Röst-AI-teknik

Låt en röstagent slå upp saker: verktyg och funktionsanrop

Så fungerar funktionsanrop för röstagenter: uppslag kontra åtgärder, vad som gör ett bra verktyg, riskerna med talad inmatning och hur samtalet förblir naturligt.

Redaktionen för Call · Publicerad · 5 min läsning

Information som ändras varje timme kan inte bo i en prompt. En orderstatus, en lagernivå eller en ledig tid stämmer bara för stunden. För att använda sådana uppgifter behöver en röstagent ett sätt att fråga ett annat system, och den mekanismen kallas oftast funktionsanrop eller verktygsanvändning (function calling, tool use).

En supportmedarbetare som kontrollerar information på en skärm under ett samtal
Illustrationsbild

Den här guiden förklarar med enkla ord hur det fungerar, vad som gör ett bra verktyg, var riskerna finns och hur idén förhåller sig till hur AI-agenterna i Call fungerar i dag. För bakgrund om själva röstkedjan, se Så fungerar röst-AI i ett telefonsamtal.

Hur ett verktygsanrop fungerar

En språkmodell skriver text. Den kan inte öppna en databas eller trycka på en knapp. Funktionsanrop är en konvention: du beskriver en uppsättning funktioner för modellen, med namn, syfte och vilka indata var och en förväntar sig, och modellen kan svara med en begäran om att använda en av dem.

Ett verktygsanrops livscykel

  1. Kunden frågarTill exempel: var är min beställning?
  2. Modellen föreslår ett anropDen returnerar ett funktionsnamn och argument, till exempel ett ordernummer.
  3. Din programvara validerarDen kontrollerar argumenten, kundens behörighet och eventuella begränsningar.
  4. Systemet kör detDet frågar ordersystemet och får ett resultat.
  5. Resultatet går tillbaka till modellenModellen gör om datan till ett kort talat svar.

Det viktiga är att det är din programvara, inte modellen, som utför åtgärden. Det ger dig ett ställe där du kan upprätthålla regler, logga vad som hände och vägra allt orimligt.

Uppslag kontra åtgärder

Alla verktyg medför inte samma risk. Ett uppslag läser information. En åtgärd ändrar något i världen. Behandla dem olika.

Uppslag som bara läser jämfört med åtgärder som ändrar saker

UppslagÅtgärd
ExempelÖppettider, orderstatus, kölängdAvboka en bokning, göra en återbetalning, uppdatera en adress
Risk om det blir felEtt felaktigt svar, som går att rättaEn ändring som kan vara svår att ångra
Typiska skyddIdentitetskontroll, begränsade fältBekräftelsesteg, mänskligt godkännande, spårningslogg
Bra utgångspunkt?JaFörst när uppslagen fungerar väl

En försiktig väg är att lansera med enbart uppslag, följa verkliga samtal och lägga till åtgärder långsamt, med en människa som bekräftar allt som får konsekvenser. Det är samma förhållningssätt som ligger bakom Skyddsräcken för röst-AI-agenter.

Vad som gör ett bra verktyg

Namn och beskrivningar spelar roll

Modellen väljer verktyg utifrån de namn och beskrivningar du ger dem. Vaga formuleringar leder till fel val. Skriv beskrivningarna som instruktioner till en ny kollega: när verktyget ska användas, när det inte ska användas och vad varje indata betyder.

Talad inmatning är rörig

Argumenten kommer från tal. Ett ordernummer kan komma med en felaktig siffra, eller ett namn med en ovanlig stavning. Läs upp viktiga värden för kunden innan du använder dem, och utforma verktyget så att det ger ett hjälpsamt resultat vid nästan-träffar. Få namn, nummer och adresser rätt med rösten går igenom tekniker för bekräftelse i detalj.

Riskerna att utforma kring

Där verktygsanvändning går fel

  • Fel verktyg eller argumentModellen missförstår begäran, så validera allt innan det körs.
  • Delar för mycketEtt uppslag returnerar mer än kunden bör höra, så returnera bara det som behövs.
  • Overifierad identitetKontouppgifter läses upp för fel person, så verifiera innan något lämnas ut.
  • Långsamma eller felande systemTyst luft eller ett förvirrande fel, så sätt tidsgränser och talade reservsvar.
  • Injicerade instruktionerText i ett uppslagsresultat som försöker ge modellen order, så behandla resultat enbart som data.

Varje risk har ett tekniskt svar, men den säkraste designprincipen är att ge agenten den minsta åtkomst som räcker för uppgiften. Ge den inte en generell databaskoppling när ett enda smalt uppslag räcker.

