سال‌ها پیش، وقتی پرسش‌ها درباره ارزش‌گذاری سرسام‌آور WeWork بالا گرفته بود، با آدام نیومن (Adam Neumann)، هم‌بنیان‌گذار این شرکت، نشستی داشتم. سر یک مصاحبه روی صحنه در حال مذاکره بودیم و او خواست در هفته‌های منتهی به آن، دو بار همدیگر را ببینیم؛ یک بار در یکی از دفاتر WeWork در سان‌فرانسیسکو و بار دیگر در دفترش در نیویورک.

کاملاً می‌دانستم اعدادی که به‌ویژه SoftBank برای WeWork تعیین کرده بود چندان منطقی نیست، اما از آن دیدار این برداشت را داشتم که چرا سرمایه‌گذاران می‌خواستند سرنوشتشان را با او گره بزنند.

به‌همین‌ترتیب، به‌راحتی می‌توان فهمید چرا مردم شیفته جردن بلفورت (Jordan Belfort) می‌شوند؛ کسی که خودش را «گرگ وال استریت» (Wolf of Wall Street) می‌نامد. بلفورت در سال ۱۹۹۹ به کلاهبرداری اوراق بهادار و پولشویی مرتبط با Stratton Oakmont اقرار کرد؛ کارگزاری‌ای در لانگ آیلند که فروشندگانش در قالب طرح‌های پامپ و دامپ (بالا بردن مصنوعی قیمت و فروش سریع) سهام‌های بسیار ارزان را به مشتریان می‌فروختند و بلفورت در همین حال عمارتی در ساوت‌همپتون، یک قایق تفریحی ۱۶۷ فوتی و دست‌کم یک هلیکوپتر خریده بود. (او دو مورد آخر را زمانی که تحت تأثیر کوآلود و کوکائین بود از بین برد؛ همان‌طور که در اقتباس مشهور مارتین اسکورسیزی (Martin Scorsese) از زندگی‌نامه خودنوشت بلفورت، «گرگ وال استریت»، به تصویر کشیده شده است.)

شاید فکر کنید کسی که ۲۲ ماه در زندان گذرانده و به پرداخت ۱۱۰٫۴ میلیون دلار غرامت بازگرداندن وجه به ۱٫۵۱۳ قربانی محکوم شده، دیگر فرصتی پیدا نمی‌کند. TMZ در ژوئیه گزارش داد که قربانیان در نهایت «بسیار کمتر» از آنچه طلبکار بودند دریافت کردند و اشاره کرد که بلفورت در اواخر آوریل امسال تعهدات غرامت خود را که دادگاه به او تکلیف کرده بود تکمیل کرد.

اما بلفورت که انرژی‌اش کیفیتی برانگیزنده دارد، مدام دوباره سر برمی‌آورد؛ از جمله در سال‌های اخیر به‌عنوان مشاور فروش مستقر در میامی و میزبان پیشین کارگاه‌های رمزارز در خانه‌اش در میامی بیچ. (چند سال پیش، گزارشگری از New York Times در کارگاه یک آخر هفته شرکت کرد که هزینه ورودش یک بیت‌کوین یا معادل ارزش آن در آن زمان، یعنی ۴۰ هزار دلار، بود.)

حالا او به نقطه تلاقی چیزی که بهترین شناخت را از آن دارد، یعنی فروش، و داغ‌ترین روند جهان، یعنی هوش مصنوعی، روی آورده و پلتفرمی صوتی مبتنی بر هوش مصنوعی می‌سازد. به گفته او، نکته کلیدی این است که این پلتفرم به صداها همان نوع لحن و آهنگ کلامی را می‌دهد که قراردادها را می‌برد؛ مثلاً با بیان جمله‌های خبری در قالب پرسش (که به گفته او «تعامل می‌سازد») و حتی گاهی نجوا کردن (که به گفته او «کمیابی اطلاعات را القا می‌کند»).

بلفورت می‌گوید شرکت‌هایی که سرنخ‌های فروش بیشتری از توان تیم‌های انسانی‌شان دارند، همین حالا از این پلتفرم که Tone نام دارد استفاده می‌کنند. حالا Tone در حرکتی که می‌تواند به گسترش داده‌های آموزشی‌اش هم کمک کند، پلتفرمی خودخدمت برای تولیدکنندگان محتوا و نویسندگانی راه‌اندازی می‌کند که می‌خواهند کتاب‌هایشان را به «روایت‌های گویا و پرمعنا با هوش مصنوعی» تبدیل کنند. کاربران می‌توانند از میان صداهای هوش مصنوعی Tone انتخاب کنند یا، هم‌زمان با عرضه قابلیت شبیه‌سازی صدا، نسخه‌ای شبیه‌سازی‌شده از صدای خودشان بسازند.

