Sharone Ben-Levi, VP globálních prodejů a obchodního rozvoje, Contact Center, AudioCodes – Interview Series

Sharone Ben-Levi, VP globálních prodejů a obchodního rozvoje, Contact Center, AudioCodes (AUDC ), je zkušený manažer v oblasti komunikačních technologií s více než 25 lety zkušeností, které zahrnují prodej, marketing, obchodní rozvoj a inovace v oblasti kontaktních center. Během své kariéry, která zahrnuje více než dvě desetiletí strávená v AudioCodes, zastával řadu vedoucích pozic zaměřených na růst podnikání v oblasti podnikových komunikací, řešení zákaznické zkušenosti a technologií kontaktních center poháněných umělou inteligencí. Předtím, než nastoupil do AudioCodes, pracoval ve společnosti NICE Systems, kde získal cenné zkušenosti v oblasti zákaznického zapojení a podnikového softwaru. Během své kariéry se Ben-Levi zaměřil na pomoc organizacím modernizovat interakce se zákazníky prostřednictvím cloudových komunikací, automatizace a konverzační umělé inteligence, což z něj učinilo uznávanou osobnost v oblasti vývoje technologií kontaktních center.

AudioCodes je společnost specializující se na komunikační technologie, která se zaměřuje na podnikovou hlasovou komunikaci, kontaktní centra a řešení zákaznické zkušenosti poháněné umělou inteligencí. Společnost byla založena v roce 1993 a vyvinula se z poskytovatele hlasových sítí a infrastruktury VoIP na lídra v oblasti inteligentních hlasových komunikací, které pomáhají organizacím modernizovat interakce se zákazníky a zaměstnanci v cloudu, hybridních a místních prostředích. Její portfolio zahrnuje platformy pro hlasovou umělou inteligenci, konverzační řešení, kontrolory hranic relací, integrace Microsoft Teams Voice, nabídky CPaaS a nástroje pro modernizaci kontaktních center. Prostřednictvím platforem jako VoiceAI Connect a Live Hub umožňuje AudioCodes podnikům nasazovat hlasové boty, agentury AI, funkce asistencí agentů, konverzační řešení IVR a služby komunikace v reálném čase, zatímco integruje stávající telekomunikační a kontaktní centrální infrastrukturu. Její technologie jsou používány podniky a poskytovateli služeb po celém světě ke zlepšení zákaznické zkušenosti, automatizaci pracovních postupů a podpoře iniciativ digitální transformace.

Vy jste strávil více než dvě desetiletí v AudioCodes, během kterých jste se vyvinul od inženýrství vestavěných systémů až po vedení produktivity aplikací. Jak vám tato cesta utvořila váš pohled na to, co je potřeba k tomu, aby byla hlasová umělá inteligence spolehlivá v podnikovém prostředí?

Jsem viděl podnikové komunikace z více perspektiv, a tato cesta mi potvrdila jednu základní lekci: spolehlivost musí být vestavěna do každé vrstvy systému od začátku.

Práce na vestavěných systémech mi ukázala, že ďábel je v detailech, malé technické rozhodnutí mají obrovský dopad v produkčních prostředích. Latence, kvalita zvuku, přesnost přepisu, přirozené střídání a každý jiný prvek musí být navržen s ohledem na spolehlivost, protože pokud některý z nich selže, celý systém selže. Nemůžete tvrdit, že systém hlasové umělé inteligence funguje, pokud funguje pouze za ideálních podmínek.

Přejít do vedení to ještě více potvrdilo. Podniky podporují tisíce uživatelů napříč složitými infrastrukturami s přísnými požadavky na dostupnost. Systém, který funguje dobře v pilotním projektu, ale degraduje pod reálným zatížením, nevyřešil problém.

To je nakonec to, co mi moje kariéra naučila: laťka pro hlasovou umělou inteligenci v podniku je důvěra. A důvěra je budována pouze tehdy, když organizace mohou spoléhat na to, že systém bude fungovat spolehlivě enough, aby se stal součástí jejich kritických obchodních procesů.

Mnohé organizace experimentovaly s chatboty, ale hlas představuje jinou vrstvu složitosti. Jaké jsou největší technické výzvy při přechodu z textově založené umělé inteligence na plně konverzační hlasové systémy?

Největší výzvou je složitost podnikových hlasových prostředí, která jsou často fragmentovaná do samostatných „ostrovů“ vyžadujících zprostředkování mezi protokoly SIP a API HTTP/SSE. To dokonce závisí na lidech. Velmi málo inženýrů zná obě SIP a HTTP/SSE. Kromě toho, na rozdíl od textově založených systémů, vyžaduje hlas zpracování v reálném čase a orchestraci, včetně převodu mezi různými protokoly, aby tyto systémy mohly komunikovat bezproblémově. Tato dodatečná naléhavost a interoperabilita činí dodání hladkého, konverzačního zážitku významně náročnější z technologického hlediska. Latence, pozadí, akcent a křížový rozhovor jsou nyní vrženy do mixu. Tyto proměnné neexistovaly u textového.

