Sharone Ben-Levi, VP for Global Salg og Forretningsudvikling, Kontaktcenter, AudioCodes – Interviewserie

Sharone Ben-Levi, VP for Global Salg og Forretningsudvikling, Kontaktcenter, AudioCodes (AUDC ), er en erfaren kommunikationsteknologi-leder med mere end 25 års erfaring inden for salg, marketing, forretningsudvikling og kontaktcenter-innovation. Gennem en karriere, der har inkluderet mere end to årtier hos AudioCodes, har han haft en række ledende stillinger fokuseret på at drive vækst inden for virksomheds kommunikation, kundeoplevelsesløsninger og AI-drevne kontaktcenter-teknologier. Før AudioCodes arbejdede han hos NICE Systems, hvor han fik værdifuld erfaring inden for kundeengagement og virksomhedssoftware. Gennem sin karriere har Ben-Levi fokuseret på at hjælpe organisationer med at modernisere kundeinteraktioner gennem skybaseret kommunikation, automatisering og konversationsbaseret AI, hvilket har gjort ham til en anerkendt stemme i udviklingen af kontaktcenter-teknologi.

AudioCodes er et kommunikationsteknologiselskab, der specialiserer sig i virksomhedsstemme, kontaktcenter og AI-drevne kundeoplevelsesløsninger. Selskabet blev grundlagt i 1993 og er udviklet fra en leverandør af stemmenetværk og VoIP-infrastruktur til en leder inden for intelligent stemmekommunikation, der hjælper organisationer med at modernisere kunde- og medarbejderinteraktioner på tværs af sky, hybrid- og lokale miljøer. Dets portefølje inkluderer stemme-AI-platforme, konversationsbaserede AI-løsninger, session-grænsekontrollere, Microsoft Teams-stemmeintegrationer, CPaaS-tilbud og kontaktcenter-moderniseringsværktøjer. Gennem platforme som VoiceAI Connect og Live Hub giver AudioCodes virksomheder mulighed for at udvikle stemme-bots, AI-agenter, agent-understøttelsesfunktioner, konversationsbaserede IVR-løsninger og realtidskommunikationstjenester, samtidig med at de integrerer med eksisterende telefoni- og kontaktcenter-infrastruktur. Dets teknologier bruges af virksomheder og tjenesteudbydere verden over til at forbedre kundeoplevelser, automatisere arbejdsgange og støtte digitale transformationsinitiativer.

De har tilbragt mere end to årtier hos AudioCodes, hvor de er udviklet fra indlejret systemteknik til ledelse af produktivitetsapplikationer. Hvordan har den rejse formet deres perspektiv på, hvad der kræves for at gøre stemme-AI pålidelig i virksomheds-miljøer?

Jeg har set virksomheds kommunikation fra multiple perspektiver, og den rejse har forstærket en kerne-læring: pålidelighed skal bygges ind i hvert lag af systemet fra starten.

Arbejdet med indlejrede systemer lærte mig, at djævlen er i detaljerne, små tekniske beslutninger har en overdimensioneret indvirkning i produktionsmiljøer. Latens, lydkvalitet, transkriptionsnøjagtighed, naturlig vending, og hvert andet element skal være konstrueret med pålidelighed i mente, fordi hvis blot ét af dem fejler, fejler hele systemet. Man kan ikke påstå, at et stemme-AI-system fungerer, hvis det kun fungerer under ideelle betingelser.

Overgangen til ledelse gjorde det endnu mere klart. Virksomheder understøtter tusindvis af brugere på tværs af komplekse infrastrukturer med strenge uptime-krav. Et system, der fungerer godt i en pilot, men degraderer under reel belastning, har ikke løst problemet.

Det er ultimativt, hvad min karriere har lært mig: standarden for stemme-AI i virksomheder er tillid. Og tillid bygges kun, når organisationer kan stole på, at systemet fungerer pålideligt nok til at blive en del af deres kritiske forretningsprocesser.

Mange organisationer har eksperimenteret med chatbots, men stemme introducerer en anden lag af kompleksitet. Hvad er de største tekniske udfordringer i at gå fra tekstbaseret AI til fuldt konversationsbaseret stemme-systemer?

Den største udfordring er kompleksiteten af virksomhedsstemme-miljøer, der ofte er fragmenteret i separate “øer”, der kræver formidling mellem SIP-baserede telefoni-protokoller og AI-baserede HTTP/SSE-baserede API’er. Det kommer endda ned til mennesker. Kun få ingeniører kender både SIP og HTTP/SSE. Desuden kræver stemme i realtid-behandling og orkestrering, herunder omvandling mellem forskellige protokoller, så disse systemer kan kommunikere sammenhængende. Denne tilføjede hastighed og interoperabilitet gør levering af en glat, konversationsbaseret oplevelse betydeligt mere krævende fra et teknisk synspunkt. Latens, baggrundsstøj, accent og crosstalk er nu kastet ind i blandingen. Disse variable eksisterede ikke med kun tekst.

