Kan en AI-telefonassistent forstå dansk og dialekter?

Ja, en moderne AI-telefonassistent kan forstå dansk tale og føre en almindelig samtale, også med jysk, fynsk eller en let accent. Det, der udfordrer den, er det samme, der udfordrer et menneske i røret: kraftig dialekt, mumlen, dårlig linje og baggrundsstøj. Forskellen ligger ikke i, om der opstår tvivl (det gør der altid) men i, hvordan assistenten håndterer tvivlen. En god assistent gætter ikke; den beder om at få det gentaget, eller den sender opkaldet videre til et menneske. Det er den ærlige udgave af svaret, og resten af artiklen forklarer, hvorfor det forholder sig sådan.

Spørgsmålet er relevant, fordi dansk er et af de sværere sprog for taleteknologi. Vi taler indbyrdes med stød, bløde konsonanter og lange sammensatte ord, og oveni det har vi et rigt landskab af dialekter på et lille areal. Hvis du driver en virksomhed og overvejer at lade en AI tage telefonen, er det rimeligt at spørge, om den overhovedet kan følge med, når kunden ringer fra Vestjylland med motorstøj i baggrunden. Lad os tage det systematisk.

Kan en AI forstå dansk tale, og hvorfor er dansk svært?

Ja, en AI kan forstå dansk tale, men dansk stiller nogle særlige krav, som er værd at kende. Måden, en AI “hører” på, er, at den omdanner lyd til tekst (det kaldes tale-til-tekst) og derfra forstår meningen. Kvaliteten af det første skridt afgør resten: hvis lyden bliver omsat til den forkerte tekst, forstår assistenten det forkerte. Og netop dér er dansk mere krævende end for eksempel engelsk.

Der er flere grunde til, at dansk er svært for taleteknologi:

• Stødet. Dansk bruger stød (et lille glottalt stop) til at skelne ord, der ellers ser ens ud. Det er en subtil lydforskel, som ikke findes i mange andre sprog, og den kan være svær at fange præcist.
• Bløde konsonanter. Vores bløde d, g og r gør, at ord ofte glider sammen. “Rødgrød” er det klassiske eksempel, men fænomenet gennemsyrer hverdagstalen. Grænserne mellem lyde er mindre skarpe end i mange andre sprog.
• Sammensatte ord. Dansk bygger lange sammensatte ord (“arbejdsskadeforsikring”, “tandlægeklinik”, “åbningstider”) som skal genkendes som én enhed. Det kræver, at systemet forstår sammenhængen og ikke bare hører løsrevne stavelser.
• Reduceret udtale. I daglig tale sluger vi endelser og tryksvage stavelser. Vi siger sjældent hvert bogstav, og det, der står på skrift, er ikke det, der lyder i røret.

Det gode ved moderne taleteknologi er, at den ikke længere prøver at genkende ét ord ad gangen isoleret. Den arbejder med hele sætningen og bruger sammenhængen til at afgøre, hvad der giver mening. Hvis lyden er tvetydig, men konteksten er en tandlægeklinik, vælger systemet det ord, der passer til den samtale. Det er den samme mekanisme, et menneske bruger: du hører ikke hvert bogstav, du udfylder hullerne ud fra, hvad der giver mening. Derfor kan en veltrænet assistent klare almindelig dansk telefontale godt, også når udtalen er afslappet.

En vigtig pointe: assistenten bliver markant bedre, når den er sat op til din konkrete virksomhed. Kender den dine ydelser, dine produktnavne og de ord, dine kunder faktisk bruger, så har den et forventningsrum at fortolke lyden inden for. En generisk assistent, der ikke ved, om den taler med en frisør eller et VVS-firma, står svagere end en, der er indrettet til netop din branche. Vi går i dybden med, hvad en assistent kan og ikke kan, i vores gennemgang af hvad en AI-telefonassistent egentlig er.

Kan en AI forstå danske dialekter som jysk, fynsk, sønderjysk og bornholmsk?

Ja, men her skal svaret nuanceres, for dialekt er en glidende skala, ikke et ja eller nej. En let regional farvning (den slags de fleste danskere taler med til daglig) håndterer en moderne assistent uden problemer. Jo kraftigere og mere klassisk dialekten er, jo mere udfordrende bliver det, og de bredeste udgaver af sønderjysk og bornholmsk ligger i den svære ende.

