Szkolenia z awatarem AI: kiedy wideo, a kiedy głos

Szkolenie z awatarem AI to ćwiczenie rozmów z personą, którą widzisz i słyszysz: postacią wideo w czasie rzeczywistym, która gra klienta, pacjenta albo kandydata, podczas gdy ty rozmawiasz z nią na głos. Twarz dodaje coś wtedy, gdy sama praca odbywa się twarzą w twarz. Gdy praca dzieje się przez telefon, ćwiczenie wyłącznie głosowe jest bliższe rzeczywistości i zwykle jest lepszym wyborem.

Ten przewodnik jest dla menedżerów szkoleń, którzy decydują, czy włączyć persony wideo dla swoich zespołów. Znajdziesz tu definicję, role, w których twarz dodaje wartość szkoleniową, i te, w których nie dodaje, wnioski z badań nad obecnością społeczną, stronę kosztową i tabelę decyzyjną według ról.

Dwie rzeczy nazywane „szkoleniem z awatarem AI”

To hasło obejmuje dwa niepowiązane produkty, a wyniki wyszukiwania je mieszają.

Pierwszy to generowanie wideo z awatarem do e-learningu: oprogramowanie, które zamienia skrypt w film z prezenterem, który go czyta. Przydatne przy modułach compliance i filmach o produkcie. To treść, nie ćwiczenie. Nikt nie odpowiada, i nie o tym jest ten artykuł.

Drugi to symulacja rozmowy z awatarem: persona z twarzą, która reaguje na to, co mówisz, w czasie rzeczywistym, w rozmowie, którą prowadzisz. Uczestnik mówi, persona odpowiada, wyraz twarzy zmienia się wraz z wymianą zdań. To jest temat tego tekstu. Podstawy samego ćwiczenia znajdziesz w artykule o tym, czym są symulacje rozmów z AI.

Co dodaje twarz, a czego nie

Symulacja uczy zachowania w warunkach bliskich prawdziwemu zadaniu. Pytanie o każdy dodatkowy element realizmu jest proste: czy prawdziwe zadanie zawiera ten element? Jeśli uczestnik będzie stał naprzeciw człowieka przy ladzie, biurku albo łóżku szpitalnym, twarz tej osoby jest częścią pracy. Jeśli będzie słyszał głos w słuchawkach, nie jest.

Element prawdziwego zadania	Ćwiczenie głosowe to obejmuje	Persona wideo to dodaje
Dobieranie słów pod presją	Tak	Bez zmian
Ton, tempo i cisza	Tak	Bez zmian
Bycie obserwowanym podczas mówienia	Częściowo	Tak, persona patrzy na ciebie
Odczytanie zmarszczonych brwi albo odwróconego wzroku	Nie	Tak, w zakresie tego, co awatar potrafi pokazać
Utrzymanie kontaktu wzrokowego podczas namysłu	Nie	Tak
Prowadzenie rozmowy przez telefon albo w słuchawkach	Tak, dokładnie	Dodaje coś, czego praca nie ma

Ostatni wiersz ma znaczenie. Ćwiczenie nie powinno być bardziej wymagające w sposób, w jaki nie jest wymagająca praca. Konsultant call center, który ćwiczy z twarzą, uczy się zarządzać kontaktem wzrokowym, którego nigdy nie będzie potrzebował, a umiejętność, której potrzebuje, czyli słyszenie frustracji w samym głosie, nie dostaje żadnego dodatkowego wsparcia.

Role, w których twarz dodaje wartość szkoleniową

Sala sprzedaży

Klient podchodzi, pyta o produkt i obserwuje reakcję sprzedawcy. Sprzedawca wita, odczytuje, czy klient chce pomocy, czy przestrzeni, i podtrzymuje rozmowę, gdy ktoś na niego patrzy. Ćwiczenie z personą, która odwzajemnia spojrzenie, jest bliższe tej sytuacji niż ćwiczenie z samym dźwiękiem. Naturalnie pasuje tu plan szkolenia sprzedawców w sklepie, który obejmuje powitanie i rozpoznanie potrzeb na sali.

Konsultacje z pacjentami

Lekarze i pielęgniarki przekazują wiadomości, wyjaśniają możliwości i sprawdzają zrozumienie, obserwując twarz pacjenta. Zatrzymanie się, gdy pacjent wygląda na zagubionego, to umiejętność widoczna. W sesji wyłącznie głosowej uczestnik musi to wywnioskować z ciszy. Z personą wideo jest na co patrzeć.

