DI balso agentas lietuvių kalba: 7 testai prieš paleidžiant klientams

2026 m. liepos 16 d. • 11 min. skaityti • Artūras Pikšrys

DI balso agento demonstracija dažnai atrodo nepriekaištingai: tylus kambarys, aiškiai kalbantis žmogus ir dviejų minučių pokalbis pagal paruoštą scenarijų. Tikras skambutis yra kitoks. Klientas kalba automobilyje, sustoja viduryje sakinio, vartoja įmonės žargoną, pakeičia nuomonę ir tikisi, kad pažadėtas vizitas tikrai atsiras kalendoriuje.

Todėl svarbiausias klausimas nėra „ar robotas gražiai kalba?“. Svarbu, ar jis patikimai užbaigia verslo procesą: supranta klientą, atlieka leistiną veiksmą sistemoje, užfiksuoja rezultatą ir laiku perduoda pokalbį žmogui.

Šis vadovas pateikia septynis testus, kuriuos verta atlikti prieš leidžiant DI balso agentui priimti ar inicijuoti tikrus klientų skambučius.

Kas yra DI balso agentas?

DI balso agentas yra sistema, kuri realiu laiku priima žmogaus kalbą, supranta jo tikslą, parenka atsakymą ir prireikus atlieka veiksmą kitoje verslo sistemoje.

Praktiškai balso agentą sudaro keli sluoksniai:

telefonijos kanalas, pavyzdžiui, SIP arba VoIP;
kalbos atpažinimas arba tiesioginis garso modelis;
pokalbio logika ir įmonės žinios;
integracijos, leidžiančios atlikti veiksmus CRM, kalendoriuje ar ERP sistemoje;
balso generavimas;
stebėsena, įrašai ir perdavimas žmogui.

OpenAI balso agentų dokumentacijoje aprašomi du pagrindiniai techniniai keliai. Pirmasis yra nuoseklus kalba–tekstas–agentas–kalba procesas. Antrasis naudoja ilgai veikiančią realaus laiko garso sesiją, kurioje sistema gali apdoroti garsą dalimis, aptikti pertraukimus ir kviesti įrankius. Konkretus modelis yra tik viena visos sistemos dalis.

Jei jums reikia tik perrašyti ir analizuoti darbuotojų skambučius, tai yra skambučių analitika, o ne balso agentas. Balso agentas pats dalyvauja pokalbyje ir gali atlikti sutartus veiksmus.

1. Ar agentas supranta tikrą lietuvių kalbą?

Testuokite ne studijinį balsą, o savo klientų kalbą: skirtingą tartį, pavardes, adresus, įmonių pavadinimus, skaičius ir profesinį žargoną.

Lietuvių kalbos testų rinkinys turėtų apimti bent šias situacijas:

žmogus kalba greitai arba tyliai;
fone girdisi automobilis, biuras ar gatvė;
sakinyje vartojami lietuviški ir angliški terminai;
diktuojamas el. pašto adresas, telefono numeris arba automobilio valstybinis numeris;
vartojamos linksniuotos pavardės ir vietovardžiai;
klientas pats pasitaiso: „ne antradienį, o trečiadienį“;
pokalbio metu pakeičiama kalba.

Bendras transkripcijos tikslumo rodiklis neparodo, ar sistema tinkama. Atskirai matuokite kritinių laukų tikslumą: datos, laiko, sumos, kontakto ir užsakymo numerio. Klaida mandagiame sakinyje gali būti nepastebima, o klaida datos lauke sukuria realią žalą.

Ar pasirinktas balso modelis apskritai kalba lietuviškai?

Prieš vertinant tartį verta patikrinti paprastesnį dalyką: ar tiekėjo modelis, kurį ketinate naudoti, apskritai palaiko lietuvių kalbą. Rinkodaros puslapyje skelbiamas kalbų skaičius dažnai apima ne tą modelį, kuris realiai aptarnauja pokalbį telefonu.

Geras pavyzdys yra „ElevenLabs“. Bendrovė nurodo, kad eleven_v3 palaiko daugiau nei 70 kalbų, tarp jų ir lietuvių. Tačiau pokalbių agentams rekomenduojami greitieji modeliai palaiko gerokai siauresnį sąrašą: eleven_multilingual_v2 palaiko 29 kalbas, eleven_flash_v2_5 palaiko 32 kalbas. Lietuvių kalbos tarp jų nėra.

