مقابلات
كريشنا راج راجا، الرئيس التنفيذي ومؤسس SupportLogic – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
كريشنا راج راجا، هو الرئيس التنفيذي ومؤسس SupportLogic، أول منصة إدارة تجربة الخدمة المستمرة (SX) في العالم التي تمكن الشركات من فهم وتحليل “صوت العملاء” في الوقت الفعلي لتحسين خدمة العملاء وبناء علاقات صحية ومربحة مع العملاء.
تصف نفسك بأنك “مبتدئ في العلوم”، ما الذي يجعلك متحمسًا للعالم العلمي؟
للscience هو كل شيء حول الفضول حول كيفية عمل العالم وما هي الأنماط الموجودة في العالم. لقد كنت أمتلك هذا الفضول منذ الطفولة، وقد امتد إلى حياتي المهنية. في SupportLogic، نحن نبحث عن الأنماط الموجودة في اللغة الطبيعية، و sửة تلك الأنماط للتنبؤ بأشياء وتقديم توصيات. هذا يشبه العلوم – يتنبأ بالأنماط، يقدم توصيات ويخبرك كيف يعمل العالم. الكثير مما تعلمته في حياتي هو تعلم ذاتي لأنها جاءت من فضولي الطبيعي، وليس من التعليم الرسمي.
بعد ذلك، حصلت على شهادة في الهندسة الكيميائية، ولكنك انتهيت بمتابعة فرص في علوم الحاسوب والتعلم الآلي. هل يمكنك مناقشة هذا التغيير في مسارك؟
كان أبي رجل أعمال ناجح (في معالجة الصلب) وأمل أن أكون يومًا ما أ继承 أعمال العائلة. الهندسة الكيميائية بدت وكأنها التدريب الصحيح للحصول عليه. لكن علوم الحاسوب كانت شغفي الجانبي منذ فترة طويلة. في الواقع، كان موضوع أطروحتي في الهندسة الكيميائية هو إنشاء برنامج برمجي لتصميم مفاعل كيميائي.
بعد أن أنهيت شهادة الهندسة الكيميائية، أصبح واضحًا أن علوم الحاسوب كانت شغفي الحقيقي. مهاراتي في علوم الحاسوب هي كلها تعلم ذاتي، وعندما انضممت إلى VMware، كان جميع زملائي يحملون شهادات الدكتوراه من الجامعات العريقة في علوم الحاسوب. كنت أقل شخص مؤهل في فريقي.
كنت موظفًا مبكرًا في VMware، حيث عملت في الدعم والخدمة كمهندس دعم منتج. ما هي بعض المجالات المحتملة للتحسين التي لاحظتها؟
كنت مهندس برمجيات تحول إلى مهندس دعم منتج. انضممت إلى VMware لأن تقنيتهم كانت مبهجة – كانوا يتعاملون مع أنظمة التشغيل وكان لي اهتمام خاص بهذا الموضوع. كنت أساعد مطورين أنظمة تشغيل آخرين على استخدام منتجات VMware يوميًا. بسبب خلفيتي، كنت أنظر إلى الأشياء من زاويتين مختلفتين: 1) كيف أجعل هذا العميل سعيدًا وأحل مشكلته؛ و 2) لماذا يوجد هذا المشكلة في البرمجيات، وكيف يمكن إصلاحها؟ كنت أنظر إلى جانب المنتج من جميع قضايا الدعم. واحدة من أولى الأشياء التي أدركتها هي أن فرق المنتج لا تعرف حقًا كيف سيتم نشر المنتج واستخدامه، لذلك لا يتنبأون بالكثير من الأشياء أثناء عملية التطوير. ومع ذلك، فإن فريق الدعم لديه فهم جيد لهذه القضايا ويمكن أن يقدم ملاحظات قيمة إلى فرق المنتج بالإضافة إلى إدارات أخرى في الشركة. المشكلة هي أن هذه الملاحظات عادة ما تفقد لأن فريق الدعم يركز على حل مشكلة العميل ثم يتحرك بسرعة إلى المشكلة التالية. هذه المعلومات الهامة لا تصل إلى حيث ينبغي.
يمكنك مشاركة بعض التفاصيل حول قصة SupportLogic؟
عندما بدأت SupportLogic، نظرت إلى مشهد السوق لصناعة الدعم ووجدت أن جميع الابتكارات في مجال الدعم تركز على تحويل الحالات. هذا يعني أن أفضل طريقة للتعامل مع قضايا الدعم هي تحويلها – بعيدًا عن مهندسي الدعم وعن العملاء. كان هذا في صراع مع ما رأيته كمهندس دعم منتج – كل互одействة مع العملاء كانت فرصة للتعلم عن العملاء وعن كيفية عمل المنتج وعدم عمله. لكنني فوجئت بوجود أدوات لا تحل هذه المشكلة (التعلم)، لذلك رأيت فرصة كبيرة هناك.
