ريان ماكدونالد، كبير العلماء في ASAPP – سلسلة المقابلات

ريان ماكدونالد هو كبير العلماء في ASAPP. وهو مسؤول عن تحديد اتجاه مجموعات البحث وعلوم البيانات من أجل تحقيق رؤية ASAPP لتعزيز النشاط البشري بشكل إيجابي من خلال تقدم الذكاء الاصطناعي. تتركز المجموعة حاليًا على تعزيز مجال الحوار الموجه للمهام في الحالات الواقعية مثل خدمة العملاء. في مثل هذه البيئات الديناميكية هناك العديد من الأجزاء التفاعلية: المحادثة بين العميل والوكيل؛ البيئة والأدوات التي يستخدمها الوكيل؛ مقاييس النجاح المختلفة؛ مجموعة واسعة من احتياجات العملاء والحالات. يتطلب تحسين هذه البيئة من أجل قيادة نتائج جودة للعملاء والوكلاء والشركات استثمارًا بحثيًا كبيرًا في الاسترجاع وإنشاء اللغة والتحسين المقيد والتعلم، وأخيرًا، التقييم.

عمل ريان على فهم اللغة والتعلم الآلي لمدة تزيد عن 20 عامًا. ركزت أطروحته في جامعة بنسيلفانيا على طرق التعلم الآلي الجديدة للتنبؤ المنظم في معالجة اللغة الطبيعية، وخاصة استخراج المعلومات والتحليل النحوي. في بن، كان بحثه حاسمًا في نمو مجالات التحليل النحوي والتعديل على النطاق في مجتمع معالجة اللغة الطبيعية. بعد حصوله على الدكتوراه، انضم ريان إلى مجموعة البحث في جوجل. هناك قام بالبحث في تحليل المشاعر وطرازات التلخيص للمراجعات الاستهلاكية، مما أدى إلى واحدة من أولى أنظمة التلخيص الاستهلاكية على نطاق واسع التي يستهلكها ملايين المستخدمين كل يوم.

ثم تحول بحث ريان إلى فهم اللغة المتعددة اللغات بشكل كبير. في البداية، ركز بحثه على تحسين الترجمة الآلية، ولكن أصبحت أهمية التعددية اللغوية في استرجاع المعلومات والمساعدين الرقميين قادته إلى توجيه بحثه نحو توطين هذه التكنولوجيا المهمة. كان فريق ريان حاسمًا في تطوير مساعد جوجل كتكنولوجيا عالمية. خلال هذه الفترة، قاد أيضًا اتحاد الاكتمال العالمي مع مجموعة كبيرة من المؤسسين الأكاديميين. هذا هو أكبر اتحاد بيانات متعدد اللغات يهدف إلى موارد لغة بنيوية. بعد أكثر من عقد من العمل على المنتجات الاستهلاكية، غير ريان اتجاهه نحو الشركات وقاد العديد من مشاريع معالجة اللغة الطبيعية والتعلم الآلي لتحسين خدمات جوجل السحابية، بما في ذلك واجهة برمجة التطبيقات الأساسية لمعالجة اللغة الطبيعية وحلول مركز الاتصال الاصطناعي واكتشاف المعرفة من الأدب العلمي. يستمر بحث ريان على معالجة اللغة الطبيعية والتعلم الآلي في الشركات في ASAPP.

نشر ريان أكثر من 100 ورقة بحثية في المجلات والمنشورات الرائدة التي تم الاستشهاد بها آلاف المرات. فاز بجائزة أفضل ورقة في المؤتمرات الدولية الرائدة (EMNLP و NAACL) لعمله على التحليل النحوي المتعدد اللغات. служил كتابه “التحليل النحوي” كمورد تعليمي رئيسي في التحليل النحوي لمدة عقد من الزمن. بالإضافة إلى دوره كمشرف منطقة في كل مؤتمر وورشة عمل رائدة في معالجة اللغة الطبيعية والتعلم الآلي، كان محررًا لمجلات رائدة في المجال – معاملات جمعية الحوسبة اللغوية واللغة الحاسوبية. لقد أشرف على العديد من طلاب الدكتوراه والمتدربين وألقى محاضرات مدعوة في المؤتمرات والورش العمل الرائدة والجامعات الأولى في جميع أنحاء العالم.

