סוכן קולי לעסק: מה הוא יודע לעשות בעברית ואיפה הוא נשבר

סוכן קולי הוא תוכנה שעונה לטלפון של העסק, מקשיבה ומדברת בעברית, ומטפלת במשימה צרה ומוגדרת, כמו שעות פתיחה, כתובת, קבלת הודעה ולפעמים קביעת תור. כשהיא לא יודעת מה לעשות, היא אמורה להעביר את השיחה לאדם. היא עובדת טוב בשיחות קצרות וצפויות, ונשברת ברעש, במבטאים כבדים, בשמות ובמספרים שנאמרים מהר, ובשיחות ארוכות או טעונות.

השורה התחתונה: לרוב העסקים הקטנים הצעד הנכון הראשון הוא טלפון שאדם עונה לו מהר, או הודעה ברורה במשיבון וחזרה מהירה, ולא בוט שמדבר. BizRunner בונה סוכנים לוואטסאפ, לא סוכנים קוליים. אין לנו מה למכור לך בצד הקולי, ולכן אפשר להגיד גם מה סוכן קולי לא עושה. אם מעניינת אותך התמונה הרחבה של בוטים, יש לנו עמוד על בוטים לעסקים ומתי הם דווקא מזיקים.

השהיה בסוכן קולי: למה שנייה של שתיקה מורגשת כל כך

בשיחה בין שני אנשים כמעט אין שתיקות. מחקר של Stivers ועמיתיו, שפורסם ב-PNAS ב-2009, בדק 10 שפות ומצא שההפסקה בין דובר לדובר קצרה מאוד: ממוצע של 208 מילישניות וחציון של 100. השפות נבדלו ביניהן. בדנית ההפסקה הממוצעת הייתה הארוכה ביותר, 469 מילישניות, וביפנית הקצרה ביותר, 7 מילישניות בלבד. אבל הפער בין השפות הוא של כמה מאות אלפיות שנייה, והממוצע בכל אחת מהן הרבה מתחת לשנייה. עברית לא הייתה בין 10 השפות, ולכן אין לנו מספר לעברית, ולא נמציא אחד.

המשמעות פשוטה. אדם שמדבר עם מכונה שומע שתיקה של שנייה ומרגיש שמשהו לא בסדר. סוכן קולי קלאסי עובד בשרשרת: מודל אחד ממיר דיבור לטקסט, מודל שני חושב על תשובה, מודל שלישי מקריא אותה. כל חוליה מוסיפה זמן. לפי ההודעה של OpenAI על GPT-4o ממאי 2024, כפי שדווחה בתקשורת, מצב הקול של ChatGPT לפני GPT-4o חיבר שלושה מודלים והגיע להשהיה ממוצעת של 2.8 שניות עם GPT-3.5 ו-5.4 שניות עם GPT-4. על GPT-4o נכתב שהוא מגיב לאודיו תוך 232 מילישניות במקרה המהיר ביותר, ו-320 בממוצע.

אלה מספרי מעבדה על מודל שמקבל דיבור ומחזיר דיבור. קו טלפון אמיתי מוסיף עיכובי רשת, ובדיקה ביומן באמצע השיחה מוסיפה עוד. כשמישהו מבטיח לך 320 מילישניות, כדאי להתקשר למספר הדגמה ולשמוע בעצמך כמה זמן עובר עד שהסוכן עונה.

עברית בטלפון: מה המספרים אומרים, ואיפה זה נשבר

המקור הציבורי הישיר ביותר שמצאנו הוא מאמר ה-Whisper של OpenAI (Radford ועמיתיו, 2022). טבלה 13 במאמר מציגה את שיעור שגיאות המילים (WER, ככל שנמוך יותר טוב יותר) על מערך הבדיקה FLEURS. בעברית התוצאות לפי גודל המודל: tiny 71.6%, base 61.7%, small 44.4%, medium 33.1%, large 30.2%, large-v2 27.1%. באותה טבלה, באותו מודל large-v2, אנגלית עומדת על 4.2%, ספרדית על 3.0% וגרמנית על 4.5%. כלומר גם המודל הטוב ביותר שנבדק טעה ביותר מרבע מהמילים בעברית.

