Sprachagenten in arabischen Dialekten und wo sie kaputt gehen

Modernes Hocharabisch ist die Sprache der Nachrichtenmeldung, des Vertrags und des Rundschreibens des Ministeriums. Niemand fragt damit, warum eine Karte abgelehnt wurde. Ein Anrufer in Amman, Riad, Kairo oder Casablanca spricht das Arabisch der Straße, in der er aufgewachsen ist, spricht in Englisch oder Französisch die Wörter, die ihm die Bank beigebracht hat, liest eine Kontonummer so, wie seine Mutter ihm das Zählen beigebracht hat, und erwartet, mit dem Respekt angesprochen zu werden, den sein Name ausstrahlt. Ein Sprachagent, der in einem ruhigen Raum in einem geskripteten Standardarabisch-Dialog vorgeführt wurde, wurde gegen nichts davon getestet.

Ein arabisches Sprachsystem muss mit den vorgesehenen Anrufen getestet werden: Dialekt, Sprachwechsel, Zahlen, Störgeräusche und Anliegen für menschliche Mitarbeitende. Produktionseignung folgt aus diesen Ergebnissen, erlaubten Aktionen und einer geprüften Übergabe.

Die Sprache in der Demo ist nicht die Sprache in der Zeile

Arabisch ist eine geschriebene Sprache und mehrere gesprochene Sprachen. Modernes Standardarabisch wird in der Schule gelernt und zum Schreiben, Senden und formellen Sprechen verwendet; Es ist niemandes Muttersprache. Die gesprochenen Varietäten unterscheiden sich davon und voneinander in Wortschatz, Grammatik, Aussprache und Rhythmus. Für eine Servicelinie in der Region sind vier Gruppen von Bedeutung: Levantinisch (Jordanien, Syrien, Libanon und Palästina), Golf (die Arabische Halbinsel), Ägyptisch (die nach Jahrzehnten von Film und Fernsehen am weitesten verbreitete) und Maghrebi (Marokko, Algerien und Tunesien, am weitesten vom Rest entfernt und am stärksten mit Französisch vermischt).

Die Unterschiede sind keine Akzente. Es handelt sich um unterschiedliche Wörter für die häufigsten Funktionen in einem Satz.

Auch die Aussprache bewegt sich. Der Brief qāf ist ein Stimmritzenstopp in Kairo und in der urbanen levantinischen Sprache ein harter g im größten Teil des Golfs und im ländlichen Jordanien, und in den Städten des Maghreb nahe am Lehrbuchsound. Der Ägypter jīm ist ein hartes g. Verneinung, Fragebildung und Zukunftsform sind jeweils unterschiedlich aufgebaut. Ein auf Standardarabisch und einen Prestige-Dialekt trainiertes Sprachmodell wird einen Anrufer aus Kairo angemessen und einen Anrufer aus Casablanca schlecht transkribieren und beides mit der gleichen Sicherheit.

Die Konsequenz für einen Käufer ist, dass „unterstützt Arabisch“ keine bewertbare Aussage ist. Die Fragen sind, welche Dialekte wie getestet wurden, auf wessen Aufnahmen und mit welchem ​​Ergebnis pro Dialekt und nicht im Durchschnitt.

Anrufer wechseln die Sprache und Nummern laufen in zwei Richtungen

Code-Switching ist die Norm

Ein Anrufer aus Jordanien oder den Golfstaaten wechselt innerhalb eines einzigen Satzes zwischen Arabisch und Englisch und tut dies am häufigsten bei genau den Wörtern, die einer Bank oder einem Telekommunikationsunternehmen wichtig sind: transfer, account, card, statement, OTP, app, branch. Ein libanesischer Anrufer fügt möglicherweise Französisch hinzu. Ein marokkanischer oder tunesischer Anrufer führt den gesamten Transaktionsteil des Anrufs in französischen Anleihen durch: virement, compte, carte, prelèvement. Dies ist kein Versagen der Arabischkenntnisse des Anrufers. So wird die Sprache von den Leuten gesprochen, die Konten führen.

