Rana Gujral, CEO von Behavioral Signals – Interview Series

Rana Gujral ist CEO von Behavioral Signals, einem Unternehmen, das die Kommunikationslücke zwischen Menschen und Maschinen schließt, indem es emotionale Intelligenz aus der Sprache in Gespräche mit KI einführt.

Behavioral Signals ist ein relativ junges Startup, das 2016 gegründet wurde. Können Sie uns die Entstehungsgeschichte erzählen?

Angetrieben von der Leidenschaft, die bahnbrechenden patentierten Speech-to-Emotion- und Speech-to-Behaviors-Technologien des Unternehmens auf den Markt zu bringen, gründete CTO Alex Potamianos und Chefwissenschaftler Shri Narayanan 2016 Behavioral Signals. Shri ist ein Andrew J. Viterbi Professor für Ingenieurwissenschaften an der Universität von Südkalifornien (USC). Er gründete und leitet derzeit die Signalanalyse- und Interpretationslabor (SAIL) am USC. Alex ist ein angesehener Innovator auf dem Gebiet der Verarbeitung von Sprache und natürlicher Sprache, interaktiven Sprachantwortsystemen und Verhaltensinformatik. Er verfügt über mehr als 20 Jahre Führungserfahrung sowohl im unternehmerischen als auch im unternehmerischen Bereich und hat unter anderem bei AT&T Labs-Research, Bell Labs und Lucent Technologies gearbeitet.

Mit dem Ziel, die Geschäftswelt zu verbessern und für immer zu verändern, glauben wir, dass Technologie der Kern dessen ist, was erreicht werden kann. Die Algorithmen von Behavioral Signals analysieren menschliche Emotionen und Verhaltensweisen, wandeln Daten in nutzbare Informationen um und führen zu besseren Geschäftsentscheidungen und höheren Gewinnen. Bisher galt es als unmöglich, menschliche Emotionen zu quantifizieren und zu messen. Mit unserer patentierten Analyse-Engine messen und interpretieren wir den „Wie“-Teil menschlicher Interaktionen.

Behavioral Signals basiert auf einer Art affektivem Computing mit maschinellem Lernen (auch bekannt als Emotion AI). Könnten Sie erklären, was das ist?

Emotionale künstliche Intelligenz, auch Emotion AI oder Affective Computing genannt, wird zur Entwicklung von Maschinen eingesetzt, die in der Lage sind, menschliche Affekte zu lesen, zu interpretieren, darauf zu reagieren und sie nachzuahmen – die Art und Weise, wie wir als Menschen Emotionen erleben und ausdrücken. Was bedeutet das für Verbraucher? Das bedeutet, dass Ihre Geräte, wie Ihr Smartphone oder intelligente Lautsprecher, Ihnen eine Interaktion bieten können, die sich natürlicher als je zuvor anfühlt, indem Sie einfach die emotionalen Hinweise in Ihrer Stimme lesen.

Mit zunehmender Abhängigkeit von KI wächst auch der Bedarf an emotional intelligenter KI. Es ist eine Sache, Ihren virtuellen Assistenten zu bitten, Ihnen die heutigen Spielergebnisse vorzulesen, aber es ist eine ganz andere Sache, Ihre alternden Eltern der Obhut eines KI-gesteuerten Bots anzuvertrauen. Derzeit ist KI möglicherweise in der Lage, unglaubliche Dinge zu leisten, wie zum Beispiel Erkrankungen zu diagnostizieren und Behandlungen zu skizzieren, aber sie benötigt immer noch emotionale Intelligenz, um auf humanere Weise mit Patienten zu kommunizieren.

Welche anderen Arten von maschinellen Lerntechnologien werden verwendet?

Wenn es um maschinelles Lernen geht, nutzen wir in unseren Analysemodellen zur Verarbeitung von Verhaltenssignalen hauptsächlich Deep Learning und NLP. Um dies etwas besser zu erklären: Wir haben ein Gebiet entwickelt, die Verhaltenssignalverarbeitung, das auf mehr als einem Jahrzehnt preisgekrönter und patentierter Forschung basiert, um automatisch Informationen, die in der menschlichen Stimme kodiert sind, aus Audiodaten zu erkennen und deren Qualität zu messen Menschliche Interaktion. Es handelt sich um eine aufstrebende Disziplin, die Ingenieurwissenschaften mit Verhaltenswissenschaften verbindet und darauf abzielt, menschliche Interaktion und Kommunikation durch den Einsatz von Ingenieur- und Computerinnovationen zu quantifizieren und zu interpretieren. Deep Learning ist das Werkzeug, das dabei hilft, bessere Vorhersagemodelle zu erstellen.

Welche Art von Daten erfassen Sie aus dem Tone of Voice?

Unsere Deep-Learning-KI-Technologie analysiert, was und wie Auf beiden Seiten eines Gesprächs wird etwas gesagt, wobei Emotionen und Verhaltensweisen gemessen werden. Das Spektrum der Emotionen ist recht vielfältig, aber was wirklich zählt, ist die Gesamtintelligenz dieser Analyse. Um Ihnen ein Beispiel zu geben, stellen Sie sich ein Gespräch zwischen einem Bankangestellten und einem Kunden vor; Wir können Höflichkeit, Gelassenheit (ruhig vs. aufgeregt), Empathie gegenüber dem Kunden, die Reaktionen des Kunden und den allgemeinen Sprechstil wie langsam, schnell, engagiert oder uninteressiert erfassen und messen, um den Qualitätsfaktor des Gesprächs und die Effektivität des Ergebnisses zu berechnen. und die Leistung des Mitarbeiters.