2026 m. birželį tikrindami gyvą API gavome tokį rezultatą:

Modelis	Tipinė paskirtis	Delsa	Lietuvių kalba
`eleven_flash_v2_5`	greitas pokalbių agentas	~75 ms	ne, grąžina klaidą
`eleven_turbo_v2_5`	greitas pokalbių agentas	—	ne, grąžina klaidą
`eleven_multilingual_v2`	aukštos kokybės įgarsinimas	—	ne, grąžina klaidą
`eleven_v3`	statinis teksto įgarsinimas	—	taip
`eleven_v3_conversational`	realaus laiko pokalbių agentas	~280 ms	taip

Trys pirmieji modeliai atmeta užklausą su language_code: "lt" ir grąžina klaidą does not support language_code 'lt'. Lietuviškai kalba tik eleven_v3, tačiau pokalbių agento kontekste jis atmetamas atskiru pranešimu („Expressive TTS is not allowed“), todėl realiu laiku reikia naudoti eleven_v3_conversational.

Svarbu: pavojingiausia ne klaida, o tylus atsarginis variantas. Jei sistema neparenka modelio pagal kalbą, lietuviškas meniu gali nepastebimai virsti angliška atkarpa arba visai neįgarsinti teksto. Todėl kalbos parinkimą būtina testuoti atskirai, o ne pasitikėti numatytuoju modeliu.

Tiekėjų galimybės sparčiai keičiasi, todėl šį patikrinimą kartokite prieš kiekvieną diegimą ir būtinai su savo sutarties planu, nes dalis modelių prieinami ne visiems.

Daugiau apie kalbos atpažinimo ir sintezės ypatumus rasite straipsnyje kaip DI supranta lietuviškai.

2. Ar pokalbis nevėluoja ir leidžia klientui įsiterpti?

Žmogus turi galėti natūraliai sustoti, pratęsti mintį ir pertraukti agentą. Testuokite visą skambučio grandinę, o ne vien modelio atsakymo laiką.

Delsą sukuria telefonijos tinklas, garso kodavimas, kalbos atpažinimas, duomenų paieška, modelio atsakymas, įrankio vykdymas ir balso generavimas. Dėl to laboratorinis rezultatas gali smarkiai skirtis nuo tikro skambučio.

Realaus laiko agentų gairės atskirai išskiria garso srautus, pertraukimus, įrankių iškvietimus ir atkūrimo stebėjimą. Verslo testas turėtų matuoti ne tik vidurkį, bet ir blogiausius atvejus:

Matuojamas momentas	Ką tikrinti
Atsakymo pradžia	kiek klientas laukia po savo sakinio
Pertraukimas	ar agentas nustoja kalbėti klientui įsiterpus
Tylos pauzė	ar sistema nepradeda atsakymo žmogui dar nebaigus minties
Sistemos veiksmas	kiek trunka kalendoriaus, CRM ar ERP užklausa
Ryšio sutrikimas	ar pokalbis atkuriamas, ar saugiai perduodamas žmogui

Lietuvių kalba čia turi konkrečią kainą. Kaip parodyta pirmame teste, greitieji balso modeliai lietuviškai nekalba, todėl tenka rinktis lėtesnį. Vien balso generavimo etape skirtumas siekia maždaug 75 ms prieš 280 ms, tad kiekvieną agento atsakymą tai pailgina maždaug 200 ms. Tai nėra daug savaime, tačiau prie šio skaičiaus prisideda telefonijos tinklas, kalbos atpažinimas ir įrankių iškvietimai.

Antras dažnai pamirštamas veiksnys yra telefonijos garso kokybė. Įprastas skambutis perduodamas siauros juostos 8 kHz G.711 kodeku, o realaus laiko modeliai paprastai tikisi 24 kHz garso. Perskaičiavimas tarp šių dažnių yra būtinas, bet dalis informacijos prarandama negrįžtamai. Dėl to modelis, puikiai atpažįstantis lietuvių kalbą iš kokybiško mikrofono įrašo, telefonu gali klysti gerokai dažniau. Testuokite per tikrą telefono liniją, o ne per naršyklės mikrofoną.

3. Ar agentas užbaigia veiksmą verslo sistemoje?

Geras balso agentas ne tik pasako „vizitas užregistruotas“, bet ir sukuria teisingą įrašą kalendoriuje, CRM arba kitoje sistemoje.

Kiekvienam scenarijui apibrėžkite patikrinamą rezultatą:

rezervacija turi turėti datą, laiką, paslaugą ir kontaktą;
užklausa turi būti priskirta tinkamam padaliniui;
CRM pastaboje turi likti sutarta santrauka;
klientui turi būti išsiųstas patvirtinimas;
pakartotinis to paties veiksmo vykdymas neturi sukurti dublio.