המחברים מונים את העברית, הטלוגו, הסינית והקוריאנית בין השפות שבהן התוצאה גרועה מהצפוי ביחס לכמות נתוני האימון, ומציעים שזה יכול לנבוע מהמרחק הלשוני מהשפות ההודו-אירופיות, מהתאמה גרועה של מנגנון פירוק הטקסט (tokenizer), או מאיכות הנתונים.

שלושה סייגים על המספרים האלה. הם מ-2022, ומוצרים של היום עשויים להשתמש במודלים אחרים. FLEURS מורכב ממשפטים מוקראים, ושיחת טלפון נשמעת אחרת: אודיו דחוס, רעש ברקע, אנשים שמתקנים את עצמם באמצע משפט. ולבסוף, לא מצאנו מדד ציבורי לשיחות טלפון בעברית, ולכן לא נכתוב כאן אחוז דיוק לסוכן קולי. אם ספק מציג לך אחוז כזה, כדאי לשאול על איזה מערך בדיקה הוא נמדד.

יש גם מאמץ ישראלי: ivrit.ai, מאגר דיבור בעברית שפורסם ב-2023 (Marmor ועמיתיו) עם יותר מ-3,300 שעות דיבור ויותר מאלף דוברים, ברישיון חופשי שמתיר שימוש מסחרי. המאמר מתאר רק את הנתונים ואין בו מספרי דיוק, אבל מאגר כזה הוא חומר הגלם לאימון מודלים ייעודיים לעברית.

מה עושים עם כל זה? לפני רכישה, מקליטים שיחות אמיתיות של העסק (בהסכמה ובהתאם לחוק, על כך בהמשך) ומבקשים מהספק להריץ אותן דרך הסוכן. בודקים שמות של לקוחות, כתובות ומספרי טלפון, כי שם הטעויות יקרות. ובודקים איך הסוכן מתנהג כשהוא לא מבין: האם הוא שואל שוב, או מנחש.

הנה המקומות שבהם סוכן קולי נשבר בדרך כלל:

• קו רועש: רחוב, רכב נוסע, רמקול של טלפון.
• מבטא כבד, או מעבר בין עברית, אנגלית ורוסית באמצע משפט.
• שם משפחה נדיר, שם רחוב, מספר טלפון שנאמר בשטף.
• בקשה מורכבת, כמו לשנות תור שכבר נקבע ולהוסיף עוד אדם לקבוצה.
• לקוח כועס או מבוהל, שרוצה שבן אדם יקשיב לו.

כדי לתפוס את מה שנשבר, מישהו צריך להאזין למדגם של שיחות כל שבוע, אחרת הטעויות פשוט לא נראות. על זה כתבנו במאמר למה אוטומציות נשברות בשקט.

מה אומר החוק בישראל, והאם חייבים להגיד שזו בינה מלאכותית

קודם הקלטה. לפי סעיף 1 בחוק האזנת סתר (בנוסח המקורי מ-1979), "האזנת סתר" היא האזנה ללא הסכמת אף אחד מבעלי השיחה, כולל הקלטה. עסק שהוא צד לשיחה ומקליט אותה אינו מאזין בסתר. סעיף 3 קובע חריג: האזנה או הקלטה גם בהסכמת צד אחד נחשבות להאזנת סתר אם נעשו כדי לבצע עבירה או לגרום נזק. אבל הקלטה שמורה היא מידע אישי, וחלות עליה גם חובות לפי חוק הגנת הפרטיות. העובדה שההקלטה אינה האזנת סתר לא פוטרת אותך מהן.