Welche Art von Datenanalyse wird durchgeführt, um die Absicht vorherzusagen?

Die Absichtsvorhersage ist dem bereits Erwähnten sehr ähnlich. Wir nutzen Verhaltenssignale in der Stimme, um die Absicht eines Kunden, ein Produkt zu kaufen, ein Abonnement zu verlängern oder ob ein Schuldner seine Schulden begleichen wird, vorherzusagen. Die Absichtsvorhersage kann Unternehmen dabei helfen, ihre Verkaufs- und Inkassoquoten zu steigern, ihre Kosten zu senken und letztendlich die Kundenzufriedenheit zu verbessern.

Behavioral Signals war sechsmaliger Gold-Gewinner des INTERSPEECH-Wettbewerbs „Qualität menschlicher Interaktionen und Computerparalinguistik“. Was ist diese Herausforderung und wie bedeutsam ist diese Leistung?

Zwischensprache ist die weltweit größte technische Konferenz zum Thema Sprachverarbeitung und -anwendung. Sie verzeichnet die höchste Teilnehmerzahl in diesem Bereich und eine beträchtliche Anzahl an Forschungsarbeiten. Die Konferenz legt den Schwerpunkt auf interdisziplinäre Ansätze, die alle Aspekte der Sprachwissenschaft und -technologie abdecken, von grundlegenden Theorien bis hin zu fortgeschrittenen Anwendungen. Die Konferenzwettbewerbe gelten als Turing Award in den Disziplinen Spracherkennung und natürliche Sprachverarbeitung. Der Gewinn ist eine wichtige Anerkennung unserer wissenschaftlichen Arbeit und unserer einzigartigen Fähigkeit, Signale aus Audiodaten zu erkennen, die mit Verhaltensweisen und Eigenschaften zusammenhängen, die menschliche Entscheidungen beeinflussen.

Wie schnell können sich Verhaltenssignale an verschiedene Sprachen anpassen und wie groß ist der Datensatz?

Unsere Technologie ist sprachunabhängig. wir hören uns wie es wird eher etwas gesagt als das, was tatsächlich gesagt wird. Wir hören auf die ausgedrückten Emotionen, die in allen Sprachen ziemlich universell sind. Natürlich hat jede Sprache ihre eigenen einzigartigen Merkmale, die eine Optimierung unserer Algorithmen erfordern können, aber der Unterschied bei unseren prädiktiven Analysemodellen ist im Allgemeinen gering.

Können Sie die neueste Lösung von Behavioral Signals, die KI-vermittelte Konversation, besprechen?

AI-Mediated Conversations (AI-MC) ist eine automatisierte Anrufweiterleitungslösung, die emotionale KI und Sprachdaten nutzt, um den Kunden dem am besten geeigneten Mitarbeiter für die Bearbeitung eines bestimmten Anrufs zuzuordnen. Wenn wir auf das oben genannte Beispiel des Bankangestellten und Kunden zurückkommen, kann unsere Technologie die Gesprächsdynamik mit dem ultimativen Ziel steuern, das Ergebnis zu verbessern, sei es durch ein besseres Kundenerlebnis, mehr Inkasso oder schnellere Lösungszeiten . Was auch immer das Ziel ist, es gibt immer einen Katalysator, der es beiden Seiten ermöglicht, das gewünschte Ergebnis zu erzielen. Dieser beitragende Faktor ist normalerweise ein einfacher und natürlich vorkommender menschlicher Prozess: die Affinität oder Beziehung, die sich zwischen Menschen entwickelt. Unabhängig von der Art der Geschäftskommunikation (Verkaufsgespräch, Support, Inkasso) handelt es sich immer um eine Interaktion zwischen echten Menschen, wobei die Affinität zwischen zwei Personenpaaren selten identisch ist. Wir haben bestimmte Verhaltensweisen und Eigenschaften, die uns helfen, mit manchen Menschen besser auszukommen als mit anderen. Dieser Abgleich basiert auf Profildaten und unseren überlegenen Algorithmen, die auf der Grundlage jahrelanger Forschung und Erfahrung in NLP und Verhaltenssignalverarbeitung entwickelt wurden.

Wir haben kürzlich die AI-MC-Lösung von Behavioral Signals implementiert, um die Effektivität und Effizienz des Callcenters einer EU-Bank zu steigern. Die Fallstudie wurde von Gartner anerkannt und in seinen Emotion AI Adoption Report aufgenommen. Die Lösung zeigte einen erheblichen ROI mit einem Anstieg der aktiven Umschuldungsanträge um 20 %. Darüber hinaus wurde diese Verbesserung mit 7.6 % weniger Anrufen erreicht, was zu weiteren Kostensenkungen führte. In absoluten Zahlen entsprachen diese Ergebnisse einem Aufwärtspotenzial von 300 Millionen US-Dollar für die Bank.

Gibt es noch etwas, das Sie über Verhaltenssignale mitteilen möchten?

Während wir sehr stolz auf unsere Forschungsleistungen sind, sind wir ebenso dankbar für die Auszeichnungen der Branche. Im Herbst 2019 wurde unsere Technologie als führender Anwendungsfall in der begehrten Maverick Research-Studie von Gartner gelistet, in der modernste Technologien vorgestellt werden. Anfang des Jahres wurden wir in den Hype Cycle von Gartner aufgenommen, wo unsere Technologie als „transformationell“ bewertet wurde. Letzten Monat wurden wir als Gartner Cool Vendor 2020 gelistet.

Vielen Dank für das tolle Interview. Leser, die mehr erfahren möchten, sollten Behavioral Signals besuchen.