Stemme, når hænderne er optaget: samtale på gulvet

En plukker på et lager har handsker på, en scanner på håndleddet og en palle på en palleløfter. En label er beskadiget og vil ikke scanne. Systemet vil have en manuel bekræftelse på en terminal, der sidder på en søjle flere meter væk. Plukkeren parkerer løfteren, tager en handske af, klikker sig gennem tre skærmbilleder, tager handsken på igen og går tilbage.

En servicetekniker knæler ved en maskine hos en kunde. Spørgsmålet er enkelt: Hvornår blev denne enhed sidst serviceret, og hvilken del blev udskiftet? Svaret står i systemet. Tabletten ligger i varevognen.

Ingen af delene er en softwarefejl. Grænsefladen forudsætter et skrivebord, og en stor del af virksomhedens arbejde foregår ikke ved et. Det foregår stående, gående, bærende, med begge hænder optaget. Til det arbejde er stemmen ikke en nyhed. Den er den eneste kanal, der stadig er fri.

Stemmestyring på lageret er heller ikke nyt: Stemmestyret plukning med faste kommandoer og kontrolcifre, der læses højt ved hver lokation, har været brugt i årevis. Det nye er, at talegenkendelse og sprogmodeller nu kan håndtere frie spørgsmål og ikke kun et fast sæt kommandoer. Det gør stemmen mere nyttig — og lettere at gøre forkert.

Hvor stemme i arbejdet fejler

Støj. Gaffeltrucks, kompressorer, udsugning, vind, en radio. Genkendelse, der virker på et kontor, fejler på gulvet. Den eneste test, der tæller, foregår på det faktiske sted, på det faktiske tidspunkt af dagen.

Fri tale til faste handlinger. At bekræfte et pluk bør være en kort, fast sætning med en kontrolværdi, ikke en samtale. En fri sætning er lettere at sige og lettere at misforstå.

Ingen gentagelse. Den forkerte mængde bliver hørt, så den forkerte mængde bliver bogført. Hver skrivning til registeret kræver en bekræftelse, som personen kan høre og rette.

Et system, der ikke kender konteksten. »Hvilken er det her?« kan kun besvares, hvis systemet ved, hvor personen er, hvilken opgave vedkommende er i gang med, og hvilken vare der lige er scannet.

Mikrofoner, der hører alle. En mikrofon, der altid er tændt, optager kolleger lige så vel som brugeren. Regler om overvågning af medarbejdere og databeskyttelseslovgivningen gælder. Hvad der optages, hvor det behandles, og hvor længe det gemmes, skal besluttes og forklares for medarbejderne, før det første headset bliver delt ud.

Ét sprog antaget. Mange arbejdsstyrker taler flere sprog med mange forskellige accenter. Genkendelsen skal testes med de mennesker, der faktisk skal bruge den.

Hvad der virker

To tilstande, holdt adskilt. Faste, korte kommandoer til transaktioner som at bekræfte, bogføre og tælle, hver med en kontrolværdi. Frie spørgsmål til information: Hvornår blev denne enhed sidst serviceret, hvor er reservedelen, hvad betyder denne fejlkode?

Konteksten først. Systemet kender opgaven, lokationen og varen og tolker hvert spørgsmål inden for den kontekst. »Hvor mange er der tilbage?« betyder af denne vare, på denne lokation.

Gentag før skrivning. »Bogfører tolv enheder af varen, der ender på 4471, på lokation B7. Bekræft?« Intet ændres i registeret, før personen siger ja.

Forslag til alt usædvanligt. En beskadiget label, der beskrives med stemmen, bliver til et udkast til en afvigelse med et foto, der venter på en formands godkendelse, i stedet for en fritekstnote, som ingen læser.

Lokal behandling, hvor det er muligt. Talegenkendelse kan køre på lokal hardware, hvilket holder medarbejdernes stemmer inden for virksomheden og fjerner netværket fra den kritiske vej. Ræsonnementet er det samme som i hvilke data der skal blive i huset.

Det samme register, en anden vej ind. Stemmen bør være en grænseflade til den samme model, de samme rettigheder og de samme godkendelser som skærmen — ikke et separat program med sin egen kopi af sandheden. Det generelle argument findes i et chatvindue er ikke en samtalegrænseflade.

Hurukan er designet, så enhver måde at arbejde med systemet på — en skærm, en samtale i de værktøjer, medarbejderne allerede bruger, eller tale — når det samme register og de samme godkendelsesregler i laget Agentisk logik. Det arbejde, der har mest gavn af det, er beskrevet på siden Lager og logistik (modtagelser, udleveringer, optællinger) og siden Drift og kvalitet (kontrol og afvigelser). Systemet er under opbygning.

En test, du kan køre i dag

Brug en time ved siden af en person, hvis hænder er optaget: en plukker, en tekniker, en person ved en pakkestation. Sæt et mærke, hver gang vedkommende stopper, lægger noget fra sig eller går hen til en skærm for at læse eller indtaste noget. Notér ved hvert mærke, om personen læste information eller registrerede en transaktion.

Optag derefter ét minut af den almindelige baggrundslyd på arbejdspladsen med en telefon, og afspil det. Det er det, enhver talegenkendelse skal arbejde sig igennem.

Mærkerne fortæller dig, om stemmen er værd at forfølge dér. Fordelingen mellem at læse og at registrere fortæller dig, hvilken af de to tilstande du skal bygge først. Optagelsen fortæller dig, hvor svært det bliver.