Vapi พลิกโฉมจากแอปจดบันทึกสู่แพลตฟอร์ม Voice API เพื่อสร้าง AI ผู้ช่วยเสียงอัจฉริยะ
ในโลกของแอปพลิเคชันเพิ่มประสิทธิภาพการทำงาน (Productivity Apps) การสร้างความแตกต่างเพื่อให้เติบโตได้อย่างยั่งยืนนั้นเป็นเรื่องท้าทาย Superpowered ซึ่งเป็นแอปจดบันทึกการประชุมด้วย AI ที่ได้รับการสนับสนุนจาก Y Combinator ได้เผชิญกับจุดเปลี่ยนสำคัญนี้ จนนำไปสู่การปรับทิศทางธุรกิจ (Pivot) ครั้งใหญ่ โดยเปลี่ยนตัวเองเป็น Vapi แพลตฟอร์มผู้ให้บริการ API (Application Programming Interface หรือช่องทางการเชื่อมต่อระหว่างซอฟต์แวร์) ที่ช่วยให้เหล่านักพัฒนาสามารถสร้าง AI ผู้ช่วยเสียงที่โต้ตอบได้อย่างเป็นธรรมชาติ
จุดเริ่มต้นและการเปลี่ยนแปลงจาก Superpowered สู่ Vapi
บริษัทนี้ก่อตั้งขึ้นในปี 2020 โดย Jordan Dearsley และ Nikhil Gupta แม้ว่าผลิตภัณฑ์เดิมอย่าง Superpowered จะประสบความสำเร็จในระดับหนึ่ง โดยมีผู้ใช้งานรายสัปดาห์มากกว่า 10,000 คน และสร้างกำไรได้จนบริษัทสามารถจ้างผู้บริหารมาดูแลต่อได้ แต่ทีมผู้ก่อตั้งต้องการเผชิญกับความท้าทายที่ยากขึ้นในการพัฒนาผลิตภัณฑ์
แรงบันดาลใจในการสร้าง Vapi เกิดจากประสบการณ์ส่วนตัวของ Dearsley ที่ย้ายไปอยู่ซานฟรานซิสโกและต้องห่างไกลจากครอบครัว เขาจึงลองสร้างบอท AI ที่เชื่อมกับเบอร์โทรศัพท์เพื่อใช้พูดคุยระบายความคิด แต่เขากลับพบว่า AI ในขณะนั้นทำงานได้ไม่เป็นธรรมชาติ ทั้งน้ำเสียงที่ดูแข็งทื่อ การตอบสนองที่ล่าช้า และการพูดแทรกในขณะที่มนุษย์ยังพูดไม่จบ สิ่งนี้กลายเป็นโจทย์สำคัญที่ทำให้ทีมงานมุ่งมั่นสร้างระบบสนทนาที่ให้ความรู้สึกเหมือนคุยกับมนุษย์จริงๆ
เจาะลึกการทำงานของ Vapi และโครงสร้างทางเทคนิค
Vapi ถูกออกแบบมาเพื่อให้เหล่านักพัฒนาสร้างบอทเสียงได้ง่ายๆ เพียงแค่ใช้การเขียนคำสั่ง (Prompts) และเชื่อมต่อกับหมายเลขโทรศัพท์ นอกจากนี้ยังมี SDK (Software Development Kit หรือชุดเครื่องมือสำหรับพัฒนาซอฟต์แวร์) เพื่อให้นำบอทไปติดตั้งบนเว็บไซต์หรือแอปพลิเคชันมือถือได้ทันที
ในด้านเทคนิค Vapi ทำหน้าที่เป็นตัวกลางในการเชื่อมต่อ API จากผู้ให้บริการชั้นนำหลายรายเพื่อให้ได้ระบบที่สมบูรณ์แบบ ดังนี้:
- Twilio: จัดการระบบโทรศัพท์ (Telephony)
- Deepgram: แปลงเสียงพูดเป็นข้อความ (Transcription)
- Daily: จัดการการสตรีมข้อมูลเสียง (Audio Streaming)
- OpenAI: ประมวลผลคำตอบและเนื้อหา (Responses)
- PlayHT: แปลงข้อความเป็นเสียงพูด (Text-to-Speech)
ปัจจุบันมีสตาร์ทอัพอย่าง ScaleConvo ที่นำ Vapi ไปใช้สร้างบอทสนทนาสำหรับทีมขายและบริษัทบริหารจัดการอสังหาริมทรัพย์แล้ว
| หัวข้อ | รายละเอียด |
|---|---|
| ผู้ก่อตั้ง | Jordan Dearsley และ Nikhil Gupta |
| เงินทุนระดมได้ | 2.1 ล้านดอลลาร์ (Seed Round) |
| นักลงทุนหลัก | Kleiner Perkins และ Abstract Ventures |
