שיחת טלפון עם בינה מלאכותית היא שיחה שבה מערכת מזהה את דברי המתקשר, מבינה מה הוא מבקש ועונה לו בקול, בלי תפריט מקשים ובלי נציג בקו. היא מתאימה לפניות חוזרות כמו בירור סטטוס או קביעת תור, ומעבירה לנציג רק את מה שדורש אדם. כדי שהיא תעבוד בעברית צריך זיהוי דיבור, הבנת כוונה, הפקת קול וחיבור יציב למרכזיה.
| שלב בשיחה | מה קורה | מה קובע את האיכות |
|---|---|---|
| זיהוי דיבור (ASR) | הקול של המתקשר הופך לטקסט בזמן אמת | איכות השמע, רעשי רקע ושמות פרטיים |
| הבנת כוונה | המערכת מחליטה מה המתקשר רוצה ומה השלב הבא | מאגר הידע ותרחישי השיחה שהוגדרו |
| הפקת דיבור (TTS) | התשובה נשמעת בקול בעברית | בחירת הקול, קצב הדיבור ובהירות ההגייה |
| חיבור לטלפוניה | השיחה עוברת בין המרכזיה למערכת ובחזרה | SIP, קודקים וזמן התגובה |
טווחי מחירי שוק לרכיבי הטלפוניה שמתחת לשיחה
| רכיב | מחיר בשקלים, לפני מע"מ | הערה |
|---|---|---|
| דקה יוצאת בישראל, נייח ונייד | 0.04 עד 0.09 | לדקה |
| חבילת 1,000 דקות יוצאות בישראל | 50 עד 72 | לחודש |
| נתב שיחות או IVR | 16 עד 31.5 | לחודש |
| הקלטת שיחות, 1 עד 5 שלוחות | 8 עד 12 | לחודש, לשלוחה |
אלה ממוצעי שוק ולא מחירון של טלקום אקספרט. אלה מחירי רכיבי הטלפוניה שהשיחה עוברת בהם, ולא מחיר של פלטפורמת הבינה המלאכותית, שנקבע בהצעה לפי מספר השיחות והתרחישים.
עיקרי הדברים
- שיחת טלפון עם בינה מלאכותית בנויה מרצף של זיהוי דיבור, הבנת כוונה והפקת דיבור, וכל החוליות צריכות לעבוד בעברית.
- לפי המלצת ITU-T, כשהעיכוב מהפה לאוזן נשאר מתחת ל-150 אלפיות השנייה, רוב היישומים חווים אינטראקציה שקופה. עיכוב מעל 400 אלפיות השנייה אינו מקובל לתכנון רשת.
- בטלפוניה קצב הדגימה הטבעי הוא 8,000 הרץ, ו-Google ממליצה לשלוח אותו כמות שהוא ולא לדגום מחדש.
- Google ו-Microsoft מפרסמות תמיכה בזיהוי דיבור בעברית ובקולות עבריים להפקת דיבור.
- העברה לנציג בתוך השיחה היא חלק מהתכנון, והיא נעשית דרך המרכזיה עם הקשר השיחה.
את התמונה המלאה על בוטים לעסקים, מהצ'אט ועד הטלפון, תמצאו במדריך צ'אטבוט לשירות לקוחות. העמוד כאן מתמקד בערוץ אחד: השיחה הקולית.
איך שיחת טלפון עם בינה מלאכותית עובדת מרגע שהמתקשר מדבר?
המתקשר אומר משפט, והשמע זורם בזמן אמת למנוע זיהוי דיבור (ASR, Automatic Speech Recognition) שמחזיר טקסט. הטקסט עובר לשכבת ההבנה, שיכולה להיות מנוע כוונות מסורתי (NLU) או מודל שפה גדול (LLM) שנשען על מאגר הידע של העסק. השכבה הזאת מחליטה מה לענות ואילו פעולות לבצע, למשל לבדוק הזמנה במערכת או לקבוע תור ביומן. התשובה עוברת למנוע הפקת דיבור (TTS, Text to Speech) והופכת לקול שהמתקשר שומע.
