Ofer Ronen, spoluzakladatel a CEO Tomato.ai – Rozhovorová série

Ofer Ronen je spoluzakladatel a CEO Tomato.ai, platformy, která nabízí AI poháněný hlasový filtr pro zmírnění přízvuku pro offshore agentů, což vede k zlepšení metrik CSAT a prodejních metrik.

Ofer dříve prodal tři technologické startupy, dvě společnosti Google (GOOGL ) a jednu IAC. Strávil posledních pět let v Google, kde budoval řešení pro kontaktní centra v rámci Area 120 inkubátoru. Uzavřel více než 500 milionů dolarů obchodů pro tyto nové řešení. Má magisterský titul v oboru počítačového inženýrství se zaměřením na AI z University of Michigan a MBA z Cornellu.

Co vás původně přitáhlo k strojovému učení a AI?

AI má dlouhou historii startů a pádů. Období, kdy existovala velká naděje na to, že tato technologie transformuje průmysly, následovaná obdobími zklamání, protože nevyhovovala očekáváním.

Když jsem studoval magisterský program v AI před několika desetiletími na University of Michigan, bylo to období zklamání, kdy AI neměla žádný dopad. Byl jsem fascinován myšlenkou, že počítače lze naučit provádět úkoly pomocí příkladů, nikoli tradičními heuristikami, které vyžadují myšlení o tom, jaké explicitní instrukce poskytnout. V té době jsem pracoval v AI výzkumném laboratoři na virtuálních agentech, kteří pomáhají učitelům najít online zdroje pro jejich třídy. V té době jsme neměli velké množství dat, výkonné výpočetní prostředky nebo pokročilé neuronové sítě, které máme dnes, takže naše schopnosti byly omezené.

Od roku 2016 do 2019 jste pracoval v Google Area 120 inkubátoru na designování vysoce robustních virtuálních agentů pro největší kontaktní centra. Jaké bylo toto řešení přesně?

V poslední době jsem pracoval v Google Area 120 inkubátoru na některých z největších nasazení virtuálních agentů, včetně několika projektů pro společnosti Fortune 50 s více než sto miliony podpůrných hovorů ročně.

Abychom mohli postavit více robustní virtuální agenty, které mohou zvládnout komplexní konverzace, použili jsme miliony historických konverzací mezi lidmi a tyto konverzace jsme použili k detekci typu následných otázek, které zákazníci mají za svou počáteční uvedenou otázku. Díky analýze následných otázek a různých způsobů, jak zákazníci formulují každou otázku, jsme byli schopni postavit flexibilní virtuální agenty, které mohou vést bloudící konverzace. To lépe odráželo typ konverzací, které zákazníci vedou s lidskými agenty. Výsledkem bylo podstatné zvýšení počtu hovorů, které byly plně zpracovány virtuálními agenty.

V roce 2021 a 2022 jste postavil druhý startup v Area 120. Můžete sdílet, co byla tato společnost a co jste se z této zkušenosti naučil?

Můj druhý startup v Area 120 se opět zaměřil na kontaktní centra. Naše řešení se zaměřilo na snížení odchodu zákazníků tím, že se proaktivně obrátí na zákazníky brzy po neúspěšném podpůrném hovoru, kde zákazník vyjádřil svou otázku, ale nedosáhl řešení. Tento přístup by byl proveden virtuálními agenty, kteří byli vyškoleni k řešení těchto otevřených otázek. Co jsem se z této zkušenosti naučil, je to, že odchod zákazníků je obtížně měřitelným ukazatelem, který lze měřit včas. Může to trvat 6 měsíců, než budou získány statisticky významné výsledky pro změny v odchodu zákazníků. To činí obtížným optimalizovat zkušenost dostatečně rychle a přesvědčit zákazníky, že řešení funguje.

Můžete sdílet příběh o vzniku vašeho třetího startupu Tomato.ai a proč jste se rozhodl udělat to sám, místo práce v Google?

Nápad pro Tomato.ai, můj třetí startup pro kontaktní centra, pocházel od Jamese Fana, mého spoluzakladatele a CTO. James si myslel, že by bylo účinnější prodávat víno s francouzským přízvukem, a co kdyby mohl kdokoli získat francouzský přízvuk?