ועכשיו השאלה המעניינת יותר. לא מצאנו בחוק הישראלי חובה מפורשת להודיע לאדם שהוא מדבר עם בינה מלאכותית. מה שכן קיים הוא טיוטת הנחיה של הרשות להגנת הפרטיות מאפריל 2025 על תחולת חוק הגנת הפרטיות על מערכות בינה מלאכותית. בסעיף 6.3.1 שלה נכתב שהעובדה שהצד השני אינו אדם אלא מערכת אוטומטית מבוססת בינה מלאכותית (בוט) היא מרכיב חשוב בהסכמה מדעת, ושיש ליידע על כך ככל שעשויה להיות לעובדה הזו השפעה מהותית על מתן ההסכמה. זו טיוטה, ולא מצאנו לה גרסה סופית. היא קשורה לאיסוף מידע אישי. הרשות קיבלה סמכויות אכיפה רחבות יותר עם תיקון 13 לחוק הגנת הפרטיות, שנכנס לתוקף באוגוסט 2025.

חוק נוסף שכדאי להכיר: לפי דיווחים בעיתונות, תיקון לחוק הגנת הצרכן שאושר בכנסת ב-2026 מחייב סוגי עסקים מסוימים, ולא את המשק כולו, להקליט שיחות עם צרכנים, לשמור אותן ולמסור העתק לפי דרישה. רוב החובות נכנסות לתוקף כמה חודשים אחרי פרסום החוק. בתחילת שיחה כזו יהיה צריך לומר שהיא מוקלטת. לפי אותם דיווחים, רשימת התחומים כוללת למשל מכירות טלפוניות של מוצרים מסוימים, תקשורת, תיווך הלוואות ועוד. הדיווחים לא מבהירים אם החובה חלה גם כשמי שעונה לשיחה הוא בוט. אם התחום שלך ברשימה, שווה לבדוק עם עורך דין. רוב העסקים הקטנים לא נמצאים בה.

ולעסק שמשרת גם לקוחות באיחוד האירופי: סעיף 50 בחוק הבינה המלאכותית האירופי דורש שאדם שמתקשר עם מערכת בינה מלאכותית יידע על כך, אלא אם זה ברור מאליו.

המלצה מעשית, וזה לא ייעוץ משפטי: להתחיל כל שיחה במשפט קצר כמו "שלום, הגעת למענה ממוחשב מבוסס בינה מלאכותית. השיחה מוקלטת." זה לוקח כמה שניות, והלקוח יודע מההתחלה עם מי הוא מדבר ושהשיחה נשמרת.

סוכן קולי, תפריט קולי, מענה אנושי או וואטסאפ: טבלת השוואה

ארבע דרכים לענות ללקוח שמתקשר, לפי מה שחשוב בפועל. בטבלה אין מספרים בכוונה, כי העלות תלויה בהיקף ובחיבורים של כל עסק.

בעמודה של שיחה דחופה רק שירות אנושי מקבל תשובה חיובית, ונחזור לזה בהמשך.

מה קובע את העלות של סוכן קולי? קודם כל כמות הדקות, כי בדרך כלל משלמים לפי זמן שיחה, וגם שעות העומס משפיעות. אחר כך איכות הקול והזיהוי בעברית, חיבור ליומן או למערכת לקוחות, שמירה ואבטחה של הקלטות ותמלולים, העברה לאדם ותוכנית לשעות שאחרי הפעילות, ניתוב מספרי הטלפון, ותקופת כיוונון על שיחות אמיתיות. מה שמקטין את העלות: תסריט צר כמו שעות פתיחה וקבלת הודעה, מעט שיחות, ובלי חיבורים למערכות אחרות.