به‌راحتی می‌توان استدلال کرد که بازار از استارتاپ‌ها و فناوری‌های صوتی هوش مصنوعی اشباع شده و Tone ریسک اضافه‌ای هم دارد: هم‌بنیان‌گذار او در این کسب‌وکار، شروین پیشه‌ور (Shervin Pishevar)، سرمایه‌گذار باسابقه‌ای است که خودش گذشته‌ای جنجالی دارد. همچنین نمی‌توانیم مستقل تأیید کنیم که این فناوری همان‌طور که توصیف می‌شود کار می‌کند (هیچ‌یک از دو هم‌بنیان‌گذار مهندس نیست).

اما اگر تجربه‌ام با نیومن چیزی به من آموخته باشد، این است که تردید درباره اعداد به‌ندرت جلوی یک ارائه فروش خوب را می‌گیرد. وقتی بلفورت دنبال سرمایه‌گذارانی می‌رود که از این سرمایه‌گذاری جدید حمایتش کنند، پیدا کردن آدم‌های باورکننده چندان سخت نخواهد بود.

بخشی از گفت‌وگوی ما را می‌خوانید که برای رعایت اختصار و روشنی ویرایش شده است. چه چیزی ساخته‌اید؟

این روشی بسیار خاص برای ساختن یک صدا است و از نظامی از نفوذ و متقاعدسازی می‌آید که از اواخر دهه ۱۹۸۰ آن را آموزش می‌دهم. فقط این نیست که چه می‌گویید؛ این هم مهم است که چگونه می‌گویید. وقتی رودررو نیستید، زبان بدن به لحن و آهنگ کلام تبدیل می‌شود. حدود ۱۵ لحن بسیار قدرتمند وجود دارد که مردم همیشه از آن‌ها استفاده می‌کنند. عبارتی که برای این کار ابداع کردم «ارتباط هدف‌محور» بود. اگر می‌خواهم متخصص به نظر برسم، لحن را آگاهانه و هدفمند به کار می‌برم.

آیا این سیستم عملاً با داده‌های خود شما آموزش دیده است؟

کار این‌طور شروع شد. من که مهندس نیستم، از اصول اولیه آغاز کردم: چطور به یک انسان آموزش می‌دادم که این کار را انجام دهد؟ هر بار یک لحن. من ۳۰ سال داده باکیفیت بسیار بالا دارم و شروع کردم به آموزش دادن به مدل. لحظه‌ای نقطه عطف بود، چون نه‌تنها دقیقاً شبیه من به گوش می‌رسید، بلکه لحن را هم درست پیاده کرده بود. بعد لحن دوم را آموزش دادم و سپس این‌که چطور آن‌ها را به هم پیوند بزند. کلید همه این‌ها داده است. حتی کوچک‌ترین مقدار داده خراب پیشرفت شما را به‌شدت خنثی می‌کند.

شما و شروین پیشه‌ور چطور به هم رسیدید؟

شروین و من مدت‌هاست دوستان شخصی هستیم و یک شب برای شام بیرون رفته بودیم. یک شرکت هوش مصنوعی به من پیشنهاد داده بود و می‌گفت هوش مصنوعی‌ای دارد که می‌تواند فروش انجام دهد. به آن گوش دادم. افتضاح بود. اما ایده را در سرم انداخت. فکر می‌کردم فقط می‌خواهم به مدل‌ها یاد بدهم چطور بفروشند، اما نمی‌توانستم صدایی پیدا کنم که به‌قدر کافی خوب باشد. نیاز، مادر اختراع است؛ پس صدای خودمان را ساختیم.

مشتریان شما چه کسانی هستند و چطور از آن استفاده می‌کنند؟

ما شرکت‌های حقوقی و بیمه‌های درمانی داریم. در نظرسنجی و خودرو هم کارهای زیادی انجام می‌دهیم. این سیستم شما را در تمام یک فرایند فروش بیمه درمانی پیش می‌برد. پرسش‌های غربالگری می‌پرسد، مثل این‌که چه نوع بیمه‌ای می‌خواهید، بودجه‌تان چقدر است و سنتان چقدر است. بعد یک طرح انتخاب می‌کند و ویژگی‌ها و مزایایش را توضیح می‌دهد. تأخیر ما حدود ۶۰۰ میلی‌ثانیه است. اگر مبلغ پرداختی زیاد باشد، می‌گوید می‌تواند آن را پایین بیاورد و توضیح می‌دهد چطور فرانشیز را بالا ببرید. اگر طرح را دوست نداشته باشید، شما را به طرح دیگری منتقل می‌کند. عملاً تمام فروش را انجام می‌دهد.

