Rana Gujral, administrerende direktør for Behavioral Signals – Intervju-serie

Rana Gujral er administrerende direktør for Behavioral Signals, et selskap som brobygger kommunikasjonsgabet mellom mennesker og maskiner ved å introdusere emosjonell intelligens, fra tale, i samtaler med AI.

Behavioral Signals er et relativt ungt startup som ble lansert i 2016. Kan du dele opphavsfortellingen?

Drevet av en lidenskap for å bringe selskapets banebrytende patenterte tale-til-emosjon og tale-til-atferd-teknologier til markedet, grunnla CTO, Alex Potamianos og Chief Scientist, Shri Narayanan Behavioral Signals i 2016. Shri er en Andrew J. Viterbi Professor of Engineering ved University of Southern California (USC). Han grunnla og leder nå Signal Analysis and Interpretation Laboratory (SAIL) ved USC. Alex er en anerkjent innovator innen tale- og naturlig språkbehandling, interaktivt tale-svar-system og atferdsinformatikk. Han har over 20 års ledererfaring både i det korporative og det entreprenørielle aspektet av forretningen, mens hans bakgrunn inkluderer å ha arbeidet ved AT&T Labs-Research, Bell Labs og Lucent Technologies.

Med målet om å forbedre og for alltid endre forretningsverdenen, tror vi at teknologi er kjernen av hva som kan oppnås. Behavioral Signals’ algoritmer analyserer menneskelige emosjoner og atferd, transformerer data til brukbar informasjon og fører til bedre forretningsbeslutninger og økt fortjeneste. Frem til nå har menneskelig emosjon blitt ansett som umulig å kvantifisere og umulig å måle. Med vår patenterte analytics-motor måler og tolker vi “hvordan”-delen av menneskelige interaksjoner.

Behavioral Signals avhenger av en type maskinlæring som kalles affektive datamaskiner (også kjent som Emotion AI). Kan du forklare hva dette er?

Emosjonell kunstig intelligens, også kalt Emotion AI eller affektive datamaskiner, brukes til å utvikle maskiner som er i stand til å lese, tolke, svare på og etterligne menneskelig affekt – måten mennesker opplever og uttrykker emosjoner på. Hva betyr dette for forbrukerne? Det betyr at dine enheter, som din smartphone eller smarte høyttalere, vil kunne tilby deg interaksjon som føles mer naturlig enn noen gang før, bare ved å lese de emosjonelle signalene i din stemme.

Så lenge vår avhengighet av AI vokser, vokser også behovet for emosjonelt intelligent AI. Det er en ting å be din virtuelle assistent om å lese deg i dagens spillresultater, men det er en annen ting å betro dine eldre foreldre til omsorgen til en AI-drevet bot. For tiden kan AI gjøre fantastiske ting, som å diagnostisere medisinske tilstander og angi behandlinger, men den trenger fortsatt emosjonell intelligens for å kommunisere med pasienter på en mer menneskelig måte.

Hva andre typer maskinlæringsteknologier brukes?

Når det gjelder maskinlæring, bruker vi hovedsakelig dypt læring og NLP i våre Behavioral Signals Processing-analysemodeller. For å forklare dette litt bedre, har vi banebrytende felt, Behavioral Signal Processing, basert på over et tiår med prisbelønnet og patentert forskning, for å automatisk detektere informasjon som er kodet i den menneskelige stemmen fra lyd og måle kvaliteten på menneskelig interaksjon. Det er en fremvoksende disiplin som brobygger ingeniørvitenskap med atferdsvitenskap og har som mål å kvantifisere og tolke menneskelig interaksjon og kommunikasjon gjennom bruk av ingeniørvitenskap og datamaskin-innovasjoner. Dypt læring er verktøyet som hjelper til å skape bedre prediktive modeller.

Hva type data samler du inn fra tone i stemmen?

Vår dypt lærende AI-teknologi analyserer hva og hvordan noe blir sagt, på begge sider av en samtale, og måler emosjoner og atferd. Spennet av emosjoner er ganske divers, men det som virkelig betyr noe, er den aggregerte intelligensen i denne analysen. For å gi et eksempel, tenk på en samtale mellom en bankansatt og en kunde; vi kan fange og måle høflighet, komposisjon (rolig vs opphisset), empati overfor kunden, kundens reaksjoner og generell talestil som langsom, rask, engasjert eller desengasjert, for å beregne samtalekvalitetspoeng, effekten av utfallet og ansattens ytelse.

