Ofer Ronen, Mitgründer und CEO von Tomato.ai – Interview-Serie

Ofer Ronen ist der Mitgründer und CEO von Tomato.ai, einer Plattform, die einen künstlich intelligenten Sprachfilter anbietet, um Akzente für Offshore-Agentenstimmen zu mildern, wenn sie sprechen, was zu verbesserten CSAT- und Verkaufsmetriken führt.

Ofer hat zuvor drei Tech-Startups verkauft, zwei an Google (GOOGL ) und eines an IAC. Er verbrachte die letzten fünf Jahre bei Google, wo er im Area 120-Inkubator Contact-Center-KI-Lösungen entwickelte. Er schloss über 500 Millionen Dollar an Deals für diese neuen Lösungen ab. Er hat einen Master-Abschluss in Computer-Ingenieurwesen mit Schwerpunkt KI von der University of Michigan und einen MBA von Cornell.

Was hat Sie ursprünglich zur maschinellen Lerntheorie und KI hingezogen?

KI hat eine lange Geschichte von Starts und Stops. Perioden, in denen es viel Hoffnung auf die Technologie gab, um Branchen zu verändern, gefolgt von Perioden der Enttäuschung, weil sie nicht ganz den Erwartungen entsprach.

Als ich vor einigen Jahrzehnten einen Master-Abschluss in KI an der University of Michigan machte, war es eine Periode der Enttäuschung, in der KI nicht ganz den gewünschten Einfluss hatte. Ich war fasziniert von der Idee, dass Computer durch Beispiele und nicht durch traditionelle Heuristiken, die das Nachdenken über explizite Anweisungen erfordern, Aufgaben erlernen können. Zu dieser Zeit arbeitete ich in einem KI-Forschungslabor an virtuellen Agenten, die Lehrern halfen, Online-Ressourcen für ihre Klassen zu finden. Damals hatten wir nicht die großen Datenmengen, die leistungsfähigen Rechenressourcen oder die fortschrittlichen neuronalen Netze, die wir heute haben, so dass die Fähigkeiten, die wir entwickelten, begrenzt waren.

Von 2016 bis 2019 haben Sie im Area 120-Inkubator von Google gearbeitet, um hoch robuste virtuelle Agenten für die größten Contact-Center zu entwickeln. Was war diese Lösung genau?

Vor kurzem habe ich im Area 120-Inkubator von Google an einigen der größten Voice-Virtual-Agent-Deployments gearbeitet, einschließlich mehrerer Projekte für Fortune-50-Unternehmen mit über 100 Millionen Support-Anrufen pro Jahr.

Um robustere Voice-Virtual-Agenten zu entwickeln, die komplexe Gespräche bewältigen können, haben wir Millionen von historischen Gesprächen zwischen Menschen verwendet, um die Art von Folgefragen zu erkennen, die Kunden über ihr anfängliches Problem hinaus haben. Durch die Analyse von Folgefragen und die verschiedenen Arten, wie Kunden jede Frage formulieren, konnten wir flexible virtuelle Agenten entwickeln, die sich in Gesprächen bewegen können. Dies spiegelte besser die Art von Gesprächen wider, die Kunden mit menschlichen Agenten führen. Das Ergebnis war eine wesentliche Steigerung der Gespräche, die von den virtuellen Agenten vollständig bearbeitet wurden.

Im Jahr 2021 und 2022 haben Sie ein zweites Startup im Area 120 gegründet. Können Sie uns erzählen, was dieses Unternehmen war und was Sie aus dieser Erfahrung gelernt haben?

Mein zweites Startup innerhalb des Area 120 konzentrierte sich erneut auf Call-Center. Unsere Lösung konzentrierte sich auf die Reduzierung von Kundenverlusten, indem virtuelle Agenten proaktiv mit Kunden in Kontakt traten, nachdem ein Support-Anruf fehlgeschlagen war, bei dem der Kunde sein Problem geäußert, aber keine Lösung gefunden hatte. Was ich aus dieser Erfahrung gelernt habe, ist, dass es schwierig ist, Kundenverluste in einer zeitnahen Weise zu messen. Es kann sechs Monate dauern, um statistisch signifikante Ergebnisse für Änderungen bei Kundenverlusten zu erhalten. Das macht es schwierig, eine Erfahrung schnell genug zu optimieren und Kunden davon zu überzeugen, dass eine Lösung funktioniert.

Können Sie uns die Entstehungsgeschichte hinter Ihrem dritten Contact-Center-KI-Startup Tomato.ai erzählen und warum Sie sich entschieden haben, es selbst zu gründen, anstatt innerhalb von Google zu arbeiten?

Die Idee für Tomato.ai, meinem dritten Contact-Center-Startup, kam von James Fan, meinem Mitgründer und CTO. James dachte, es wäre effektiver, Wein mit einem französischen Akzent zu verkaufen, und was, wenn jeder einen französischen Akzent haben könnte?

Das war der Same der Idee, und als wir sie weiter erforschten, fanden wir ein größeres Schmerzpunkt, den Kunden empfanden, wenn sie mit Offshore-Agenten mit Akzenten sprachen. Kunden hatten Probleme mit der Verständlichkeit und dem Vertrauen. Dies stellte eine größere Marktchance dar. Angesichts unserer Hintergründe erkannten wir den großen Einfluss, den es auf Call-Center haben würde, um ihre Verkaufs- und Supportmetriken zu verbessern. Wir bezeichnen diese Art von Lösung jetzt als Akzent-Mildern.

