Ashish Nagar, CEO a zakladatel Level AI – rozhovor

Ashish Nagar je CEO a zakladatel Level AI, který využívá své zkušenosti z Amazonu v týmu Alexa k transformaci operací kontaktních center pomocí umělé inteligence. S silným zázemím v technologiích a podnikání byl Ashishinstrumentální při vedení mise společnosti na zlepšení efektivity a efektivnosti interakcí zákazníků pomocí pokročilých řešení AI. Pod jeho vedením se Level AI stal klíčovým hráčem v oblasti kontaktních center poháněných umělou inteligencí, známým pro své inovativní produkty a nadstandardní implementaci umělé inteligence.

Co vás inspirovalo k odchodu z Amazonu a založení Level AI? Můžete sdílet konkrétní bolesti zákaznické služby, kterým jste se svou technologií chtěl řešit?

Mé zázemí je v budování produktů na rozhraní technologií a byznysu. Ačkoli mám bakalářský titul v aplikované fyzice, moje práce se vždy zaměřovala na produktové role a zřizování, spouštění a budování nových podniků. Moje vášeň pro technologie a byznys mě vedla k AI.

Začal jsem pracovat na AI v roce 2014, kdy jsme budovali společnost pro next-generation mobilní vyhledávání nazvanou Rel C, která byla podobná tomu, co je dnes Perplexity AI. Tato zkušenost spustila mou cestu do softwaru AI, a nakonec byla tato společnost koupena Amazonem. V Amazonu jsem byl produktovým lídrem v týmu Alexa, neustále hledajícím příležitosti k řešení složitějších problémů AI.

V mém posledním roce v Amazonu, v roce 2018, jsem pracoval na projektu, který jsme nazvali “počítač ze Star Treku”, inspirovaný slavnou sci-fi sérií. Cílem bylo vyvinout počítač, který by mohl rozumět a reagovat na jakoukoli otázku, kterou byste mu položili. Tento projekt se stal známým jako Alexa Prize, jehož cílem bylo umožnit komukoli vést 20minutovou konverzaci s Alexou na jakékoli sociální téma. Vedl jsem tým asi 10 vědců a spustili jsme to jako celosvětovou výzvu AI. Pracoval jsem úzce s předními mysliteli z institucí jako MIT, CMU, Stanford a Oxford. Jedna věc byla jasná: v té době nikdo nemohl tento problém plně vyřešit.

I tehdy jsem mohl cítit vlnu inovací, která by to umožnila. Předpokročím do roku 2024 a technologie jako ChatGPT nyní dělají mnohem to, co jsme si představovali. Byly rychlé pokroky v zpracování přirozeného jazyka s firmami jako Amazon (AMZN ), Google (GOOGL ), OpenAI a Microsoft (MSFT ), které budují velké modely a základní infrastrukturu. Ale nebyly nutně zaměřeny na konec-konec workflow. Rozpoznali jsme tuto mezeru a chtěli ji řešit.

Náš první produkt nebyl řešením pro zákaznickou službu; byl to hlasový asistent pro pracovníky v terénu, jako jsou technici a prodejci v maloobchodě. Získali jsme 2 miliony dolarů na seed financování a ukázali produkt potenciálním zákazníkům. Oni téměř jednomyslně požadovali, abychom přizpůsobili technologii pro kontaktní centra, kde již měli hlas a data, ale chyběla jim moderní architektura generativní AI. To nás vedlo k tomu, abychom si uvědomili, že stávající společnosti v tomto prostoru jsou uvězněny v minulosti, zápasí s klasickou inovační dilematem, zda přepracovat své zastaralé systémy nebo postavit něco nového. Začali jsme od čistého štítu a postavili první nativní velkou jazykovou model (LLM) zákaznickou zkušenostní inteligenci a servisní automatizační platformu.

