व्हॉईस एआयच्या नेक्स्ट वेव्हसाठी टेलिकॉम इन्फ्रास्ट्रक्चरची पुनर्बांधणी का महत्त्वाची आहे

Inc42 AI समिट 2026 मध्ये 'हाऊ कंपनीज आर युजिंग व्हॉईस AI टू रिच द नेक्स्ट 500 मिलियन युजर्स' या पॅनेल डिस्कशन दरम्यान व्हॉईस एआयच्या पायाभूत सुविधांमधील अडथळे केंद्रस्थानी आहेत.

मूलभूत AI मॉडेल्स आणि स्पीच-टू-टेक्स्ट तंत्रज्ञानाचा वेगाने विस्तार होत असताना, अंतर्निहित दूरसंचार पायाभूत सुविधा मोठ्या प्रमाणावर स्वयंचलित व्हॉइस इंटेलिजन्सला समर्थन देण्यासाठी अयोग्य राहते.

पॅनेलच्या सदस्यांनी असा निष्कर्ष काढला की विजेते अशा कंपन्या असतील ज्या वास्तविक-जगातील वातावरणात मानव-ते-एआय परस्परसंवादांना समर्थन देण्यास सक्षम, विश्वासार्ह, स्केलेबल पायाभूत सुविधा तयार करू शकतील.

भारताच्या डिजिटल इकोसिस्टममध्ये मोठ्या प्रमाणात बदल होत आहेत कारण एंटरप्रायझेस मजकूर-हेवी ॲप्सपासून संभाषणात्मक व्हॉइस इंटरफेसकडे जातात. या संक्रमणामागील व्यावसायिक संधी लक्षणीय आहे. उद्योगाच्या अंदाजानुसार, भारतीय व्हॉइस एआय मार्केट 2030 पर्यंत $1.8 अब्जपर्यंत पोहोचण्याचा अंदाज आहे.

तथापि, पुढील 500 Mn गैर-इंग्रजी-भाषिक इंटरनेट वापरकर्त्यांसाठी व्हॉइस-सक्षम उत्पादने तयार करण्यासाठी व्यवसायांची शर्यत सुरू असताना, ते सहसा दुर्लक्षित केलेल्या ऑपरेशनल आव्हानाचा सामना करत आहेत. मूलभूत AI मॉडेल्स आणि स्पीच-टू-टेक्स्ट तंत्रज्ञान वेगाने विस्तारत असताना, अंतर्निहित दूरसंचार पायाभूत सुविधा स्वयंचलित व्हॉइस इंटेलिजन्सला मोठ्या प्रमाणावर समर्थन देण्यासाठी अयोग्य राहिली आहेत.

या पायाभूत सुविधांच्या अडथळ्यांनी शीर्षक असलेल्या पॅनेल चर्चेदरम्यान केंद्रस्थानी घेतले 'पुढील 500 दशलक्ष वापरकर्त्यांपर्यंत पोहोचण्यासाठी कंपन्या व्हॉईस एआयचा वापर कसा करत आहेत Inc42 AI समिट 2026.

Inc42 वरिष्ठ संपादक निखिल सुब्रमण्यम यांनी संचालन केले, या सत्रात बोलनाचे संस्थापक मैत्रेय वाघ उपस्थित होते. Vobiz.ai सहसंस्थापक आणि सीईओ सुमन गंधम आणि कॅशफ्री पेमेंट्सचे SVP आणि उत्पादन प्रमुख नितीन पुलयानी. पॅनेलच्या सदस्यांनी वास्तविक-जागतिक वातावरणात व्हॉईस एआय सिस्टम तैनात आणि स्केल करण्यासाठी काय आवश्यक आहे यावर चर्चा केली.

