Röst när händerna är upptagna: konversation ute på golvet

En plockare på ett lager har handskar på sig, en skanner på handleden och en pall på en handtruck. En etikett är skadad och går inte att skanna. Systemet vill ha en manuell bekräftelse på en terminal som sitter på en pelare flera meter bort. Plockaren ställer ifrån sig trucken, tar av en handske, klickar sig igenom tre skärmar, tar på handsken igen och går tillbaka.

En servicetekniker ligger på knä vid en maskin hos en kund. Frågan är enkel: när fick den här enheten service senast, och vilken del byttes? Svaret finns i systemet. Surfplattan ligger i bilen.

Inget av detta är ett programfel. Gränssnittet förutsätter ett skrivbord, och en stor del av ett företags arbete sker inte vid ett. Det sker stående, gående, bärande, med båda händerna upptagna. För det arbetet är rösten ingen nyhet. Den är den enda kanal som fortfarande är ledig.

Röst i lagret är inte heller nytt: röststyrd plockning, med fasta kommandon och kontrollsiffror som läses upp vid varje lagerplats, har använts i flera år. Det som har förändrats är att taligenkänning och språkmodeller nu klarar fria frågor, inte bara en fast uppsättning kommandon. Det gör rösten mer användbar, och lättare att göra fel.

Där röst i arbetet misslyckas

Buller. Truckar, kompressorer, utsugsfläktar, vind, en radio. Igenkänning som fungerar på kontoret fallerar ute på golvet. Det enda test som räknas görs på den faktiska platsen, vid den faktiska tiden på dygnet.

Fritt tal för fasta åtgärder. Att bekräfta en plockning ska vara en kort fast fras med ett kontrollvärde, inte en konversation. En fri mening är lättare att säga och lättare att missförstå.

Ingen återläsning. Fel kvantitet uppfattas, så fel kvantitet bokförs. Varje skrivning till registret behöver en bekräftelse som personen kan höra och rätta.

Ett system som inte känner till sammanhanget. ”Vilken är det här?” kan bara besvaras om systemet vet var personen är, vilken uppgift hon eller han håller på med och vilken artikel som just skannades.

Mikrofoner som hör alla. En mikrofon som alltid är på spelar in kollegorna lika väl som användaren. Regler om övervakning av anställda och dataskyddslagstiftningen gäller. Vad som spelas in, var det behandlas och hur länge det sparas måste bestämmas och förklaras för medarbetarna innan det första headsetet delas ut.

Ett antaget språk. Många arbetsplatser talar flera språk, med en rad olika brytningar. Igenkänningen måste testas med de människor som faktiskt ska använda den.

Det som fungerar

Två lägen, åtskilda. Fasta, korta kommandon för transaktioner som att bekräfta, bokföra och inventera, vart och ett med ett kontrollvärde. Fria frågor för information: när fick den här enheten service senast, var finns reservdelen, vad betyder den här felkoden.

Sammanhanget först. Systemet känner till uppgiften, platsen och artikeln, och tolkar varje fråga inom det sammanhanget. ”Hur många finns kvar?” betyder av den här artikeln, på den här platsen.

Läs upp innan något skrivs. ”Bokför tolv enheter av artikeln som slutar på 4471 till plats B7. Bekräfta?” Ingenting ändras i registret förrän personen säger ja.

Förslag för allt som är ovanligt. En skadad etikett som beskrivs med rösten blir ett utkast till avvikelse med ett foto, som väntar på en arbetsledares godkännande, i stället för en fritextanteckning som ingen läser.

Lokal bearbetning där det går. Taligenkänning kan köras på lokal hårdvara, vilket håller medarbetarnas röster inom företaget och tar bort nätverket från den kritiska vägen. Resonemanget är detsamma som när du bestämmer vilken data som inte får lämna huset.

Samma register, en annan väg in. Rösten ska vara ett gränssnitt mot samma modell, samma behörigheter och samma godkännanden som skärmen, inte en separat applikation med en egen kopia av sanningen. Det allmänna argumentet förs i ett chattfönster är inget konversationsgränssnitt.

Hurukan är utformat så att varje sätt att arbeta med systemet – en skärm, en konversation i de verktyg människor redan använder eller tal – når samma register och samma godkännanderegler i lagret Agentisk logik. Det arbete som skulle ha mest nytta av det beskrivs på sidan Lager och logistik (inleveranser, uttag, inventeringar) och sidan Drift och kvalitet (kontroller och avvikelser). Systemet är under uppbyggnad.

Ett test du kan göra i dag

Tillbringa en timme bredvid en person vars händer är upptagna: en plockare, en tekniker, någon vid en packstation. Gör en markering varje gång hon eller han stannar, lägger ifrån sig något eller går till en skärm för att läsa eller föra in något. Notera vid varje markering om det handlade om att läsa information eller att registrera en transaktion.

Spela sedan in en minut av det vanliga bakgrundsljudet på arbetsplatsen med en telefon och spela upp det. Det är vad all taligenkänning kommer att behöva arbeta sig igenom.

Markeringarna talar om ifall rösten är värd att satsa på där. Fördelningen mellan att läsa och att registrera talar om vilket av de två lägena du ska bygga först. Inspelningen talar om hur svårt det kommer att bli.