ما الذي جعلتك مهتمًا بالتعلم الآلي واللغة الطبيعية بشكل أكثر تحديدًا؟

كنت طالبًا جامعيًا مع تخصص مزدوج في علوم الحاسوب والفلسفة. كنت مهتمًا بشكل خاص بالفلسفة الاصطناعية وكذلك الجوانب العملية لكيفية عمل الذكاء الاصطناعي. كنت محظوظًا بما يكفي لتحقيق مشروع بحث مع جيرالد بن في جامعة تورونتو الذي ركز على تلخيص الأخبار للهواتف المحمولة. ذلك كان قبل أكثر من 20 عامًا واستخدم أساليب بدائية بالمقارنة مع المعايير الحالية. كان جيرالد مرشدًا رائعًا وجعلني مهتمًا بالنماذج الرسمية لهيكل اللغة (النحو والدلالة). كنت مهتمًا بالتعقيدات اللغوية والإطارات الرياضية التي تفسر الظواهر التي يفهمها البشر بشكل طبيعي كل يوم. في ذلك الوقت، كانت محركات البحث شائعة، ويمكنني رؤية الفوائد الكبيرة للغة الطبيعية والتعلم الآلي في المستقبل.

لقد نشرت أكثر من 100 ورقة بحثية في المجلات والمنشورات الرائدة التي تم الاستشهاد بها آلاف المرات، في رأيك، ما هي أكثر الورقات البحثية تأثيرًا؟

هذه دائمًا سؤال صعب للإجابة. وإذا سألتني قبل بضع سنوات، سيكون إجابي هو العمل الذي قمت به على استخدام خوارزميات الرسم البياني للتحليل النحوي. هذا الورق، إلى جانب عمل جواكيم نيفري، أطلق أكثر من عقد من البحث السريع على التحليل النحوي للتبعية، الذي كان له تأثير كبير على تبني معالجة اللغة الطبيعية في الشركات التكنولوجية، بما في ذلك الكثير من العمل الذي قمت به مع زملائي في جوجل من أجل البحث وترجمة المساعد وغيرها.

然而، مع التبني السريع للشبكات العصبية، انحسر استخدام التمثيلات النحوية المتقطعة للغة. سأقول الآن إنها العمل الرائد الذي قمت به مع جون بليتزر وفرناندو بيريرا على التكيف على النطاق. الأساليب التي استخدمناها في ذلك الورق ليست ذات صلة كبيرة اليوم، ومع ذلك، أعتقد أن ذلك الورق (إلى جانب العمل المعاصر لهال دومي) حدد إطار المشكلة وأهميتها للمجال. الآن،既然 أعمل حصريًا في الشركات، أنا أكثر意识ًا بمشاكلنا التي أثيرناها في ذلك الوقت، ومازال لدينا الكثير لتحقيقه.

قضيت معظم مسيرتك المهنية في جوجل لمساعدة بناء تقنيات اللغة الطبيعية والتعلم الآلي الرائدة وتحويلها إلى الإنتاج. ما هي بعض النتائج الرئيسية التي استخلصتها من هذه التجربة؟

نتيجتي الرئيسية هي أنك لا تستطيع التنبؤ أبدًا متى تذهب الأمور بشكل خاطئ عند بناء نماذج اللغة الطبيعية والتعلم الآلي. يجب أن تكون مهووسًا بالبيانات وتحليل الأخطاء والمقاييس في جميع النقاط في العملية. محاولة تخمين النقاط الألم غالبًا ما تكون Futile، وغالبًا ما يكون من الأفضل بناء نماذج نهاية إلى نهاية بأسرع ما يمكن والتكيف.