Můj hluboký zájem o složitosti lidského jazyka a jak je obtížné řešit tyto problémy z počítačového inženýrského hlediska sehrál významnou roli v našem přístupu. Schopnost AI rozumět lidské řeči je zásadní, zejména pro odvětví kontaktních center. Například použití Siri často odhaluje, jak je obtížné pro AI pochopit záměr a kontext v lidském jazyce. I jednoduché dotazy mohou zmást AI, které se potýká s tím, co jste se zeptali.

AI se potýká s porozuměním záměru, udržením kontextu po dlouhou dobu a vlastnictvím relevantních znalostí světa. I ChatGPT má omezení v těchto oblastech. Například nemusí vědět nejnovější zprávy nebo rozumět měnícím se tématům v konverzaci. Tyto výzvy jsou přímo relevantní pro zákaznickou službu, kde konverzace často zahrnují více témat a vyžadují, aby AI rozuměla specifickým, doménovým znalostem. Řešíme tyto výzvy na naší platformě, která je navržena tak, aby zvládala složitosti lidského jazyka v prostředí zákaznické služby.

Technologie NLU Level AI jde za hranice základního párování klíčových slov. Můžete vysvětlit, jak vaše AI rozumí hlubšímu záměru zákazníka a jaké jsou výhody pro zákaznickou službu?

Máme šest nebo sedm různých AI pipeline, přizpůsobených pro konkrétní úkoly, v závislosti na úkolu. Například jeden workflow může zahrnovat identifikaci driverů hovorů a pochopení problémů, se kterými zákazníci mají potíže s produktem nebo službou, které nazýváme “hlas zákazníka”. Další mohl být automatizovaný scoring kvalitních scorecard pro hodnocení výkonu agentů. Každý workflow nebo služba má svou vlastní AI pipeline, ale základní technologie zůstává stejná.

Abychom to přiblížili, technologie, kterou používáme, je založena na LLM podobných technologiím, jako je technologie za ChatGPT a další generativní AI nástroje. Nicméně my používáme zákaznické služby specifické LLM, které jsme vyškolili v rámci našich specializovaných workflow. To nám umožňuje dosáhnout přes 85% přesnosti během pouhých několika dnů od nasazení nových zákazníků, což vede k rychlejšímu času na hodnotu, minimálním profesionálním službám a nezřízené přesnosti, zabezpečení a důvěře.

Naše modely mají hluboké, specifické znalosti v oblasti zákaznické služby. Starý paradigmatický přístup zahrnoval analýzu konverzací výběrem klíčových slov nebo frází, jako je “zrušit můj účet” nebo “Nejsem spokojen”. Ale naše řešení se nespoléhá na zachycení všech možných variací frází. Místo toho aplikuje AI na pochopení záměru za otázkou, což je mnohem rychlejší a efektivnější.

Například, pokud někdo řekne: “Chci zrušit můj účet”, existuje nekonečné množství způsobů, jak by to mohli vyjádřit, jako “Jsem hotový s vámi” nebo “Přesouvám se k někomu jinému”. Naše AI rozumí záměru otázky a váže ho zpět ke kontextu, což je důvod, proč je naše software rychlejší a přesnější.

Užitečná analogie je, že stará AI byla jako kniha pravidel – byste postavili tyto rigidní knihy pravidel s if-then-else výrazy, které byly inflexibilní a neustále potřebovaly údržbu. Nová AI je jako dynamický mozek nebo učící se systém. S pouhými několika ukazateli dynamicky učí kontext a záměr, neustále se zlepšuje na letu. Kniha pravidel má omezený rozsah a snadno se láme, když něco neodpovídá předdefinovaným pravidlům, zatímco dynamický učící se systém neustále expanduje, roste a má mnohem větší dopad.

Velký příklad z pohledu zákazníka je velká e-commerce značka. Mají tisíce produktů a je nemožné držet krok s neustálými aktualizacemi. Naše AI však může pochopit kontext, jako zda mluvíte o konkrétní pohovce, bez nutnosti neustálého aktualizování scorecard nebo rubriky s každým novým produktem.

Jaké jsou klíčové výzvy při integraci technologie Level AI s existujícími systémy zákaznické služby a jak je řešíte?

