ElevenLabs, yapay zekanın ses katmanını inşa ediyor, metni insan gibi seslenen konuşmaya çeviren modeller geliştiriyor. Çoğu insan bunu fark etmeden müşteri hizmetleriyle konuşurken karşılaşıyor. Örneğin Klarna, ABD'deki 35 milyon müşterisi için ilk hat telefon desteğini bu platform üzerinden yürütüyor. Deutsche Telekom, Cisco, Adobe ve giderek artan sayıda hükümet de aynı şekilde kullanıyor. ElevenLabs ayrıca sesli kitap, dublaj ve müzik için platformunu kullanan içerik üreticilerine de satış yapıyor.
ElevenLabs tek başına değil. Hatta giderek müşterileriyle de rekabet eder hale geliyor. Decagon, konuşma tabanlı yapay zeka platformu, ses ürününü ElevenLabs üzerinde eğitip şimdi onunla rekabet ediyor. Ancak yatırımcılar pek endişeli görünmüyor. Şirket, yıllık tekrarlayan gelirinin 600 milyon dolar olduğunu söylüyor ve dört yaşında olmasına rağmen destekçileri tarafından 22 milyar dolar değerlemeye sahip olduğu bildiriliyor.
Daha iyi anlamak için ElevenLabs kurucu ortağı ve CEO'su Mati Staniszewski ile Toronto'daki yerel girişimcilik konferansı Nrth'te görüştüm. Eskiden Elevate olarak biliniyordu. Kısa sürede geniş bir konuyu ele aldık; işletmelerin müşterilere yapay zekayla konuştuğunu söyleyip söylememesi gerektiği ve şirketin brüt marjlarını konuşup konuşamayacağı da dahil. Staniszewski detay vermeyeceğini söyledi ama pazar payını genişletmek için marjların daha da sıkışmasının sorun olmadığını açıkça belirtti.
Konuşmamız özetlendi ve hafifçe düzenlendi. Tam konuşmayı buradan inceleyebilirsiniz.
Geçen yıl TechCrunch Disrupt'te bize katıldınız ve ses modellerinin birkaç yıl içinde emtia haline geleceğini söylediniz. Bu öngörüyü şimdi nasıl değerlendiriyorsunuz?
Hala yapılacak çok iş var ve model düzeyinde elde edilebilecek kalite farkı hâlâ önemli. Daha uzun vadede bakarsak, muhtemelen üç-beş yıl sonra bu farklar küçülecek. Yapmak istediğimiz ve ilk yapan olmak istediğimiz şey, konuşma tabanlı yapay zekada Turing testini geçmek. Bunun için zekâya ihtiyacınız var ama duygusal zekâya da ihtiyacınız var. Karşı tarafın duygularını anlamalı, yavaşlamalı ya da sesini yükseltebilmelisiniz. Bu henüz yapılmadı.
İşin ne kadarı kurumsal?
Şu anda yıllık tekrarlayan gelirimiz 600 milyon dolar. Bunun yüzde 55'inden fazlası klasik kurumsal müşterilerden geliyor ve kalan yüzde 45'in büyük bir bölümü küçük ve orta ölçekli işletmeler, geliştiriciler, üreticiler ve kurucular.
Yapay zekadaki herkes gibi siz de giderek müşterilerinizle rekabet ediyorsunuz. Decagon ses ürününü sizde eğitti ve şimdi kendi modelleri üzerinden sorguları çalıştırıyor.
Çizgiler giderek bulanıklaşıyor. Model şirketleri, platform şirketleri, uygulama şirketleri diye düşündüğümüzde geçmişte birinin nerede başladığı ve bittiği çok netti. Bugün bu çizgi çok daha bulanık. Anthropic örneğinde, bir model şirketi olan kurum kesinlikle bir platforma dönüştü ve giderek geniş bir uygulama yelpazesine sahip oldu. Bunun devam edeceğini düşünüyorum.
Müşterileriniz ElevenLabs'ta "akıl yürütme katmanı"nı seçenekler menüsünden seçebiliyor. Sınır laboratuvarı modelleri ile açık ağırlıklı modellerin kullanımına dair ne görüyorsunuz?
Bu ikili bir seçim değil. Müşteri deneyiminde, aradığınız şey sadece bilgilendirme ise ve hiçbir işlem yapmıyorsanız, iyi bir deneyimin ne olduğunu bilgi tabanınız tanımladığı için açık kaynak modellerin çoğunu kullanabilirsiniz. Ancak finansal hizmetlerde kimlik doğrulaması istiyorsunuz, bir işlem hakkında bilgi istiyorsunuz, belki bir iade. Hata payı yok. Burada sınır modelleri hâlâ önde olacak.