AudioCodes fokuserer på at brobygge mellem traditionelle telefoni-systemer og moderne AI-platforme. Kan de forklare, hvordan løsninger som VoiceAI Connect integrerer arv-infrastruktur med avancerede AI-modeller?

VoiceAI Connect er broen, der forbinder traditionelle kunde-kontaktpunkter (telefonnumre, SIP-forbindelser og kontaktcenter-telefoni) direkte til tredjeparts konversationsbaserede AI-platforme som Google (GOOGL ) CX Agent Studio, Amazon (AMZN ) Lex, Microsoft Copilot og over 30 andre. Den håndterer den komplekse realtids-stemme-orkestrering, herunder tale-til-tekst og tekst-til-tale og bot-rammeværktøjer, der giver virksomheder mulighed for at blande og matche og let kan aktivere deres valgte AI-bots uden at forlade deres arv-telefoni-opstilling. Arv-platforme mangler typisk API-integrationer fra deres medie-servere til de nye stemme-AI-tilbud. Vi omgår det ved at forbinde til dem gennem deres SIP-telefoni-grænseflader og forbinde til moderne AI-grænseflader.

Virksomheder har ofte svært ved at gå ud over pilotprojekter. Hvad er de nøgle-arkitektoniske eller operationelle barrierer, der forhindrer stemme-AI i at skale på tværs af hele organisationer?

Stemme-AI er stadig under udvikling. Inden for den tid, en virksomhed tester en AI-teknologi, kommer en ny og bedre en langs. Da AudioCodes konstant integrerer med de nyeste stemme-AI-løsninger, giver det virksomheder mulighed for at blande og matche og fremtidssikre deres miljø. AudioCodes’ orkestrering giver dem mulighed for at prøve forskellige bots til forskellige formål, med hensyn til ydelse, omkostninger, sprog og overholdelse. Dette øger chancerne for en succesfuld overgang til produktion.

Andre produktions-orkestrerings-overvejelser er relateret til skalerbarhed, forretningskontinuitet og forbindelse til flere kontaktcenter-miljøer på tværs af hele verden.

I reelle implementeringer, hvad ligner en succesfuld AI-drevet opkaldsoplevelse fra slutbrugerens perspektiv, og hvor tæt er vi på at opnå menneske-lignende interaktioner i stor målestok?

Vi har flere meget store kunder, der startede med os omkring 2020 og 2021. De er bevis for, at menneske-lignende interaktioner i stor målestok allerede fungerer godt. Reelle brugstilfælde inkluderer kunde-orienterede opgaver som opkalds-styring, aftale-booking og pengeoverførsler, samt agent-orienterede værktøjer som AI-opkalds-sammenfattelse, realtids-knowledge-væretøj og live-stemme-oversættelse.

For slutbrugeren føles en AI-drevet opkaldsoplevelse fri for friktion. I stedet for at navigere i stive menu-træer (tryk 1 for dette, tryk 2 for det) kan opkaldere naturligt tale i deres eget sprog gennem konversationsbaserede IVR-systemer, der forstår intention og reagerer passende. Dette skaber en mere intuitiv og effektiv interaktion fra det allerførste punkt.

Industrien er ikke endnu nået til fuldt ud menneske-lignende komplekse interaktioner i stor målestok, men disse funktioner bringer virksomheder betydeligt tættere på. Ved at blande AI og automatisering med menneskelig support kan virksomheder levere mere præcise og mere personlige oplevelser.

Stemme-AI afhænger af tale-genkendelse, naturlig sprogforståelse og realtids-behandling. Hvor ser de de største flaskehalse i dag, og hvordan håndteres de?

En stor virksomheds-flaskenakke i at adoptere stemme-AI kan tilføres integration. Ifølge en ny rapport fra Opus Research siger kun 38% af virksomheder, at omkostningerne er en barriere for at adoptere stemme-AI. Men 65% siger, at integration inden for eksisterende systemer, og 60% siger, at integrations-kompleksitet.

CCaaS-virksomheder øger stadig barrierer for en bring-your-own-bot-model ved at blokere integrationer eller gøre dem økonomisk ikke-viable. Ældre systemer har simpelthen ikke opdaterede API-integrationer. Løsninger som AudioCodes’ Voice AI Connect forbinde til eksisterende kontaktcenter-miljøer over standard-SIP og har API-integrationer til over 30 stemme-AI-bot-rammer og over 20 tale-til-tekst- og tekst-til-tale-motorer, hvilket eliminerer behovet for at skrive disse API’er manuelt.

