Рыночный разрыв
Голосовой ИИ для клиентской поддержки — один из самых быстрорастущих сегментов технологического рынка. Однако создать продукт, который звучит естественно и отвечает без заметной задержки, оказывается принципиально сложнее на одних рынках, чем на других. Большинство крупных игроков изначально не проектировались с учётом специфики Африки и Ближнего Востока — и эта точка зрения разделяется как инвесторами, так и самими основателями AethexAI.
Уолтер Бадоо, сооснователь и управляющий партнёр 4DX Ventures (ведущего венчурного фонда, специализирующегося на Африке и развивающихся рынках), объясняет структурный характер проблемы: корпоративные клиенты в Африке и на Ближнем Востоке обрабатывают примерно втрое больший объём звонков по сравнению с западными аналогами, поскольку голос по-прежнему остаётся основным каналом взаимодействия с клиентами — там, где проникновение смартфонов и интернета ниже, а доверие к текстовым интерфейсам не сформировалось.
Действующие системы создавались под западные рынки: с развитой GPU-инфраструктурой, стандартным американским или британским английским и корпоративными рабочими процессами, характерными для США и Европы. Это порождает реальные операционные пробелы, когда компаниям нужны системы, способные работать с диалектами, переключением кодов (code-switching — явление, когда собеседник в ходе одного разговора переключается между двумя и более языками) и неформальными речевыми паттернами, а также совместимые с существующей телефонной инфраструктурой и местными ценовыми ориентирами.
Основатели и раунд
AethexAI основан в 2024 году Мариамой Диалло и Айоолувой Одемуивой. Диалло, занимающая должность CEO, работала в Goldman Sachs (один из крупнейших американских инвестиционных банков), а затем перешла в ModelML — поддержанный акселератором Y Combinator стартап в сфере платформ машинного обучения — в роли специалиста по продукту и росту. Одемуива, CTO компании, окончил Калтех (Калифорнийский технологический институт), работал инженером в Meta и поступил в бизнес-школу Стэнфорда, после чего вместе с Диалло основал AethexAI. Оба целенаправленно искали возможности именно на развивающихся рынках.
Pre-seed раунд на $3 млн возглавила 4DX Ventures. В числе соинвесторов — Enza Capital, Dorm Room Fund (студенческий венчурный фонд First Round Capital), Mojo Ventures и Stanford GSB 26 Fund. Среди частных инвесторов — преподаватели Стэнфорда, топ-менеджеры телекоммуникационных компаний и исследователи в области ИИ из Anthropic (американская компания, разрабатывающая языковые модели, в том числе серию Claude).
Одновременно с закрытием раунда компания запускает корпоративную платформу, позволяющую клиентам протестировать технологию и подключиться к сервису, а также предоставляет API и SDK для разработчиков, желающих встраивать голосовые возможности в собственные продукты.
Собственная архитектура
Ключевое техническое решение AethexAI — отказ от готовых инструментов оркестрации голосовых звонков, таких как Vapi и LiveKit, и разработка собственного стека. Компания создала серию языковых моделей Kora с параметрами от 300 млн до 1,7 млрд — это на порядки меньше, чем у современных frontier-моделей таких компаний, как OpenAI или Google, однако именно компактный размер является целевым параметром, а не компромиссом.
Одемуива объяснил логику этого выбора в разговоре с TechCrunch: «Задержки и джиттер (нестабильность задержки сигнала, из-за которой речь звучит прерывисто) в автоматизированных звонках в этом регионе были неприемлемыми. Если бы мы пошли по пути использования готовых оркестраторов, нам пришлось бы подключаться к крупным моделям, размещённым за пределами региона, что давало бы ещё большую задержку. Мы поняли: чтобы система работала, нужны очень небольшие модели и сокращение задержки на каждом шаге пайплайна».
Слой оркестрации — не только модели, но и управление очерёдностью реплик, обработка пауз и переключения кодов — также разработан внутри компании и настроен под локальные диалекты английского, французского и арабского языков. Готовые решения, по оценке основателей, просто не могут обеспечить нужное качество в условиях реальных африканских сетей.
Данные и инфраструктура
Обучение компактных специализированных моделей требует узкорелевантных данных — и именно здесь AethexAI выстроил нетривиальную цепочку сбора. Стартап использовал анонимизированные записи звонков, предоставленные партнёрским колл-центром, а для охвата более широкого диалектного разнообразия — отправил жёсткие диски на радиостанции по всей Африке для записи аудиоматериала.
Чтобы сдержать затраты на разметку, компания создала сеть студентов-аннотаторов из университетов: они размечают аудиозаписи и произносят местные имена и топонимы, которые стандартные TTS-системы (text-to-speech, синтез речи) обычно воспроизводят с ошибками. По заявлению компании, сейчас она обрабатывает более 17 000 звонков в сутки.
На операционном уровне AethexAI нанимает инженеров на контрактной основе для обслуживания локальных рынков и выстраивает партнёрства с телекоммуникационными провайдерами, чтобы обеспечить телефонную инфраструктуру для голосовых ИИ-звонков. Это важный момент: во многих африканских странах PSTN (публичная телефонная сеть) и VoIP-инфраструктура существенно отличаются от западных стандартов, что делает интеграцию нетривиальной задачей.
Клиентская стратегия
Запрос на автоматизацию звонков в регионе существует — но вместе с ним существует и история неудачных внедрений. Основатели приводят в пример египетский колл-центр, который автоматизировал значительную долю звонков с помощью стороннего решения, а затем откатил систему из-за неудовлетворительных результатов. Ряд африканских центров обработки вызовов сообщали им, что поиск и наём инженеров для автоматизации по приемлемой цене остаётся постоянной проблемой.
В ответ на это AethexAI выстраивает плотное сопровождение клиентов, незнакомых с голосовым ИИ: демонстрации на месте, воркшопы и помощь в выборе наиболее подходящих сценариев автоматизации. «Мы всегда говорим клиентам, что прямо сейчас не можем быть решением для всех и каждого. Мы небольшая компания. Начиная переговоры, мы просим выбрать один наиболее важный для них сценарий использования», — говорит Диалло.
Сейчас значительная часть реализованных сценариев связана со звонками по взысканию задолженностей, активации клиентов и процедурами KYC (Know Your Customer — стандартная процедура верификации личности, обязательная для банков и телекоммуникационных компаний). Стартап декларирует готовность работать в любых отраслях, однако пока намеренно концентрируется на сценариях с предсказуемым диалоговым сценарием и чётко измеримым результатом.
Более широкая ставка компании состоит в следующем: пока такие игроки, как ElevenLabs, Deepgram, Sierra и Cognigy, стремительно расширяются на глобальные рынки, рынки, под которые они создавались, и рынки, на которые они выходят, — далеко не всегда одно и то же. AethexAI рассчитывает, что специализированные модели под местные диалекты, физическое присутствие в регионе и инфраструктура, соответствующая реальным условиям, — это рыночная ниша, которую крупные игроки не имеют ни экономического стимула, ни архитектурных возможностей закрыть самостоятельно.