هوش مصنوعی چگونه تماس فروشی‌ای را مدیریت می‌کند که از مسیر پیش‌بینی‌شده خارج می‌شود؟

هرگز نمی‌گوید «چه سؤال خوبی»، مگر این‌که واقعاً سؤال خوبی باشد. از این جمله بدم می‌آید. خیلی چاپلوسانه است. در هر فروشی یک مسیر مطلوب وجود دارد؛ یعنی این‌که دوست داریم گفت‌وگوی بی‌نقص چطور پیش برود و حتی آخرین کلمه آن هم قابل ترسیم است. اما مردم پرسش و نگرانی دارند و شما را از خط مستقیم خارج می‌کنند. بنابراین هنر کار در مدلی است که بتواند آن گفت‌وگوی بی‌نقص را پیش ببرد، با هر چیزی که به سمتش پرتاب می‌شود کنار بیاید، شایسته پاسخ دهد و به خط مستقیم برگردد، بدون این‌که رابطه را خراب کند و بدون توهم‌زنی، یا به تعبیر یک فروشنده، بدون دروغ گفتن. ما مدل را طوری آموزش داده‌ایم که این کار را انجام دهد.

آیا تا حالا از Tone درآمدی به دست آورده‌اید؟ برای آن سرمایه جذب کرده‌اید؟

درآمد، احتمالاً حدود یک میلیون دلار؛ شاید ۷۰۰ هزار دلار. از دوستان و خانواده و سرمایه اولیه (seed) حدود ۱۰ میلیون دلار جذب کرده‌ایم.

می‌خواهم به موضوعی اشاره کنم که همه از آن آگاهند. شما محکومیت کلاهبرداری دارید. پیشه‌ور هم با اتهام‌های سوءرفتار روبه‌رو بوده که آن‌ها را رد می‌کند. چرا یک بانک یا بیمارستان یا برند مصرفی باید به محصولی اعتماد کند که از سوی شما دو نفر می‌آید؟

درباره خودم فقط می‌توانم بگویم که اشتباه کردم. این مربوط به مدت‌ها پیش است و ۲۰ سال گذشته را صرف آموزش دادن به مردم در سراسر جهان کرده‌ام. شرکت‌هایی در سراسر جهان مرا استخدام کرده‌اند تا فروش و متقاعدسازی را آموزش دهم. اگر بعضی شرکت‌ها نمی‌خواهند با ما کار کنند، تصمیم خودشان است. اما فکر می‌کنم تعداد کسانی که ارزش چیزی را که ساخته‌ایم ببینند، بیش از اندازه کافی خواهد بود.

نرخ بستن قرارداد در Tone در مقایسه با یک تیم فروش معمولی چقدر است؟

هنوز فکر نمی‌کنم به‌قدر بهترین فروشندگان باشد. یک فروشنده برتر در میدان عمل، تماس به تماس از آن جلو می‌زند. فکر می‌کنم این وضع در شش ماه تا یک سال آینده تغییر کند. برای این‌که مدلی این‌قدر سریع پاسخ دهد، از مدل‌های پیشرو استفاده نمی‌کنید. ما از مدل‌های بسیار کوچک و سبک خودمان استفاده می‌کنیم، بنابراین هوششان به‌قدر مدل‌های بزرگ نیست. فکر می‌کنم به‌طور چشمگیری از یک فروشنده معمولی بهتر عمل کند.

کجا بیشترین اثربخشی را دارد؟ فرصت‌های فروش کم‌مبلغ؟ فکر می‌کنم هرچه کسی پول بیشتری خرج می‌کند، تماس انسانی بیشتری طلب کند.

فکر نمی‌کنم موضوع جایگزینی انسان‌ها باشد. چیزی که در مشتریان بیشتر می‌بینم این است که به‌سادگی نیروی انسانی در دسترس ندارند. ممکن است سرنخ‌های بسیار بیشتری از تعداد افرادی که برای تماس دارند به دست آورند، یا به پوشش در ساعت‌های مختلف روز یا به زبان‌های مختلف نیاز داشته باشند. فکر می‌کنم همیشه به فروشندگان انسانی خوب نیاز خواهد بود. واقعاً به این باور دارم.