Erkenner handhaben dies auf eine von drei Arten. Manche sind pro Anruf auf eine Sprache festgelegt und transkribieren die englischen Wörter als arabischen Unsinn. Einige erkennen den Wechsel und tauschen Modelle aus, wobei nach jedem Wechsel die erste Silbe verloren geht. Einige sind in der gemischten Sprache geschult und behandeln sie als gewöhnlich. Nur der dritte ist für eine Servicelinie geeignet. Der Test besteht aus einer Aufzeichnung eines echten Kunden, der „biddi aʿmal transfer la account tani“ sagt, und einer Abschrift, die jedes Wort erfasst.

Zahlen

Im gesprochenen Arabisch werden zusammengesetzte Zahleneinheiten zuerst gelesen: fünfundzwanzig ist „fünf und zwanzig“ und hundertfünfundzwanzig ist „hundertfünf und zwanzig“. Ein Anrufer, der eine Konto- oder Referenznummer liest, kann sie Ziffer für Ziffer, paarweise, in Hunderten oder vollständig auf Englisch lesen und die Methode nach der Hälfte ändern. Das geschriebene Arabisch verläuft von rechts nach links, aber die darin enthaltenen Ziffern verlaufen von links nach rechts, was für jedes Transkript, das ein Agent einer Person zeigt, und für jede Rücklesung, die es generiert, von Bedeutung ist. Ägypten, die Levante und der Golf schreiben Zahlen mit den ostarabischen Ziffern; Der Maghreb verwendet dieselben westlichen Ziffern wie Europa. Ein System, das Zahlen für einen Markt korrekt normalisiert, wird sie für einen anderen verfälschen, und eine verfälschte Kontonummer ist kein Übertragungsfehler. Es handelt sich um eine Zahlung an die falsche Person.

Die Designantwort ist prozedural und nicht sprachlich. Jeder kritische Wert wird dem Aufrufer in seiner eigenen Konvention zurückgelesen und bestätigt, bevor irgendetwas damit gemacht wird. Ein Anbieter, der das Zurücklesen nicht nachweisen kann, ist nicht bereit.

Namen und Ehrungen

Arabische Namen gibt es in verschiedenen Formen. Der Name auf dem Konto kann eine Kette aus Vorname, Vater, Großvater und Familie sein; Der Anrufer kann sein Kunya geben, Abu Khalid oder Ähm Sara, anstelle ihres Vornamens; ein Familienname kann den bestimmten Artikel tragen oder weglassen; Derselbe Name wird in den Systemen der Bank als Mohammed, Muhammad oder Mohamed transkribiert. Die Zuordnung des gesprochenen Namens zum Datensatz ist ebenso ein Datenproblem wie ein Sprachproblem und muss gelöst werden, bevor sich die Verifizierung darauf verlassen kann.

Ehrungen sind das Register, in dem die Institution mit ihren Kunden spricht. Ustaz, Doktor, Scheich, Hadsch, Bash-Muhandis, der Vokativ ya, die Pluralformen von Respekt: Ein Anrufer erwartet sie, und ein Agent, der die falsche oder gar keine verwendet, hat dem Kunden gesagt, was die Institution von ihm hält. Arabisch flektiert auch das Verb und das Adjektiv für das Geschlecht der angesprochenen Person. Der Agent muss wissen, ob er mit einem Mann oder einer Frau spricht, oder so geschrieben sein, dass er nie raten muss. Beides geschieht in einem auf Englisch konzipierten System nicht automatisch.

Wo die Erkennung versagt

Die Spracherkennung versagt in drei Schichten, und jede muss einzeln getestet werden.

Der erste ist der oben beschriebene Dialekt. Die zweite ist die akustische Umgebung: ein Anrufer mit einem Mobiltelefon in einem Auto, in einem Souk, in einer Küche mit eingeschaltetem Fernseher, über eine Freisprecheinrichtung, mit einem Kind am Telefon. Arabisch verfügt über eine Reihe von Konsonanten, die sich durch feine akustische Hinweise auszeichnen, einschließlich der emphatischen und pharyngealen Laute, die in europäischen Sprachen kein Äquivalent haben, und Rauschen entfernt genau diese Hinweise zuerst.

