【專訪】Staniszewski：三到五年後，預設對方是 AI
Bloomberg Tech London 開場，主持人先念出 ElevenLabs 的數字：年化營收從 2022 年約 600 萬美元長到 6 億美元，估值 220 億美元。共同創辦人兼執行長 Mati Staniszewski 補充，團隊一年內從 300 人擴到上千人。這家公司做的是像真人一樣的 AI 聲音。主持人於是問他：防護到位後，深偽聲音會更嚴重，還是不再是問題？
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
Staniszewski 說，三到五年後，你會先假設對方是 AI，除非證明是人。可是今天的 AI 客服明明還聽得出來，有必要這麼早改變習慣嗎？他的答案落在兩件事：聲音逼真的速度，以及一套分層驗證的設想。他也預言對話版圖靈測試一年內全面過關，並坦承模型差距會縮小，勝負要看產品與部署。
◎從預設是人，翻成預設是 AI
主持人問的是深偽聲音。Staniszewski 沒有回答會變好或變壞，而是把未來切成兩個階段。他說現在是過渡期。三到五年後，跟 AI 對話會變成人人預期的事，那時整個習慣會翻過來。今天我們預設電話那頭是人，除非證明是 AI。以後會反過來，預設是 AI，除非證明是人。
他的理由一層接一層。第一層，裝置上會有編碼和解碼，替真人做身分驗證。第二層，經過驗證的 AI 也認得出來，你的個人代理就是你的，不會被冒充。其餘沒驗證的，一律當成 AI。他說這件事重要，是因為「voice is such a core part of identity」（聲音是身分非常核心的一部分）。
他拿公司的做法和一個例子說明。ElevenLabs 替所有對話加上浮水印，能追出內容在哪裡，由誰產生。英國一家慈善機構跟他們合作，遇到已被標記的詐騙來電，就派語音代理接聽，任務是浪費對方時間。他說最長一通拖了超過 50 分鐘，全程錄下公開給大家看。
他也承認，轉換快慢要看各地公部門和產業的成熟度。英國這邊，ElevenLabs 已和政府簽了合作備忘錄，建立安全框架。他擔心的是沒有這些防護的開源模型，以及發展較慢的國家。至於過渡期這幾年，一般人接到電話該怎麼分辨，他沒有給答案。
◎半年到一年，聽不出對方是 AI
預設要翻轉，前提是 AI 的聲音真的分不出來。主持人問他，對話版圖靈測試，也就是讓人聽不出是在跟機器講話，算不算已經做到。他說客服做到了，因為對話模式大致可以預期。業務電話難得多，要能被自然打斷，還要分辨對方是在講話，還是只是背景雜音。他預言六到十二個月內，各種場景都會過關。
◎模型會趨同，勝負在上線那一段
聲音以假亂真之後，模型本身也越來越難拉開差距。主持人提到美國一家做開源，便宜語音 AI 的公司，問他怕不怕被比價比成大宗商品。他承認各家模型能力會越來越接近。他說從做出模型到實際上線，是完全不同的難題，要建知識庫，要串客戶管理和電話系統。客戶一開始就能用上數千個現成的模擬測試和防護規則。
所以，今天聽得出來，不代表三到五年後還聽得出來。Staniszewski 的意思是，社會要換一個預設：先當成 AI，再等對方證明自己是人。接下來值得留意兩件事：ElevenLabs 和英國政府的合作備忘錄怎麼落地，以及他說要在明年或 2028 年前，照上市公司的標準經營公司。
主持人列出 6 億美元營收與 220 億美元估值，他說團隊一年內從 300 人擴到超過 1,000 人。
說明年化營收 6 億美元多數來自企業客戶，並用不是每件事都需要法拉利，比喻依對話難度切換不同模型。
舉 Trainline 為例，改簽與取消的處理速度比過去快超過五倍，並提到 Revolut 的應用程式內客服。
說客服場景已通過對話版圖靈測試，業務對話較難，預言六到十二個月內各場景都會通過。
英國慈善機構用語音代理接聽詐騙來電，浪費對方時間，最長一通超過 50 分鐘。
預言三到五年內預設會翻轉成先假設對方是 AI，並提到與英國政府簽署合作備忘錄。
回應被大宗商品化的疑問，說明模型，產品，生態系與部署的組合，並提到自己曾在 Palantir 擔任前線部署工程師。
說年支出逾 10 萬美元的客戶有一半是財星五百大企業，但支出平均不到這些公司上季開支的 0.1%。
看完今天的，讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
已出刊 160 期 ・ 隨時可退訂