To byl semenáč nápadu, a od té doby naše myšlení pokročilo. Když jsme to více prozkoumali, našli jsme akutnější bolestivý bod, který zákazníci cítí, když mluví s offshore agenty s přízvukem. Zákazníci měli potíže s porozuměním a důvěrou. To představovalo větší trhovou příležitost. Díky našim zkušenostem jsme si uvědomili, že by to mělo podstatný dopad na kontaktní centra, pomáhající jim zlepšit své prodejní a podpůrné metriky. Nyní nazýváme toto řešení „Zmírnění přízvuku“.

James a já dříve vedli a prodali startupy, včetně prodeje startupu Google.

Rozhodli jsme se opustit Google a založit Tomato.ai, protože po mnoha letech strávených v Google jsme měli chuť vrátit se k zakládání a vedení naší vlastní společnosti.

Tomato.ai řeší důležitý problém s kontaktními centry, kterým je zmírnění přízvuku pro agenty. Můžete diskutovat, proč jsou hlasové filtry preferovaným řešením oproti školení agentů?

V Tomato.ai chápeme důležitost jasných komunikací v kontaktních centrech, kde přízvuk může někdy vytvářet bariéry. Místo toho, abychom se spoléhali pouze na tradiční školení agentů, jsme vyvinuli hlasové filtry, nebo co nazýváme „zmírněním přízvuku“. Tyto filtry pomáhají agentům zachovat jejich jedinečný hlas, zatímco snižují jejich přízvuk, zlepšují srozumitelnost pro volající. Používáním hlasových filtrů zajišťujeme lepší komunikaci a budujeme důvěru mezi agenty a volajícími, což činí každou interakci účinnější a spokojenější pro zákazníka. Ve srovnání s rozsáhlými programy školení nabízejí hlasové filtry jednodušší a okamžitější řešení problémů souvisejících s přízvukem v kontaktních centrech.

Jak stávající agenti využijí tyto nástroje ke zlepšení své výkonnosti, budou moci požadovat vyšší sazby, které odrážejí jejich zvýšenou hodnotu při poskytování výjimečných zákaznických zkušeností. Současně bude demokratický efekt generativní AI přinášet nové začínající agenty do skupiny, rozšiřovat talentovou základnu a snižovat hodinové sazby. Tento dichotomie signalizuje fundamentální transformaci dynamiky odvětví kontaktních center, kde technologie a lidská odbornost mění krajinu odvětví, vytvářející cestu k více inkluzivní a konkurenceschopné budoucnosti.

Jaké jsou některé z různých technologií strojového učení a AI, které se používají pro umožnění hlasového filtrování?

Toto řešení reálného hlasového filtrování by nebylo možné před několika lety. Pokroky ve výzkumu řeči v kombinaci s novějšími architekturami, jako je model transformátoru a hluboké neuronové sítě, a výkonnějším AI hardwarovým vybavením (jako TPUs od Google a GPU od NVidia) činí možné budování takových řešení dnes. Je to stále velmi obtížný problém, který vyžaduje, aby náš tým vynalezl nové techniky pro školení modelů řeč-na-řeč, které jsou nízké latence a vysoké kvality.

Jaký je typ zpětné vazby, který jste obdrželi od kontaktních center, a jak to ovlivnilo míru fluktuace zaměstnanců?

Máme silnou poptávku po našich řešeních pro zmírnění přízvuku ze strany velkých a malých offshore kontaktních center. Tato kontaktní centra uznávají, že Tomato.ai může pomoci s jejich dvěma největším problémy (1) výkonnostní metriky offshore agentů nejsou srovnatelné s onshore agenty (2) je obtížné najít dostatečné množství kvalifikovaných agentů k najmutí v offshore trzích, jako jsou Indie a Filipíny.

Očekáváme, že v nadcházejících týdnech budeme mít případové studie, které budou zdůrazňovat typ dopadu, který kontaktní centra zažijí při použití našeho řešení pro zmírnění přízvuku. Očekáváme, že prodejní hovory uvidí okamžitý nárůst klíčových metrik, jako je výnos, míra uzavření a kvalifikace leadů. Současně očekáváme, že podpůrné hovory uvidí kratší dobu zpracování, méně zpětných volání a zlepšenou spokojenost zákazníků (CSAT).

Jak již bylo zmíněno, míra fluktuace zaměstnanců vyžaduje delší dobu pro ověření, a proto případové studie s těmito zlepšeními budou následovat později.

Tomato.ai nedávno získala 10 milionů dolarů v rámci kola financování, co to znamená pro budoucnost společnosti?

Jak Tomato.ai připravuje svou inaugurální produktovou nabídku, tým zůstává pevně odhodlán měnit krajinu globální komunikace a budoucnosti práce, jednu konverzaci po druhé.

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