| เป้าหมายหลัก | ลดความหน่วง (Latency) ให้ต่ำกว่า 1 วินาที |
| รูปแบบบริการ | Vapi Phone และ Vapi Web API |
ความท้าทายและก้าวต่อไปในอนาคต
อุปสรรคที่ใหญ่ที่สุดของ Vapi คือ Latency หรือความหน่วงในการตอบสนอง ซึ่งในมาตรฐานการโทรศัพท์ที่ยอดเยี่ยม ระยะห่างระหว่างผู้ใช้พูดจบจนถึงบอทเริ่มพูดควรอยู่ที่ประมาณ 700 มิลลิวินาที แต่ปัจจุบัน Vapi ยังมีความหน่วงอยู่ที่ 1.2-2 วินาที เนื่องจากโมเดลของ OpenAI และโมเดล Open-source ขนาดใหญ่อย่าง LLaMA2 70B ต้องใช้เวลาประมวลผล
อย่างไรก็ตาม Dearsley เชื่อมั่นว่าจะสามารถลดความหน่วงให้เหลือต่ำกว่า 1 วินาทีได้ในเร็วๆ นี้ ผ่านการพัฒนาภายในและประสิทธิภาพที่เพิ่มขึ้นของ OpenAI ขณะที่ Mohamed Musbah นักลงทุน Angel Investor มองว่า Vapi จะแข็งแกร่งขึ้นตามการพัฒนาของโมเดล AI ที่มีฐานความรู้กว้างขึ้นและหน้าต่างบริบท (Context Window) ที่ใหญ่ขึ้น
แม้การพึ่งพา API ภายนอกอาจทำให้เกิดความเสี่ยงหากบริษัทเทคโนโลยียักษ์ใหญ่ลงมาเล่นในตลาดนี้ แต่ Vapi มั่นใจในโครงสร้างพื้นฐานที่สามารถรองรับการโทรพร้อมกันได้หลายพันสาย และมีแผนที่จะพัฒนาโมเดล Audio-to-Audio ของตนเองในอนาคตเพื่อสร้างความได้เปรียบทางการแข่งขัน
ข้อเท็จจริงสำคัญ
- การปรับตัว: เปลี่ยนจากแอปจดบันทึก Superpowered มาเป็นแพลตฟอร์ม Vapi เพื่อแก้ปัญหา AI เสียงที่ไม่เป็นธรรมชาติ
- เทคโนโลยี: ใช้การรวม API จาก Twilio, Deepgram, Daily, OpenAI และ PlayHT
- เป้าหมายทางเทคนิค: มุ่งลดความหน่วงในการตอบสนองให้ต่ำกว่า 1 วินาที เพื่อให้ใกล้เคียงกับการสนทนาของมนุษย์
- สถานะการเงิน: ระดมทุนได้ 2.1 ล้านดอลลาร์ และผลิตภัณฑ์เดิมยังคงทำกำไรได้
คำถามที่พบบ่อย
Vapi แตกต่างจาก Superpowered อย่างไร?
Superpowered คือแอปพลิเคชันจดบันทึกการประชุมด้วย AI ส่วน Vapi คือแพลตฟอร์ม API ที่ให้นักพัฒนานำไปสร้าง AI ผู้ช่วยเสียงสำหรับโทรศัพท์หรือเว็บไซต์ของตนเอง
Vapi ทำงานอย่างไรในเชิงเทคนิค?
Vapi ทำหน้าที่เป็นตัวเชื่อมต่อ (Orchestrator) ที่นำ API หลายตัวมาทำงานร่วมกัน ตั้งแต่การรับสาย การแปลงเสียงเป็นข้อความ การประมวลผลคำตอบ และการแปลงข้อความกลับเป็นเสียงพูด
ปัญหาเรื่องความหน่วง (Latency) คืออะไรและสำคัญอย่างไร?
คือระยะเวลาที่ AI ใช้ในการประมวลผลก่อนจะตอบกลับ ซึ่งหากนานเกินไปจะทำให้การสนทนาดูไม่เป็นธรรมชาติ Vapi กำลังพยายามลดระยะเวลานี้ให้ต่ำกว่า 1 วินาที
Vapi มีความเสี่ยงในการดำเนินธุรกิจอย่างไร?
ความเสี่ยงหลักคือการพึ่งพา API จากบริษัทอื่น ซึ่งอาจทำให้เสียเปรียบหากบริษัทเจ้าของโมเดล AI รายใหญ่พัฒนาเครื่องมือที่ทำหน้าที่เหมือน Vapi ขึ้นมาเอง
ใครสามารถใช้งาน Vapi ได้บ้าง?
ปัจจุบัน Vapi เปิดให้บริการ API สำหรับนักพัฒนาทั่วไปผ่านผลิตภัณฑ์ Vapi Phone และ Vapi Web เพื่อนำไปสร้างบอทสำหรับธุรกิจ เช่น ทีมขาย หรือการจัดการอสังหาริมทรัพย์