James und ich hatten zuvor Startups gegründet und verkauft, einschließlich jeweils eines Startups, das wir an Google verkauft hatten.

Wir entschieden uns, Google zu verlassen, um Tomato.ai zu gründen, weil wir nach vielen Jahren bei Google wieder daran arbeiten wollten, unser eigenes Unternehmen zu gründen und zu leiten.

Tomato.ai löst ein wichtiges Problem in Call-Centern, nämlich die Mildern von Akzenten für Agenten. Können Sie erläutern, warum Sprachfilter eine bevorzugte Lösung gegenüber der Agentenausbildung sind?

Bei Tomato.ai verstehen wir die Bedeutung klarer Kommunikation in Call-Centern, wo Akzente manchmal Barrieren schaffen können. Anstatt sich ausschließlich auf traditionelle Agentenausbildung zu verlassen, haben wir Sprachfilter entwickelt, oder was wir “Akzent-Mildern” nennen. Diese Filter helfen Agenten, ihre einzigartige Stimme beizubehalten, während sie ihre Akzente mildern und die Klarheit für Anrufer verbessern. Durch die Verwendung von Sprachfiltern stellen wir sicher, dass die Kommunikation besser ist und das Vertrauen zwischen Agenten und Anrufern aufgebaut wird, was jeden Kontakt effektiver und zufriedenstellender für den Kunden macht. Im Vergleich zu umfangreichen Ausbildungsprogrammen bieten Sprachfilter eine einfachere und unmittelbarere Lösung, um akzentbezogene Herausforderungen in Call-Centern anzugehen.

Wenn bestehende Agenten diese Tools nutzen, um ihre Leistung zu verbessern, werden sie in die Lage versetzt, höhere Tarife zu verlangen, die ihre erhöhte Wertschätzung für die Lieferung außergewöhnlicher Kundenerfahrungen widerspiegeln. Gleichzeitig wird der demokratisierende Effekt von generativer KI neue Einsteiger-Agenten in die Branche bringen und die Talentbasis erweitern, was die Stundenraten senken wird. Diese Dichotomie markiert eine grundlegende Transformation in der Dynamik der Call-Center-Branche, in der Technologie und menschliche Expertise die Landschaft der Branche neu gestalten und den Weg für eine inklusivere und wettbewerbsfähigere Zukunft ebnen.

Welche verschiedenen maschinellen Lern- und KI-Technologien werden verwendet, um die Sprachfilterung zu ermöglichen?

Eine solche Echtzeit-Sprachfilterlösung wäre vor ein paar Jahren nicht möglich gewesen. Fortschritte in der Sprachforschung in Kombination mit neuen Architekturen wie dem Transformer-Modell und Deep Neural Networks sowie leistungsfähigerer KI-Hardware (wie TPUs von Google und GPUs von NVidia) machen es heute möglich, solche Lösungen zu entwickeln. Es ist jedoch immer noch ein sehr schwieriges Problem, das unsere Team dazu zwingt, neue Techniken für die Ausbildung von Sprache-zu-Sprache-Modellen zu entwickeln, die niedrige Latenz und hohe Qualität aufweisen.

Welche Art von Feedback haben Sie von Call-Centern erhalten, und wie hat es sich auf die Fluktuationsraten der Mitarbeiter ausgewirkt?

Wir haben eine starke Nachfrage von großen und kleinen Offshore-Call-Centern, unsere Akzent-Mildern-Lösung auszuprobieren. Diese Call-Center erkennen, dass Tomato.ai ihnen helfen kann, ihre beiden größten Probleme zu lösen (1) Die Leistungsmetriken von Offshore-Agenten sind nicht mit denen von Onshore-Agenten vergleichbar (2) Es ist schwierig, genügend qualifizierte Agenten in Offshore-Märkten wie Indien und den Philippinen zu finden.

Wir erwarten in den kommenden Wochen Fallstudien, die den Einfluss zeigen, den Call-Center durch die Verwendung von Akzent-Mildern erleben. Wir erwarten, dass Verkaufsgespräche eine sofortige Steigerung in wichtigen Metriken wie Umsatz, Abschlussraten und Lead-Qualifizierungsraten sehen werden. Gleichzeitig erwarten wir, dass Support-Gespräche kürzere Bearbeitungszeiten, weniger Rückrufe und verbesserte CSAT sehen werden.

Wie oben erwähnt, dauert es länger, Fluktuationsraten zu validieren, und daher werden Fallstudien mit diesen Verbesserungen zu einem späteren Zeitpunkt verfügbar sein.

Tomato.ai hat kürzlich eine Finanzierungsrunde von 10 Millionen Dollar abgeschlossen, was bedeutet dies für die Zukunft des Unternehmens?

Als Tomato.ai sich auf den Start seines ersten Produkts vorbereitet, bleibt das Team fest entschlossen, die Landschaft der globalen Kommunikation und die Zukunft der Arbeit, ein Gespräch nach dem anderen, neu zu gestalten.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Tomato.ai besuchen.