Level AI je platforma pro inteligenci zákaznické zkušenosti a servisní automatizaci. Jako taková integrujeme s většinou softwaru CX v odvětví, ať už se jedná o CRM, CCaaS, průzkumy nebo tooling řešení. To nás činí centrálním uzlem, shromažďujícím data ze všech těchto zdrojů a sloužícím jako inteligentní vrstva nahoře.

Nicméně, výzvou je, že některé z těchto systémů jsou založeny na non-cloud, on-premise technologii, nebo dokonce cloud technologii, která postrádá API nebo čisté datové integrace. Pracujeme úzce se našimi zákazníky, abychom to řešili, ačkoli 80% našich integrací je nyní cloud-based nebo API-native, což nám umožňuje integrovat rychle.

Jak Level AI poskytuje reálnou inteligenci a akční přehledy pro zákaznické služby? Můžete sdílet některé příklady, jak to zlepšilo interakce zákazníků?

Existují tři typy reálné inteligence a akčních přehledů, které poskytujeme našim zákazníkům:

1. Automatizace manuálních workflow: Servisní zástupci často mají omezený čas (6 až 9 minut) a mnoho manuálních úkolů. Level AI automatizuje úkoly, jako je poznámka během a po konverzacích, generuje přizpůsobené souhrny pro každého zákazníka. To nám ušetřilo našim zákazníkům 10 až 25% času při zpracování hovorů, vedoucí k větší efektivitě.
2. CX Copilot pro servisní zástupce: Servisní zástupci čelí vysoké fluktuaci a výzvám při zaškolování. Představte si, že jste byli vrženi do kontaktního centra, aniž byste znali politiky společnosti. Level AI působí jako odborný AI sedící vedle zástupce, poslouchající konverzace a nabízející reálnou podporu. To zahrnuje řešení námitek, poskytování znalostí a nabízení chytré transkripce. Tato funkce nám umožnila našim zákazníkům zaškolit a integrovat servisní zástupce o 30 až 50% rychleji.
3. Manager Copilot: Tato jedinečná funkce poskytuje manažerům reálnou viditelnost do toho, jak jejich tým funguje. Level AI poskytuje sekundu po sekundě přehledy do konverzací, umožňující manažerům zasáhnout, detekovat sentiment a záměr a podporovat zástupce v reálném čase. To zlepšilo produktivitu agentů o 10 až 15% a zvýšilo spokojenost agentů, což je zásadní pro snižování nákladů. Například, pokud zákazník začne urážet zástupce, systém to označí a manažer může buď převzít hovor, nebo zástupci poskytnout návod.

Můžete vysvětlit, jak funguje sentimentální analýza Level AI a jak pomáhá zástupcům reagovat efektivněji na zákazníky?

Naše sentimentální analýza detekuje sedm různých emocí, od extrémní frustrace po elaci, umožňující nám měřit různé stupně emocí, které přispívají k našemu celkovému sentimentálnímu skóre. Tato analýza zahrnuje jak mluvená slova, tak tón konverzace. Nicméně, jsme zjistili, že skrze naše experimenty, že mluvená slova hrají mnohem významnější roli než tón. Můžete říci nejhorší věci v plochém tónu nebo velmi hezké věci v podivném tónu.

Poskytujeme sentimentální skóre na škále od 1 do 10, kde 1 označuje velmi negativní sentiment a 10 označuje vysoce pozitivní sentiment. Analyzujeme 100% konverzací našich zákazníků, nabízející hluboké přehledy do interakcí zákazníků.

Kontextuální pochopení je také kritické. Například, pokud hovor začíná velmi negativním sentimentem, ale končí pozitivně, i když 80% hovoru bylo negativní, celá interakce je považována za pozitivní. To je proto, že zákazník začal rozrušen, zástupce vyřešil problém a zákazník odešel spokojen. Naopak, pokud hovor začíná pozitivně, ale končí negativně, je to jiná situace, přestože 80% hovoru mohlo být pozitivní.