שלושה פרטים נקבעים בשלב התכנון ומשפיעים מאוד על החוויה. הראשון הוא אפשרות להפריע לבוט באמצע המשפט (Barge-in), כדי שהמתקשר לא יצטרך להמתין שהקול יסיים. השני הוא טיפול בשתיקה ובאי הבנה: Google ממליצה לקבוע מספר מרבי של ניסיונות בכל שלב ולבקש מהמתקשר לדבר לאט וברור, כדי שהוא לא ייתקע בלולאה. השלישי הוא אימות פרטים רגישים: כשהמערכת עלולה לטעות, למשל במספר זהות או בכתובת, Google ממליצה לאמת את הקלט שאינו מזוהה במדויק, ובמקרה הצורך מעבירים לנציג.
צ'אטבוט לעסק בא בשני סוגים עיקריים: בוט מבוסס תפריטים, שמציג אפשרויות קבועות ומתאים לתהליכים קצרים ומוגדרים, ובוט מבוסס בינה מלאכותית, שמבין טקסט חופשי אך דורש פיקוח ומאגר ידע מעודכן. הבוט מתאים לשאלות חוזרות כמו שעות פעילות, סטטוס הזמנה וקביעת תור, ואוסף פרטים לפני העברה לנציג. בהעברה הנציג מקבל את היסטוריית השיחה וממשיך מהנקודה שבה הבוט עצר, ופניות רגישות, תלונות ומכירה מורכבת נשארות אצל נציג. הבוט מצמצם את הפניות הפשוטות ואינו מחליף את הנציגים.
למה זמן התגובה קובע אם השיחה נשמעת טבעית?
בשיחה אנושית ההפסקה בין משפט לתשובה קצרה מאוד, ולכן עיכוב שנראה זניח בצ'אט הופך לשתיקה מביכה בטלפון. המלצת ITU-T G.114 קובעת שאם העיכוב החד כיווני מהפה לאוזן נשאר מתחת ל-150 אלפיות השנייה, רוב היישומים, קוליים ואחרים, חווים אינטראקציה שקופה. מעל 400 אלפיות השנייה העיכוב אינו מקובל לתכנון רשת כללי, ויישומים אינטראקטיביים מאוד נפגעים כבר בעיכובים נמוכים יותר.
ההמלצה הזאת נכתבה לרשתות טלפוניה, והיא אינה מיועדת למערכות AI, אבל היא נותנת מסגרת הגיונית. זמן התגובה של מערכת קולית הוא סכום של כמה רכיבים: הרשת בין המרכזיה לשרתי הבינה, זיהוי הדיבור, עיבוד התשובה והפקת הקול. כדי לקצר אותו מקפידים על כמה כללים:
- בוחרים אזור שרתים קרוב לישראל ובודקים את זמן הרשת בפועל בין המרכזיה למערכת.
- משתמשים בזיהוי דיבור בזרימה (Streaming) ולא בהקלטה שנשלחת רק בסוף המשפט.
- מקצרים תשובות ארוכות ומתחילים להשמיע את המשפט הראשון בזמן שהשאר עדיין נוצר.
- מודדים את הזמן בין סוף דברי המתקשר לתחילת התשובה בשיחות אמיתיות, ולא רק במעבדה.
האם הבינה המלאכותית מבינה ומדברת עברית בטלפון?
כן, אבל רמת הדיוק משתנה בין מערכות ובין תרחישים, ולכן בודקים אותה על שיחות אמיתיות של העסק. לפי התיעוד הרשמי, Google Cloud מציעה זיהוי דיבור בעברית (קוד השפה iw-IL) במודלים chirp, chirp_2 ו-chirp_3 (בחלק מהאזורים), ולהפקת דיבור יש קולות עבריים בסוגים Standard, WaveNet ו-Chirp3-HD. Microsoft Azure מפרסמת זיהוי דיבור בעברית (he-IL) ושני קולות עצביים להפקת דיבור, Hila ו-Avri.