Hva type dataanalyse gjøres for å forutsi intensjon?

Intensjonsforutsigelse er ganske likt det som allerede er nevnt. Vi bruker atferdssignaler i stemmen for å forutsi en kundes intensjon om å kjøpe en vare, fornye en abonnement eller om en debitor vil betale sin gjeld. Intensjonsforutsigelse kan hjelpe selskaper å øke salget og innkrevningsforholdet, redusere kostnadene og til slutt forbedre kundetilfredsheten.

Behavioral Signals har vært en 6-ganger gullvinner av INTERSPEECH-kvaliteten på menneskelige interaksjoner og beregningsparalingvistikk-utfordringen. Hva er denne utfordringen og hvor stor er denne prestasjonen?

Interspeech er verdens største tekniske konferanse som fokuserer på talebehandling og -applikasjon. Den har den største deltakelsen i dette domenet og et betydelig antall forskningsartikler. Konferansen legger vekt på tverrfaglige tilnærminger som behandler alle aspekter av talevitenskap og -teknologi, fra grunnleggende teorier til avanserte applikasjoner. Utfordringene regnes som Turing-prisen i talegjenkjenning og naturlig språkbehandling. Å vinne det er en viktig anerkjennelse av vårt vitenskapelige arbeid og vår unike evne til å detektere signaler fra lyddata forbundet med atferd og egenskaper som driver menneskelige beslutninger.

Hvor raskt kan Behavioral Signals tilpasse seg forskjellige språk, og hvor stort datasett er nødvendig?

Vår teknologi er språkuavhengig. Vi lytter til hvordan noe blir sagt, snarere enn hva som faktisk blir sagt. Vi lytter til de uttrykte emosjonene, som er ganske universelle i alle språk. Selvfølgelig har hvert språk sine unike trekk som kan kreve en justering av våre algoritmer, men forskjellen på våre prediktive analytiske modeller er generelt liten.

Kan du diskutere Behavioral Signals’ siste løsning, AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) er en automatisert samtale-rutingsløsning som bruker emosjon AI og stemme-data for å matche kunden med den beste ansatte til å håndtere et bestemt samtale. Hvis vi går tilbake til ovennevnte eksempel på bankansatt og kunde, kan vår teknologi guide samtale-dynamikken med det ultimate målet å forbedre utfallet, enten det handler om bedre kundeoopplevelse, økt innkrevning eller raskere løsningstider. Uansett hva målet er, er det alltid en katalysator som vil tillate begge parter å nå det ønskede resultatet. Den bidragende faktoren er vanligvis en enkel og naturlig menneskelig prosess: affiniteten eller samarbeidet som utvikles mellom mennesker. Uansett hva type forretningskommunikasjon (salgsamtale, støtte, innkrevning) det handler om, vil det alltid være en interaksjon mellom virkelige mennesker, der sjelden er affiniteten identisk mellom to par mennesker. Vi har bestemte atferd og egenskaper som hjelper oss å komme overens med noen mennesker bedre enn med andre. Denne matchen baseres på profildata og våre overlegne algoritmer utviklet fra år med forskning og erfaring i NLP og atferdssignalbehandling.

Vi implementerte nylig Behavioral Signals’ AI-MC-løsning for å øke effektiviteten og effekten av en EU-banks kundesenter. Saken ble anerkjent av Gartner og inkludert i deres Emotion AI-adoptionsrapport. Løsningen viste en betydelig avkastning med en 20% økning av aktive gjeldsrestruktureringer. I tillegg ble denne forbedringen oppnådd med 7,6% færre samtaler, noe som ledet til ytterligere kostnadsreduksjoner. I absolutte tall svarte disse resultater til en $300M oppside for banken.

Er det noe annet du ønsker å dele om Behavioral Signals?

Mens vi tar stor stolthet i våre forskningsprestasjoner, er vi like takknemlige for bransje-akkoladene. I høst 2019 ble vår teknologi listet som en brukssak-leder i Gartners ettertraktede Maverick Research som profilerer skarpe teknologier. Tidligere i år ble vi inkludert i Gartners Hype Cycle, der vår teknologi ble rangert som ‘transformerende’. Forrige måned ble vi listet som en Gartner Cool Vendor 2020.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Behavioral Signals.