AudioCodes se zaměřuje na propojení tradičních telefonních systémů s moderními platformami umělé inteligence. Můžete vysvětlit, jak řešení jako VoiceAI Connect integrují zastaralou infrastrukturu s pokročilými modely umělé inteligence?

VoiceAI Connect je most, který spojuje tradiční zákaznické kontaktní body (telefonní čísla, SIP trunky a telefonní kontaktní centra) přímo s třetími stranami konverzační umělé inteligence, jako je Google (GOOGL ) CX Agent Studio, Amazon (AMZN ) Lex, Microsoft Copilot a více než 30 dalších. Zpracovává komplexní orchestraci hlasu v reálném čase, včetně přepisu řeči a textu a směrování rámce bot, což umožňuje podnikům kombinovat a snadno hlasově povolit své vybrané AI boty bez opuštění svých zastaralých telefonních nastavení. Zastaralé platformy typicky postrádají API integrace z jejich médií serverů do nových nabídek Voice AI. Obcházíme to tím, že se připojíme k nim prostřednictvím jejich SIP telefonních rozhraní a připojíme se k moderním AI rozhraním.

Podniky často zápasí s přechodem za rámec pilotních projektů. Jaké jsou klíčové architektonické nebo provozní bariéry, které brání hlasové umělé inteligenci v rozšíření napříč celou organizací?

Hlasová umělá inteligence se stále vyvíjí. Do doby, než podnik otestuje jednu technologii AI, přichází nová a lepší. Protože AudioCodes neustále integruje nejnovější hlasové AI řešení, umožňuje podnikům kombinovat a future-proof jejich prostředí. Orchestrace AudioCodes umožňuje jim vyzkoušet různé boty pro různé účely, přičemž zohledňují výkon, náklady, jazyk a soulad. To zvyšuje šance na úspěšný přechod do produkce.

Další úvahy o orchestraci produkce se týkají škálovatelnosti, obchodního pokračování a připojení k několika kontaktním centrům po celém světě.

V reálných nasazeních, jak vypadá úspěšný AI-poháněný hlasový zážitek z pohledu koncového uživatele, a jak blízko jsme k dosažení interakcí podobných lidským na velkém měřítku?

Máme několik velmi velkých zákazníků, kteří začali s námi kolem roku 2020 a 2021. Jsou důkazem, že interakce podobné lidským na velkém měřítku již fungují dobře. Reálné použití zahrnuje zákaznické úkoly, jako je směrování hovorů, plánování schůzek a převody peněz, stejně jako nástroje pro agenty, jako je shrnutí hovorů AI, znalostní vedení v reálném čase a živé hlasové překlady.

Pro koncového uživatele vypadá AI-poháněný hlasový zážitek bezproblémově. Místo navigace v rigidních menu (stiskněte 1 pro tohle, stiskněte 2 pro tohle) mohou volající přirozeně mluvit ve svých vlastních slovech prostřednictvím konverzačních systémů IVR (Interaktivní hlasová odpověď), které chápou záměr a reagují vhodně. To vytváří více intuitivní a efektivní interakci od samého počátku.

Zatímco průmysl ještě není na úrovni plně lidských komplexních interakcí na velkém měřítku, tyto schopnosti přibližují podniky významně. Kombinací AI a automatizace s lidskou podporou mohou podniky poskytovat více přesné a personalizované zážitky.

Hlasová umělá inteligence závisí na rozpoznávání řeči, porozumění přirozenému jazyku a zpracování v reálném čase. Kde vidíte největší úzká místa dnes, a jak jsou řešena?

Velké podnikové úzká místa v přijetí Voice AI mapují zpět na integraci. Podle nedávné zprávy Opus Research pouze 38 % podniků uvádí, že náklady jsou bariérou pro přijetí hlasové umělé inteligence. Nicméně 65 % uvádí, že integrace do stávajících systémů a 60 % uvádí složitost integrace.

CCaaS dodavatelé stále více zvyšují bariéry pro model přinést-si-vlastní-bot tím, že blokují integrace nebo je činí finančně nevýhodnými. Starší systémy prostě nemají aktualizované API integrace. Řešení jako AudioCodes’ Voice AI Connect se připojuje k stávajícím kontaktním centrům přes standardní SIP a má AIP integrace s více než 30 frameworky botů umělé inteligence a více než 20 engineů Speech-to-Text (STT) a Text-to-Speech (TTS), eliminuje potřebu ručně psát tyto API.