התמיכה בשפה אינה ערובה לדיוק בשיחה עסקית. הקשיים הנפוצים הם שמות פרטיים ושמות רחובות, מספרים ארוכים, מילים באנגלית שמשולבות במשפט עברי ורעש ברקע. Google ממליצה להוסיף מילים וביטויים מיוחדים (Phrase Hints) כדי להכניס שמות ומונחים של העסק לאוצר המילים של המנוע. מכיוון שהשמע בטלפון מגיע בדגימה של 8,000 הרץ, בדיקת הדיוק צריכה להתבצע על הקלטות מהקו האמיתי ולא על הקלטות איכותיות מהמחשב.
איך מחברים את הבינה המלאכותית למרכזיה של העסק?
החיבור נעשה בדרך כלל באמצעות SIP (Session Initiation Protocol, הפרוטוקול ש-IETF הגדיר לפתיחה וסיום של שיחות). המרכזיה, או בקר גבול שיחות (SBC, Session Border Controller), מעבירה את השיחה לנקודת קצה של הפלטפורמה, והפלטפורמה מחזירה את האודיו של התשובה. בתיעוד של Google Cloud לחיבור טלפוניה נדרשים SIP מעל TLS בגרסה 1.2 ומעלה, ונתמכים הקודקים G.711 (µ-law ו-A-law) ו-Opus. שער הטלפון המוכן של Google (Phone Gateway) תומך רק במספרים אמריקאיים, ולכן בעסק ישראלי החיבור עובר דרך SIP ו-SBC.
העברה לנציג מתבצעת בשיחה עצמה: לפי התיעוד של Google, להעברת שיחה מהסוכן הווירטואלי לנקודת קצה של SIP משתמשים בשיטת REFER. בשילוב עם מרכזיה בענן ההעברה יכולה להגיע לנציג מסוים, לתור או לקבוצת שלוחות, והנציג רואה בכרטיס מה שנאמר עד לאותו רגע. אם יש כבר נתב שיחות, הבוט יכול לשבת לפניו או במקומו, וכדאי להגדיר את הניתוב בצורה ברורה כבר בהתחלה (נתב שיחות).
איכות הקול נקבעת גם בקו עצמו. קודק G.711 מקודד קול טלפוני בסרט צר, ואילו G.722 מקודד קול ברוחב של 7 קילוהרץ בקצב 64 קילובית לשנייה לפי הגדרת ITU-T. קודק רחב סרט משפר את הבהירות לאוזן אנושית, אך הפלטפורמה שבוחרים חייבת לתמוך בו, ולכן בודקים מראש איזה קודק מתקבל בפועל לאורך כל מסלול השיחה.
אילו שיחות מתאימות לבינה מלאכותית ואילו עדיף להשאיר לנציג?
הכלל הפשוט הוא שבינה מלאכותית מטפלת היטב בשיחות חוזרות עם תשובה ברורה, ונציג מטפל בשיחות שדורשות שיקול דעת, אמפתיה או משא ומתן. ההחלטה נקבעת לפי נתוני העסק: מוציאים מהמרכזיה את סיבות הפנייה השכיחות ומחלקים אותן לפי מורכבות.
| סוג שיחה | מתאים לבינה מלאכותית | מתי לנציג |
|---|---|---|
| בירור סטטוס הזמנה או תקלה | כן, כשהמערכת מחוברת לנתוני הלקוח | כשהסטטוס חריג או שהלקוח מתוסכל |
| קביעה וביטול של תורים | כן, מול יומן מחובר | כשיש בקשה מיוחדת או שינוי מורכב |
| איסוף פרטים מליד חדש | כן, כסינון ראשוני | כשהליד מבקש הצעה או שיחת מכירה |
| תלונה, ביטול התקשרות או משבר | רק לאיסוף פרטים ראשוני | כמעט תמיד |
בשיחות יוצאות, כמו תזכורת לתור או אישור הגעה, המערכת מחייגת ללקוח ומנהלת שיחה קצרה. שיחות שיווק יזומות כפופות להגבלות בדין, ולכן בודקים עם יועץ משפטי את בסיס ההיתר לפני כל קמפיין.
