ความต่างระหว่าง Voice AI รุ่นก่อนกับ Gemini Flash Live
Voice AI รุ่นก่อนทำงานแบบ turn-based: คุณพูด → หยุด → AI ประมวลผล → AI ตอบ
มีความล่าช้า 1-3 วินาทีในแต่ละ turn ซึ่งฟังดูไม่เป็นธรรมชาติ เหมือนคุยผ่าน walkie-talkie
Gemini Flash Live เปลี่ยนแนวทาง — ออกแบบมาเป็น streaming ตั้งแต่ต้น
AI ฟังไปพร้อมกับที่คุณพูด เริ่มประมวลผลได้ก่อนที่คุณจะหยุดพูด และตอบกลับได้ทันทีที่มีคำตอบ
ผลคือ latency รวมอยู่ที่ต่ำกว่า 500ms — ใกล้เคียงกับการสนทนาจริงระหว่างคนสองคน
ทดสอบจริงเป็นอย่างไร
ตาม developer reports ที่แชร์ใน Google AI community:
จุดเด่น
- Interruption handling — ถ้าคุณพูดแทรกขณะ AI กำลังตอบ AI หยุดและฟัง (เหมือนการสนทนาจริง)
- Context retention — จำเนื้อหาบทสนทนาได้ยาวกว่า 10 นาทีโดยไม่หลุด context
- Multilingual switching — สลับระหว่างภาษาได้กลางประโยค
ข้อจำกัด
- ยังอยู่ใน preview — stability ยังไม่ 100%
- ราคา API ยังไม่ประกาศชัดเจนสำหรับ production use
- ไม่รองรับ noisy environment ได้ดีเท่า voice-specific solutions
ผลกระทบต่อ Call Center ในไทย
Call Center เป็นอุตสาหกรรมที่มีพนักงานจำนวนมากในไทย และนี่คือสิ่งที่กำลังเปลี่ยน
ตัวเลขที่ต้องคิด
ค่าใช้จ่ายพนักงาน Call Center ในไทยโดยเฉลี่ยอยู่ที่ประมาณ 15,000-25,000 บาท/เดือน รวม overhead แล้วอาจสูงถึง 35,000 บาท ต่อ seat ต่อเดือน AI voice ที่รองรับ 1,000 concurrent calls ราคาอาจอยู่ที่หลักหมื่นบาทต่อเดือน — เทียบไม่ได้
สิ่งที่ AI voice จะทำแทนคนได้ดีในระยะสั้น:
- FAQ และ tier-1 support — คำถามที่ถามซ้ำทุกวัน
- Appointment booking — นัดหมาย ยืนยัน เปลี่ยนเวลา
- Order status — ติดตามสินค้า ตรวจสอบสถานะ
- Basic troubleshooting — step-by-step guided support
สิ่งที่ยังต้องใช้คนอยู่:
- Complaint handling ที่ซับซ้อน
- การเจรจา exception
- Empathy-critical situations (เช่น การแจ้งข่าวร้าย)
- การตัดสินใจที่ต้องใช้ judgment
วิธีที่ธุรกิจควรมองเรื่องนี้
อย่ามองว่า AI voice จะ "แทน" คนทั้งหมด มองว่ามันจะ "เพิ่มพลัง" ทีมได้อย่างไร
Model ที่น่าสนใจ:
AI รับสาย 100% → ประมวลผล intent → ถ้าเป็น simple query: handle อัตโนมัติ → ถ้าซับซ้อน: handoff ไปคนพร้อม context สรุป
พนักงานที่เหลือจะรับแต่ cases ที่ต้องการ human judgment — ซึ่งมักเป็น cases ที่มีมูลค่าสูงกว่า
เริ่มต้นทดสอบ Gemini Flash Live
สำหรับ developer: Gemini Flash Live มีใน Google AI Studio และเข้าถึงได้ผ่าน Gemini API
model: "gemini-2.0-flash-live-001"
สำหรับ non-developer: Google กำลังทำ demo ใน Google Meet และ Google Workspace ซึ่งน่าจะเห็นฟีเจอร์นี้ใน consumer product ปลายปี 2026
สรุป
Gemini Flash Live ไม่ใช่แค่ Voice AI อีกตัว มันคือ signal ว่า real-time conversational AI กำลังกลายเป็น commodity
เร็วๆ นี้ ทุกธุรกิจที่มีลูกค้าโทรมาจะถามตัวเองว่า "เราต้องการ human operator กี่คน และ AI จะจัดการส่วนไหนได้บ้าง"
คำตอบจะแตกต่างกันในแต่ละธุรกิจ แต่คำถามนั้นจะมาถึงทุกคน
ติดตาม DopeLab สำหรับข่าว AI ที่มีผลต่อธุรกิจไทย ที่ ink.dopelab.studio