Stejná zpráva zdůrazňuje celkovou kvalitu výkonu (kvalita hlasu, tok konverzace atd.) jako největší důvod (72 %), který zpomalil přijetí. To, co umožňuje Voice AI Connect, je kombinace frameworků bot, STT a TTS pro optimalizaci implementací, protože ne každý AI vyhovuje každému použití. Kromě toho se průmysl umělé inteligence rychle vyvíjí, vyžadující snadné přepínání na nového poskytovatele AI, jakmile se technologie verbessí.

Integrace by měla být nízká latence, dostupná a snadná na nasazení. Měla by také zlepšit bezpečnost a ladění, zajistit obchodní pokračování a nabízet možnost nasazení na místě.

AudioCodes propaguje flexibilní přístup, který spojuje více poskytovatelů AI a řeči. Jak důležité je flexibilita dodavatele při budování odolných a budoucnost odolných hlasových systémů umělé inteligence?

Flexibilita dodavatele je kritická, protože podniky zřídka operují v jednoduchém prostředí dodavatele, a existuje mnoho různých řešení AI, řeči, telekomunikací a komunikací na trhu. Aby organizace vytvořily skutečně ujednocenou strategii hlasové umělé inteligence, musí být schopny spojit tato různá řešení a zajistit interoperabilitu napříč všemi, zatímco optimalizují náklady, latenci, výkon, jazykovou podporu a jargon.

Flexibilní přístup umožňuje podnikům integrovat s více poskytovateli, vybrat správné technologie pro různé použití a přizpůsobit se, jak se trh vyvíjí.

V regulovaných odvětvích, jako je finance nebo zdravotnictví, jak se liší shromažďování a analýza dat hlasových interakcí od typických cloudových pracovních postupů AI?

Zpracování hlasových dat je řízeno přísnými požadavky na ochranu soukromí a soulad, které významně omezují použití cloudových nástrojů AI. Aby se tomu zabránilo, mnoho regulovaných organizací přijímá nasazení na místě, aby zajistily, že citlivá data zůstávají ve kontrolovaném prostředí a nikdy neopouštějí jejich infrastrukturu.

Požadavky na soulad také vyžadují, aby hlasové interakce byly zaznamenány a uloženy ve specifických formátech po několik let, s vysoce přesnými, doslovnými přepisy strukturovanými pro audity. Například ve finančním sektoru musí obchodovací firma uložit každý zaznamenaný hovor a přepis přesně tak, jak byl mluven, pro regulační audity – data nemohou být změněna nebo shrnuta. Ve zdravotnictví musí poskytovatel zdravotní péče, který zpracovává hovory pacientů, uchovávat záznamy a přepisy plně zabezpečené a v souladu s HIPAA. Obecně musí být data často zpracovávána na místě, aby se zabránilo expozici chráněných informací externím cloudovým službám.

Jakmile podniky začnou nasazovat AI agenty, kteří mohou provádět akce, spíše než pouze reagovat, jak se to změní roli hlasových rozhraní ve zákaznickém servisu a interních operacích?

Hlasová rozhraní se vyvíjejí z pasivních nástrojů na proaktivní, inteligentní systémy, které mohou analyzovat a jednat v reálném čase. Místo toho, aby pouze zaznamenávaly nebo směrovaly konverzace, systémy AI poháněné hlasem mohou nyní pochopit záměr a okamžitě jednat, například řešit problémy zákazníků, spouštět procesy na pozadí nebo pomáhat zaměstnanci vyřešit problém IT. Tato změna je obzvláště silná, protože hlas je často prvním a nejvíce přirozeným kontaktním bodem.

AI Agenti mohou nyní proaktivně kontaktovat lidského supervizora – například, aby schválil slevu pro zákazníka. Mohou také provádět přímé akce, jako je přidání položek do nákupního košíku zákazníka. A mohou spolupracovat s jinými boty, které mají specializované dovednosti, jako je analýza fotografií sdílených zákazníky, aby lépe pochopili kontext. Každá z těchto představuje úroveň sofistikovanosti, která dříve neexistovala. 

Pohledem do budoucnosti, vidíte hlas jako primární rozhraní pro podnikové systémy umělé inteligence, nebo zůstane součástí širší multimodální zkušenosti?

Dovolte mi použít osobní příklad, abych podpořil můj názor. Mám dvě teenageřské děti. Raději by neinteragovaly s lidským zákaznickým servisem, pokud je to možné. Nicméně, raději by mluvily s botem než s ním komunikovaly textem. Hlas byl přirozeným prostředkem komunikace pro lidi po miliony let. Je preferován před klávesnicí nebo myší, alespoň do té doby, než se stane realitou čtení myšlenek.

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