Håll samtalet naturligt

Ett verktygsanrop tar tid: modellen bestämmer sig, ditt system svarar, modellen skriver svaret och talet produceras. Kunden hör tystnad. Taktiker som hjälper är en mycket kort bekräftelse före ett uppslag, cachning av värden som sällan ändras och att begränsa varje tur till ett verktygsanrop. Latens i röst-AI beskriver var fördröjningen kommer ifrån. Om ett uppslag misslyckas eller tar för lång tid ska agenten säga det kort och erbjuda ett meddelande eller en människa i stället för att vänta.

Ett exempel steg för steg

Tänk dig en påhittad möbelbutik vars agent svarar på frågor om leveranser. Butiken definierar ett enda verktyg som bara läser: det tar ett ordernummer och returnerar leveransstatus och leveransfönster. Agenten får instruktionen att bara använda det efter att kunden har uppgett ett ordernummer och bekräftat det genom att höra det uppläst.

  1. Kunden säger att hen väntar på en soffa och uppger ett ordernummer.
  2. Agenten läser upp numret i grupper och kunden bekräftar.
  3. Verktyget returnerar statusen ute för leverans och fönstret eftermiddag.
  4. Agenten säger att beställningen är ute för leverans och bör komma i eftermiddag, och frågar sedan om det är något mer.
  5. Om verktyget returnerar hittades inte säger agenten att den inte hittar den beställningen och erbjuder att ta ett meddelande till teamet.

Lägg märke till vad som saknas: agenten kan inte boka om leveransen. Om kunden vill ha en annan dag tar agenten emot önskemålet och teamet hanterar det. Att börja med ett smalt, säkert verktyg som detta lär dig hur kunderna faktiskt pratar innan du breddar omfattningen. Spara en logg över varje anrop som verktyget får så att du kan upptäcka mönster, till exempel att en viss siffra ofta hörs fel, och rätta det i bekräftelsesteget.

Hur detta förhåller sig till Call

I Call svarar en AI-agent utifrån sina instruktioner, sin persona, det manus som är kopplat till linjen och de delar av kunskapsbasen som matchar frågan. Den är inte byggd för att vidta åtgärder som att boka eller bekräfta tider, ringa tillbaka, skicka något eller erbjuda rabatter under samtalet. Den säger det och anger den väg som dina källor beskriver, till exempel en bokningslänk eller en återuppringning från ditt team. Håll uppgifter som ändras ofta i agentens källor och uppdatera dem, och använd helpdesken för uppföljningsarbete som kräver en människa. Om du vill koppla Call till dina egna system beskrivs utvecklargränssnittet i Call för utvecklare och API; kontrollera vad det erbjuder innan du bygger kring något visst beteende.

När du utvärderar en plattform som marknadsför verktygsanvändning, ställ de praktiska frågorna i checklistan nedan.

Frågor att ställa om verktyg i en röstagent

  • Vilka system kan den nå, och med vilka behörigheter?
  • Är uppslag åtskilda från åtgärder som ändrar data?
  • Finns det en logg över varje anrop den gjorde, med argument och resultat?
  • Vad händer när ett uppslag misslyckas eller är långsamt?
  • Kan en människa godkänna åtgärder som får konsekvenser?
  • Hur kontrolleras kundens identitet innan uppgifter läses upp?
  • Kan du testa verktygen med realistisk talad inmatning före lanseringen?

För utvärderingssidan, se Så utvärderar du en röstagents samtal.

Vanliga frågor

Vad är funktionsanrop med enkla ord?

Det är ett sätt för en AI-modell att be din programvara göra något, som att slå upp en beställning. Modellen skriver begäran, ditt system utför den och returnerar resultatet som modellen sedan förklarar.

Kör AI:n funktionen själv?

Nej. Modellen föreslår bara anropet. Din egen kod kontrollerar och kör det, och det är där du kan tillämpa regler, begränsningar och loggning.

Är det säkert att låta en röstagent ändra data?

Det går att göra försiktigt, men börja med uppslag som bara läser. För allt som ändrar data, lägg till bekräftelse, begränsningar och mänskligt godkännande där insatserna är höga.

Varför känns samtalet långsamt vid ett uppslag?

Varje steg tar tid: att besluta om anropet, köra det, skriva svaret och säga det. Snabba verktyg, en kort bekräftelse och ett uppslag per tur håller fördröjningen på en rimlig nivå.

Kan en kund lura agenten att använda ett verktyg fel?

Det kan hen försöka. Validera argument, kontrollera behörigheter i din kod och ge agenten smala verktyg, så att en missriktad begäran inte kan göra verklig skada.

Slår AI-agenten i Call upp saker i mina system?

Agenten i Call arbetar utifrån sina instruktioner, sitt manus och sina kunskapskällor och bokar, skickar eller bekräftar inget under samtalet. Håll uppgifter som ändras i dess källor och använd teamet för uppföljning.

Se hur AI-agenten i Call svarar utifrån dina källor

I demokonsolen kan du prova inkommande samtal i en simulering.

Relaterade guider