Sergey Galchenko, Chief Technology Officer, IntelePeer – Rozhovorová série

Co vás původně přitáhlo k oboru počítačové vědy a AI?

Baví mě řešit problémy a vývoj softwaru vám umožňuje to udělat s velmi rychlou zpětnou vazbou. AI otevírá nové hranice použití, které jsou obtížně řešitelné pomocí tradičního deterministického programovacího přístupu, což z něj činí zajímavý nástroj v sadě řešení.

Jak AI transformovala krajinu zákaznické podpory, zejména při automatizaci operací zákaznické zkušenosti (CX)?

Generativní umělá inteligence revolucionalizuje podnikání v kontaktních centrech bezprecedentním způsobem. Když je kombinována s řešeními, která pomáhají automatizovat komunikaci, generativní AI nabízí nové příležitosti ke zlepšení interakcí se zákazníky, zvýšení provozní efektivity a snížení nákladů na pracovní sílu v odvětví, které se stalo velmi konkurenčním. Díky těmto technologiím mohou zákazníci těžit z vysoce personalizované služby a konzistentní podpory. Společnosti mohou současně efektivněji zpracovávat hovory a bojovat proti fluktuaci agentů a vysokým mírám neobsazenosti, zatímco umožňují svým zaměstnancům soustředit se na úkoly s vysokou prioritou. Nakonec, generativní AI, prostřednictvím svých pokročilých algoritmů, umožňuje společnostem konsolidovat a shrnovat informace odvozené z interakcí se zákazníky pomocí více zdrojů dat. Výhody využití těchto technologií v CX jsou zřejmé – a existuje stále více dat, která podporují tvrzení, že tento trend bude mít dopad na stále více společností.

Můžete poskytnout konkrétní příklady toho, jak generativní AI IntelePeer snížila únavné úkoly pro agenty zákaznické podpory?

Konečným cílem generativní AI IntelePeer je umožnit kompletní automatizaci scénářů zákaznické podpory, snížení závislosti na agentech a výsledkem je až 75% snížení provozních nákladů pro zákazníky, kterým sloužíme. Naše platforma je schopna automatizovat až 90% interakcí zákazníků, a jsme již kolektivně automatizovali přes půl miliardy interakcí zákazníků. Naše generativní AI může nejen automatizovat ruční úkoly, jako je směrování hovorů, plánování schůzek a zadávání údajů o zákaznících, ale může také poskytovat samoobslužné zkušenosti, které zákazníci stále více požadují a očekávají – kompletní s hyper-personalizovanými komunikacemi, vylepšenou přesností odpovědí a rychlejšími řešeními.

Můžete popsat, proč AI související služby musí vyvážit kreativitu s přesností.

Vyvážení kreativity s přesností a předvídatelností je zásadní pro budování důvěry v AI poháněných službách a řešeních – jedna z největších výzev, kterým AI technologie dnes čelí. Především by mělo být samozřejmé, že každé AI řešení by mělo usilovat o nejvyšší možnou úroveň přesnosti, aby poskytlo správné výstupy pro všechny vstupy. Ale vytvoření skvělé zkušenosti s AI jde za poskytování správných informací koncovým uživatelům; zahrnuje také umožnění správného dodání těchto informací jim, což vyžaduje určitou kreativitu, aby se to podařilo. Například v interakci zákaznické podpory by AI poháněná komunikační řešení mělo být schopno automaticky přizpůsobit tón zákazníka a upravit jej podle potřeby v reálném čase, aby jim poskytovalo přesně to, co potřebují, způsobem, který jim nejlépe vyhovuje v danou chvíli. AI by také mělo komunikovat způsobem, který je podobný lidskému, aby zákazníci cítili větší pohodlí, ale ne tak, aby je oklamalo, že mluví s člověkem, když tomu tak není. Opět, vše se vrací k budování důvěry v AI, což nakonec povede k ještě širšímu přijetí a používání této technologie.

Jakou roli hraje data při zajišťování přesnosti AI odpovědí a jak spravujete data, aby optimalizovala AI výkon?

Dobrá data vytvářejí dobré AI. Jinými slovy, kvalita dat, která jsou krmena do AI modelu, přímo koreluje s kvalitou informací, které model produkuje. V zákaznické podpoře jsou data o interakcích zákazníků klíčem k nalezení mezer v zákaznické cestě. Analýzou těchto dat mohou organizace lépe pochopit záměry zákazníků a poté použít tyto informace ke streamlinování a vylepšení AI poháněného zapojení, transformaci celkové zákaznické cesty a zkušenosti. Ale organizace musí mít správné datové architektury na místě, aby zpracovávaly a extrahovaly poznatky z obrovského množství dat spojených s AI řešeními.

AI řešení IntelePeer využívá obsah a kontext interakce k určení nejlepšího průběhu akce na každém kroku. Během interakce, pokud je položena otázka, která vyžaduje odpověď specifickou pro proces, pravidla nebo zásady podniku, AI workflow automaticky využije znalostní bázi, která zahrnuje obchodní data, jako jsou dokumenty FAQ, materiály pro školení agentů, webové údaje, zásady a další obchodní informace, aby odpovídala. Podobně, pokud je položena otázka nebo požadavek, na který podnik nechce, aby AI přímo odpověděl, AI workflow eskaluje dotaz na lidského agenta, pokud je to vyžadováno. Zbývající interakce může být automaticky přidána do databáze Q&A, aby vylepšila odpovědi v následujících interakcích zákazníků nebo předána dozorčí autoritě ke schválení před začleněním.