كباحثين في اللغة الطبيعية والتعلم الآلي، نركز على哪里 قد ينهار النموذج وما هي افتراضات النمذجة التي لن تتحمل عندما تتعامل مع الواقع. لكن في كثير من الأحيان، يكون معالجة البيانات أو واجهة المستخدم هي المفتاح لجعل منتجات اللغة الطبيعية والتعلم الآلي ناجحة. فقط عندما تكون هذه Points صلبة، يمكننا حقًا التكرار على الجودة لسحب كل قيمة من النماذج.

في أوائل عام 2021، انضممت إلى ASAPP كعالم رئيسي، شركة تقدم أدوات الذكاء الاصطناعي لتمكين وكلاء خدمة العملاء، ماذا جذبك إلى هذا المنصب؟

للحصول على إجابة أكثر اكتمالًا، اقرأ منشور مدوني حول هذا الموضوع. ولكن لتلخيص، الأسباب الرئيسية هي:

• المشاكل صعبة. الوكلاء الذين يتعاملون مع تفاعلات خدمة العملاء الصعبة يحتاجون إلى إحضار الكثير من المعلومات والخبرة إلى حيز التطبيق على محادثاتهم لحل مشاكل العملاء. بناء نماذج تضيف قيمة على كم هائل من المعرفة في المجال هو صعب، خاصة عندما تكون الإشارات ضعيفة. على سبيل المثال، هل كان تقييم رضا العملاء منخفضًا لأن الوكيل فعل شيئًا خاطئًا، أو لأن العميل كان غاضبًا بشكل عام؟
• الشركات والوكلاء الذين يعملون في هذا المجال متحمسون جدًا لتقنيات الذكاء الاصطناعي التي ستساعد них على تحسين تجربة العملاء. إنهم لا يقاتلون التقدم، بل يرونهم أدوات حيوية لحل مشاكل حقيقية لديهم. وجود هذا النوع من الشركاء المهتمين أمر رائع.
• أخيرًا، على عكس التكنولوجيا الاستهلاكية، فإن مجموعة من المجالات والمشاكل في بيئة الشركات متعددة التنوع بحيث يتعين حل مشكلة التكيف. لا يمكننا بناء خدمات لشركة واحدة أو صناعة واحدة، بل لجميعها. هذا هو اختبار جيد للغاية ل状態 الحالي للذكاء الاصطناعي.
• ASAPP متميزة في هذا المشكل.

يمكنك مناقشة رؤية ASAPP لتعزيز النشاط البشري بشكل إيجابي من خلال تقدم الذكاء الاصطناعي؟

فرضيتنا المركزية في ASAPP هي أن الذكاء الاصطناعي يجب ألا ي置ر البشر، بل يجب تعزيزهم بطرق إيجابية ومنتجة. هذه الرؤية واسعة، ولدينا طموحات لتطبيقها على جميع الأنشطة البشرية ذات الصلة. ومع ذلك،由于 أن هذا是一个 تفويض واسع، فقد اخترنا في البداية التركيز على مجال تجربة العملاء.

مجال تجربة العملاء يحتوي على جميع التحديات والمكافآت التي تأتي مع تعزيز النشاط البشري. الوكلاء يشاركون في مهام حل مشاكل معقدة تتطلب منهم اتباع سير عمل، وجمع المعلومات ذات الصلة من قواعد بيانات العملاء والمعرفة، والتكيف مع حالات دقيقة قد يجد فيها العميل نفسه. هذا يؤدي إلى عدد كبير من الفرص لتعزيز هذه العملية. ومع ذلك، نعتقد أنه من المهم القيام بذلك بطريقة إيجابية، أي:

• التعزيز يحدث في نقاط طبيعية وسلسة خلال عمل الوكيل. هذا حاسم. إذا كان الذكاء الاصطناعي يتدخل أو يتداخل في لحظات غير ملائمة أو مع تأخير سيئ، فسوف يكون ذلك تأثيرًا سلبيًا على تجربة الوكيل، حيث سيتعين عليهم إهمال الذكاء الاصطناعي بشكل واع.
• أكثر من ذلك، نريد أن يحقق الذكاء الاصطناعي نتائج إيجابية لجميع البشر المعنيين. في هذه الحالة، العملاء يريدون أن يتم التعامل مع مشاكلهم بفعالية. الوكلاء يريدون أن يفعلوا ذلك للعملاء. بالإضافة إلى ذلك، الوكلاء يقومون بمهام صعبة، غالبًا ما يتعاملون مع عملاء غير راضين. يجب أن يساعد الذكاء الاصطناعي على تحقيق توازن بين العمل والتحمل المعرفي من أجل تقليل الإرهاق وضغط العمل وزيادة رضا الوظيفة. بعد كل شيء، الوكلاء في مراكز الاتصال لديهم واحد من أعلى معدلات دوران العمل (تصل إلى 100٪ سنويًا في بعض مراكز الاتصال) من أي وظيفة في أمريكا. أخيرًا، نريد نتائج أعمال إيجابية للشركة التي تدير مركز الاتصال. يمكن أن تكون هذه رضا العملاء، أو إنتاجية القضايا التي يمكن التعامل معها في يوم، أو حتى مبيعات.

للمراكز الاتصالية، غالبًا ما نفكر في النتائج الإيجابية بين العملاء والوكلاء والشركات على أنها متنافسة. لكن الذكاء الاصطناعي الجيد سيساعد على تحسين جميعها.

يمكنك مناقشة التشريح الحالي للذكاء الاصطناعي في مركز الاتصال؟

اليوم،几乎 كل مرحلة من مراحل الاتصال بمركز الاتصال لديها شكل من أشكال الذكاء الاصطناعي الذي يدير أو ي告诉 كيفية التعامل مع القضية.

الخطوة الأولى هي استجابة صوتية تفاعلية (IVR) أو روبوت محادثة. هذا هو تلقائي بالكامل وغرضه الرئيسي هو فهم سبب الاتصال بالعميل وتوجيهه وفقًا لذلك. قد تحاول هذه الأنظمة أيضًا جمع أكبر قدر من المعلومات قبل إرسال العميل إلى وكيل من أجل تحقيق أقصى فرصة لحل مشكلة الوكيل بسرعة. قد يحاول البوت الحديث مباشرة حل مشكلة المستخدم دون الحاجة إلى وكيل – ما يسمى “احتواء” منذ أن لا يتطلب الاتصال تدخل بشري.

بعد ذلك، يتم إرسال المكالمة إلى الوكيل. بمجرد وصولها إلى الوكيل، يتمثل الدور الرئيسي للذكاء الاصطناعي في توجيه الوكيل واقتراح ما يجب قوله بعد ذلك. ما هو السير الذي يجب اتباعه؟ ما هي مقالات قاعدة المعرفة التي ستساعد على حل المشكلة؟ يتم تدريب هذه النماذج عادة على البيانات التاريخية وتحسينها لبعض مؤشرات الأداء الرئيسية، والتي يمكن أن تكون وقت التعامل (كيف تم حل المشكلة بسرعة) أو تقييم رضا العملاء (هل كان العميل راضيًا عن التجربة).

بعد انتهاء المكالمة أو الدردشة، لا يزال الذكاء الاصطناعي يعمل. في معظم مراكز الاتصال، سيترك الوكيل معلومات منظمة وملاحظات حول ما حدث خلال المكالمة. هذا من أجل الأغراض التحليلية ولكن أيضًا لأي وكيل يتعامل مع القضية إذا لم تتم حلها. يساعد الذكاء الاصطناعي في جميع هذه الخطوات.