Bazı açık ağırlıklı modeller Çin menşeli. ABD hükümeti bir müşteri. Avrupa hükümetleri müşteri. Bu sohbetler nasıl geçiyor?
Farklı. Her dağıtımda konuşlandırdığımız modeller ve sesler duruma bağlı olacak. Polonya hükümeti ya da Brezilya hükümetiyle çalışıyorsak, onların kendi gereksinim setleri var. Açık ağırlıklı bir model, kapalı kaynaklı bir model, kendi ince ayarlı modelleri olabilir. Polonya'da sağlıkla ilgili bir uygulama var. Hastalar kamu sağlık sistemi üzerinden randevu alıyor ve yüzde 18'i hiç gelmiyor. Dağıtım, hatırlatma için arayan ajanlar. Kendi bilgi tabanları üzerinde optimize edilmiş bir model setleri vardı ve biz veri yerelliğini koruyarak entegre ettik.
İşletmelerin biriyle insan yerine bir ajanla konuştuğunu açıklaması gerekir mi?
Bu aşamada açıklama olmalı diye düşünüyorum. Şu anda insanlar buna alışık değil ve yaygın örüntü, o aramada aldatılmış hissetmemek istemeniz. Ama beş yıl sonra herkes kendi adına çalışan bir ajana sahip olduğunda, arayıp bir ajan bekleyeceksiniz. O zaman toplum olarak kayacağız. Bunu yapmanın iyi yolları var — insan için 30 dakika bekleme varsa, müşteriye seçim sunun. Neredeyse tüm durumlarda ajan seçiyorlar ve deneyimin ne kadar iyi olduğuna şaşırıyorlar.
Modeller ve çıkarım için ödediğiniz tutar göz önüne alındığında brüt marjlarınız nedir?
Belirsiz bir yanıt vereceğim. Araştırma unsurumuz olduğu için modelleri son derece akıllı şekillerde ince ayarlayıp kısıtlayabiliyoruz. Ancak müşteriye aktarabileceğimiz bir tasarruf varsa bunu yapıyoruz. En büyük şey hâlâ değeri kanıtlamak ve müşteriyle birlikte olmak. Dolayısıyla değeri kanıtlamak için yatırım yapabiliyorsak, önümüzdeki beş yıl içinde değer yaratılırken marjların düşmesinin sorun olmadığını düşünüyoruz.
Milyonlarca saatlik müşteri hizmetleri görüşmeniz var. Bunlar üzerinde eğitim yapıyor musunuz? Eğitim verilerinizin ne kadarı sentetik?
Bazı şirketlerde modelleri birlikte oluşturduk. Kullanım durumları için özel bir model istediler. Aksi halde eğitimde asıl olan veri hacminden çok verinin etiketlenmesiydi. Konuşulanların ne olduğu, insanların ne zaman konuştuğu, nasıl konuştuğu, hangi duyguların kullanıldığı gibi konularda bize yardımcı olmak üzere sözleşmeli bazda binlerce insanımız var. Aksanları doğru tespit edebilmek için ses koçlarını da dahil etmek zorunda kaldık.
2028 için halka arzı değerlendirdiğiniz bildirildi. Bunu doğrulayabilir misiniz?
Zamana meydan okuyacak bir şirket yaratmak isteriz. Bunu önümüzdeki yıllarda yapabilmek için temeli hazırlıyoruz. Ama bunu yapıp yapmayacağımız zamana ve yere bağlı olacak.
"Yıllar" çok belirsiz.
Kuliste: Sınır laboratuvarlarının yavaşlaması gerektiği konusunda nerede duruyorsunuz?
Herkes teknolojiyi konuşlandırırken doğru önlemleri bulmak için birlikte çalışmaya istekli. Bunun kamuoyuna açık olup olmayacağı ve medya tartışmasının ya da düzenlemenin ne kadarını içereceği başka bir konu. Ama evet, teknolojiyi konuşlandırırken hepimizin doğru önlemleri alması gerekiyor. Metin modellerini ve modellerin zekâ tarafını eğitmediğimizi, tartışmanın çekirdeği olan kısmın bu olduğunu belirtmek isterim.
ElevenLabs, Hugging Face'in yaşadığı gibi bir duruma maruz kalabilir mi?
Bir adım daha ilerideyiz, çünkü ajanların zekâsının kendi kendini çoğaltan ya da tekrarlayan kısımlarını konuşlandırmıyoruz. Teknolojimiz ajanların daha fazla ajan yaratmasına izin vermiyor. Her müşteri KYC'den geçiyor. Siber güvenlik riski geniş dünya için kesinlikle bir risk, ancak iyi bir önlem setimiz mevcut.