Tato analýza pomáhá jak zástupci, tak manažerovi identifikovat oblasti pro školení, zaměřené na akce, které korelují s pozitivním sentimentem, jako je pozdravení zákazníka, uznání jejich obav a projevení empatie – prvky, které jsou zásadní pro úspěšné interakce.

Jak Level AI řeší obavy o ochranu dat a bezpečnost, zejména s ohledem na citlivou povahu interakcí zákazníků?

Od samého počátku jsme priorizovali bezpečnost a ochranu dat. Postavili jsme náš systém s podnikovým zabezpečením a ochranou dat jako jádrem našich principů. Neoutsourcujeme žádné z našich generativních AI schopností třetím stranám. Všechno se vyvíjí v rámci naší společnosti, což nám umožňuje školit zákaznické AI modely bez sdílení dat mimo naše prostředí. Nabízíme také rozsáhlou přizpůsobitelnost, umožňující zákazníkům mít své vlastní AI modely bez sdílení dat napříč různými částmi našeho datového potrubí.

Abysme řešili aktuální oborové obavy, naše data nejsou používána externími modely pro školení. Neumožňujeme, aby naše modely byly ovlivněny AI-generovanými daty z jiných zdrojů. Tento přístup zabraňuje problémům, se kterými se některé AI modely potýkají, kdy jsou školeny na AI-generovaných datech a ztrácejí tak přesnost. U Level AI je vše první strany a nebudeme sdílet ani čerpat data externě.

S nedávným financováním série C ve výši 39,4 milionu dolarů, jaké jsou vaše plány na rozšíření platformy Level AI a dosažení nových segmentů zákazníků?

Investice série C bude pohánět naše strategické růstové a inovační iniciativy v klíčových oblastech, včetně pokročilého produktového vývoje, inženýrských vylepšení a přísného výzkumu a vývoje. Cílíme na nábor špičkových talentů na všech úrovních organizace, což nám umožní pokračovat v průkopnických technologiích, které překračují očekávání klientů a splňují dynamické tržní požadavky.

Jak vidíte roli AI při transformaci zákaznické služby v průběhu příštích deseti let?

Zatímco obecné zaměření je často na automatizační aspekt – předpovídající budoucnost, kde boti zpracovávají veškerou zákaznickou službu – náš pohled je nuancovanější. Rozsah automatizace se liší podle vertikálu. Například v bankovnictví nebo financích může být automatizace nižší, zatímco v jiných sektorech může být vyšší. Průměrně se domníváme, že dosažení více než 40% automatizace napříč všemi vertikály je obtížné. To je proto, že servisní zástupci dělají více než jen odpovídají na otázky – fungují jako řešitelé problémů, prodejní poradci a více, role, které nelze plně replikovat pomocí AI.

Existuje také značný potenciál v automatizaci workflow, na které se Level AI zaměřuje. To zahrnuje back-office úkoly, jako je zajišťování kvality, triáž hovorů a monitorování obrazovky. Zde může automatizace překročit 80% pomocí generativní AI. Inteligence a datové přehledy jsou kritické. Jsme jedineční v používání generativní AI pro získání přehledů z nestrukturovaných dat. Tento přístup může výrazně zlepšit kvalitu přehledů, snižuje potřebu profesionálních služeb o 90% a urychluje čas na hodnotu o 90%.

Další důležitou otázkou je, zda by tvář vaší organizace měla být bot nebo osoba. Kromě základních funkcí, které plní, je lidská vazba se zákazníky zásadní. Naším přístupem je odstranit nadbytečné úkoly z pracovní zátěže osoby, aby se mohli soustředit na smysluplné interakce.

Věříme, že lidé jsou nejlépe přizpůsobeni pro přímou komunikaci a měli by pokračovat v této roli. Nicméně nejsou ideální pro úkoly, jako je poznámka, transkripce interakcí nebo obrazovková nahrávka. Tím, že tyto úkoly zpracováváme za ně, uvolňujeme jim čas, aby se mohli efektivněji zapojit se zákazníky.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Level AI.