أخيرًا، في مركز الاتصال، هناك مشرفون يساعدون على مساعدة الوكلاء ونمو مهاراتهم. يمكن أن يكون الذكاء الاصطناعي حاسمًا هنا. في مركز اتصال يتعامل مع مئات الوكلاء الذين يتعاملون مع آلاف الاتصالات كل يوم، كيف يمكن للمشرفين تحديد القضايا التي تحتاج إلى تدخلهم؟ كيف يمكنهم فهم ما حدث خلال اليوم؟ كيف يمكنهم العثور على مجالات تحسين للوكلاء لزيادة مهاراتهم؟

كيف تساعد ASAPP في تقليل دوران موظفي مركز الاتصال؟

الشركات الكبيرة التي تقدم السلع والخدمات الاستهلاكية تنفق ملايين، وأحيانًا مليارات الدولارات كل عام على مراكز الاتصال التي تخدم عملائها، حيث يمثل التكلفة العمالية 80-90٪ من التكلفة الإجمالية. إنه مشكلة كبيرة تؤدي إلى دوران وكيل يصل إلى 40٪ – وأحيانًا 100٪ أو أكثر – كل عام.

هناك صورة كرتونية أن الوكلاء غير مبالين بمشاكلكم ويتبعون الإجراءات. في الأسوأ من الحالات، قد يعوقون حتى قدرةك على حل مشكلة. لا شيء يمكن أن يكون أبعد عن الحقيقة. الوكلاء، كما هو الحال مع جميع الناس، يستمدون الرضا من مساعدة العملاء على حل مشاكلهم. كيف تفضل قضاء يومك، سماع شكر قوي أو عملاء يصرخون؟ في دراسة حديثة أجريت، وجدنا أن 90٪ من الوكلاء أبلغوا أن المكالمات مع العملاء جعلت يومهم، وأغلبهم قالوا إنهم راضون عن وظائفهم. ومع ذلك، يريد الوكلاء الأدوات والتدريب المطلوبين لجعل العملاء سعداء. العملاء غير السعداء يؤدون إلى وكلاء مرهقين ومرهقين ومحبطين. هذا هو المحرك الرئيسي لل دوران.

الذكاء الاصطناعي الذي يعزز الوكلاء خلال المكالمة (كما هو موضح سابقًا) يساعد بالفعل. إذا كان الوكيل لديه الأدوات والتوجيه حول كيفية حل المشكلة بفعالية وسريعًا، فإن فرص رضا العملاء يمكن أن تكون فقط أعلى، مما يؤدي إلى رضا وظيفي أعلى.

然而، ASAPP لا يبدأ من هناك. بينما التوجيه الديناميكي في الوقت الفعلي حاسم، فإن التدريب والتدريب والتوجيه الأكثر هيكلة مهمون أيضًا. يتعلم العديد من الوكلاء على قضايا أو إجراءات جديدة “حية”. أي أنهم يحصلون على وصف للإجراء، ولكن ثم فقط يرونها في الممارسة عندما يتعاملون مع عميل حقيقي. تخيل أننا قدمنا لطيارين كتيب الطائرة ثم أخبرناهم أن يطيروا 300 راكب إلى دنفر؟ بسبب ذلك، نحن نركز على استخدام الذكاء الاصطناعي لمساعدة بناء أدوات للوكلاء لممارسة الإجراءات وتحديد مواقف صعبة قبل التعامل مع العملاء الحقيقيين. عندما يتم結 هذا مع التغذية الراجعة المستهدفة (إما من قبل مشرف أو تلقائيًا)، سوف يسمح للوكيل بالنمو في مهاراته في بيئة أقل توترًا.

أفضل الذكاء الاصطناعي لتحسين رضا العملاء في المواقف الديناميكية وكذلك الذكاء الاصطناعي للتدريب الموجه – هذا هو كيف يضع ASAPP التركيز على الوكيل مع الهدف النهائي لتقليل الدوران.