Testuokite ne tik sėkmę. Kalendorius gali būti nepasiekiamas, CRM gali grąžinti klaidą, o pasirinktas laikas gali būti užimtas sekundę prieš rezervaciją. Agentas turi žinoti, ką tokiu atveju pasakyti ir ko nedaryti.

Šis skirtumas tarp kalbančio roboto ir veikiančio agento išsamiau paaiškintas DI agentų ir pokalbių robotų palyginime.

4. Ar agentas žino, kada perduoti pokalbį žmogui?

Perdavimo taisyklės turi būti apibrėžtos prieš paleidimą. Žmogaus perėmimas nėra nesėkmė, o saugaus proceso dalis.

Pokalbis turėtų būti perduodamas, kai:

agentas du kartus nesuprato to paties kritinio duomens;
klientas aiškiai paprašo žmogaus;
klausimas nepatenka į patvirtintą žinių sritį;
reikia priimti teisinį, medicininį ar finansinį sprendimą;
klientas yra stipriai nepatenkintas;
sistema negali patvirtinti atlikto veiksmo;
prašoma išimties, nuolaidos ar grąžinimo virš nustatytos ribos.

Geriausias perdavimas išsaugo kontekstą. Darbuotojas turi matyti, kas jau aptarta, kokie duomenys surinkti ir kodėl agentas perdavė pokalbį. Klientui nereikia visko kartoti nuo pradžių.

5. Ar klientas informuojamas ir jo duomenys apsaugoti?

Pokalbio pradžioje aiškiai pasakykite, kad žmogus bendrauja su DI sistema. Rinkite tik procesui reikalingus duomenis ir iš anksto nustatykite jų saugojimo terminus.

ES DI akto 50 straipsnis nustato skaidrumo pareigas sistemoms, tiesiogiai sąveikaujančioms su žmonėmis. Be DI skaidrumo, skambučiams taikomi asmens duomenų apsaugos ir, priklausomai nuo scenarijaus, ryšių bei vartotojų apsaugos reikalavimai. Konkretų teisinį pagrindą, informavimo tekstą ir įrašymo taisykles verta patikrinti su duomenų apsaugos specialistu.

Minimalus praktinis sąrašas:

pokalbio pradžioje pristatomas DI agentas;
paaiškinama, jei pokalbis įrašomas;
agentas neprašo perteklinių jautrių duomenų;
mokėjimo ar tapatybės duomenys tvarkomi atskirame saugiame kanale;
prieiga prie įrašų ir transkripcijų ribojama pagal darbuotojo vaidmenį;
nustatytas automatinis duomenų ištrynimas;
klientas gali paprašyti žmogaus.

6. Ar sistema atlaiko tikrą skambučių srautą?

Vienas sėkmingas skambutis nieko nepasako apie penkiolika vienalaikių skambučių pirmadienio rytą.

Prieš paleidimą atlikite apkrovos testą su realistišku piko scenarijumi. Tikrinkite, ar didėjant srautui neblogėja atsakymo delsa, išlaikomas pokalbio kontekstas ir sistemos veiksmai įvykdomi tik vieną kartą.

Taip pat suplanuokite priklausomybių gedimus. Kas nutinka, jei neveikia kalendorius, telefonijos tiekėjas, kalbos modelis ar CRM? Saugiausias numatytasis režimas dažniausiai yra informuoti klientą, užfiksuoti perskambinimo užduotį ir neatlikti nepatvirtinto veiksmo.

7. Ar matuojamas verslo rezultatas, o ne pokalbių skaičius?

Pagrindinė metrika turi atspindėti kliento užduoties rezultatą. „Aptarnautų skambučių“ skaičius neparodo, ar problema išspręsta.

Pasirinkite vieną pagrindinę metriką pagal scenarijų:

Scenarijus	Pagrindinė metrika
Registracija	sėkmingai užbaigtų rezervacijų dalis
Užsakymo būklė	išspręstų užklausų be pakartotinio kontakto dalis
Išeinantys priminimai	patvirtintų atvykimų arba sumažėjusių neatvykimų dalis
Potencialių klientų kvalifikavimas	tinkamai perduotų galimybių dalis
Klientų aptarnavimas	per pirmąjį kontaktą išspręstų užklausų dalis

Papildomai matuokite žmogui perduotų skambučių dalį, klaidingų veiksmų skaičių, vidutinę delsą, kainą vienam sėkmingam rezultatui ir klientų skundus.