कालबाह्य टेलिफोनी पाइपलाइनची पुनर्बांधणी

उद्योगाचे सध्याचे आव्हान हे आहे की प्रगत, रिअल-टाइम एआय प्रणालींना एका दशकापूर्वी तयार केलेल्या दूरसंचार राउटिंग सिस्टमवर कार्य करण्यास भाग पाडले जात आहे. बोलना सारखे ऑर्केस्ट्रेशन प्लॅटफॉर्म बहुभाषिक मॉडेल्सना मानवासारखा आवाज देण्यासाठी अखंडपणे साखळी करू शकतात, परंतु अंतिम अंमलबजावणी फोनवर वारंवार खंडित होते.

लेगसी दूरसंचार प्रणालींना उच्च विलंबता, मर्यादित 8 kHz सॅम्पलिंग दर, स्वयंचलित आवाज रद्दीकरणाचा अभाव आणि कठोर कॉल नियंत्रणे यांचा त्रास होतो, ज्यामुळे ते AI-शक्तीच्या व्हॉईस ऍप्लिकेशन्सच्या मोठ्या प्रमाणात मागणी पूर्ण करण्यासाठी सुसज्ज बनतात.

Vobiz.ai च्या Gandham ने हे अंतर अधोरेखित केले आणि असा युक्तिवाद केला की मानव-ते-मानवी संप्रेषणासाठी तयार केलेल्या पायाभूत सुविधा स्वायत्त आवाज एजंटना पुरेसे समर्थन देऊ शकत नाहीत.

“एआय मॉडेल्स दररोज बदलतात, परंतु टेल्को स्तर अजूनही मानवी-ते-मानवी कॉलसाठी बनवलेल्या जुन्या पायाभूत सुविधांवर बसलेला आहे. लीगेसी खेळाडू AI व्हॉईससाठी स्वत: ला रीट्रोफिटिंग करत आहेत, परंतु ते ग्राउंड-अप तयार करत नाहीत. तुम्हाला सखोल कॉल नियंत्रणे, कमी लेटन्सी आणि स्ट्रक्चरल प्रेस नॉइज हाताळण्यासाठी एआय-फर्स्ट टेल्को इन्फ्रा लेयरची आवश्यकता आहे.

ही पायाभूत तयारी व्यावसायिक यश निश्चित करते, विशेषत: फिनटेक सारख्या अत्यंत नियंत्रित क्षेत्रांसाठी. कॅशफ्री पेमेंट्स सारख्या कंपन्या अवजड व्यापारी ऑनबोर्डिंग पेपरवर्क बदलण्यासाठी आणि फसवणूक सत्यापन कॉल स्वयंचलित करण्यासाठी व्हॉईस एजंट तैनात करण्याची महत्त्वपूर्ण क्षमता पाहतात.

तथापि, जर अंतर्निहित पायाभूत सुविधा ट्रॅफिक वाढ हाताळण्यासाठी धडपडत असतील तर व्हॉइस ऍप्लिकेशन्स स्केल करू शकत नाहीत. वाढीचा वेग आधीच स्पष्ट आहे. Vobiz.ai ने त्याच्या सुरुवातीच्या महिन्यांतील कॉल व्हॉल्यूम 1 लाख वरून आज 10 लाख दररोज कॉल केले आहे.

पॅनेलच्या सदस्यांनी असा युक्तिवाद केला की व्हॉईस एआय दत्तक घेण्याच्या पुढील लाटेसाठी भाषा मॉडेल्समध्ये प्रगती करण्यापेक्षा अधिक आवश्यक असेल. एंटरप्रायझेस संभाषणात्मक इंटरफेसद्वारे लाखो नवीन भारतीय इंटरनेट वापरकर्त्यांना सेवा देण्याचा प्रयत्न करीत असल्याने, लवचिक, कमी-विलंब टेलिफोनी पायाभूत सुविधा अनुप्रयोगांना शक्ती देणारी बुद्धिमत्ता तितकीच गंभीर असेल.

शेवटी, विजेते अशा कंपन्या असतील ज्या वास्तविक-जगाच्या वातावरणात मानव-ते-एआय परस्परसंवादांना समर्थन देण्यास सक्षम, विश्वासार्ह, स्केलेबल पायाभूत सुविधा तयार करू शकतात.