Das dritte ist das Telefon selbst. Die meisten Anrufe werden immer noch über Schmalbandkanäle mit einer Abtastrate von acht Kilohertz übertragen, wobei der Durchlassbereich deutlich unterhalb der trennenden Frequenzen endet s von ṣ und t von ṭ. Ein Modell, das bei Studio-Audio oder Smartphone-App-Aufnahmen gut abgeschnitten hat, wurde nicht auf dem von Ihren Kunden genutzten Kanal getestet. Der Testsatz muss aus Telefonaufzeichnungen erstellt werden, nicht aus Telefonaufzeichnungen.

Zwei weitere Verhaltensweisen verdienen einen benannten Test. Große Sprachmodelle produzieren manchmal fließenden Text in Stille, halten Musik oder Lärm an, ein Verhalten, das üblicherweise als Halluzination bezeichnet wird; In einer Servicezeile wird dieser Text zu einer Absicht und dann zu einer Aktion. Und arabische Transkripte werden ohne die kurzen Vokale geschrieben, sodass ein Transkript als Text korrekt, aber dennoch mehrdeutig in der Bedeutung sein kann. Was das Modell stromabwärts weitergibt, ist genauso wichtig wie das, was es gehört hat.

Wörter zu erkennen bedeutet nicht, Absichten zu verstehen

Ein perfektes Transkript kann immer noch zu einer falschen Aktion führen. Arabische Konversationen beginnen in jedem Dialekt meist mit Begrüßungs- und Segensformeln, stellen die Bitte an das Ende einer langen Einleitung und mildern sie durch Indirektheit. Der Anrufer sagt viel über die Karte, die er letzten Monat erhalten hat, die Filiale, die Warteschlange und das vorherige Telefonat, bevor der Satz das enthält, was er möchte, und dieser Satz kann zwei Anfragen enthalten. Ein auf englische Support-Tickets abgestimmtes Sprachmodell sucht in der ersten Zeile nach der Anfrage.

Der zweite Fehler ist die Übersetzung in der Mitte. Einige Systeme transkribieren Arabisch, übersetzen es für den Argumentationsschritt ins Englische und übersetzen die Antwort zurück. Dabei gehen die Dialektsprache, der Ehrentitel und der genaue Wortlaut einer Rufnummer durch den Anrufer doppelt verloren. Der Agent muss in der Sprache des Anrufers argumentieren oder sich testen lassen, um zu beweisen, dass bei der Hin- und Rückfahrt nichts Wesentliches verloren geht.

Das dritte ist übermäßiges Selbstvertrauen. Ein Agent, der nicht verstanden hat, sollte es einmal im Dialekt des Anrufers sagen und erneut nachfragen. Ein Agent, der absichtlich errät und auf der Grundlage dieser Vermutung handelt, ist schlechter als das Menü, das er ersetzt hat, weil das Menü den Anrufer zumindest dazu brachte, selbst die falsche Taste zu drücken.

Ein Agent, der nicht verstanden hat, sollte es einmal im Dialekt des Anrufers sagen und erneut nachfragen. Ein Agent, der rät und handelt, ist schlechter als das Menü, das er ersetzt hat.