شما با ElevenLabs و Cartesia و بسیاری از شرکت‌های دیگر هوش مصنوعی صوتی رقابت می‌کنید. مزیت Tone همین است؟

فکر نمی‌کنم موضوع اصلی شبیه انسان به گوش رسیدن باشد. همه آن‌ها شش ماه یا یک سال دیگر شبیه انسان به گوش می‌رسند. چیزی که ما را متفاوت می‌کند به‌کارگیری لحن و آهنگ کلام است: هوشی که پشت انتخاب یک لحن خاص قرار دارد. ما برای آن حق ثبت اختراع داریم. ElevenLabs شرکت بزرگی است و Cartesia هم همین‌طور، اما آن صداها برای ما کار نمی‌کردند.

FCC در سال ۲۰۲۴ حکم کرد که صداهای هوش مصنوعی مشمول قوانین تماس رباتیک تحت قانون حمایت از مصرف‌کننده تلفن (Telephone Consumer Protection Act یا TCPA) هستند. تماس‌های فروش خروجی چطور کار می‌کند؟

ما فقط با رضایت قبلی (opt-in) تماس می‌گیریم. قرار نیست از هوش مصنوعی برای تماس سرد با مردم استفاده کنید. ما اجازه چنین کاری را نمی‌دهیم. وگرنه هر وکیل TCPA در جهان از شما شکایت می‌کرد. یا سرنخ‌هایی است که از قبل رضایت داده‌اند یا مشتریان فعلی. استثنا، نظرسنجی است که معافیتی دارد و به شما اجازه می‌دهد بدون رضایت قبلی با خانه‌های خصوصی تماس بگیرید.

چگونه رضایت را تأیید می‌کنید و از جعل هویت در شبیه‌سازی صدا جلوگیری می‌کنید؟

می‌توانستیم فردا قابلیت شبیه‌سازی را راه‌اندازی کنیم. نکردیم. اگر در سیستم ما نسخه‌ای شبیه‌سازی‌شده از صدا بسازید، در کامپیوتر صحبت می‌کنید، پس می‌دانیم چه کسی آن را می‌سازد و همان شخص رضایت‌نامه امضا می‌کند. اگر کسی بخواهد فایل صوتی بارگذاری کند، که ما توصیه نمی‌کنیم، باید اثر انگشت صوتی زنده را در زمان واقعی مطابقت دهد.

چه کسی این فناوری را ساخته است؟ شما مهندس نیستید و پیشه‌ور هم نیست. من نامی روی پتنت دیدم: جردن آنتونی متزنر (Jordan Anthony Metzner).

نه. معاون مهندسی ما بن ساسمن (Ben Sussman) است. او مهندس درخشانی است. من قاضی، هیئت منصفه و مجری حکم در این‌باره هستم که چه چیزی بی‌نقص به گوش می‌رسد. من چیزی را به زشت‌ترین شکل ممکن نمونه‌سازی می‌کنم و مهندسانم آن را از صفر بازمی‌سازند.

هزینه را بر اساس دقیقه حساب می‌کنید یا بر اساس نتایجی که مشتریان می‌بینند؟

ترکیبی از هر دو. برای پخش زنده، بر اساس دقیقه است. پلتفرم محتوا هم اشتراک ماهانه خواهد بود. و بعضی مشتریان را داریم که بخش عمده پول ما از موفقیت آن‌ها به دست می‌آید.

این یک شرکت مستقل است یا چیزی که به یک شرکت بزرگ‌تر هوش مصنوعی تعلق دارد؟

اگر پیشنهاد مناسب پیش بیاید و به‌قدر کافی قابل توجه باشد و فکر کنم منطقی است، چه کسی حاضر نیست گفت‌وگو کند؟ اما در حال حاضر برنامه من جذب مبلغ قابل توجهی سرمایه است. فکر نمی‌کنم لازم باشد مراکز داده داشته باشیم، اما به توان محاسباتی ذخیره کافی نیاز داریم. فکر نمی‌کنم به‌زودی آن را بفروشم، اما چه کسی می‌داند آینده چه می‌آورد.

Paramount+ امسال تابستان مستندی درباره شما منتشر کرد. آن را دیدید؟

ندیدم. باور کنید یا نه، هیچ چیز درباره خودم را نمی‌بینم یا نمی‌خوانم، چه خوب چه بد. هرگز نظری نخوانده‌ام. وقتی شناخته‌شده هستید، باید بر اساس آنچه در درونتان هست زندگی کنید. من بر اساس قطب‌نمای درونی خودم پیش می‌روم.

منبع: TechCrunch

متن و تصاویر اصلی از منبع بالا. ترجمه و ویرایش در دیجیتال سرآمد.