אילו חובות חוק צריך לקחת בחשבון?
הדין בישראל אינו נשען על מסמך אחד לבינה מלאכותית בטלפון, אלא על כמה חוקים שחלים גם על שיחה אוטומטית. הראשון הוא חוק הגנת הצרכן: עוסקים שהחוק מנה בתוספת שלו, ובהם חברות תקשורת, בנקים וחברות ביטוח, שמפעילים מערכת אוטומטית לניתוב שיחות חייבים לתת מענה אנושי מקצועי לפחות בנושאי תקלה, בירור חשבון וסיום התקשרות, וההמתנה לא תעלה על שש דקות מתחילת השיחה. גם עסק שאינו חייב בכך נהנה מנתיב יציאה מהיר לנציג, כי לקוח שנתקע מול מערכת פוגע בשירות.
הנושא השני הוא הקלטת שיחות. תיקון לחוק הגנת הצרכן, שייכנס לתוקף ב-22 במרץ 2027, יחייב עוסק בעסקאות מסוימות, בעסקה של 750 ש"ח ומעלה, להקליט שיחה קולית ולהודיע על ההקלטה בתחילתה. ההקלטה והתמלול של שיחה עם בינה מלאכותית הם מידע אישי, ולכן חל גם חוק הגנת הפרטיות: מגדירים מה נשמר, למשך כמה זמן, מי ניגש אליו ואם ספק חיצוני מעבד אותו. הנושאים האלה נבדקים עם יועץ משפטי לפי התחום של העסק.
איך משלבים שיחת טלפון עם בינה מלאכותית במוקד קיים?
במוקד קיים לא מחליפים הכול ביום אחד. הגישה הנכונה היא לבחור תרחיש אחד, להפעיל אותו בחלק מהשיחות ולמדוד. כך עוברים עליו:
- ממפים את סיבות הפנייה מהמרכזיה, מהווטסאפ ומהמייל, ובוחרים תרחיש שחוזר בתדירות גבוהה ויש לו תשובה ברורה.
- כותבים את מאגר הידע ואת תסריט השיחה בשפה מדוברת, קצרה ולא רשמית.
- מחברים את המערכת למרכזיה דרך SIP ומגדירים העברה לנציג עם סיכום השיחה.
- מחברים את המערכת ל-CRM או ליומן, כדי שהיא תזהה את הלקוח ותתעד את הפנייה (פרטים בעמוד שילוב מרכזיה עם CRM).
- מפעילים פיילוט על חלק מהשיחות, מאזינים לשיחות שנכשלו ומתקנים את התסריט.
- מרחיבים לתרחישים נוספים רק אחרי שרוב השיחות בתרחיש הראשון נסגרות בלי נציג.
המדדים שבודקים הם שיעור השיחות שנסגרו בלי נציג, שיעור ההעברות לנציג, זמן התגובה והמקומות שבהם המתקשרים ניתקו. פירוט על ניהול מדדים ותורים נמצא בעמוד על מוקד טלפוני.
כמה עולה להפעיל שיחת טלפון עם בינה מלאכותית?
העלות מורכבת משלושה חלקים נפרדים, וכדאי לבקש מכל ספק לפרט אותם בנפרד:
- הטלפוניה: דקות השיחה, ערוצי SIP והקלטה. זה החלק שיש לו טווח שוק ברור, והוא מופיע בטבלה בראש העמוד.
- הפלטפורמה: זיהוי דיבור, הבנת כוונה והפקת קול. ספקים בונים אותה בדרך כלל כתשלום לפי שימוש, ולכן המחיר תלוי במספר השיחות ובאורכן.
- ההקמה והתחזוקה: כתיבת התסריט, חיבור ל-CRM ולמרכזיה, פיילוט ותיקונים לפי שיחות אמיתיות.