Der Hinweis, die Einwilligung und die Person am Ende

Jeder Anruf hat eine rechtliche Eröffnung, bevor er eine Konversationsöffnung hat. Das jordanische Gesetz zum Schutz personenbezogener Daten, die DSGVO für alle europäischen Kunden oder Niederlassungen, das überarbeitete Schweizer Datenschutzgesetz, die Datenschutzgesetze der Golfstaaten und die Verbraucherschutzbestimmungen der Telekommunikations- und Bankenaufsichtsbehörden der Region verlangen jeweils in ihren eigenen Bestimmungen, dass einem Anrufer mitgeteilt wird, dass der Anruf aufgezeichnet wird und warum, und dass die Aufzeichnung nur so lange aufbewahrt wird, wie es ihr Zweck erfordert. Das EU-KI-Gesetz fügt dort, wo es anwendbar ist, eine Verpflichtung hinzu, einer Person mitzuteilen, dass sie es mit einer Maschine zu tun hat, es sei denn, dies ist aus dem Kontext offensichtlich. Die Zentralbank von Jordanien und ihre Kollegen in der Region erwarten von einer beaufsichtigten Institution, dass sie weiß, wo sich ihre Kundendaten befinden, wer sie verarbeitet und wie eine Beschwerde über den Kanal eingeht und gelöst wird.

Die Mitteilung muss in der Sprache des Anrufers verfasst sein, vor Beginn der Aufzeichnung gesprochen werden und eine Antwort auf die Ablehnung enthalten. Ein Anrufer, der ablehnt, ist kein gescheiterter Anruf; Sie werden über eine nicht registrierte Leitung an eine Person weitergeleitet, sofern dies gesetzlich und in den Richtlinien der Institution vorgeschrieben ist. Sofern die Einwilligung die gesetzliche Grundlage darstellt, muss sie in einer Form erfasst werden, die später bei jedem Anruf vorgelegt werden kann.

Die Stimme selbst ist eine weitere Sache. Bei einem zur Verifizierung verwendeten Stimmabdruck handelt es sich um biometrische Daten, eine besondere Kategorie gemäß der DSGVO und sensible Daten gemäß mehreren Gesetzen der Region. Die Stimmverifizierung erfordert daher eine ausdrückliche Zustimmung, einen dokumentierten Fall der Notwendigkeit und einen Plan zur Löschung und sollte niemals der einzige Faktor für eine Transaktion sein, die die Richtlinie als sensibel einstuft.

Wo der Ton lebt

Für eine Bank, einen Versicherer oder ein Ministerium in der Region steht die Frage der Architektur vor der Frage der Genauigkeit. Ein gehostetes Sprachmodell hinter einer API bedeutet, dass die Audiodaten des Kunden jedes Mal, wenn das Telefon klingelt, das Land verlassen. Die Datenschutzbestimmungen Saudi-Arabiens, der Vereinigten Arabischen Emirate, Jordaniens und Ägyptens schränken die grenzüberschreitende Übermittlung personenbezogener Daten jeweils durch unterschiedliche Mechanismen ein; Bankenaufsichtsbehörden fügen Outsourcing-Regeln hinzu, die von der Institution verlangen, jede Partei, die Kundendaten verarbeitet, zu kennen, zu genehmigen und zu prüfen; und ein souveränes Programm erfordert möglicherweise, dass die Modelle selbst auf nationaler Infrastruktur laufen.

Das praktikable Design platziert den Spracherkenner, das Sprachmodell und den Transkriptspeicher innerhalb der eigenen Datenebene der Institution, in deren Räumlichkeiten oder in einer nationalen Cloud, und speichert nur Richtlinien, Konfigurationen und aggregierte Metriken in jeder vom Anbieter betriebenen Kontrollebene. Stellen Sie dem Verkäufer drei Fragen. Bedeutet „Region“, dass Audio in der Region gespeichert oder dort auch verarbeitet wird? Ist das Modell, das lokal ausgeführt wird, dasselbe Modell, das gezeigt wurde, oder ein kleineres? Und was steht in der Unterauftragsverarbeiterliste namentlich für den Weg, den eine Aufnahme vom Träger bis zum Transkript nimmt?

Der Kompromiss ist ehrlich und sollte im Vorschlag angegeben werden. Die Bereitstellung vor Ort erfordert eine Infrastruktur, die die Einrichtung bereitstellt und betreibt, beschränkt die Auswahl an Modellen auf diejenigen, die zu diesem Platzbedarf passen, und verursacht eigene Kosten. Die Alternative ist eine vertragliche Aufenthaltszusage, die kein Wirtschaftsprüfer einsehen kann.