كما لاحظت أن الدعم غالبًا ما يتم التعامل معه كمركز تكلفة، وهو ما اعتبرته طريقة قصيرة الأمد للنظر إلى الأمور. عندما تنظر إلى الدعم كمركز ربح أو كالنظام العصبي المركزي للشركة، يمكنك حقًا تحويل المنظمة وجعلها حقًا مركزة على العملاء. هذا ما أدى بي إلى إنشاء SupportLogic.
ما هي بعض تقنيات التعلم الآلي المختلفة المستخدمة في SupportLogic؟
عندما بدأت الشركة، كنت غير متعلم في افتراضي أننا يمكن أن نستخدم واجهات برمجة التطبيقات العامة للتعلم الآلي. هناك العديد منها – من Amazon (AMZN ) و Microsoft و HPE – وجميعهم يقدمون واجهات برمجة التطبيقات للتعلم الآلي كخدمة. إلى صدمتي وإحباطي، لم تكن العديد من هذه نماذج التعلم الآلي تعمل مع نوع البيانات التي كنا نعمل معها (بيانات دعم العملاء). لكنني أدركت أن هذا كان فرصة وقلت، “لماذا لا نبنيها بأنفسنا؟” بدأنا ببناءها من الصفر باستخدام تقنيات التعلم الآلي الموجودة من مشاريع مفتوحة المصدر، مثل spaCy من جامعة ستانفورد و Google (GOOGL ) BERT، ثم أضفنا بعض “الصلصة السرية” الخاصة بنا فوق ذلك، باستخدام نهج نموذج المجموعة. كما قمنا بتعديم النموذج لكل عميل وبياناته الخاصة، بدلاً من استخدام فلسفة واحدة تتناسب مع الجميع.
يمكنك مناقشة كيف تمكن SupportLogic الشركات من التواصل بشكل أفضل مع العملاء باستخدام الإشارات الرئيسية؟
أحد الأشياء الرئيسية التي نفعله هو استخراج سياق العميل باستخدام معالجة اللغة الطبيعية. السياق مهم جدًا لأن السياق غالبًا ما يفقد في عملية التصنيف في أنظمة التذاكر. يمكنك فقط تصنيف كمية محدودة من المعلومات في تلك الأنظمة. نتميز في استخراج سياق العميل، مثل ماذا يزعجهم، ما印象هم عن منتجك أو دعمك، أو ماذا يحاولون القيام به مع منتجك. هناك العديد من الإشارات والسياق لاستخراجها. من خلال القيام بذلك في الوقت الفعلي وإنشاء سير عمل في منصتنا، نسمح للشركات بالعمل على إشارات العملاء وتحذيرهم من المشاكل قبل فوات الأوان – يعني أن العميل يصبح غاضبًا جدًا أو يغادر للأبد.
ما هي بعض القدرات الأخرى خلف برمجيات SupportLogic؟
مرة واحدة تبدأ باستخراج إشارات العميل من التفاعلات، تصبح تلك الإشارات قوية جدًا للتحليلات. لدينا وحدة تحليلات تخبرك بما يبدو “صوت العميل”، بناءً على جميع التفاعلات. ثم نتحرك خطوة أخرى ونستخدم البيانات لبدء التنبؤ. يمكننا التنبؤ بما سيحدث مع حساب معين (لعملاء). يمكننا أيضًا التنبؤ – بناءً على وضع العميل – من هو أفضل خبير موضوع في الشركة لمساعدة حل المشكلة، ثم مطابقة العميل مع ذلك الشخص الصحيح.
ونحن نستطيع النظر إلى المحادثات الواردة والصادرة لتوجيه وكلاء الخدمة حول ما يجب أن يفعلوه أكثر (أو أقل) في تفاعلاتهم اليومية مع العملاء. يصبح أداة تدريب رائعة لمساعدة وكلاء الخدمة على تطوير مهاراتهم الناعمة وتحسين أدائهم بشكل عام.
هل هناك شيء آخر تود مشاركته حول SupportLogic؟
أحد الاعتقادات الخاطئة الشائعة حول الذكاء الاصطناعي هو أنه استثمار كبير ومعقد للغاية، ولن ترى أي عائدات عليه لمدة سنة أو أكثر. في الواقع، تكنولوجيا الذكاء الاصطناعي والتعلم الآلي نضجت كثيرًا، ويمكنها العمل على بياناتك الحالية. ويمكنك رؤية النتائج في غضون أشهر، وليس سنوات. لذا، الآن هو الوقت المناسب للاستثمار في الذكاء الاصطناعي لأنك يمكنك رؤية نتائج مذهلة في أشهر يمكن أن تؤدي إلى منافع كبيرة لمنظمتك.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم المزيد يجب أن يزوروا SupportLogic.