Grunden er ligetil: dialekter ændrer både udtale og ordforråd. En bred jysk udtale flytter vokaler og tryk i forhold til rigsdansk, fynsk har sin egen melodi, sønderjysk har lyde og ord, som ligger langt fra standardsproget, og bornholmsk har historisk tætte bånd til svensk med et ordforråd, mange danskere fra resten af landet ikke selv ville forstå uden videre. Jo længere en dialekt ligger fra den udtale, teknologien er stærkest på, jo større er risikoen for, at et ord bliver hørt forkert.

Det ærlige billede ser sådan ud i praksis:

• Regional accent (let jysk, let fynsk, let sjællandsk): forstås som regel fint. Det er hverdagsdansk med farve, og det er præcis dét, moderne systemer er stærkest på.
• Tydelig dialekt: forstås ofte, men med højere sandsynlighed for, at et enkelt ord skal gentages. Her betyder det meget, hvor rolig og tydelig taleren er.
• Bred, klassisk dialekt (bredt sønderjysk, ægte bornholmsk): her stiger risikoen for misforståelse mærkbart. Det er også den type dialekt, hvor et menneske fra en anden landsdel kan komme til kort.

Pointen er ikke, at dialekt gør en AI ubrugelig: pointen er, at en god assistent er bygget til at opdage, når den er i tvivl, i stedet for at plaske videre med et gæt. Når en samtale bevæger sig ind i svært terræn, er det rette svar at bede om en gentagelse eller at tilbyde at stille videre til et menneske. Vi vender tilbage til, hvordan det fungerer, længere nede.

Kan en AI forstå en accent hos ikke-modersmålstalende?

Ja, en AI kan sagtens forstå dansk talt med accent, og i mange tilfælde er den faktisk ret robust her, netop fordi accent typisk følger mere regelmæssige mønstre end bred lokal dialekt. En person, der har lært dansk som andetsprog, taler ofte tydeligt og lidt langsommere og former ordene mere fuldt ud, end en indfødt gør i afslappet tale. Det hjælper faktisk forståelsen.

Det, der kan udfordre, er, når accenten flytter tryk eller lyde markant, eller når enkelte ord udtales meget anderledes, end systemet forventer. Men her gælder samme mekanisme som før: sammenhængen bærer meget. Hvis en kunde med accent ringer til et autoværksted og siger noget, der lyder tæt på “syns-tid”, vælger en assistent, der kender branchen, den rimelige fortolkning (et ord om syn og tidsbestilling) frem for noget, der ikke giver mening i sammenhængen.

For rigtig mange danske virksomheder er dette en reel styrke frem for en svaghed. En stor del af kunderne (og af medarbejderne) taler dansk med accent, og en assistent, der tager imod alle med samme tålmodighed, uden at blive utålmodig eller kort for hovedet, giver en mere ensartet oplevelse end en travl medarbejder, der bliver afbrudt for tiende gang. Assistenten svarer ens hver gang, uanset hvem der ringer.

Hvad sker der ved dårlig linje, mumlen og baggrundsstøj?

Det korte svar: dårlig lyd gør det sværere (for både AI og mennesker) og en god assistent er bygget til at håndtere det ærligt frem for at skjule det. Baggrundsstøj, en knasende mobilforbindelse, tale med hånden foran munden eller flere personer, der snakker i munden på hinanden, er de klassiske situationer, hvor selv et menneske må sige “undskyld, hvad sagde du?”. En AI er ikke immun over for det.

Her er det værd at skille de forskellige problemer ad, fordi de virker forskelligt:

• Baggrundsstøj (trafik, maskiner, en café): støjen blander sig med stemmen og gør det sværere at isolere ordene. Moderne systemer filtrerer en del støj fra, men kraftig, konstant støj sætter en grænse.
• Dårlig linje: hvis forbindelsen hakker, forsvinder dele af lyden helt. Det, der aldrig når frem, kan hverken en AI eller et menneske genskabe. Her er den ærlige udvej at bede kunden gentage eller ringe op igen.
• Mumlen og utydelig tale: når ordene ikke formes tydeligt, mangler systemet det signal, det skal bruge. Det gælder også, hvis nogen taler meget hurtigt eller meget lavt.
• Flere talere samtidig: to stemmer på én gang er svært at adskille. Det er en af de situationer, hvor selv gode systemer med rimelighed må bede om, at én taler ad gangen.