Den samme rapport fremhæver samlet ydelse-kvalitet (lydkvalitet, samtale-flow osv.) som den største årsag (72%) til, at adoptionen af stemme-AI blev langsommere. Det, Voice AI Connect giver mulighed for, er at blande og matche bot-rammer, tale-til-tekst- og tekst-til-tale-motorer for at optimere implementeringer, da ikke hver AI passer til hver brugs-situation, og variationer er også nødvendige for jargon og sprog. Desuden udvikler AI-industrien sig hurtigt, hvilket kræver let omstilling til en ny AI-leverandør, når teknologien forbedres.

Integration bør være lav-forsinket, billig og problemfri at installere. Den bør også forbedre sikkerhed og fejlfinding, sikre forretningskontinuitet og tilbyde en lokal mulighed.

AudioCodes fremhæver en fleksibel tilgang, der forbinder multiple AI- og tale-leverandører. Hvor vigtigt er det at have en fleksibel leverandør, når man bygger robuste og fremtidssikrede stemme-AI-systemer?

En fleksibel leverandør er kritisk, fordi virksomheder sjældent opererer i et enkelt-leverandør-miljø, og der er mange forskellige AI-, tale-, telefoni- og kommunikationsløsninger på markedet. For at skabe en sandt samlet stemme-AI-strategi skal organisationer kunne bringe disse forskellige løsninger sammen og sikre interoperabilitet på tværs af alle, samtidig med at de optimerer omkostninger, forsinkelse, brugs-situationer, sprog og jargon.

En fleksibel tilgang giver virksomheder mulighed for at integrere med multiple leverandører, vælge de rette teknologier til forskellige brugs-situationer og tilpasse sig, efterhånden som markedet udvikler sig.

I reguleringer som finansielle eller sundhedssektorer, hvordan adskiller indsamling og analyse af stemme-interaktionsdata sig fra typiske skybaserede AI-arbejdsgange?

Stemme-data-håndtering er underlagt strenge privatlivs- og overholdelseskrav, der betydeligt begrænser brugen af skybaserede AI-værktøjer. For at håndtere dette adopterer mange reguleringer lokale installationer for at sikre, at følsomme data forbliver inden for kontrollerede miljøer og aldrig forlader deres infrastruktur.

Overholdelsesstandarder kræver også, at stemme-interaktioner bliver optaget og gemt i bestemte formater i år, med højpræcise, ord-for-ord-transkriptioner struktureret for revision. For eksempel i finans, skal en handelsfirma gemme hver optaget samtale og transkription præcis, som sagt, til revisions-undersøgelser – data kan ikke ændres eller sammenfattes. I sundhedssektoren skal en sundhedsudbyder, der håndterer patient-samtaler, holde optagelser og transkriptioner fuldstændigt sikre og HIPAA-kompatible. Over hele linjen skal data ofte behandles lokalt for at forhindre beskyttet information i at blive eksponeret for eksterne skytjenester.

Som virksomheder begynder at implementere AI-agenter, der kan udføre handlinger i stedet for blot at reagere, hvordan ændrer det rollen af stemme-grænseflader i kunde-service og interne operationer?

Stemme-grænseflader udvikler sig fra passive værktøjer til proaktive, intelligente systemer, der kan analysere og handle i realtid. I stedet for blot at optage eller dirigere samtaler kan AI-drevne stemme-systemer nu forstå intention og udføre handlinger, såsom at løse kunde-problemer, udløse baggrundprocesser eller hjælpe en medarbejder med at løse et IT-problem. Denne ændring er særligt kraftfuld, fordi stemme ofte er det første og mest naturlige kontaktpunkt.

AI-agenter kan nu proaktivt kontakte en menneskelig supervisor – for eksempel for at godkende en rabat til en kunde. De kan også udføre direkte handlinger, såsom tilføje varer til en kundes web-kurv. Og de kan samarbejde med andre bots, der har specialiserede færdigheder, såsom at analysere billeder, som kunder deler for bedre at forstå konteksten. Hver af disse repræsenterer et niveau af sofistikation, der simpelthen ikke eksisterede før.

Settende fremad, ser de stemme blive en primær grænseflade for virksomheds-AI-systemer, eller vil det forblive en del af en bredere multimodal oplevelse?

Lad mig bruge et personligt eksempel til at understrege mit punkt. Jeg har to teenage-børn. De ville hellere ikke interagere med en menneskelig kunde-service-repræsentant, hvis det er muligt. Men de ville meget hellere tale med en bot end tekst med det. Stemme har været det naturlige kommunikationsmiddel for mennesker i millioner af år. Det er foretrukket over et tastatur eller en mus, i hvert fald indtil tanke-læsning bliver virkelighed.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge AudioCodes.