So testen Sie einen Anbieter

Akzeptieren Sie keine Demonstration. Erstellen Sie den Test und erstellen Sie ihn aus Ihren eigenen Aufrufen.

Nehmen Sie Aufzeichnungen von Ihrem bestehenden Kontaktcenter vor, auf gesetzlicher Grundlage und mit der von Ihrer Datenschutzfunktion genehmigten Anonymisierung, und erstellen Sie ein Set, das nach Dialekt, Geschlecht, Altersgruppe, akustischem Zustand, Kanal und Absicht geschichtet ist. Beziehen Sie auch die Anrufe ein, die Ihre Agenten als schwierig empfanden. Fügen Sie Stille, Wartemusik und einen Anrufer hinzu, der zehn Sekunden lang nichts sagt. Beziehen Sie im ersten Satz den Anrufer ein, der nach einer Person fragt, und den Anrufer, der eine Frage stellt, die der Agent nicht beantworten darf. Messen Sie dann, was für das Unternehmen wichtig ist und nicht, was leicht zu berechnen ist: ob die Kontonummer korrekt erfasst wurde, ob die Absicht verstanden wurde, ob der Agent übergeben hat, wann er hätte übergeben sollen, und nicht, wenn er nicht hätte übergeben sollen, und wie oft er „Ich weiß nicht“ gesagt hat, wenn das die richtige Antwort war.

Besondere Aufmerksamkeit verdient das Verweigerungsverhalten. Ein Agent, der nicht „Ich weiß nicht“ sagen kann, wird einem Kunden irgendwann auf einer aufgezeichneten Leitung etwas Schlimmeres sagen. Testen Sie es mit Fragen, auf die es in der Richtlinie keine Antwort gibt, mit einem Anrufer, der darauf besteht, und mit einem Anrufer, der versucht, es zu einer Transaktion zu überreden, die es nicht durchführen darf. Der Agent, der jedes Mal höflich und im Dialekt ablehnt, kann gegenüber einer Aufsichtsbehörde verteidigt werden.

Was tun am Montag?

1. Rufen Sie anhand der von Ihrem Datenschutzbeauftragten unterzeichneten Unterlagen eine Stichprobe von Aufnahmen aus Ihrer bestehenden Service-Hotline ab und lassen Sie sie jeweils von einem Muttersprachler nach Dialekt, Sprachmischung, Lärm und Absicht kennzeichnen. Dies ist der Anfang Ihres Testsatzes und er gehört Ihnen.
2. Schreiben Sie die Absichten auf, die der Agent allein lösen kann, die Absichten, die er nach Überprüfung lösen kann, und die Absichten, die er immer einer Person übergeben muss. Lassen Sie es von der Compliance-Abteilung unterzeichnen, bevor ein Anbieter es sieht.
3. Erkundigen Sie sich bei Ihrer Rechtsabteilung nach der Aufzeichnungsmitteilung, der Einwilligungserfassung und der Aufbewahrungsfrist für jedes von Ihnen betreute Rechtsgebiet und entscheiden Sie, was der Agent tun soll, wenn ein Anrufer ablehnt.
4. Entscheiden Sie sich für die Datenebene, bevor Sie in die engere Wahl des Anbieters kommen: lokal, in der nationalen Cloud oder gehostet, und legen Sie fest, was Ihre Bank- oder Branchenregulierungsbehörde von Ihnen verlangt.
5. Fügen Sie die sechs Fragen in der Tabelle oben in die Angebotsanfrage ein und bewerten Sie die schriftlichen Antworten, bevor eine Demonstration geplant wird.
6. Planen Sie den ersten Teil des Live-Verkehrs als eine Absicht, einen Dialekt und ein Segment, wobei eine Person jeden Anruf überprüft, und legen Sie die Zahlen fest, die gehalten werden müssen, bevor der Teil größer wird.