Det afgørende er ikke at love, at teknologien fjerner disse problemer, det gør den ikke. Det afgørende er, hvordan assistenten reagerer, når lyden er dårlig. En dårligt bygget løsning gætter og svarer forkert med selvsikker stemme. En god løsning registrerer sin egen usikkerhed og gør noget ved den: beder om en gentagelse, stiller et opklarende spørgsmål, eller tager en besked, så et menneske kan følge op. Fejlfrihed findes ikke, hverken hos maskiner eller mennesker, men ærlig håndtering af usikkerhed kan man bygge ind.

Hvordan beder en AI om gentagelse i stedet for at gætte?

En god AI-telefonassistent er sat op til at behandle sin egen usikkerhed som et signal om at spørge, ikke som noget, den skal skjule med et gæt. Det er faktisk et af de vigtigste kvalitetstræk ved en velbygget assistent, og det er værd at forstå, fordi det er her, forskellen mellem en tryg og en utryg oplevelse ligger.

Når assistenten er i tvivl om, hvad der blev sagt, har den nogle naturlige måder at håndtere det på, præcis som en opmærksom medarbejder ville:

1. Den beder om en gentagelse. “Undskyld, jeg fangede ikke helt det sidste, vil du sige det igen?” Det er den enkleste og mest menneskelige reaktion, og de fleste kunder tager det roligt, fordi de kender det fra almindelige telefonsamtaler.
2. Den bekræfter ved at gentage tilbage. Hvis assistenten er nogenlunde sikker, men vil være helt tryg, læser den forståelsen op: “Så du vil gerne booke en tid på torsdag, er det rigtigt forstået?” Dermed fanges en misforståelse, før den bliver til en fejl.
3. Den stiller et afgrænsende spørgsmål. I stedet for at gætte kan den indsnævre: “Drejer det sig om en tidsbestilling eller om en eksisterende aftale?” Det gør det lettere for kunden at svare kort og tydeligt.
4. Den staver eller nummer-bekræfter det vigtige. Ved navne, adresser og telefonnumre (hvor en fejl gør ondt) kan den læse det tilbage ciffer for ciffer eller bogstav for bogstav.

Det, du vil undgå for enhver pris, er en assistent, der hellere gætter end indrømmer tvivl. Et forkert svar, leveret med sikker stemme, er værre end et ærligt “det er jeg ikke sikker på, lad mig få nogen til at ringe dig op”. Vores holdning hos jesperai er klar på det punkt: en assistent skal kunne sige, at den ikke forstod, og handle på det. Det er også temaet, når vi gennemgår hvad en AI-telefonassistent kan svare på: grænsen for, hvad den bør udtale sig om, går ved det, den faktisk ved.

Hvornår eskalerer AI’en til et menneske?

Assistenten eskalerer, når samtalen bevæger sig ud over det, den kan klare trygt, og en velbygget assistent gør det, før kunden bliver frustreret. Sprog- og lydvanskeligheder er en af de klareste anledninger til at give bolden videre. Hvis flere gentagelser ikke løser knuden, er det bedre at overdrage til et menneske end at blive ved med at bede om det samme.

Der er nogle tydelige situationer, hvor en overdragelse er det rigtige:

• Gentagen forståelsesvanskelighed. Hvis assistenten to-tre gange ikke kan fange, hvad kunden siger (på grund af bred dialekt, dårlig linje eller støj) er det respektfuldt at sige det og tilbyde, at en person ringer op eller overtager.
• Kunden beder om et menneske. Et direkte ønske skal respekteres med det samme.
• Sagen er følsom eller kritisk. En klage, en akut situation eller en oprevet kunde håndteres bedre af et menneske, hvor tonen betyder mere end effektiviteten.
• Spørgsmålet ligger uden for det kendte. Har assistenten ikke svaret, er det bedre at tage en besked end at gætte.

Selve overdragelsen kan ske på to måder. Enten stiller assistenten opkaldet direkte videre til en ledig person (gerne med en kort kontekst om, hvad det drejer sig om) eller også tager den en struktureret besked med navn, nummer og ærinde, så den rette kan ringe tilbage. Er ingen ledig, sikrer besked-varianten, at intet opkald går tabt. Det er hele pointen for de mange virksomheder, der i dag mister kunder, fordi telefonen ikke bliver taget. En dybere gennemgang af hele opsætningen (inklusive viderestilling og beskeder) finder du i vores komplette guide til AI-telefonassistent.

