Rebecca Greene, CTO og medstifter af Regal – Intervieuserie

Rebecca Greene, CTO og medstifter af Regal, er en teknologiuddannelsesleder, produktleder og investor med omfattende erfaring med at opbygge kundeorienterede digitale forretninger. Før hun var med til at stifte Regal i 2020, fungerede hun som Chief Product Officer hos Handy, hvor hun ledede produkt-, design- og datahold og støttede virksomhedens integration med ANGI Homeservices efter overtagelsen. Tidligere i sin karriere arbejdede Greene med produktledelse hos Amazon (AMZN ) og havde strategi-, konsulent- og finansielle roller hos Booz & Company, First Manhattan Consulting Group og Bear Stearns. Hun er også partner i Blue Trail Partners, hvor hun støtter grundere, der bygger højimpaktvirksomheder.

Regal er en enterprise-voice-AI-platform, der giver kontaktcentre mulighed for at opbygge, installere, forbedre og styre selvstændige AI-agenter til salg, kundesupport og operationelle arbejdsgange. Platformen kombinerer taleteknologi, avanceret promptning og realtidskundedata for at levere personlige indgående og udgående samtaler, samtidig med at den integreres med eksisterende kunderelationsstyring-, kontaktcenter-, telefoni- og databasesystemer. Stiftet i 2020 er virksomheden designet til at hjælpe virksomheder med at automatisere kundeinteraktioner uden at erstatte deres eksisterende teknologiinfrastruktur.

De hjalp med at skala Handy fra en tidlig startup til en forretning, der til sidst blev en del af ANGI, og gav dig førsteærerfaring med at bygge produkter gennem hypertilvækst. Hvad lærte du af den rejse, der overbeviste dig om at stifte Regal, og hvilket kundeoplevelsesproblem følte du ikke kunne løses med eksisterende kontaktcenter-teknologi?

Mens vi var hos ANGI, var min medstifter, Alex, og jeg ansvarlige for en 3.000-mands kontaktcenter, der håndterede næsten 100 millioner kundeinteraktioner om året. Til at begynde med var mit mål at få kunderne til at ringe så sjældent som muligt, fordi alle i teknologiindustrien sagde “tale er død”, så vi spillede ind i den anti-telefonholdning. Ofte stillede spørgsmål, chatbots, skjulte telefonnumre på hjemmesiden. Vi gjorde alt, hvad vi kunne, for at få kunderne til at gå over til selvbetjening.

Men kunderne fortsatte med at ringe alligevel. Folk ønsker virkelig at komme på telefonen, når noget er vigtigt, hastigt eller for kompliceret til at forklare i en tekstboks. Det var, da vi begyndte at kaste et dybere blik på tale som en udgående kanal, da data begyndte at vise, at det var utrolig effektivt. Hvis du vil få en kunde til at opdatere et kreditkort eller mindske dem om en aftale, får e-mail måske en klikrate på 2 %. Med telefonopkald kan vi få 20 til 30 % af mennesker til at svare. Det er 10 gange bedre.

Problemet var, at ingen eksisterende kontaktcenter-teknologi tillod virksomheder at imødekomme denne efterspørgsel på en billig måde. Taleopkald koster omtrent 10 dollars hver til at betale medarbejdere, så de fleste virksomheder var motiveret til at undgå dem, selv når kunderne ønskede dem. Gapet mellem den høje efterspørgsel efter tale og ingen omkostningseffektiv måde at levere det godt på er, hvad der overbeviste min medstifter og mig om at stifte Regal i 2020.

Regal har nu håndteret hundredvis af millioner af AI-drevne kundeinteraktioner på tværs af virksomheder. Hvad var de største tekniske udfordringer i at gøre tale-AI pålidelig nok til produktion i virksomhedsstørrelse, og hvilke gennembrud gjorde en bred anvendelse mulig?

Regal har for nylig overskredet 500 millioner AI-håndterede opkald, hvilket svarer til omkring 408 års samtale. Vi har nu 100+ AI-stemmer, 33 sprog og 26 LLM’er og har genereret 9 milliarder dollars i omsætning for vores kunder.