Rozmowy HR

Rekruter, menedżer przekazujący trudny feedback czy osoba prowadząca rozmowę oceniającą siedzą naprzeciw człowieka. Uczestnik uczy się zostawić pytanie otwarte, gdy druga osoba myśli, zamiast wypełniać ciszę. Twarz, która czeka, uczy tego lepiej niż głos, który czeka.

Hotelarstwo i recepcja

Zameldowanie, reklamacja przy recepcji, gość proszący o coś, czego hotel nie może zapewnić. To wymiany twarzą w twarz, w których ciepły wyraz twarzy pod presją jest częścią usługi.

Role, w których prawdziwą pracą jest dźwięk

Sprzedaż telefoniczna, obsługa połączeń przychodzących, umawianie spotkań, windykacja, infolinie techniczne. W żadnej z nich konsultant i klient nigdy się nie widzą. Umiejętność tkwi w głosie: wczesne wychwycenie irytacji, tempo, dobór słów, użycie ciszy. Ćwiczenie głosowe odtwarza tę pracę. Persona wideo dodaje kanał, którego konsultant nie będzie mieć w pracy.

Jest też drugi argument za samym głosem w tych rolach. Pięć kroków w rozmowie z trudnym klientem opiera się na wsłuchiwaniu się w sygnały w tonie. Ćwiczenie z twarzą może sprawić, że uczestnicy zaczną polegać na sygnałach wizualnych i za mało wyćwiczą słuchanie, którego praca wymaga.

Co mówią badania nad obecnością społeczną

Obecność społeczna to poczucie bycia z drugą osobą podczas interakcji zapośredniczonej przez medium. Termin pochodzi z książki z 1976 roku „The Social Psychology of Telecommunications” autorstwa Johna Shorta, Ederyn Williams i Bruce’a Christiego. Traktowali oni obecność społeczną jako cechę medium: wideo niesie jej więcej niż dźwięk, dźwięk więcej niż tekst. Bogatsze medium bardziej przypomina bycie w tym samym pokoju.

Frank Biocca, Chad Harms i Judee Burgoon przeanalizowali to pojęcie w artykule z 2003 roku i argumentowali, że obecność jest nie tylko właściwością kanału, ale i interakcji: rośnie, gdy druga strona zdaje się ciebie zauważać i na ciebie reagować. Dla symulacji rozmów to kluczowy punkt. Persona, która reaguje na to, co mówisz, tworzy obecność niezależnie od tego, czy ma twarz. Twarz podnosi ją jeszcze bardziej, ale reagujący głos robi już większość pracy.

Ostrzeżenie z badań nad uczeniem się: prace Richarda Mayera nad uczeniem multimedialnym obejmują coś, co nazywa zasadą obrazu (image principle). W jego badaniach dodanie wizerunku mówiącego na ekranie nie poprawiało w sposób pewny uczenia się z wyjaśnień. Kontekstem jest nauczanie, nie symulacja rozmowy, więc nie rozstrzyga to kwestii ćwiczenia konwersacji. Ostrzega jednak przed założeniem, że twarz zawsze pomaga.

Podsumowując: używaj twarzy, gdy praca ją ma, bo uczestnik ćwiczy jej odczytywanie i wytrzymywanie spojrzenia. Nie oczekuj, że poprawi umiejętność telefoniczną.

Koszty i łącze

Persona wideo w czasie rzeczywistym kosztuje więcej niż sesja głosowa, bo generowanie wideo nakłada się na mowę. Potrzebuje też stabilnego połączenia o większej przepustowości niż dźwięk oraz ekranu na tyle dużego, żeby twarz była czytelna. Trzy praktyczne konsekwencje:

• Budżet na minutę rośnie. Jeśli budżet szkoleniowy jest stały, wideo zmniejsza liczbę dostępnych minut ćwiczeń. Przy umiejętnościach, które wymagają wielu powtórzeń, ten kompromis może działać przeciw celowi szkolenia.
• Nie każde miejsce pracy ma łącze. Sale sprzedaży, oddziały szpitalne i zaplecza hoteli często mają słabe Wi-Fi. Sesja głosowa lepiej znosi słabe połączenie.
• Ćwiczenie na telefonie sprzyja głosowi. Uczestnicy, którzy ćwiczą na telefonie w drodze do pracy, wyniosą więcej z sesji audio niż z małego okna wideo.

Rozsądna zasada: głos domyślnie, wideo do scenariuszy, w których twarz jest częścią umiejętności.