Hvad virker godt, og hvad er sværere? En ærlig oversigt

Det korte svar: rolig, tydelig tale på almindeligt dansk med en let regional farvning virker rigtig godt. Bred dialekt, mumlen og støj er sværere, og det er ærligt at sige det højt. Nedenstående oversigt viser mønsteret, uden at love mere, end der kan holdes.

Læg mærke til mønsteret i højre kolonne: uanset sværhedsgraden er den rette håndtering aldrig at gætte. Den er enten at forstå direkte, at bede om en gentagelse, eller at give bolden videre til et menneske. Det er dét, der adskiller en gennemtænkt assistent fra en, der bare siger noget for at holde samtalen kørende. En travl medarbejder kan blive utålmodig ved tiende gentagelse på en dag; en assistent tager den ellevte med samme rolige tålmodighed.

Det er også værd at huske, at et menneske ikke forstår 100 % hver gang. Vi beder hinanden om at gentage, vi hører forkert, vi tolker ud fra sammenhæng. Målestokken for en AI bør derfor ikke være uopnåelig perfektion, men om den er lige så ærlig og lige så god til at rydde op i sin egen usikkerhed, som en opmærksom medarbejder er. Det er en bar, en veldesignet assistent kan nå.

Hvad betyder databeskyttelse, når en AI lytter på dansk?

Når en AI tager imod opkald og forstår, hvad kunden siger, behandler den personoplysninger, navne, telefonnumre og nogle gange ærinder af privat karakter. Det er omfattet af databeskyttelsesreglerne på præcis samme måde, som hvis en medarbejder tog telefonen og skrev en besked ned. Sproget eller dialekten ændrer ikke på det: så snart der behandles personoplysninger, gælder reglerne.

Datatilsynet er den danske myndighed, der fører tilsyn med, at persondata behandles korrekt, og deres vejledninger er et fornuftigt sted at starte, hvis du vil sikre dig, at din opsætning holder. Det handler blandt andet om, at data behandles med et sagligt formål, opbevares forsvarligt og ikke bruges til noget, kunden ikke kunne forvente. En seriøs leverandør skal kunne redegøre tydeligt for, hvordan data håndteres, og hvor de opbevares.

Hvis din telefonassistent også indgår i salg, opfølgning eller markedsføring (for eksempel ved at ringe tilbage til kunder eller følge op på henvendelser) er der yderligere spilleregler at kende. Forbrugerombudsmanden har offentliggjort vejledning om god markedsføringsskik og forbrugerbeskyttelse, som er relevant læsning, hvis assistenten rører ved den del af kunderelationen. Kort sagt: teknologien skal leve op til de samme krav om ordentlighed, som gælder alt andet kundekontakt.

Hos jesperai er holdningen enkel: en AI-telefonassistent skal være ærlig om, hvad den er, den skal kunne sige “det ved jeg ikke: jeg sørger for, at nogen ringer dig op”, og den skal håndtere data ordentligt. En assistent, der bluffer sig igennem eller er sjusket med data, koster mere tillid, end den sparer i tid.

Hvordan finder du ud af, om den forstår dine kunder?

Det bedste (og mest ærlige) svar er at høre assistenten svare på dine egne kunders måde at tale på, ikke at læse endnu en beskrivelse. Der er stor forskel på at læse om, hvordan en AI håndterer dansk, og på at ringe og opleve den tage imod, forstå et ærinde og håndtere en gentagelse, mens du lytter med. Det er dér, det bliver konkret, om den passer til netop din virksomhed og dine kunder.

Det gælder især, hvis dine kunder taler med en bestemt dialekt eller accent, eller hvis der ofte er støj på linjen, for eksempel fordi de ringer fra en byggeplads, en bil eller en travl butik. Den slags kan ikke vurderes på skrift; det skal høres. Prøv den med de spørgsmål, dine kunder faktisk stiller, på den måde de faktisk taler, og læg mærke til, hvordan den håndterer det, den ikke fanger første gang. Det er dér, kvaliteten viser sig.

Ofte stillede spørgsmål

Book et gratis testopkald, og hør din AI telefonassistent svare