Jak předvídáte, že se bude role předních agentů vyvíjet s rostoucí rolí AI v zákaznické podpoře?

Na IntelePeer předpovídáme dramatické snížení závislosti na předních agentech kvůli vývoji AI technologií. S obrovskými kroky v AI poháněném obsahu hovorů, které pokračují v zlepšování kvality a růstu objemu, jsou organizace dnes schopny automatizovat až 90% svých interakcí zákazníků. To jim umožňuje optimalizovat své přední personální zdroje a výrazně ušetřit na provozních nákladech – zatímco poskytuje lepší zkušenosti pro zákazníky, kterým slouží.

Zatímco některé úkoly jsou automatizovány, které dovedné role CX budete považovat za kritické, navzdory pokroku AI?

Přestože AI sníží počet předních agentů potřebných v rolích zákaznické podpory, lidský prvek bude vždy nutný v operacích CX. Například AI poháněné komunikační modely musí být školeny, konfigurovány a spravovány s lidským dohledem, aby zajistily přesnost a eliminaci jakýchkoli偏见. Lidský dotek je také nutný pro sladění automatizované zákaznické komunikace s zasíláním a osobností organizace nebo značky, ze které pocházejí, což přispívá k pohodlí zákazníků a pomáhá budovat důvěru v technologii. Tyto více technické, AI orientované role budou brzy převzít typické role předních agentů.

AI halucinace jsou obavou při udržování přesných zákaznických interakcí. Jaké konkrétní zábrany implementovala IntelePeer, aby zabránila AI vymýšlet fakta?

 Podniky potřebují implementovat generativní AI dnes, aby zůstaly relevantní uprostřed probíhající revoluce, zatímco se vyhnou spěšnému a katastrofickému nasazení. Aby toho dosáhly zodpovědně, společnosti musí začít implementovat vzor Retrieval Augmented Generation (RAG), aby pomohly jejich gen AI rozhraní s analýzou velkých podnikových datových sad. Pro automatizované interakce zákaznické podpory musí značky vytvořit lidskou zpětnou vazbu, aby analyzovaly minulé interakce a zlepšily kvalitu datových sad, které se používají pro jemné ladění a retrieval augmentation. Dále, aby se eliminovaly AI halucinace, organizace by se měly soustředit na:

• implementaci zábran analýzou dat o interakcích zákazníků a vývojem komplexních, dynamických znalostních bází;
• investice do kontinuálního monitorování a aktualizace těchto systémů, aby se adaptovaly na nové dotazy a udržovaly přesnost; a
• školení personálu, aby rozpoznali a spravovali neidentifikovatelné permutace, aby zajistili bezproblémový eskalační a řešení procesů.

Jak zajišťujete, aby velké jazykové modely (LLM) interpretovaly kontext správně a poskytovaly spolehlivé odpovědi?

 Náhodný přístup k implementaci gen AI může vést k problémům s kvalitou výstupu, halucinacemi, porušením autorských práv a zkreslenými algoritmy. Proto musí podniky mít zábrany odpovědí, když aplikují gen AI ve prostředí zákaznické podpory. IntelePeer využívá retrieval augmented generation (RAG), který krmit data kontextu do LLM, aby získal odpovědi založené na zákaznické datové sadě. Během celého procesu, od okamžiku, kdy se data připravují, až do chvíle, kdy LLM pošle odpověď klientovi, jsou nezbytné zábrany, aby se zabránilo expozici citlivých informací. RAG proces IntelePeer začíná, když zákazník položí otázku AI poháněnému botu. Bot provede vyhledávání otázky v znalostní bázi. Pokud nemůže najít odpověď, přenese se na agenta a uloží otázku do databáze Q&A. Později bude lidská osoba přezkoumat tuto novou otázku, provede import datové sady a uloží odpověď do znalostní báze. Nakonec, žádná otázka nezůstane bez odpovědi. S procesem RAG na místě mohou podniky udržet kontrolu nad sadami odpovědí pro automatizaci interakcí.

Pohledem do budoucnosti, jaké trendy předpovídáte v roli AI v zákaznické zkušenosti?

Na IntelePeer hluboce věříme, že generativní AI je mocným nástrojem, který bude pozitivně doplňovat lidské komunikační schopnosti, odemykající nové příležitosti a překonávající dlouho standing bariéry. AI bude pokračovat ve zlepšování komunikace zákaznické podpory, streamlinujících interakcí zákaznické podpory, poskytujících nepřetržité asistence a poskytujících jazykové mosty. Kromě toho, školené na velkých jazykových modelech (LLM), virtuální asistenti budou moci čerpat z milionů lidských konverzací, aby rychle detekovaly emoce a upravily tón, sentiment a slovní volbu. Bude více a více důkazů, že podniky, které úspěšně využívají AI k posílení lidských spojení, zažijí významný návrat na investice a zlepšení efektivity a produktivity. Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit IntelePeer.