Šiuos skaičius reikia iš kažkur gauti. Rankiniu būdu perklausyti kelis šimtus skambučių neįmanoma, todėl praktiškai reikia sluoksnio, kuris kiekvieną pokalbį perrašo, įvertina pagal jūsų tikslus ir suskirsto į kategorijas. Tokį vaidmenį atlieka skambučių analitikos sistemos, pavyzdžiui, mūsų pačių kuriama IdentityCall: ji transkribuoja pokalbį, atskiria kalbėtojus, vertina, ar pasiektas iškeltas tikslas, aptinka ilgas tylos pauzes ir sinchronizuoja rezultatą su CRM. Tas pats įrankis naudingas ir prieš diegimą: iš tikrų, anonimizuotų įrašų surenkamas testų rinkinys, apie kurį rašėme pirmame teste.

DI ROI skaičiuoklėje galite įvertinti sutaupyto darbuotojų laiko vertę. Balso agentui prie sutaupymo būtina pridėti telekomunikacijų, modelio, integracijų, priežiūros ir kokybės kontrolės sąnaudas.

Ką parodė mūsų pačių balso projektai?

Patikimiausiai veikia siauras scenarijus, iš anksto paruoštas garsas ten, kur įmanoma, ir visada paliktas tiesioginis kelias pas žmogų.

Šiame straipsnyje aprašyti testai remiasi ne vien dokumentacija. Lietuvių kalbos ir telefonijos apribojimus aprašėme todėl, kad į juos atsitrenkėme patys kurdami savo produktus.

DoubleMenu yra telefono meniu kūrimo įrankis nedidelėms įmonėms: odontologijos klinikoms, grožio ir automobilių servisams, veterinarijos kabinetams. Sprendimas sąmoningai konservatyvus: klavišų meniu yra fiksuotas, o DI įjungiamas tik pasirinktose šakose ir pagal numatytuosius nustatymus yra išjungtas. Techniškai svarbus sprendimas yra tas, kad meniu tekstai įgarsinami publikavimo metu, o pokalbio metu telefonijos serveris tiesiog groja jau paruoštus failus. Taip iš skambučio pašalinama balso generavimo delsa toje dalyje, kuri niekada nesikeičia. Lietuvių kalbai čia ir prireikė atskiro modelio parinkimo, aprašyto pirmame teste.

Antras projektas yra autonomiškas realaus laiko balso agentas, veikiantis Lietuvos viešojo sektoriaus organizacijos vidinėje telefonijoje. Ten susidūrėme su klasikine įmonės aplinka: sena vietinė telefonijos platforma, siauros juostos garsas ir reikalavimas, kad duomenys neišeitų iš organizacijos tinklo. Būtent šis projektas parodė, kiek kokybės atima 8 kHz garso perskaičiavimas ir kodėl testuoti reikia per tikrą liniją.

Bendra išvada paprasta: lietuvių kalba balso agentui yra ne žymelė nustatymuose, o atskiras inžinerinis sprendimas: modelio parinkimas, garso kelias ir atsarginis variantas, kai kalba nepalaikoma.

Kaip saugiai pradėti balso agento projektą?

Pradėkite nuo vieno siauro scenarijaus, riboto klientų srauto ir aiškaus perdavimo žmogui.

Pasirinkite procesą. Geras pirmas kandidatas turi daug pasikartojančių skambučių ir aiškią sėkmės būseną.
Surinkite testų rinkinį. Naudokite anonimizuotus tikrų pokalbių pavyzdžius ir sąmoningai pridėkite sudėtingų atvejų.
Paleiskite ribotą pilotą. Pradėkite nuo dalies darbo valandų ar vieno telefono numerio.
Peržiūrėkite kiekvieną nesėkmę. Grupėmis žymėkite kalbos, žinių, integracijos, proceso ir perdavimo klaidas.
Plėskite tik pasiekę ribas. Iš anksto nustatykite priimtiną klaidų, delsos ir eskalavimo lygį.

Apibendrinimas

DI balso agento kokybę parodo ne tai, kaip įtikinamai jis ištaria pirmą sakinį. Kokybę parodo visas procesas: ar agentas suprato žmogų, atliko teisingą veiksmą, apsaugojo duomenis, neapsimetė žmogumi ir laiku paprašė pagalbos.

Septyni testai (lietuvių kalba, delsa, sistemos veiksmai, perdavimas žmogui, skaidrumas, apkrova ir verslo rezultatas) leidžia atskirti gražią demonstraciją nuo sprendimo, kuriuo galima pasitikėti.

Pradėkite nuo pigiausio patikrinimo: ar pasirinktas modelis apskritai kalba lietuviškai realaus laiko režimu. Tai vienas API iškvietimas, o atsakymas dažnai nulemia visą architektūrą.

Šaltiniai

Norite patikrinti DI balso agento galimybes savo skambučių scenarijuje? Susisiekite su mumis — padėsime įvertinti lietuvių kalbą, integracijas ir realų verslo rezultatą.

Grįžti į tinklaraštį