Rana Gujral, CEO von Behavioral Signals – Interview-Serie

Rana Gujral ist der CEO von Behavioral Signals, einem Unternehmen, das die Kommunikationslücke zwischen Menschen und Maschinen durch die Einführung von emotionaler Intelligenz in Gesprächen mit künstlicher Intelligenz überbrückt.

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

Getrieben von der Leidenschaft, die bahnbrechenden, patentierten Technologien für Sprache-zu-Emotion und Sprache-zu-Verhalten auf den Markt zu bringen, gründeten CTO Alex Potamianos und Chief Scientist Shri Narayanan Behavioral Signals im Jahr 2016. Shri ist Professor für Ingenieurwesen an der University of Southern California (USC). Er gründete und leitet das Signal Analysis and Interpretation Laboratory (SAIL) an der USC. Alex ist ein anerkannter Innovator auf dem Gebiet der Sprach- und Natürlichen-Sprachverarbeitung, interaktiver Sprachsysteme und Verhaltensinformatik. Er hat über 20 Jahre Führungserfahrung sowohl in der Wirtschaft als auch in der Unternehmensseite und seine Erfahrung umfasst die Arbeit bei AT&T Labs-Research, Bell Labs und Lucent Technologies.

Unser Ziel ist es, die Welt der Wirtschaft zu verbessern und zu verändern, und wir glauben, dass Technologie der Schlüssel dazu ist. Die Algorithmen von Behavioral Signals analysieren menschliche Emotionen und Verhaltensweisen, transformieren Daten in nutzbare Informationen und führen zu besseren Geschäftsentscheidungen und höheren Gewinnen. Bisher galt menschliche Emotion als unmöglich zu quantifizieren und zu messen. Mit unserem patentierten Analyse-Engine messen und interpretieren wir den “wie” Teil der menschlichen Interaktionen.

Behavioral Signals setzt auf eine Art maschinelles Lernen, das als affektives Computing (auch als Emotion AI bekannt) bezeichnet wird. Können Sie erklären, was das ist?

Emotionale künstliche Intelligenz, auch Emotion AI oder affektives Computing genannt, wird verwendet, um Maschinen zu entwickeln, die in der Lage sind, menschliche Emotionen zu lesen, zu interpretieren, zu reagieren und zu imitieren. Was bedeutet das für Verbraucher? Es bedeutet, dass Ihre Geräte, wie Ihr Smartphone oder intelligente Lautsprecher, Ihnen eine Interaktion anbieten können, die natürlicher ist als je zuvor, einfach indem sie die emotionalen Signale in Ihrer Stimme lesen.

Je mehr wir auf künstliche Intelligenz angewiesen sind, desto mehr wächst auch die Notwendigkeit für emotional intelligente künstliche Intelligenz. Es ist eine Sache, Ihren virtuellen Assistenten zu bitten, Ihnen die heutigen Spielstände vorzulesen, aber es ist eine ganz andere Sache, Ihre älteren Eltern der Pflege eines künstlichen Intelligenz-Systems anzuvertrauen. Derzeit kann künstliche Intelligenz unglaubliche Dinge tun, wie medizinische Zustände diagnostizieren und Behandlungen skizzieren, aber sie benötigt emotionale Intelligenz, um mit Patienten auf eine menschlichere Weise zu kommunizieren.

Welche anderen Arten von maschinellen Lern-Technologien werden verwendet?

Wenn es um maschinelles Lernen geht, nutzen wir hauptsächlich Deep Learning und NLP in unseren Behavioral Signals Processing-Analytics-Modellen. Um dies ein wenig besser zu erklären, haben wir ein Feld, das als Behavioral Signal Processing bezeichnet wird, auf der Grundlage von über einem Jahrzehnt an preisgekrönter und patentierter Forschung entwickelt, um automatisch Informationen zu detektieren, die in der menschlichen Stimme aus Audio-Daten codiert sind, und die Qualität der menschlichen Interaktion zu messen. Es ist ein aufkommendes Fachgebiet, das Ingenieurwesen mit Verhaltenswissenschaften verbindet und darauf abzielt, menschliche Interaktion und Kommunikation durch die Verwendung von Ingenieur- und Recheninnovationen zu quantifizieren und zu interpretieren. Deep Learning ist das Werkzeug, das uns hilft, bessere Vorhersagemodelle zu erstellen.

Welche Art von Daten sammeln Sie aus dem Tonfall?

Unsere Deep-Learning-KI-Technologie analysiert, was und wie etwas gesagt wird, auf beiden Seiten eines Gesprächs, und misst Emotionen und Verhaltensweisen. Der Bereich der Emotionen ist ziemlich vielfältig, aber was wirklich zählt, ist die aggregierte Intelligenz dieser Analyse. Um Ihnen ein Beispiel zu geben, betrachten Sie ein Gespräch zwischen einem Bankangestellten und einem Kunden; wir können Höflichkeit, Komposition (ruhig vs. aufgeregt), Empathie gegenüber dem Kunden, die Reaktionen des Kunden und den allgemeinen Sprechstil wie langsam, schnell, engagiert oder desinteressiert messen, um die Gesprächsqualitätsbewertung, die Effektivität des Ergebnisses und die Leistung des Angestellten zu berechnen.