Tabela decyzyjna: persona wideo czy sam głos

Rola	Prawdziwy kontakt	Rekomendacja	Dlaczego
Sprzedaż telefoniczna, SDR	Telefon	Sam głos	Praca to głos
Call center przychodzące	Telefon, czat	Sam głos	Wsłuchiwanie się w ton to kluczowa umiejętność
Sprzedawca w sklepie	Twarzą w twarz	Wideo do powitania i rozpoznania potrzeb, głos do ćwiczeń z wiedzy o produkcie	Bycie obserwowanym jest częścią pracy na sali
Recepcja hotelowa	Twarzą w twarz	Wideo	Wyraz twarzy pod presją to część usługi
Sprzedaż terenowa, opiekun klienta	Mieszany, głównie spotkania	Wideo do próby spotkania, głos do przygotowania rozmowy telefonicznej	Dopasuj do najbliższej prawdziwej interakcji
Lekarz, pielęgniarka	Twarzą w twarz	Wideo do trudnych rozmów	Obserwowanie pacjenta to umiejętność kliniczna
HR, menedżer rekrutujący	Twarzą w twarz albo wideorozmowa	Wideo	Wytrzymanie pauzy, gdy ktoś myśli
Wsparcie techniczne, infolinia	Telefon	Sam głos	Brak kanału wizualnego w pracy
Menedżer przekazujący feedback	Twarzą w twarz	Wideo do najtrudniejszych rozmów, głos do powtórzeń	Powtórzenia wymagają ilości, ostatnia próba wymaga realizmu

Wzorzec: głos do ilości, wideo do ostatniej próby przed rozmową twarzą w twarz.

Jak działa awatar na żywo w Replio

W Replio uczestnicy ćwiczą rozmowy na głos, głosem, z personami AI: kupującym, klientem, pacjentem, pracownikiem albo kandydatem. Każda persona ma scenariusz z obiekcjami i momentem, w którym je zgłasza, ukrytą potrzebę za każdą z nich oraz warunek sukcesu i warunek porażki. Persona pozostaje w roli przez całą sesję.

Awatar na żywo to opcja nałożona na tę sesję głosową. Gdy jest włączony, persona pojawia się jako awatar wideo w czasie rzeczywistym w trakcie rozmowy. Nic innego w sesji się nie zmienia: ta sama persona, ten sam scenariusz, ta sama ocena. Po zakończonej sesji uczestnik dostaje wynik i pisemny feedback dotyczący tej rozmowy, a menedżerowie mogą przejrzeć sesję, przeczytać pełną transkrypcję i dodać własną ocenę.

Dzięki temu tabelę decyzyjną łatwo zastosować w praktyce. Przeprowadź powtórzenia głosem, a potem włącz awatar do scenariuszy, w których prawdziwy rozmówca uczestnika będzie w tym samym pomieszczeniu. Zespoły pracujące w obsłudze klienta, handlu detalicznym, opiece zdrowotnej i HR mogą łączyć oba warianty w jednym projekcie.

Darmowy plan daje jedno stanowisko, jeden projekt i jednorazowe 15 minut próbnych. Plany dla zespołów znajdziesz na stronie z cennikiem.

FAQ

Czym jest szkolenie z awatarem AI?

To ćwiczenie rozmów z personą AI, którą widzisz i słyszysz w czasie rzeczywistym. Uczestnik mówi, awatar odpowiada i reaguje, a rozmowa jest potem oceniana. Różni się od generatorów wideo z awatarem, które tworzą filmy z prezenterem do e-learningu i nie odpowiadają.

Czy symulacja wideo jest lepsza od symulacji głosowej?

Nie w ogólności. Wideo dodaje wartość, gdy prawdziwa praca odbywa się twarzą w twarz, na przykład w handlu detalicznym, konsultacjach z pacjentami, rozmowach HR i hotelarstwie. W rolach telefonicznych ćwiczenie głosowe odpowiada pracy i lepiej uczy słuchania.

Czy awatar sprawia, że symulacja z AI jest bardziej realistyczna?

Dodaje poczucie bycia obserwowanym i coś do odczytania w wyrazie twarzy persony. Badania nad obecnością społeczną od czasu Shorta, Williams i Christiego z 1976 roku sugerują, że bogatsze media bardziej przypominają bycie z drugą osobą, a późniejsze prace Biokki i współpracowników pokazują, że reagujący partner tworzy już dużą część tej obecności, z twarzą lub bez.

Ile kosztuje szkolenie z awatarem AI w porównaniu z głosem?

Generowanie wideo nakłada się na mowę, więc minuta wideo kosztuje więcej niż minuta głosu i wymaga większej przepustowości. Większość zespołów domyślnie ćwiczy głosem, a awatara używa do ostatniej próby przed rozmowami twarzą w twarz.