ما هي بعض الأمثلة على النتائج التي يمكن تحقيقها من خلال دمج الذكاء الاصطناعي في مركز الاتصال؟

كما هو موضح أعلاه، يمكن أن يكون الذكاء الاصطناعي تكنولوجيا تحويلية في تعزيز الإنتاجية. لشركة طيران أمريكية نعمل معها، رأينا زيادة في إنتاجية الوكيل بنسبة 86٪ وزيادة في الإنتاجية التنظيمية (عدد التفاعلات الإجمالي عبر جميع قنوات خدمة العملاء مقسومًا على العمالة المستهلكة لتلبية هذه الاحتياجات) بنسبة 127٪. لشركة مشغلة شبكة عالمية تستخدم خدمات ASAPP، زاد مؤشر الترويج الصافي (استعداد العملاء لتوصية منتجات أو خدمات الشركة للآخرين) بنسبة 45٪. لشركة كابلات رئيسية تستخدم خدمات ASAPP، انخفضت التكلفة لكل تفاعل بنسبة 52٪. هذه الأمثلة تظهر كيف يمكن للذكاء الاصطناعي زيادة الإنتاجية، تحسين جودة خدمة العملاء، وتقليل التكاليف التجارية.

ما هو رؤيتك الشخصية لمستقبل الذكاء الاصطناعي في مكان العمل؟

الذكاء الاصطناعي已经 منتشر بشكل جيد في مكان العمل. بينما أكتب هذا، يساعدني محرر التحرير والتهجئة واكتمال النص. لديّ مرشحات بريد إلكتروني وتصنيف رسائل قوية، وأستخدم بحثًا مدعومًا بالذكاء الاصطناعي للعثور على المعلومات ذات الصلة التي أحتاجها للتنفيذ. سيزداد هذا النمو مع تبني المزيد من الميزات المدعومة بالذكاء الاصطناعي وزيادة جودتها.

然而، سأسمي هذا النوع من الذكاء الاصطناعي تعزيزًا ذريًا. إنه بالتأكيد يساعدني، ولكن في لحظات دقيقة للغاية تسمح بالتنبؤات الدقيقة. بالتأكيد لا أستطيع أن أسأل الذكاء الاصطناعي أن يجيب عن هذه الأسئلة من أجل نفسه – بعد 🙂

بصورة أكثر جديّة، رؤيتي هي رؤية تبني الذكاء الاصطناعي الشامل في مكان العمل. لا أعني بالطبع نهاية إلى نهاية في معنى نمذجة التعلم الآلي. ما أعنيه هو أن الذكاء الاصطناعي سيدعم المهام الكبيرة والمعقدة التي يتم تحسينها للهدف العام وليس فقط النقاط الذرية خلال العملية. ASAPP已经 يطبق هذا في مراكز الاتصال. على سبيل المثال، نضبط ما سيكونه الوكيل التالي بناءً على مجموعة شاملة من العوامل حول مكان الوكيل في المحادثة وما هو الهدف النهائي. ولكن أبعد من ذلك، تخيل عالمًا يحاول كتابة مراجعة منهجية لموضوع مهم، أو مهندس برمجيات يبني منصة أو يدمج أنظمة معقدة، أو محامي يكتب مذكرة قانونية، إلخ. في المستقبل، سيعتمد كل هؤلاء المحترفين على الذكاء الاصطناعي لزيادة فعاليةهم بسرعة في هذه المهام وتحسين النتائج المرغوبة، مما يخلي مساحتهم لمواجهة التحديات الأكثر حرجية.

هل هناك أي شيء آخر تود أن تشاركه حول ASAPP؟

فريق البحث في ASAPP لديه تركيز واضح: نحن نتقدم في الذكاء الاصطناعي لتعزيز النشاط البشري لحل مشاكل حقيقية للشركات. يعمل باحثو ASAPP على تقدم أساسي للغة الطبيعية والتعلم الآلي نحو هدفنا من نشر حلول ذكاء اصطناعي محددة بالdomain في العالم الحقيقي، وتطبيق تلك التقدمات على منتجاتنا. إنهم يستفيدون من الكميات الهائلة من البيانات التي تنتجها منتجاتنا، وقدرتنا على نشر ميزات الذكاء الاصطناعي في الاستخدام الحقيقي لطرح الأسئلة ومعالجة الأسئلة البحثية الأساسية بطرق جديدة.

اكتشف أوراقنا الأخيرة على https://www.asapp.com/ai-research/.

شكرًا على الإجابات المفصلة، القراء الذين يرغبون في التعلم المزيد يجب أن يزوروا ASAPP.