חברת xAI משיקה את Voice Agent Builder: פלטפורמה להקמת סוכני קול ללא קוד

חברת xAI הכריזה על השקת פלטפורמת Voice Agent Builder בגרסת בטא (Beta), המאפשרת להקים ולתפעל סוכני קול ארגוניים המבוססים על מודל Grok Voice.

המערכת החדשה מיועדת עבור מפתחים ומנהלי מערכות, ומאפשרת ליצור סוכן קולי מותאם אישית בתוך כ-2 דקות בלבד וללא צורך בכתיבת קוד.

הפלטפורמה מוגדרת כפתרון מקיף המשלב במקום אחד שירותי טלפוניה, שליפת מידע, חיבור לכלי צד שלישי ומערכות ניטור, ללא צורך בחיבור נפרד של מספר ממשקי תכנות יישומים (APIs).

מדובר בצעד המפשט את תהליך הפיתוח של מערכות שירות לקוחות ומכירות, תוך הפחתת זמני השהיה ועלויות התפעול הכרוכות בשימוש בספקי שירות מרובים.

הכלי מיועד בעיקר לעסקים בעלי נפח פניות גבוה, כמו מוקדי שירות לקוחות, חברות מסחר אלקטרוני ונותני שירותים פיננסיים, שמעוניינים להקים סוכן קולי אוטומטי במהירות וללא צורך בצוות פיתוח ייעודי.

הכירו את ה-Voice Agent Builder

Voice Agent Builder הוא כלי פיתוח מבוסס ממשק ויזואלי ללא קוד, המאפשר להגדיר את זרימת השיחות, הנהלים וסמכויות הפעולה של סוכנים קוליים אוטומטיים. הכלי פועל באופן ישיר על גבי תשתית Grok Voice ומנצל את יכולות עיבוד הדיבור המובנות של המודל.

לדברי החברה, מרבית פתרונות הקול הקיימים כיום בשוק מורכבים מחיבור של שלושה ממשקים נפרדים: המרת דיבור לטקסט (STT), עיבוד באמצעות מודל שפה (LLM) והמרת טקסט חזרה לדיבור (TTS). תצורה זו מייצרת השהיה בכל שלב ומגדילה את נקודות הכשל במערכת.

ה-Voice Agent Builder משתמש במסלול ישיר של דיבור-לדיבור (Speech-to-Speech) המוטמע ישירות בתוך מודל Grok Voice, מה שמקצר את זמני התגובה ומשפר את רציפות השיחה.

בכך מצטרפת xAI לזירה שבה כבר פועלים שחקנים מרכזיים נוספים, ובהם Vertex AI Agent Builder של גוגל ו-Realtime API של OpenAI, המציעים גם הם פתרונות להקמת סוכני קול אוטומטיים לארגונים.

התמודדות עם שיחות מורכבות

המערכת פותחה במטרה להתמודד עם אתגרים נפוצים בשיחות טלפון אמיתיות, כגון איכות שמע נמוכה, רעשי רקע, מבטאים שונים, קטיעת דברי הסוכן ושינוי כוונת המשתמש באמצע המשפט.

החברה מציינת כי המודל אומן על שיחות מורכבות מסוג זה כדי להבטיח הבנה מדויקת של זרימת העבודה בארגון ביותר מ-25 שפות שונות.

על פי נתוני החברה המבוססים על מדד ה-τ-voice Bench (מבחן תעשייתי להערכת הביצועים של סוכני קול), המודל Grok Voice Think Fast 1.0 מציג רמת דיוק של 67.3% בביצוע משימות קוליות תחת תנאים מורכבים, זאת לעומת רמת דיוק של 43.8% שמציג מודל Gemini 3.1 Flash Live ו-35.3% שמציג מודל GPT Realtime 1.5 במערכות המקבילות.

חיבור למאגרי מידע ומערכות ארגוניות

הגדרת הסוכן מתבצעת באמצעות כתיבת תיאור מילולי פשוט בשפה חופשית. כדי להעניק לסוכן את הידע המקצועי הדרוש, ניתן להעלות קובצי מידע בפורמטים נפוצים כגון טקסט פשוט, Markdown, Word, PowerPoint, Excel, HTML ו-JSON.

באמצעות הכלים והמחברים, הסוכן יכול לבצע פעולות במערכות הארגוניות בזמן אמת, כמו תזמון פגישות ב-Google Calendar או Outlook, שליחת הודעות אישור בדוא"ל, בדיקת סטטוס הזמנה או הנפקת זיכויים דרך ממשקי API של בית העסק.

כאשר המידע אינו נמצא במסמכי החברה, הסוכן יכול לבצע חיפוש ברשת או בפלטפורמת X כדי למשוך נתונים עדכניים. בנוסף, הסוכן תומך בניהול משימות בתוכנות Linear ו-Notion, וגישה לקבצים ב-Google Drive וב-OneDrive.

במקרים שבהם נדרש טיפול של נציג אנושי, הסוכן מסוגל להעביר את השיחה בצורה חלקה לצוות השירות, תוך שליחת התראות ותיעוד בזמן אמת של הפעולות שבוצעו.

התאמה קולית וניהול שיחות

הפלטפורמה מציעה גישה ליותר מ-80 קולות מובנים, לצד אפשרות ליצירת שיבוט קולי (Voice Clone) של קול המותג על בסיס הקלטה באורך של כ-2 דקות בלבד.

כל חשבון מערכת מקבל מספר טלפון חינמי לביצוע שיחות בדיקה באופן מיידי, כאשר ניתן גם לחבר מספרי טלפון קיימים באמצעות חיבור SIP ישיר מול ספקי הטלפוניה המרכזיים.

כל השיחות מוקלטות ומתומללות אוטומטית לצורך מעקב אחר הכלים שבהם הסוכן השתמש. המערכת כוללת מנגנוני הגנה (Guardrails) המונעים מהסוכן לבצע פעולות אסורות, כגון הקראת מספרי כרטיסי אשראי או חריגה מנושאי השיחה שהוגדרו מראש.

מחירים וזמינות

פלטפורמת Voice Agent Builder זמינה כעת בגרסת בטא פתוחה עבור מפתחים ועסקים.

עלות השימוש במודל עומדת על 0.05 דולר (כ-15 אגורות) לכל דקת שמע, כאשר עלות השימוש בשירותי הטלפוניה דורשת תוספת של 0.01 דולר (כ-3 אג') לדקה.