Krishna Raj Raja, CEO a zakladatel SupportLogic – rozhovor

Krishna Raj Raja je CEO a zakladatel SupportLogic, první platformy pro kontinuální řízení služeb (SX), která umožňuje společnostem pochopit a reagovat na “Hlas zákazníka” v reálném čase, aby okamžitě zlepšily doručování služeb a vytvořily zdravé a výnosné vztahy se zákazníky.

Popisujete sebe jako “vědeckého geeka”, co vás tak fascinuje ve vědeckém světě?

Pro mě je věda všechno o zvědavosti, jak funguje svět a jaké vzorce existují ve světě. Měl jsem tuto zvědavost od dětství a táhne mě to i v mém profesním životě. V SupportLogic hledáme vzorce, které existují v přirozeném jazyce, a pomocí těchto vzorců předpovídáme věci a poskytujeme doporučení. To je jako věda – předpovídá vzorce, poskytuje doporučení a říká, jak funguje svět. Velkou část toho, co jsem se naučil, jsem se naučil sám, protože to přišlo z mé přirozené zvědavosti, ne z formálního vzdělání.

Pošli jste si pro titul v oboru chemického inženýrství, ale pak jste se rozhodli pro kariéru v počítačových vědách a strojovém učení. Můžete mluvit o této změně?

Můj otec byl úspěšný podnikatel (v zpracování oceli) a doufal, že jednoho dne převezmu rodinný podnik. Chemické inženýrství se zdálo být správným vzděláním, abych byl připraven to udělat. Ale počítačové vědy byly mou vedlejší vášní po dlouhou dobu. Ve skutečnosti byla moje diplomová práce na chemickém inženýrství vytvořením softwarového programu pro návrh chemické reakce.

Po dokončení studia chemického inženýrství bylo zřejmé, že počítačové vědy jsou mou skutečnou vášní. Mé počítačové dovednosti jsou zcela samoučné, a když jsem se připojil k VMware, všichni moji kolegové měli doktoráty z Ivy League škol v počítačových vědách. Byl jsem nejmeně kvalifikovanou osobou v mém týmu.

Byl jste jedním z prvních zaměstnanců ve VMware, kde jste pracoval v podpore a službách jako inženýr produktové podpory. Jaké byly některé z potenciálních oblastí pro zlepšení, které jste pozorovali?

Byl jsem softwarový inženýr, který se stal inženýrem produktové podpory. Připojil jsem se k VMware, protože jejich technologie byla fascinující – zabývali se operačními systémy a měl jsem zvláštní zájem o to. Pomáhal jsem jiným vývojářům operačních systémů používat produkty VMware denně. Díky své zkušenosti jsem se díval na věci z dvou různých úhlů: 1) Jak udělat tohoto zákazníka spokojeného a vyřešit jeho problém; a 2) Proč existuje tento problém ve softwaru a jak jej lze opravit? Díval jsem se na produktový aspekt všech problémů podpory. Jedním z prvních věcí, které jsem si uvědomil, bylo, že když produktové týmy vyvíjejí produkt, opravdu nevědí, jak bude nasazen a použit, takže během vývojového procesu nevidí mnoho věcí. Naopak tým podpory má dobrý přehled o těchto problémech a může poskytnout cennou zpětnou vazbu produktovým týmům i jiným oddělením společnosti. Problém je, že tato zpětná vazba se obvykle ztratí, protože tým podpory se soustředí na řešení problému zákazníka a pak rychle přechází na další problém. Tato důležitá informace se nepředává.

Můžete sdílet některé detaily o vzniku SupportLogic?

Když jsem začal SupportLogic, podíval jsem se na trh podpory a zjistil, že všechny inovace v oblasti podpory se soustředily na odrazení případů. To znamená, že nejlepší způsob, jak řešit problémy podpory, je odrazit je – od inženýrů podpory a od zákazníků. To bylo v rozporu s tím, co jsem viděl jako inženýr produktové podpory – každá interakce se zákazníkem byla příležitostí naučit se o zákaznících a o tom, jak produkt funguje a nefunguje. Ale byl jsem překvapen, že na trhu nebyly žádné nástroje, které by řešily tento problém (učení), takže jsem viděl velkou příležitost.