מעבר מהטלפון לוואטסאפ: איך עושים את זה נכון

הרעיון מפתה: הלקוח מתקשר, שומע "הקש 2 להמשך בוואטסאפ" או מקבל קישור, וממשיך שם בכתב. זה עובד כשהלקוח עצמו פותח את הצ'אט. וואטסאפ מציעה קישור קליק-לצ'אט שפותח שיחה עם מספר העסק. אפשר לשלוח אותו ב-SMS למי שהקיש 2, או לומר כבר בהודעת הפתיחה של המענה הטלפוני שאפשר לכתוב לעסק בוואטסאפ.

הכיוון ההפוך, שבו העסק כותב ראשון, מסובך יותר. התיעוד של Meta ל-WhatsApp Cloud API אומר שכשמשתמש שולח הודעה או מתקשר בשיחת וואטסאפ אל העסק, נפתח "חלון שירות" של 24 שעות. אחרי שהוא נסגר אפשר לשלוח רק תבניות מאושרות מראש, ובכל מקרה רק למי שאישר לקבל הודעות מהעסק. התיעוד מדבר על הודעות וואטסאפ ועל שיחות וואטסאפ, לא על שיחת טלפון רגילה. המסקנה שלנו, ש-Meta לא כותבת במפורש: שיחת טלפון רגילה לא פותחת את החלון, ולכן הודעת וואטסאפ שהעסק שולח אחרי שיחה כזו כפופה לכללי ההסכמה והתבניות. הדרך הנקייה היא שהלקוח עצמו ילחץ על הקישור ויכתוב ראשון.

ברגע שהלקוח כבר בוואטסאפ, אנחנו כן נכנסים לתמונה: סוכן AI לוואטסאפ שעונה בכל שעה, מברר מה הלקוח צריך, קובע תור ומעביר לאדם כשצריך. השיחה כולה נשמרת, ובעזרת מערכת CRM היא נוחתת על כרטיס הלקוח עם כל ההיסטוריה.

הדעה שעולה לנו כסף

יש סוג שיחה שבו המוצר שלנו הוא התשובה הלא נכונה. אם צינור התפוצץ, מישהו ננעל מחוץ לרכב, יש חשש רפואי או תלונה כועסת, מי שמתקשר רוצה לשמוע קול אנושי תוך שניות. סוכן קולי לא עוזר לו. "המשך בוואטסאפ" גם לא. לדעתי, התכנון הנכון הוא טלפון שמצלצל אצל אדם, או שירות מענה אנושי, עם כלל ברור לשעות שאחרי הפעילות. ואותו הדבר נכון לחלק מהלקוחות המבוגרים, שנוח להם יותר לדבר מאשר להקליד.

לפי סקר של Gartner שפורסם ביולי 2024, כפי שדווח בתקשורת (אתר Gartner עצמו לא נפתח לנו), 64% מתוך 5,728 לקוחות העדיפו שחברות לא ישתמשו בבינה מלאכותית בשירות לקוחות, ו-53% אמרו שישקלו לעבור למתחרה אם יגלו שחברה משתמשת בה. הסקר נערך בדצמבר 2023, בעיקר בארצות הברית ולא בישראל, ועסק בשירות לקוחות באופן כללי ולא דווקא בטלפון. החשש המרכזי שעלה בו: שיהיה קשה יותר להגיע לנציג אנושי. אלה מספרים שמתארים חשש ולא התנהגות, אבל זה בדיוק החשש שמתממש כשבוט עונה לשיחה דחופה.

ויש עוד מקרה: עסק עם כמה שיחות ביום. שם הודעת משיבון ברורה וחזרה בתוך שעה מנצחות כל אוטומציה. זה דורש פחות הקמה ותחזוקה, וחוסך את השאלות המשפטיות ואת חוסר האמון שבוט עלול לעורר. סוכן וואטסאפ מצטיין בפניות שגרתיות שנוח לנסח בכתב, כמו בירור זמינות וקביעת תור. הוא לא נועד לרגעים שמכריעים אם הלקוח יסמוך עליך.