חשוב לא להשוות מחיר לדקה אחד מול אחר בלי לבדוק מה הוא כולל. מחיר שכולל רק את הדקה בטלפוניה אינו דומה למחיר שכולל גם זיהוי דיבור ותמלול. את התרחישים הראשונים מומלץ לתמחר כפיילוט מוגבל, ולהחליט על הרחבה לפי שיעור השיחות שנסגרות בלי נציג.
מה ההבדל בין בוט קולי לצ'אטבוט טקסט?
צ'אטבוט עובד בטקסט, והלקוח יכול לקרוא, לחזור אחורה ולהעתיק פרטים. בוט קולי עובד בזמן אמת, אין אפשרות לקרוא שוב, ולכן התשובות קצרות יותר והאישור של פרטים חשובים נעשה בהקראה חוזרת. בטלפון גם אין מקום להמתנה ארוכה: עיכוב של שניות נשמע כמו ניתוק.
בשני הערוצים אפשר להשתמש באותו מאגר ידע, ולכן עסק שכבר בנה צ'אטבוט יכול להשתמש בחלק מהתוכן בשיחה הקולית. מדריך מלא על בוטים לשירות לקוחות מופיע בקישור בראש העמוד, ופרטים על בניית תפריט קולי קלאסי בעמוד מערכת IVR.
מה בודקים בהצעה לפני שמתחילים?
הצעה טובה מפרטת את הרכיבים, ולא רק מחיר לדקה. כדאי לבקש מכל ספק תשובה כתובה לשאלות האלה:
- איזה מנוע זיהוי דיבור והפקת דיבור פועל בעברית, והאם אפשר לשמוע הדגמה על תרחיש של העסק.
- באיזה אזור פועלים השרתים, ומה זמן התגובה הנמדד בשיחה אמיתית.
- איך מתבצעת ההעברה לנציג ומה עובר איתה.
- האם יש חיבור ל-CRM, איך הוא נבנה ומי אחראי על התחזוקה.
- מה נשמר מהשיחה, באיזו מדינה, למשך כמה זמן ומי מעבד את המידע.
- איך מחויבים: לפי שניות או דקות, ומה קורה כשנעשה שימוש ברכיב גנרטיבי.
איך טלקום אקספרט מלווה שילוב של בינה מלאכותית בשיחות טלפון?
טלקום אקספרט היא אינטגרטור תקשורת עם ליווי של מהנדסי תקשורת עם מעל 25 שנות ניסיון. אנחנו מתכננים את החיבור בין המרכזיה למערכת השיחה הקולית, מגדירים את ההעברה לנציג של העסק ומלווים את הפיילוט. השירות מיועד לעסקים ולארגונים בלבד.
מרכזיה בענן אצל טלקום אקספרט מתחילה ב-20 ש"ח לשלוחה לחודש, במינימום 60 ש"ח לחודש.
שירותי שילוב שיחה קולית שטלקום אקספרט מלווה
אחרי שבחרתם תרחיש ראשון אפשר לבקש הצעה לפי מספר השיחות והמערכות שאליהן מתחברים. בכל שורה בטבלה אפשר לבקש הצעת מחיר בוואטסאפ.
| שירות | מה העסק מקבל |
|---|---|
| הדגמה בעברית על שיחות של העסק | הדגמה בעברית על שיחות של העסק עצמו, כדי לבדוק את דיוק ההבנה והתשובות על תרחיש אמיתי לפני החלטה. |
| חיבור מערכת שיחה קולית למרכזיה | חיבור מערכת השיחה הקולית למרכזיה באמצעות SIP, כולל הגדרת הקודקים וההעברה לנציג אנושי כשצריך. |
| חיבור ל-CRM וליומן | חיבור למערכת ניהול הלקוחות וליומן, כך שהמערכת מזהה את הלקוח ומתעדת את השיחה בכרטיס שלו. |
| פיילוט על תרחיש אחד | הפעלה על חלק מהשיחות בלבד, לתרחיש אחד מוגדר, ודוח תוצאות שמאפשר להחליט אם להרחיב את השימוש. |
| קבלו הצעת מחיר | |
לייעוץ ללא התחייבות: 077-8123111.
שאלות נפוצות על שיחת טלפון עם בינה מלאכותית
שיחת טלפון עם בינה מלאכותית היא שיחה שבה המתקשר מדבר בחופשיות, והמערכת מזהה את דבריו, מבינה את הבקשה ועונה בקול. בתפריט מקשים הלקוח צריך לבחור מתוך אפשרויות קבועות, ובשיחה עם בינה מלאכותית הוא מסביר במילים שלו מה הוא צריך. המערכת מתאימה לפניות חוזרות עם תשובה ברורה, ומעבירה לנציג את הפניות המורכבות.
זמן התגובה הוא סכום של הרשת, זיהוי הדיבור, עיבוד התשובה והפקת הקול. לפי המלצת ITU-T, כשהעיכוב מהפה לאוזן נמוך מ-150 אלפיות השנייה רוב היישומים חווים אינטראקציה שקופה, ומעל 400 אלפיות השנייה העיכוב אינו מקובל לתכנון רשת. בפרויקט מודדים את הזמן בין סוף דברי המתקשר לתחילת התשובה בשיחות אמיתיות ומקצרים אותו לפי התוצאות.
בטלפוניה השמע מגיע בדרך כלל בדגימה של 8,000 הרץ, ו-Google ממליצה לשלוח אותו כמות שהוא ולא לדגום מחדש. קודקים עם דחיסה אגרסיבית, רעש ברקע והד פוגעים בדיוק, ולכן חשוב לבדוק את איכות הקו עצמו. כשהמרכזיה והפלטפורמה תומכות בקודק רחב סרט, כמו G.722, הבהירות משתפרת, אבל בחיבור ל-Google נתמכים הקודקים G.711 ו-Opus.
ההעברה נעשית בתוך שיחת ה-SIP, באמצעות שיטת REFER שמעבירה את המתקשר לשלוחה, לתור או לקבוצה במרכזיה. כדי שהלקוח לא יחזור על דבריו, המערכת מעבירה לנציג סיכום של מה שנאמר ושל הפרטים שנאספו. את תנאי ההעברה, למשל בקשה מפורשת לנציג או שני ניסיונות כושלים, מגדירים בתסריט מראש.
שיחות של תלונה, ביטול התקשרות, משבר או משא ומתן דורשות שיקול דעת ואמפתיה, ולכן עדיף שנציג יטפל בהן. גם פניות רגישות שבהן טעות בזיהוי הדיבור עלולה לגרום נזק, כמו שינוי פרטי תשלום, מצריכות אימות נוסף או נציג. הבינה המלאכותית יכולה לאסוף פרטים ראשוניים ולהעביר את השיחה יחד עם הסיכום.
כן, המערכת יכולה לחייג ללקוחות ולנהל שיחה קצרה, למשל תזכורת לתור, אישור הגעה או סקר שביעות רצון. שיחות שיווק יזומות כפופות להגבלות בדין, ולכן בודקים עם יועץ משפטי את בסיס ההיתר לפני כל קמפיין. מומלץ להתחיל בשיחות שירות ללקוחות קיימים ולמדוד את שיעור השיחות שנסגרות בהצלחה.
השיחה, ההקלטה והתמלול הם מידע אישי, ולכן חל עליהם חוק הגנת הפרטיות. לפני ההטמעה מגדירים מה נשמר, למשך כמה זמן, באיזו מדינה ומי ניגש אליו, ובודקים אם ספק חיצוני מעבד את הנתונים. כדאי לקבל את ההגדרות האלה בכתב מהספק ולהתייעץ עם יועץ משפטי לפי התחום של העסק.
המחיר מורכב מהטלפוניה, מהפלטפורמה ומההקמה. בחלק הטלפוניה, דקה יוצאת בישראל עולה בשוק 0.04 עד 0.09 ש"ח לפני מע"מ, וחבילת 1,000 דקות 50 עד 72 ש"ח לחודש. מחיר הפלטפורמה תלוי במספר השיחות, באורכן ובתרחישים, ולכן הוא נקבע בהצעה אחרי הדגמה על שיחות של העסק.
