LeadDesk kehittää puhe-AI-malleja omaan alustaansa

Helsinkiläinen LeadDesk kehittää QuTwon ja AMD Silo AI:n kanssa pohjoismaisille kielille optimoituja puhe-AI-malleja omaan asiakaspalvelualustaansa, kertoo 23. lokakuuta 2026 julkaistu uutinen. Yhteistyö kattaa laskennan, mallien sovittamisen ja alustan, jonka kautta niitä aiotaan tarjota asiakkaille. Uusien mallien asiakaskäytön aloitusta ei ole ilmoitettu.

QuTwon yhteistyöjulkistuksessa LeadDeskin toimitusjohtaja Olli Nokso-Koivisto sanoo mallien olevan ”designed to run efficiently within our platform”. Kehitystyö alkaa pohjoismaisista kielistä, ja tavoitteena on myöhemmin palvella myös muita eurooppalaisia kieliä. Suunniteltuihin käyttötapoihin kuuluvat asiakaspalvelijan reaaliaikainen tuki, keskustelujen analysointi ja asiakkaan kanssa keskusteleva puheautomaatio.

AMD:n laskennasta QuTwon mallien kautta LeadDeskin alustaan

AMD:n teknisessä yhteistyökuvauksessa laskentapohjaksi nimetään AMD Instinct MI350P PCIe -kortit ja ROCm-ohjelmisto; AMD Silo AI tuo hankkeeseen mallikehityksen teknistä osaamista. Kyse on siitä laskenta- ja ohjelmistokerroksesta, jolla malleja voidaan sovittaa ja käyttää. Nimetty laitteisto ei yksin kerro, kuinka nopeasti asiakaspalvelussa toimiva järjestelmä aikanaan vastaa.

QuTwon osuus on mallien tutkimus ja kvanttivaikutteiseksi kutsuttu pakkaustekniikka. Tarkoitus on sovittaa avoimilla painoilla saatavia malleja tiettyihin kieliin ja tehtäviin niin, että niitä voidaan käyttää tehokkaasti osana palvelua. Pakkaamisen hyöty riippuu kuitenkin siitä, säilyykö tehtävän kannalta olennainen puheen ja keskustelun ymmärtäminen, kun mallia muokataan. Pienempi malli on asiakaspalvelulle hyödyllinen vasta, jos sen vastaukset ovat myös riittävän tarkkoja.

LeadDesk tuo kokonaisuuteen asiakaskeskusteluihin tarkoitetun ohjelmistoalustansa ja keskusteluaineistoa mallien kehitystyön tueksi. Sen tehtävä on myös viedä mallit asiakkaiden käyttämiin työnkulkuihin. Tämä erottaa hankkeen yleisestä kielimallista: toiminnan pitäisi sopia käynnissä olevaan palvelutilanteeseen, jossa puheen tulkinnalla ja vastauksen ajoituksella on välitön vaikutus keskusteluun.

Yhtiöt kuvaavat kokonaisuutta hallittavaksi tekoälyratkaisuksi, jossa mallia ja sen laskentaympäristöä voidaan tarkastella ja muokata. Avoimet mallipainot antavat mahdollisuuden tehtäväkohtaiseen sovittamiseen, mutta yksittäisen asiakkaan tietojen käsittelypaikkaa tai tallennustapaa ei ole määritelty julkisesti. Siksi arkkitehtuuria koskeva hallittavuuslupaus ja asiakkaalle toteutettavat tietojärjestelyt ovat eri kysymyksiä.

Puheen yksityiskohdat ratkaisevat suunnitellut käyttötavat

Pohjoismaisiin kieliin keskittyminen liittyy asiakaskeskustelun arkisiin yksityiskohtiin. Puhetta on tunnistettava erilaisista ääntämistavoista, ja paikallisten nimien sekä numerosarjojen on säilyttävä oikein tulkittuina. Jos asiakkaan antama tunniste muuttuu litteroinnissa, myöhempi analyysi tai automaattinen vastaus voi perustua väärään tietoon. Siksi pelkkä sujuva lauseenmuodostus ei vielä osoita, että malli sopisi puhelun hoitamiseen.

