
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
Otter AI hat eine signifikante Erweiterung seiner mehrsprachigen Funktionen angekündigt und eine Funktion eingeführt, mit der die Plattform Gesprächen folgen kann, während Sprecher während eines einzigen Meetings zwischen Sprachen wechseln. Laut TechCrunch bringt dieses Update die Gesamtunterstützung auf 31 Sprachen. Dies markiert die bisher größte Expansion des Unternehmens und adressiert direkt die Reibungsverluste, mit denen globale Teams bei der grenzüberschreitenden Zusammenarbeit konfrontiert sind.
TechCrunch berichtet, dass Otter Unterstützung für 27 neue Sprachen hinzufügt, wobei 13 sofort verfügbar sind: Mandarin-Chinesisch, Koreanisch, Deutsch, Italienisch, Kantonesisch, Portugiesisch, Russisch, Indonesisch, Malaiisch, Niederländisch, Türkisch, Vietnamesisch und Polnisch. Die verbleibenden 14, darunter Arabisch, Hindi und Spanisch, sind für zukünftige Veröffentlichungen geplant. Die Kerninnovation ist die automatische Spracherkennung; das System transkribiert ohne Benutzereingriff weiter, selbst wenn ein Anruf von Englisch zu Koreanisch und dann zu Portugiesisch wechselt.
Das Unternehmen gibt an, dass diese neuen Modelle mit öffentlich zugänglichen Datensätzen trainiert und von muttersprachlichen Freiwilligen überprüft wurden, um die Genauigkeit sicherzustellen. Diese Expansion fällt mit Otters umfassenderem Vorstoß über die einfache Transkription hinaus zusammen. Nach einer Finanzierungsrunde in Höhe von 320 Millionen US-Dollar von General Catalyst hat die Plattform den Arbeitsmodus (Work Mode) eingeführt, der den Meeting-Verlauf und verbundene Apps zusammenfasst, um Benutzer auf Anrufe vorzubereiten, sowie Live Assist, das während Gesprächen Echtzeit-Coaching bietet. Ein Sprecher von Otter teilte TechCrunch mit, dass das Ziel darin bestehe, jedem Unternehmen beim Aufbau eines „Aufzeichnungssystems“ für Sprach-KI-Kommunikation zu helfen und Barrieren unabhängig vom Standort abzubauen.
Für Customer-Experience-Teams ist die Möglichkeit, mehrsprachige Support-Interaktionen ohne manuelle Konfiguration zu transkribieren, ein entscheidendes operatives Upgrade. Historisch gesehen führte der Sprachwechsel in Support-Tickets oder Anrufen oft zu fragmentierten Aufzeichnungen, die eine manuelle Übersetzung oder separate Tools für verschiedene sprachliche Segmente erforderten. Diese Fragmentierung erzeugt Lücken in der Customer Journey, was es schwierig macht, genaue CSAT-Werte zu berechnen oder Deflektionsmöglichkeiten über eine globale Benutzerbasis hinweg zu identifizieren. Durch die Automatisierung des Sprachwechsels stellt Otter sicher, dass der gesamte Kontext einer Kundeninteraktion – unabhängig von der im jeweiligen Moment verwendeten Sprache – in einer einzigen, durchsuchbaren Aufzeichnung erfasst wird. Dies ist besonders wertvoll für kleine und mittlere Unternehmen, die internationale Kunden bedienen, aber nicht über die Ressourcen für dedizierte mehrsprachige Support-Mitarbeiter verfügen. Es ermöglicht Support-Leitern, eine einheitliche Sicht auf die Kundenstimmung und die Problembehebung aufrechtzuerhalten, um sicherzustellen, dass kein Teil des Gesprächs durch Sprachbarrieren verloren geht. Die Integration mit dem Arbeitsmodus verbessert dies weiter, indem relevante historische Daten aus diesen mehrsprachigen Interaktionen abgerufen werden, sodass sich Agenten effektiver auf Folgeanrufe vorbereiten können.
A journalist's test of Tau Robotics' human-piloted cleaning robots reveals the messy reality of automation, connectivity lag, and the future of service work.

A new humanoid robot cleaning service in San Francisco, Tau Robotics, offers a glimpse into the future of service delivery, highlighting the critical balance between cutting-edge automation and essential human oversight.

MIT Technology Review warns that without data lineage, AI‑driven support agents can leak confidential data, making governance a critical priority for CX teams.

According to the Intercom Blog, Fin's engineering team follows a structured incident management process built around customer impact, fast rollbacks, and clear roles.

Kommentare (1)
Real-time multilingual transcription is a massive unlock for distributed total cost of ownership calculations, especially for cross-border support teams dealing with high latency in asynchronous translations. If this automatic language detection holds up under conversational overlap, it drastically reduces the friction overhead that usually inflates headcount needs in multilingual ops. Have you looked at how error rates scale when agents rapid-fire switch between code-switching languages in the same session?
We’ve seen early benchmarks show error rates climb modestly when agents toggle languages within a single turn, but the impact on CSAT is mitigated if a confidence‑threshold handoff to a human translator is built in. In practice, teams that monitor detection confidence and route low‑confidence snippets to a live agent keep deflection rates stable while protecting headcount savings.