For os og vores kunder var den største udfordring at sikre, at agenterne havde den rette kontekst, når de talte med en kunde, og gav præcis råd. Vi arbejder med virksomheder på tværs af nogle af de mest strengt regulerede industrier, som sundheds- og forsikringssektoren, hvor det er afgørende, at AI forstår, hvad den kan og ikke kan sige. Så vi behandler vores AI som medarbejdere: du skal træne det, overvåge det og evaluere dets præstation konstant.

Det virkelige gennembrud var ankomsten af LLM’er med ægte resonnering og sproggenerering, som gjorde det muligt at automatisere komplekse, multi-turn-opkald for første gang.

Mange mennesker associerer stadig AI-voice-agenter med frustrerende IVR-systemer eller robotagtige chatbots. Hvad har fundamentalt ændret sig over de seneste par år, så moderne voice-agenter kan levere langt mere naturlige samtaler?

AI-voice-agenter er helt forskellige fra IVR-systemerne i fortiden. Enhver, der stadig bruger et IVR, er meget begrænset, da de er deterministiske. I dag kan agenter virkelig resonere igennem en samtale, som en person ville, ved hjælp af LLM’er til sproggenerering og drevet af kontekst og data fra 500 millioner tidligere samtaler. Kombineret med bedre talekvalitet, forbedret svarstid og mere naturlig samtalelogik kan de fleste af vores kunders kunder i dag virkelig ikke se, om de taler med en AI, eller de gider ikke, så længe det producerer det ønskede output.

Som CTO, hvordan balancerer du de hurtige fremskridt i grundlæggende modeller med behovet for stabilitet, sikkerhed og forudsigelig adfærd for virksomhedskunder?

Dette er den kernekonflikt, jeg håndterer som CTO: grundlæggende modeller bevæger sig utrolig hurtigt, men vores virksomhedskunder i regulerede industrier behøver forudsigelighed, sikkerhed og konsekvent adfærd.

Vi er ikke selv modelleverandører; vi leverer en ansøgning om at bygge AI-agenter, og vi sidder sammen med andre kontaktcenter-software. Denne adskillelse giver os mulighed for at forbedre os uden at destabilisere de sikkerhedsforanstaltninger, integrationer og overholdelseskontroller, som vores kunder er afhængige af. Det er også derfor, vi har fokuseret på at lade enhver team bygge AI-agenter, der kan håndtere komplekse arbejdsgange på få uger, ikke måneder. Vi har for nylig lanceret et produkt kaldet Copilot, som kan bygge en fungerende første udgave af en voice-agent for teams med virksomhedens specifikke forretningslogik, brand og sikkerhed allerede integreret.

Regals platform forbinder AI-agenter med kunde-kontekst og forretningsarbejdsgange i stedet for blot at besvare spørgsmål. Hvorfor er adgang til kunde-data og forretnings-systemer lige så vigtig som fremskridt i sprogmodeller i sig selv?

På sig selv kan en sprogmodel føre en samtale, men den kan ikke faktisk gøre noget for din kunde. Øjeblikket, du beder den om at tjekke en ordre, anvende en rabat, eskalere en sag eller opdatere en post, har AI-agenten brug for at være forbundet til de samme systemer, som dine menneskelige agenter bruger – som deres CRM- og fakturerings-systemer.

Som modellerne selv bliver bedre i kvalitet, er det, at have adgang til virkelig kunde-data og forretnings-systemer, hvad der faktisk adskiller en god AI-håndteret oplevelse fra en frustrerende.

Regals platform betjener organisationer på tværs af industrier som sundheds-, forsikrings-, uddannelses- og finansielle services. Hvad har disse højt regulerede sektorer lært dig om at implementere AI på en ansvarlig måde, samtidig med at du opretholder kunde-tillid?

Vi fokuserer bevidst på højt regulerede, komplekse industrier i stedet for de lette lav-risiko-sammenhænge, delvist på grund af min egen baggrund i at lede produkt-, design- og data, og arbejde med virksomheds-kontaktcentre.

Tillid og overholdelse betyder virkelig noget i disse interaktioner. Ansvarlig AI-implementering handler om at sikre, at agenterne har pålidelige sikkerhedsforanstaltninger, præcis kontekst på konto-niveau og en klar vej til en menneskelig, når noget falder uden for deres område. Tillid i regulerede industrier kommer ikke fra, at AI er fejlfri, men fra, at den er forudsigelig og kan rettes.