Asiakaspalvelijan reaaliaikaisessa tuessa ihminen jatkaa keskustelua asiakkaan kanssa, mutta järjestelmä voi auttaa häntä ymmärtämään puheen sisältöä tai löytämään tilanteeseen sopivaa tietoa. Tällöin vastauksen on saavuttava riittävän ajoissa, jotta sitä ehtii käyttää saman puhelun aikana. Puheautomaatiossa vaatimus muuttuu: järjestelmä osallistuu itse keskusteluun, joten virheellinen tulkinta voi vaikuttaa suoraan asiakkaalle annettuun vastaukseen.

Keskustelujen analysointi on näistä erillinen käyttötapa. Sen tarkoitus on muodostaa puheesta ja keskustelun sisällöstä LeadDeskin alustalla hyödynnettävää tietoa, vaikka tekoäly ei vastaisi asiakkaalle. Sama kielivirhe voi silti kulkeutua analyysiin: väärin tunnistettu nimi tai numero voi muuttaa sitä, mitä yhteydenotosta päätellään. Käyttötapojen erottelu on tärkeää, koska yhden tehtävän onnistuminen ei kerro suoraan toisen laadusta.

Yhtiöt nostavat mahdollisiksi käyttöympäristöiksi myös julkisen sektorin, terveydenhuollon ja finanssialan. Näissä asiakaskeskusteluissa tietojen hallinta ja vastausten luotettavuus voivat olla erityisen merkittäviä. Käyttökohteiden nimeäminen kertoo kehityksen suunnasta; se ei vielä tarkoita, että yhteistyössä rakennettavat mallit olisi otettu käyttöön näiden alojen asiakkailla.

Alustaan vieminen näyttää, mitä asiakkaat todella saavat

LeadDeskillä on jo käytössä oleva asiakaspalveluohjelmisto, mutta uusi yhteistyö koskee siihen suunniteltuja, tehtäviin optimoituja malleja. Nykyisen alustan käyttöä ei siksi voi pitää merkkinä näiden mallien julkaisusta. Asiakkaalle ratkaiseva muutos olisi se, että jokin nimetyistä puhetoiminnoista avataan hänen käyttämäänsä palveluun ja sen toimintaa voidaan arvioida todellisissa keskusteluissa.

Yhtiöiden kuvauksissa puhutaan huippumallien tasoa lähestyvästä kyvykkyydestä, mutta julkaistuja vertailutuloksia ei esitetä kielittäin tai käyttötavoittain. Väite koskee suunniteltua mallien ja laskentaympäristön kokonaisuutta, eikä sitä voi siirtää yksittäisen AMD:n laitteen, QuTwon pakkausmenetelmän tai LeadDeskin nykyisen ohjelmiston mitatuksi tulokseksi. Puhepalvelussa merkitystä olisi etenkin tunnistuksen tarkkuudella, nimien ja numeroiden virheillä sekä vastauksen viiveellä.

Vertailun olisi lisäksi erotettava suomi muista pohjoismaisista kielistä sekä asiakaspalvelijan avustaminen asiakkaalle puhuvasta automaatiosta. Keskimääräinen puheentunnistuksen tulos voi peittää juuri ne virheet, jotka muuttavat yhteydenoton tarkoituksen. Myös mallin vastausnopeus pitäisi mitata siinä tilanteessa, jossa sitä aiotaan käyttää: kesken keskustelun odotettu ohje ja myöhemmin tuotettu analyysi asettavat ajalle erilaiset vaatimukset.

Seuraava olennainen tieto on, milloin LeadDesk avaa yhteistyössä kehitetyn toiminnon asiakkaiden käyttöön ja millaisin ehdoin sitä voidaan kokeilla. Julkaistut kieli- ja tehtäväkohtaiset mittaukset näyttäisivät sen jälkeen, toteutuvatko lupaukset pohjoismaisissa asiakaspuheluissa.

Lue myös: