Ofer Ronen, medstifter og administrerende direktør i Tomato.ai – Interviewserie

Ofer Ronen er medstifter og administrerende direktør i Tomato.ai, en platform, der tilbyder en AI-drevet stemmefilter til at mildne accenter for offshore-agenter, når de taler, hvilket resulterer i forbedrede CSAT- og salgsstatistik.

Ofer har tidligere solgt tre tech-startups, to til Google (GOOGL ) og en til IAC. Han tilbragte de sidste fem år hos Google med at bygge kontaktcenter-AI-løsninger inden for Area 120-incubator. Han lukkede mere end 500 millioner dollars i aftaler for disse nye løsninger. Han har en master i computeringeniørvidenskab med fokus på AI fra University of Michigan og en MBA fra Cornell.

Hvad var det, der oprindeligt tiltrak dig til maskinlæring og AI?

AI har en lang historie med starts og stops. Perioder, hvor der var stor håb om, at teknologien ville forandre industrier, efterfulgt af perioder med desillusion, fordi den ikke quite levede op til hypen.

Da jeg gjorde en master i AI for nogle årtier siden på University of Michigan, var det en periode med desillusion, hvor AI ikke quite havde den ønskede effekt. Jeg var fascineret af idéen om, at computere kunne læres at udføre opgaver gennem eksempler i stedet for traditionelle heuristikker, som kræver, at man tænker over, hvilke eksplicitte instruktioner man skal give. På det tidspunkt arbejdede jeg på et AI-forskningslaboratorium med virtuelle agenter, der hjalp lærere med at finde ressourcer online til deres klasser. Dengang havde vi ikke den store mængde data, de kraftfulde beregningsressourcer eller de avancerede neurale netværk, som vi har i dag, så de funktioner, vi byggede, var begrænsede.

Fra 2016 til 2019 arbejdede du på Google’s Area 120-incubator for at designe meget robuste virtuelle agenter til de største kontaktcentre. Hvad var denne løsning præcis?

For nylig arbejdede jeg på Google’s Area 120-incubator på nogle af de største voice-virtuelle agent-udrulninger, herunder et par projekter for Fortune 50-virksomheder med over 100 millioner supportopkald om året.

For at bygge mere robuste voice-virtuelle agenter, der kan håndtere komplekse samtaler, brugte vi millioner af historiske samtaler mellem mennesker og brugte disse samtaler til at registrere typen af følgespørgsmål, kunder har ud over deres oprindelige problem. Ved at udvinde følgespørgsmål og ved at udvinde forskellige måder, kunder formulerer hvert spørgsmål på, kunne vi bygge fleksible virtuelle agenter, der kan have vildledende samtaler. Dette spejlede bedre den type samtaler, kunder har med menneskelige agenter. Resultatet var en betydelig øgning af det totale antal opkald, der fuldt ud blev håndteret af de virtuelle agenter.

I 2021 og 2022 byggede du en 2. startup på Area 120. Kan du dele, hvad denne virksomhed var, og hvad du lærte af denne oplevelse?

Min anden startup inden for Area 120 var igen fokuseret på kontaktcentre. Vores løsning fokuserede på at reducere kundeafhopning ved proaktivt at kontakte kunder lige efter et mislykket supportopkald, hvor kunden havde udtrykt deres problem, men ikke fik en løsning. Kontakten ville blive udført af virtuelle agenter, der var trænet til at løse disse åbne problemer. Det, jeg lærte af denne oplevelse, er, at kundeafhopning er en svær måling at måle på en tilstrækkelig hurtig måde. Det kan tage 6 måneder at få statistisk signifikante resultater for ændringer i kundeafhopning. Det gør det svært at optimere en oplevelse hurtigt nok og at overbevise kunder om, at en løsning virker.

Kan du dele den oprindelige historie bag din tredje kontaktcenter-AI-startup, Tomato.ai, og hvorfor du valgte at gøre det selv i stedet for at arbejde inden for Google?

Idéen til Tomato.ai, min tredje kontaktcenter-startup, kom fra James Fan, min medstifter og CTO. James tænkte, at det ville være mere effektivt at sælge vin med en fransk accent, og hvad nu, hvis alle kunne få en fransk accent?

Dette var frøet til idéen, og fra der udviklede vores tænkning sig. Da vi undersøgte det nærmere, fandt vi et mere akut smertepunkt, som kunder føler, når de taler med agenter med accenter. Kunder havde problemer med at forstå og stole på dem. Dette repræsenterede en større markedsmulighed. Givet vores baggrund var vi klar over den betydelige indvirkning, det ville have på kontaktcentre, hvor det ville hjælpe dem med at forbedre deres salgs- og supportstatistik. Vi kalder denne type løsning for Accent Softening.

James og jeg havde tidligere ledet og solgt startups, herunder hver især solgt en startup til Google.

Vi besluttede at forlade Google for at starte Tomato.ai, fordi vi efter mange år hos Google havde lyst til at komme tilbage til at starte og lede vores egen virksomhed.

Tomato.ai løser et vigtigt smertepunkt med kontaktcentre, som er at mildne accenter for agenter. Kan du diskutere, hvorfor stemmefiltre er en foretrukken løsning i stedet for agenttræning?

I Tomato.ai forstår vi vigtigheden af klar kommunikation i kontaktcentre, hvor accenter kan nogle gange skabe barrierer. I stedet for at afhænge af traditionel agenttræning har vi udviklet stemmefiltre, eller det, vi kalder “accent softening”. Disse filtre hjælper agenter med at fastholde deres unikke stemme, mens de reducerer deres accenter, og forbedrer klaretheden for kaldere. Ved at bruge stemmefiltre sikrer vi bedre kommunikation og bygger tillid mellem agenter og kaldere, hvilket gør hver interaktion mere effektiv og tilfredsstillende for kunden. Så, i sammenligning med omfattende træningsprogrammer, tilbyder stemmefiltre en enklere og mere øjeblikkelig løsning til at løse accent-relaterede udfordringer i kontaktcentre.

Da eksisterende agenter udnytter disse værktøjer til at forbedre deres præstation, vil de blive berettiget til at kræve højere satser, der afspejler deres øgede værdi i at levere ekceptionelle kundeoplevelser. Samtidig vil den demokratiserende effekt af generativ AI føre nye indgangsniveauer-agenter ind i folden, hvilket udvider talentpoolen og driver timelønnerne ned. Denne dikotomi signalerer en fundamental transformation i dynamikken af kontaktcenter-tjenester, hvor teknologi og menneskelig ekspertise genformer landskabet for industrien og baner vejen for en mere inklusiv og konkurrencedygtig fremtid.

Hvilke forskellige maskinlærings- og AI-teknologier bruges til at aktivere stemmefilter?

Denne type realtids-stemmefilterløsning ville ikke have været mulig for blot et par år siden. Fremgang i taleforskning kombineret med nyere arkitekturer som transformer-modellen og dybe neurale netværk og mere kraftfuld AI-hardware (som TPUs fra Google og GPUs fra NVidia) gør det mere muligt at bygge sådanne løsninger i dag. Det er stadig et meget svært problem, der kræver, at vores team opfinder nye teknikker til at træne tale-til-tale-modeller, der er lav forsinkelse og høj kvalitet.

Hvilken type feedback har været modtaget fra kontaktcentre, og hvordan har det påvirket medarbejderfluktrater?

Vi har stærk efterspørgsel fra store og små offshore-kontaktcentre for at afprøve vores accent-softening-løsning. Disse kontaktcentre erkender, at Tomato.ai kan hjælpe med deres to største problemer (1) offshore-agenteres præstationsmålinger er ikke på niveau med onshore-agenter (2) det er svært at finde nok kvalificerede agenter at ansætte i offshore-markeder som Indien og Filippinerne.

Vi forventer i de kommende uger at have cases, der fremhæver den type indvirkning, kontaktcentre oplever ved at bruge Accent Softening. Vi forventer, at salgsopkald vil se en øjeblikkelig stigning i nøglestatistik som omsætning, lukningsrater og kvalificeringsrater. På samme tid forventer vi, at supportopkald vil se kortere håndteringstider, færre callbacks og forbedret CSAT.

Som nævnt ovenfor tager fluktrater længere tid at validere, og så vil cases med disse forbedringer komme på et senere tidspunkt.

Tomato.ai har nylig samlet 10 millioner dollars i en finansieringsrunde, hvad betyder det for virksomhedens fremtid?

Da Tomato.ai forbereder sig til sin første produktlancering, forbliver teamet fast besluttet på at genforme landskabet for global kommunikation og fremtiden for arbejde, en samtale ad gangen.

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