Také jsem si uvědomil, že podpora byla často považována za nákladové centrum, což jsem považoval za krátkozraký pohled na věc. Když se na podporu díváte jako na centrum zisku nebo jako na centrální nervový systém společnosti, můžete skutečně transformovat organizaci a učinit ji skutečně zákaznicky orientovanou. To mě vedlo k založení SupportLogic.

Jaké jsou některé z různých technologií strojového učení, které se používají v SupportLogic?

Když společnost začala, byl jsem naivní a předpokládal, že můžeme použít veřejně dostupné API strojového učení. Existuje mnoho z nich – od Amazonu, Microsoftu a HPE – a všechny poskytují API strojového učení jako službu. K mému překvapení a zklamání mnoho z těchto modelů strojového učení nefungovalo s typem dat, se kterými jsme pracovali (data zákaznické podpory). Ale uvědomil jsem si, že to byla příležitost a řekl jsem: “Proč bychom to nemohli vybudovat sami?” Začali jsme budovat své vlastní od základu pomocí existujících technologií strojového učení z open-source projektů, jako je spaCy ze Stanfordovy univerzity a Google BERT, a pak přidali一些 své “tajné omáčky” na vrchol, pomocí přístupu ensemble modelu. Také jemně ladíme model pro každého zákazníka a jeho konkrétní datový soubor, místo aby používali filozofii “jedna velikost pro všechny”.

Můžete diskutovat o tom, jak SupportLogic ermögňuje společnostem lépe se spojovat se zákazníky pomocí klíčových signálů?

Jedním z klíčových věcí, které děláme, je extrahovat kontext zákazníka pomocí NLP. Kontext je velmi důležitý, protože často se ztrácí v procesu tagování v systémech pro zpracování tiketů. Můžete pouze tagovat omezené množství informací v těchto systémech. Excelujeme v extrahování kontextu zákazníka, jako je to, co je zákazník frustruje, jaký je jeho dojem o vašem produktu nebo vaší podpoře, nebo co se snaží udělat s vaším produktem. Existuje řada signálů a kontextů, které lze extrahovat. Takto děláme v reálném čase a vytváříme pracovní postupy v naší platformě, abychom umožnili společnostem reagovat na signály zákazníků a preventivně řešit problémy, než bude příliš pozdě – tj. zákazník se velmi rozzlobí nebo odejde navždy.

Jaké jsou některé další schopnosti softwaru SupportLogic?

Jakmile začnete extrahovat signály zákazníků z interakcí, tyto signály se stanou velmi silnými pro analytiku. Máme analytický modul, který říká, jak vypadá hlas zákazníka, na základě všech interakcí. Pak jdeme o krok dále a používáme data k předpovědím. Můžeme předpovědět, co se stane s konkrétním (zákaznickým) účtem. Můžeme také předpovědět – na základě situace zákazníka – kdo je nejlepší odborník ve společnosti, aby pomohl vyřešit problém, a pak zákazníka spojit s touto pravou osobou.

A můžeme se podívat na obě vstupní i výstupní konverzace, abychom poskytli službám agentům rady, co by měli dělat více (nebo méně) ve svých denních interakcích se zákazníky. Stává se to skvělým nástrojem pro koučování, aby službám agentům pomohli rozvinout své měkké dovednosti a zlepšit celkový výkon.

Je něco jiného, co byste chtěl sdílet o SupportLogic?

Jedním z běžných mýtů, které lidé mají o AI, je, že je to masivní investice, která je velmi zapojena a komplexní, a že neuvidíte žádné návraty na ni po dobu jednoho roku nebo více. Ve skutečnosti se AI a ML technologie hodně rozvinuly a mohou fungovat na vašem stávajícím datovém souboru. A můžete vidět výsledky do měsíce, ne do roku. Takže teď je čas investovat do AI, protože můžete vidět úžasné výsledky do měsíce, které mohou přinést velké výhody vaší organizaci.

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