Mange mennesker antager, at AI vil erstatte menneskelige kontaktcenter-agenter. Hvordan ser du forholdet mellem menneskelige medarbejdere og AI-agenter udvikle sig over de næste fem år, og hvilke ansvar bør altid forblive menneskeledet?

AI vil ikke tage alle jobs, som mange frygtede, men det vil ændre, hvad jobbet ligner.

Den vigtigste menneskelige rolle over de næste par år er ikke den traditionelle kontaktcenter-agent – det er en helt ny rolle. Min medstifter og jeg kalder det CX-Ingeniør: en person, der styrer og overvåger AI-agenterne selv, arbejder baglæns fra kunderejse i stedet for at sidde i enkeltopkald. Du kan allerede se denne ændring ske mere bredt, med AWS, der lige har investeret 1 milliard dollars i en Forward Deployed Engineering-enhed for at hjælpe kunder med at bygge med AI, en rolle, der ikke rigtig eksisterede for et år siden.

Vi kan forvente en lignende ændring i CX: når AI-agenter håndterer mere af volumen, bliver personerne, der orkestrerer, styrer og kvalitetskontrollerer disse agenter, essentielle ansættelser.

AI-voice har forbedret sig dramatisk, men kunderne bliver mere og mere bevidste om, at de taler med en AI. Hvilken rol spiller gennemsigtighed og åbenhed i opbygning af langsigtede tillid, og bør virksomheder altid fortælle kunderne, at de interagerer med en AI-agent?

Kunder kan altid bede om en menneskelig, og vi bygger det ind i hver enkelt installation. Det, vi faktisk ser i praksis, er, at de fleste mennesker enten ikke kan se, at de taler med en AI, eller de gider ikke, så længe interaktionen selv betyder mere for dem end, hvem der er på den anden side.

Der er også en strukturel grund til, at dette ikke diskuteres mere: nogle virksomheder kører allerede det overvældende flertal af deres kundeinteraktioner på AI, men annoncerer det ikke endnu. Jeg tror, gennemsigtighed betyder mest i øjeblikket, en kunde beder om det, men ikke som en generel krav på hver enkelt interaktion.

Med AI i stand til at håndtere stadig mere komplekse samtaler, hvilke målinger bør organisationer fokusere på ud over enkle omkostningsreduktioner, når de vurderer, om en AI-implementering faktisk har forbedret kundeoplevelsen?

Internt bør organisationer være opmærksomme på, hvor meget deres eget team faktisk bruger AI til dagligt, og behandle intensivt brug som et generelt godt tegn. Men den større måling, som virksomheder bør overveje, er omsætning pr. medarbejder. Hvis AI virkelig fungerer, bør dette tal stige, og det er, hvad finansierer vækst og bedre margener. AI erstatter ikke dine mennesker, men de mennesker, der bruger det godt, ender med at gøre langt mere, samtidig med at de fastholder det samme team. De kan betjene flere kunder, lukke flere aftaler, bygge mere, når omsætning pr. medarbejder er den måling, du måler imod.

Med henblik på fremtiden, hvilke opkomne teknologier eller funktioner tror du vil definere den næste generation af enterprise-AI-agenter, og hvilke udviklinger er du personligt mest begejstret for at hjælpe med at bringe til markedet over de kommende år?

I dag er tale allerede 60-70 % af kundeinteraktioner, med resten fordelt på chat, e-mail og tekst. Da AI gør taleinteraktioner af højere kvalitet og mere kapable, forventer jeg, at tale vil blive den dominerende kanal og til sidst nå 95 % af alle kundeinteraktioner.

Hvad der vil definere den næste generation af enterprise-AI-agenter, er, hvor proaktive og engagerede de er, når det kommer til kundeinteraktioner. Nytten af AI i kundeoplevelsen er ved at aftage, og alle ved, at det bliver mere og mere kapabelt, men jeg er begejstret for at udvide dets grænser og få det til at udføre endnu mere komplekse brugstilfælde.

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