Voice AI ในระบบโทรศัพท์คืออะไร? Call Transcription, TTS, AI Receptionist

Voice AI ในระบบโทรศัพท์คืออะไร

Voice AI (Voice Artificial Intelligence) ในระบบโทรศัพท์คือการนำ Machine Learning, Natural Language Processing (NLP) และ Generative AI มาประยุกต์กับการรับ-โทรสาย เพื่อช่วยลดงาน Manual ของทีมและยกระดับประสบการณ์ลูกค้า

Voice AI สมัยใหม่ทำงานได้ทั้ง Real-time (ระหว่างคุยสาย) และ Batch (หลังจบสาย) ครอบคลุมทั้ง STT (Speech-to-Text), TTS (Text-to-Speech), Sentiment Analysis และ Conversational AI

Call Transcription ถอดเสียงสายเป็นข้อความ

Call Transcription คือการแปลง Audio ของสายเป็น Text อัตโนมัติด้วย Speech-to-Text (STT) Engine ช่วยให้ทีม Sales และ Support ไม่ต้องจดบันทึกระหว่างคุย

Call Transcription ระดับ Enterprise ใช้ AI Engine ที่รองรับหลายภาษา รวมภาษาไทย เช่น AWS Transcribe, Google Speech-to-Text, Azure Speech, OpenAI Whisper หรือ Engine ที่ Train เฉพาะกลุ่มอุตสาหกรรม

• Real-time Transcription: ขึ้นข้อความระหว่างสาย เห็นพร้อมๆ กับการคุย
• Speaker Diarization: แยกเสียงผู้พูด รู้ว่า Agent หรือ Customer พูด
• Multi-language: รองรับไทย-อังกฤษสลับกันในสายเดียว (Code-switching)
• Search: ค้นข้อความใน Recording เก่าได้ทันที

Call Summary สรุปสายอัตโนมัติ

Call Summary นำ Transcript มาเข้า LLM (เช่น GPT-4, Claude, Gemini) เพื่อสร้างสรุปสายเป็น Bullet Points สั้นๆ บอก Topic, Action Items, และ Next Steps

ผลลัพธ์ใช้บันทึกเข้า CRM อัตโนมัติ ทำให้ Sales ไม่ต้องเสียเวลาเขียน Note หลังสาย และผู้บังคับบัญชาอ่าน Summary แทนการฟังสายเต็มได้

Neural TTS สำหรับ IVR และคำทักทาย

Neural TTS (Text-to-Speech) คือการสร้างเสียงพูดจาก Text ด้วย Deep Learning ทำให้เสียงฟังเหมือนคนจริงมากกว่า TTS รุ่นเก่าที่ฟังเป็นเสียง Robot

Engine ที่นิยม: AWS Polly Neural, Azure Neural TTS, Google Cloud TTS WaveNet รองรับภาษาไทยเสียงผู้หญิงและผู้ชายหลายโทน

• IVR Prompt: "ติดต่อฝ่ายขาย กด 1, ฝ่ายบริการลูกค้า กด 2"
• After-hours Greeting: บอกเวลาทำการและช่องทางอื่น
• Hold Music Announcement: "ขณะนี้ Agent ทุกคนติดสาย กรุณารอสักครู่"
• Outbound Survey: TTS อ่านคำถาม Survey ให้ลูกค้ากดตอบ

AI Receptionist รับสายแทนคน

AI Receptionist คือ AI Voice Bot ที่รับสายเข้าและคุยกับลูกค้าได้แบบ Natural Conversation แทน IVR แบบกดเมนู ใช้ NLU (Natural Language Understanding) เข้าใจเจตนาของผู้โทร และ TTS ตอบกลับ

AI Receptionist เหมาะกับการคัดกรองสาย จัดเส้นทาง (Skill-based Routing), จองคิว, ตอบคำถามที่พบบ่อย (FAQ), และ Escalate ไปคนเมื่อจำเป็น

Voice Biometrics และ Anti-fraud

Voice Biometrics ใช้ AI วิเคราะห์ลักษณะเสียง (Voiceprint) เพื่อยืนยันตัวตนของผู้โทร แทนการถามคำถามยืนยันแบบเดิม ใช้ในธุรกิจ Banking และ Insurance

Anti-fraud Voice AI ยังตรวจจับ Voice Deepfake และ Synthetic Voice ที่ใช้ในการฉ้อโกง บางผู้ให้บริการแจ้งเตือน Real-time เมื่อพบเสียงที่อาจไม่ใช่คนจริง

PDPA และ Voice AI ในไทย

การใช้ Voice AI ในไทยต้อง Comply กับ PDPA โดยเฉพาะการเก็บ Recording และการประมวลผลข้อความ

• แจ้งลูกค้าก่อนบันทึกสาย (Recording Notice) เป็นข้อความ TTS หรือเสียงที่บันทึกไว้
• เก็บ Recording และ Transcript ใน Data Center ในไทย ไม่ส่งไปประมวลผลต่างประเทศ (ถ้าเป็นไปได้)
• มีนโยบายการลบข้อมูล (Retention Policy) ที่ชัดเจน
• จำกัดผู้เข้าถึง Recording ตาม Role
• Data Subject Access Request: ลูกค้าขอสายของตัวเองได้

การเลือก Voice AI สำหรับองค์กร

ก่อนเลือก Voice AI ควรพิจารณา 5 ด้านหลัก

• รองรับภาษาไทยดีแค่ไหน: Code-switching, สำเนียงภูมิภาค
• PDPA: Data Residency, Encryption, Retention
• Integration: เชื่อม CRM, Helpdesk, Analytics ที่มีอยู่ได้
• ราคา: คิดต่อนาที Transcribe หรือ Per User License
• Customization: Train คำเฉพาะของบริษัทได้ (Custom Vocabulary)