הדוברים כבר נשמעים כמו בני אדם. הבעיה היא שהם לא זוכרים מה אמרתם לפני שתי דקות.
כל מי ששוחח לאחרונה עם בוט קולי של חברת סלולר או בנק מכיר את התחושה. הקול נעים, ההגייה כמעט מושלמת, ואז אתם מסבירים את הבעיה בפעם השלישית. לפי הסיקור ב-TechCrunch, זה בדיוק מה שמטריד מנהלים בתחום: ה-Voice AI עדיין לא הגיע ל"רגע ה-ChatGPT" שלו.
לפי תקציר הכתבה, שכבת ההקשר של מערכות קוליות מפספסת לא פעם נקודות חשובות, וכשזה קורה כל השרשרת מתפרקת. לא הצלחנו לאתר את הכתבה המלאה, ולכן אנחנו נצמדים לטענה הזו ולא מייחסים לאף מנהל ציטוטים או מספרים שלא ראינו.
שיחה קולית עם סוכן AI עוברת כמה שלבים. קודם זיהוי דיבור והמרה לטקסט, אחר כך מודל שמבין ומחליט, ובסוף הקראה בקול. אם השלב האמצעי לא מחזיק את ההקשר, כלומר מי הלקוח, מה כבר נאמר ומה הוא באמת ביקש, שאר השלבים לא יצילו את השיחה. קול מצוין שמקריא תשובה שגויה הוא בעיה גדולה יותר מקול רובוטי עם תשובה נכונה.
הקשר שיחה הוא גם נקודת התורפה בכלים הקיימים. סיכום של כנס Cerebral Valley בניוזלטר Newcomer מביא את הטענה שהמכשול ייפול כשזיכרון ההקשר ישתפר. הוא מזכיר גם את ראש LiveKit, ראס ד'סה, שטוען שקיצוץ מילישניות בשכבות התקשורת הופך סוכנים לחכמים יותר. ביקורת על GPT Realtime 2 מציינת אובדן הקשר בשיחות ארוכות כחסרון.
הבעיה רחבה יותר מדיבור. סקר של VB Pulse מיולי 2026 בקרב 101 ארגונים מצא ש-68% מהם איתרו תשובה שגויה שנאמרה בביטחון מצד סוכן AI, ושהסיבה הייתה הקשר עסקי חסר או לא עקבי. הדגימה קטנה והיא נוטה לארגונים שכבר מפעילים סוכנים, אז זו אינדיקציה ולא מדד שוק. גם גרטנר צופה ביטול של יותר מ-40% מפרויקטי ה-AI הסוכנתי עד סוף 2027, בין היתר בגלל עלויות, ערך עסקי לא ברור ובקרת סיכונים חלשה.
צריך גם לדעת שחלק מהדיבור על "שכבת הקשר" מגיע מחברות שמוכרות מוצר כזה, למשל Knowledge Mesh של Voicing AI. את הטענות שלהן על ביצועים צריך לקרוא כטענות של ספק.
זו קריאה שלנו ולא נתון מהכתבה. מוקדי שירות הם מקום טבעי לפריסת סוכנים קוליים, וישראל מלאה בהם: סלולר, בנקאות, ביטוח, קופות חולים. אצלנו יש קושי נוסף: עברית עם אנגלית באמצע משפט, מבטאים שונים, ושיחות שקופצות בין נושאים. נסו להסביר "אני רוצה לבטל, או לא, קודם תגידו לי כמה זה עולה" לבוט, ותבינו מדוע הקשר חשוב יותר מצליל. סביר שהחברות שירוויחו הן אלה שישקיעו בזיכרון ובנתוני הלקוח שמאחורי הקול, ופחות בקול עצמו.
ההשוואה ל-ChatGPT עוזרת. הצ'אט הפך לתופעה כשהפסיק להרגיש כמו תפריט עם מילים. ה-Voice AI יגיע לשם כשיפסיק לשאול אתכם שוב מה שכבר אמרתם. עד אז, כדאי לשמור על הסבלנות, ועל הכפתור שמעביר לנציג אנושי.
