Alex Levin, Medstifter og CEO af Regal – Interviewserie

Alex Levin er medstifter og CEO af Regal, en voice AI-platform, der hjælper virksomheder med at drive indtjening gennem compliant, AI-drevne kundesamtaler. Før han stiftede Regal i 2020, ledede han vækst- og produktteams hos Handy, Thomson Reuters (TRI ) og andre startups. Som Harvard-uddannet og medlem af Forbes Technology Council fokuserer Alex på at bygge skalerbare, voice-first-infrastruktur, der kombinerer innovation med enterprise-grade sikkerhedsforanstaltninger.

Regal tilbyder AI-voice-agenter til salg, support, planlægning og indsamling – designet til at lyde naturligt, integrere med CRM-systemer og håndtere millioner af samtaler i stor skala. Platformen har en no-code-builder, real-time-analyse, A/B-testning og indbygget compliance til regulerede brancher som sundhedsvesen, forsikring og finansielle tjenester.

Hvad inspirerede dig til at gå fra ledelsesroller hos Angi og Handy til at stifte Regal, og var der et bestemt øjeblik, hvor du og din medstifter indså, at kontaktcenter-oplevelsen skulle genopbygges helt?

Mens vi var hos Angi/Handy, så vi kraften af voice til at bygge tillid hos kunder. Kunder fortalte os, at når de havde et vigtigt problem, de ville ringe, og kunder, vi betjente over telefonen, havde en højere livstidsværdi, og når vi ringede til kunder, svarede de i en langt højere rate end på nogen anden kanal. Men kontaktcenter-software-virksomheder var fokuseret på “afledning” og “automatisering” over, hvad der var bedst for kunderne. Resultatet var en evig leg med at gemme telefonnumre, der unødvendigt straffede kunder.

Jeg og min medstifter forlod, fordi vi stærkt troede på, at vi kunne gøre voice til den mest effektive kanal ved at bringe omkostningerne ned og gøre det lettere at operere. Jeg ønsker, jeg havde haft Regal, mens jeg styrede et stort kontaktcenter.

I lancerede Regal i 2020, lige før den generative AI-boom. Hvordan vurderede du, om voice AI var teknisk gennemførlig – og hvad gav dig overbevisningen om at handle tidligt?

Vi var overbeviste længe før 2020 om, at voice var den vigtigste kanal. Og i 2020 vidste vi, at vi kunne bygge orkestrering, A/B-testning og personaliseringstools, der ville sænke omkostningerne og simplificere håndtering af voice som en kanal – uanset om det var et menneske, en gammeldags voice-bot eller noget bedre. Så vi solgte værktøjer til kontaktcenter for at bedre håndtere menneskelige agenter fra starten. Denne produkt voksede meget hurtigt.

Men som du siger, at starte et firma er et spring ud i troen, og det tog tid at se, hvordan vi kunne gå ud over begrænsningerne af menneskelige agenter. Det var ikke før lanceringen af ChatGPT i slutningen af 2022, at vi virkelig så “AI”, der var godt nok til at holde en samtale. Og det var ikke før slutningen af 2023, at vi kunne lave en demo for en voice-agent, som vi troede en kunde ville ønske at tale med.

Hvad var nogle af de mest vanskelige tekniske udfordringer i at træne voice-agenter, der kunne matche eller overgå menneskelig præstation i naturlige samtaler?

Der er så mange dejlige tekniske udfordringer at arbejde med. Fra at sikre, at latencyen er omkring 500 ms, til at finde ud af, hvordan man kan sikre, at AI-agenter kan have al virksomhedens viden og kundedata i realtid, til at få AI-agenter til at tage handlinger i opkald og efter, til vagter eller sikkerhedsfunktioner, og hvordan man kan gøre agent-interaktionen føle sig menneskelig med turtagning og de rigtige verbale signaler.

Et af mine yndlingsprojekter, som vores team arbejder på i dag, er, hvordan man kan forbedre automatiserede evalueringer, så en AI-agent kan testes mere let, før den sættes i produktion. Dette ville udelukke hundredvis af timer med manuel QA, der sker konstant i dag for hver ændring af hver AI-agent.

Vi må først oprette hundredvis af varierede simulerede kundesamtaler (ved hjælp af AI), de har AI-agenten gå igennem dem, derefter har AI-super-visoren QA dem og returnere foreslåede forbedringer til AI-agenten eller virksomhedens politikker og viden. Vi har et fungerende evalueringprodukt nu, og kunde-tilbagemeldingen har været god, og det bliver bedre med en fantastisk hast.

Dette er kritisk for den nye målstreg for antal ledere per AI-agent. Snart vil meget få ledere være i stand til at håndtere hundredvis af forskellige AI-agenter.

Hvordan udnytter Regal maskinlæring til at personalisere samtaler i realtid? Er det baseret på kunde-historik, tone, intentionsgenkendelse – eller en kombination?

Vi har investeret dybt i personalisering i forhold til resten af markedet, fordi vi tror på at hjælpe brands med at teste millioner af kunder som en i en million. Ikke kun genskabe den generiske menneskelige agent-håndtering, der ofte bruges i dag.

Vi startede med at bygge en samlet kunde-profil, der kobler hver enkelt stykke CRM-data, begivenhedsdata og samtale-historik. Når en virksomhed bygger en agent, kan de derefter give AI-agenten adgang til alt om en kunde eller kun de specifikke data, der er nødvendige for en bestemt samtale. LLM giver en menneske-lignende, konversationel respons ved hjælp af data på hånden.

LLM’er er stadig begrænsede i, hvad de gør godt, så vi havde brug for muligheden for at udnytte andre værktøjer som tredjeparts-data-tjenester, brugerdefinerede applikationer og ML. Så vi byggede “Brugerdefinerede handlinger”, der kan bruges i en AI-agent-prompt til at udnytte andre tjenester. For eksempel har mange brands propensity-modeller til at indikere, hvilket produkt at foreslå kunden næste, og vi kan kobles til dem, der passer samtalen.

Hvordan bruger dit system retrieval-augmented generation (RAG) uden at ofre responsiviteten eller den naturlige kadence, kunder forventer fra et live-opkald?

RAG er et område, hvor vi adskiller os, da det behøvede at være hurtigere for voice AI-agenter end for AI-agenter i chat eller andre digitale kanaler. Et par sekunders dødt luft ville fuldstændigt ødelægge opkaldet.

Vi reducerede både latencyen af retrieval og sikrede, at hvis retrieval tog længere tid, kunne AI-agenten fortsætte med at tale med kunden for at lade dem vide, at det ville tage længere tid.

Regals agenter er modelleret efter rigtige menneskestemmer, herunder også investorer. Hvad kræver det – teknisk og etisk – at bygge så høj-fidelitets-replikaer?

Det er overraskende let teknisk at “klone” en stemme, så en AI-agent kan lyde som en professionel stemme-actor eller en ven. 5-10 minutter af højkvalitets-lyd er alt, der er nødvendigt.

For eksempel blev jeg nylig spurgt, hvordan man gør dette for en døende familiemedlem, så den yngre generation kan opleve dem, når de er ældre. Så med lidt vejledning vil de optage den døende bedsteforælder nu.

Til dit andet punkt, bedsteforælderen giver samtykke til dette, og professionelle stemme-actere eller vores investorer giver samtykke til dette. Dårlige aktører, der tillader stemme-kloning uden samtykke (som skete under den sidste præsidentvalgkamp), skal lukkes.

Et råd – hvis du tillader en stemme-kloning (eller du er en offentlig person, der kan blive klonet af dårlige aktører), skal du sørge for at komme op med et sikkerhedsord, som kun din familie kender, så de kan identificere den rigtige dig i et opkald.

I hvilken udstrækning integrerer Regal i CRM-systemer, betalingssystemer og interne API’er? Hvad var nogle af de største integrations-udfordringer, du havde at løse?

At integrere med store produkter fra CRM’er som Salesforce (CRM ) til kontaktcenter-software som NICE er ret fremgangsrigt. Den sværeste opgave er at sikre, at virksomheden gør API’er tilgængelige for os til enhver handling, AI-agenten måtte have brug for at udføre. En menneskelig agent kan klikke på en knap for at booke et hotel-værelse, men AI-agenten har virkelig brug for en booking-API.

Hvordan tilgår du måling og forbedring af model-præstation over tid? Hvad er rollen af supervised fine-tuning eller forstærkning-læring i denne proces?

Vi byggede en A/B-test-suite fra starten, så det er ret let for kunder at teste AI-agenter mod menneskelige agenter eller agenten med LLM-version 1 mod version 2. Dette giver os en klar måde at se variationer i resultat for forskellige modeller på.

Vi bruger dog ikke forstærkning-læring i dag, da det gør juridiske hold utilpas (de ønsker ikke en situation, hvor der er en ændring i duften, der er uønsket). Jeg tror, vi er 13 måneder fra, at juridiske hold tillader forstærkning-læring i vores brugsområde. I stedet fokuserer vi i dag på at foreslå ændringer, som en menneskelig leder kan acceptere. Disse kan være ændringer i en prompt, en viden-base, finjustering af en LLM osv.

At tale med en VC – eller en stemme-kloning af en – er et dristigt koncept. Hvad var din intention med at gøre disse AI-rådgivere tilgængelige for grundere, og hvordan bliver de brugt i dag?

Vi har været heldige at have adgang til fantastiske investorer, og vi ønskede at give noget tilbage med dette projekt. Jeg har det sjovt at tale med Satya AI når som helst, og jeg har hørt godt tilbagemelding fra direktører, der har brugt AI-VC’er til alt fra råd om, hvordan man laver en produkt-vejledning, til hvad prismodellen skal være.

Vi elsker at vise i stedet for at fortælle, og dette projekt fremhæver virkelig kraften af vores RAG/viden-base-kapaciteter. Vi havde endda to af vores investorer-forældre, der gav os tommelfingeren op!

Men et ord til visdom – du kan ikke dele beslutningsmagten til rådgivere, og en af de sværeste dele af at være en direktør er at vælge mellem to dårlige muligheder eller endda to tilsyneladende gode muligheder.

Er disse investor-agenter afhængige af generel startup-viden, eller er de trænet på firma-specifikke råd og filosofier knyttet til den enkelte VC?

Alle AI-agenter har nogen generel viden fra LLM-træningen. Men for at få de resultater, vi havde brug for, uploadede vi investorerens omfattende skrifter til de respektive AI-Agent-Knowledge-Baser.

Ud over dette og stemme-kloning, tror jeg, vi var i stand til at fange nogen af investorerens unikke personligheder eller essens, som Jake Saper’s positivitet eller Alexa Von Tobel’s entusiasme.

Settende blikket fremad, hvordan ser du Regals AI udvikle sig – vil vi se mere autonom beslutningstagning, mere emotionel intelligens eller endda multimodal support?

Det mest spændende aspekt af det sidste år har været at se vores AI-agenter præstere bedre end menneskelige agenter. Jeg tror, at i det næste år vil forbedringer i de underliggende AI-modeller og fremskridt i Regals anvendelse resultere i AI-agenter, der er umulige at skelne fra mennesker, og vigtigst, der overgår menneskelige agent-egenskaber. Virksomheder, der læner sig ind i AI-agenter, vil sænke deres omkostninger og forbedre kundeoplevelsen hurtigere, end nogen havde forventet.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Regal.