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

Die Absichtsvorhersage ist sehr ähnlich wie das, was bereits erwähnt wurde. Wir verwenden Verhaltenssignale in der Stimme, um die Absicht eines Kunden vorherzusagen, ein Produkt zu kaufen, ein Abonnement zu verlängern oder ob ein Schuldner seine Schulden bezahlen wird. Die Absichtsvorhersage kann Unternehmen helfen, ihre Verkäufe und Sammlungsquoten zu erhöhen, ihre Kosten zu senken und letztendlich die Kundenzufriedenheit zu verbessern.

Behavioral Signals war sechsmaliger Gold-Gewinner des INTERSPEECH-Wettbewerbs für die Qualität menschlicher Interaktionen und computergestützte Paralinguistik. Was ist dieser Wettbewerb und wie bedeutend ist dieser Erfolg?

Interspeech ist die weltweit größte technische Konferenz, die sich auf Sprachverarbeitung und Anwendungen konzentriert. Sie hat die größte Teilnehmerzahl in diesem Bereich und eine erhebliche Anzahl an Forschungsarbeiten. Die Konferenz betont interdisziplinäre Ansätze, die alle Aspekte der Sprachwissenschaft und -technologie behandeln, von grundlegenden Theorien bis hin zu fortschrittlichen Anwendungen. Ihre Herausforderungen gelten als der Turing-Preis in der Spracherkennung und der Natürlichen-Sprachverarbeitung. Den Wettbewerb zu gewinnen, ist eine wichtige Anerkennung unserer wissenschaftlichen Arbeit und unserer einzigartigen Fähigkeit, Signale aus Audio-Daten zu detektieren, die mit Verhaltensweisen und Merkmalen verbunden sind, die menschliche Entscheidungsfindung beeinflussen.

Wie schnell kann Behavioral Signals auf verschiedene Sprachen anpassen und wie groß muss die Datenmenge sein?

Unsere Technologie ist sprachunabhängig. Wir hören, wie etwas gesagt wird, anstatt was gesagt wird. Wir hören auf die ausgedrückten Emotionen, die in allen Sprachen ziemlich universell sind. Natürlich hat jede Sprache ihre eigenen einzigartigen Merkmale, die möglicherweise eine Anpassung unserer Algorithmen erfordern, aber der Unterschied in unseren Vorhersagemodellen ist im Allgemeinen gering.

Können Sie über die neueste Lösung von Behavioral Signals, die AI-Mediated Conversation, sprechen?

AI-Mediated Conversations (AI-MC) ist eine automatisierte Lösung für die Call-Routing, die Emotion AI und Sprachdaten verwendet, um den Kunden mit dem am besten geeigneten Angestellten zu verbinden, um einen bestimmten Anruf zu bearbeiten. Wenn wir auf das oben erwähnte Beispiel eines Bankangestellten und eines Kunden zurückkommen, kann unsere Technologie die Gesprächsdynamik leiten, um das Ergebnis zu verbessern, sei es eine bessere Kundenerfahrung, höhere Sammlungsquoten oder schnellere Lösungszeiten. Unabhängig vom Ziel gibt es immer einen Katalysator, der es beiden Seiten ermöglicht, das gewünschte Ergebnis zu erreichen. Dieser Katalysator ist in der Regel ein einfacher und natürlich vorkommender menschlicher Prozess: die Affinität oder der Rapport, der zwischen Menschen entwickelt wird. Unabhängig von der Art der Geschäftskommunikation (Verkaufsanruf, Support, Inkasso) handelt es sich immer um eine Interaktion zwischen realen Menschen, bei der die Affinität selten identisch zwischen zwei Paaren ist. Wir haben bestimmte Verhaltensweisen und Merkmale, die uns helfen, uns mit manchen Menschen besser zu verständigen als mit anderen. Diese Übereinstimmung basiert auf Profildaten und unseren überlegenen Algorithmen, die auf Jahre der Forschung und Erfahrung in NLP und Behavioral Signal Processing basieren.

Wir haben kürzlich die AI-MC-Lösung von Behavioral Signals implementiert, um die Effektivität und Effizienz des Call-Centers einer EU-Bank zu verbessern. Der Fallstudie wurde von Gartner anerkannt und in seinem Emotion-AI-Adoptionsbericht aufgenommen. Die Lösung zeigte eine signifikante ROI mit einer 20-prozentigen Steigerung der aktiven Schuldenumstrukturierungsanträge. Darüber hinaus wurde diese Verbesserung mit 7,6 Prozent weniger Anrufen erzielt, was zu zusätzlichen Kosteneinsparungen führte. In absoluten Zahlen entsprachen diese Ergebnisse einem Aufwandsvorteil von 300 Millionen Dollar für die Bank.

Gibt es noch etwas, das Sie über Behavioral Signals teilen möchten?

Während wir stolz auf unsere Forschungsergebnisse sind, sind wir auch dankbar für die Branchenauszeichnungen. Im Herbst 2019 wurde unsere Technologie als Leader in Gartners begehrtem Maverick Research genannt, der bahnbrechende Technologien vorstellt. Anfang dieses Jahres wurden wir in Gartners Hype Cycle aufgenommen, in dem unsere Technologie als “transformational” bewertet wurde. Letzten Monat wurden wir als Gartner Cool Vendor 2020 aufgeführt.

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