальних дзвінках 2022 року. Згодом генеративні моделі поєднували з детермінованим відстеженням стану та правилами поведінки.
Тепер завдання задається звичайним текстом: для кожної категорії бізнесу не потрібно будувати окрему діалогову модель. За описом Google, Gemini поєднує розуміння, планування й формування реплік, щоб враховувати бажаний час прийому та альтернативи, які пропонує адміністратор.
Телефонна розмова вимагає більше, ніж сильна мовна модель
Автори звертають увагу на стиснений звук, фоновий шум і швидку зміну співрозмовників. Google описує потоковий інференс, спеціальні акустичні моделі й моделі темпу розмови, які допомагають обробляти паузи, перебивання та черговість реплік. Згадана затримка менш ніж секунда є інженерною вимогою, а не опублікованим показником успішності всього завдання.
Контекст починається ще до дзвінка: попередні розмови можуть показати, що конкретна компанія не виконує потрібний запит. Під час спілкування непрямі відмови та уточнення мають змінювати план. Це спеціалізовані задачі взаємодії; саме додавання довгої системної інструкції ще не доводить їх розв’язання.
Повідомлення про ШІ та контроль з боку бізнесу
Google стверджує, що кожна розмова починається з повідомлення: телефонує автоматизована система Google. Компанія-одержувач може вимкнути такі дзвінки в Google Business Profile або попросити під час розмови більше не телефонувати. За описом розробника, нового програмного забезпечення чи інтеграції із системою бронювання не потрібно.
Продуктовий анонс від 17 листопада описує безкоштовне початкове розгортання у США, Японії, Кореї, Канаді, Австралії та Індії, а розширені функції спершу запускають у США. Цей загальний перелік не підтверджує доступності дзвінків усюди: примітка виключає Індіану, Луїзіану, Міннесоту, Монтану й Небраску. Жодне з двох джерел не підтверджує цю телефонну функцію для України.
Що підтверджено, а що ще слід виміряти
Джерела пояснюють архітектуру та заявлені механізми контролю Google, але не надають зіставного набору результатів виконання задач, незалежного аудиту точності чи виміряної частоти помилок бронювання. Ми не тестували сервіс. Успішну розмову слід відрізняти від правильного запису в потрібну компанію, на потрібну дату й годину.
Для практичної перевірки пропонуємо оцінювати завершення доручення, точність підтвердження, небажане розкриття даних, переривання та загальний час із виправленнями. Дослідницький матеріал не містить ваг для завантаження, рецепта LoRA чи вимог до локального обладнання: йдеться про можливість хмарного продукту, а не автономного телефонного агента.

Обговорення.
Твій погляд має значення. Увійди, обери нікнейм та свій кіберобраз.
Завантажуємо обговорення…
Ім’я, email і фото з акаунта не публікуємо.