לכן, לפני שקונים בוט מכל סוג, כדאי למדוד דבר אחד: כמה מהשיחות שלך דחופות או רגשיות. אם רובן כאלה, זה עוד לא הזמן לבוט. ואפשר להתחיל בצעד בסיסי: קישור פשוט לוואטסאפ ואדם שעונה, בלי AI בכלל. על החלוקה בין מכונה לאדם כתבנו במאמר מה להעביר למכונה ומה להשאיר לאדם, ועל ההשוואה הישירה במאמר בוט וואטסאפ מול נציג אנושי.

שאלות נפוצות

האם סוכן קולי מבין עברית ומבטאים שונים?

חלקית. במבחן FLEURS, שבנוי ממשפטים מוקראים, מודל Whisper large-v2 של OpenAI מ-2022 טעה ביותר מרבע מהמילים בעברית. מבטא כבד, רעש בקו ומעבר בין שפות באמצע משפט הם מהמקומות שבהם סוכן קולי נוטה לטעות. לא מצאנו מדד ציבורי לשיחות טלפון בעברית, ולכן כדאי לבדוק את הסוכן על שיחות מוקלטות של העסק עצמו לפני רכישה.

האם חייבים להגיד ללקוח שהוא מדבר עם בינה מלאכותית?

לא מצאנו בחוק הישראלי חובה מפורשת. יש טיוטת הנחיה של הרשות להגנת הפרטיות מאפריל 2025 שלפיה יש ליידע שמדובר בבוט כשזה עשוי להשפיע מהותית על הסכמת הלקוח למסור מידע אישי, ולכן כדאי לומר זאת בתחילת השיחה.

האם מותר להקליט שיחות לקוחות בישראל?

בדרך כלל כן, כשהעסק הוא צד לשיחה: לפי סעיף 1 בחוק האזנת סתר, הקלטה כזו אינה האזנת סתר, וסעיף 3 מונה חריגים, כמו הקלטה שנועדה לגרום נזק. ההקלטה היא מידע אישי שחלות עליו חובות לפי חוק הגנת הפרטיות, ובתחומים מסוימים נקבעה גם חובה להקליט ולהודיע על כך, ולכן כדאי לומר בתחילת השיחה שהיא מוקלטת ולהתייעץ עם עורך דין.

למה יש שתיקה לפני שהסוכן עונה?

סוכן קולי קלאסי עובד בשלבים של זיהוי דיבור, חשיבה והקראה, וכל שלב מוסיף זמן. לפי מחקר על 10 שפות שפורסם ב-PNAS ב-2009, בשיחה בין בני אדם ההפסקה בין דובר לדובר קצרה בהרבה משנייה, ולכן גם שנייה של שתיקה נשמעת כמו תקלה.

מה קורה כשהלקוח כועס או שהסוכן לא מבין?

סוכן קולי שתוכנן נכון מעביר את השיחה לאדם כשהוא לא מבין או כשהלקוח מבקש. בשיחות כועסות, דחופות או רגשיות עדיף שאדם יענה מלכתחילה.

אפשר להעביר שיחת טלפון לוואטסאפ?

כן, כשהלקוח עצמו פותח את הצ'אט: למשל, הוא מקיש 2 בתפריט ומקבל ב-SMS קישור קליק-לצ'אט של וואטסאפ. הודעה שהעסק יוזם בוואטסאפ אחרי שיחת טלפון כפופה לכללי ההסכמה והתבניות של Meta.

על הכותב

רועי בן משה, שותף מייסד ומנכ"ל BizRunner, חדרה. מאז 2024 אנחנו בונים לעסקים קטנים בישראל סוכני וואטסאפ, מערכות CRM ואתרים, ומקדמים אותם ב-SEO וב-GEO. אם מענה אוטומטי עומד על הפרק אצלך, אפשר לדבר איתי בטלפון 055-9532102 ולשמוע תשובה כנה אם הוא מתאים לעסק שלך.