Rebecca Greene, CTO und Mitgründerin von Regal – Interview-Serie

Rebecca Greene, CTO und Mitgründerin von Regal, ist eine Technologie-Executive, Produktleiterin und Investorin mit umfangreicher Erfahrung im Aufbau von kundenorientierten digitalen Geschäften. Bevor sie Regal 2020 mitgründete, war sie als Chief Product Officer bei Handy tätig, wo sie die Produkt-, Design- und Daten-Teams leitete und die Integration des Unternehmens mit ANGI Homeservices nach der Übernahme unterstützte. Zu Beginn ihrer Karriere arbeitete Greene im Produktmanagement bei Amazon (AMZN ) und hatte Strategie-, Beratungs- und Finanzdienstleistungsrollen bei Booz & Company, First Manhattan Consulting Group und Bear Stearns. Sie ist auch Partnerin bei Blue Trail Partners, wo sie Gründern hilft, hochwirksame Unternehmen aufzubauen.

Regal ist eine Enterprise-Voice-AI-Plattform, die es Kontaktzentren ermöglicht, autonome AI-Agents für Vertrieb, Kundensupport und operative Workflows zu erstellen, bereitzustellen, zu verbessern und zu verwalten. Die Plattform kombiniert Sprachtechnologie, erweiterte Prompting- und Echtzeit-Kundendaten, um personalisierte eingehende und ausgehende Gespräche zu liefern, während sie mit bestehenden Kundenbeziehungsmanagement-, Kontaktzentrum-, Telefonie- und Datenbanksystemen integriert. Gegründet im Jahr 2020, soll das Unternehmen Unternehmen dabei helfen, Kundeninteraktionen ohne Ersetzen ihrer bestehenden Technologie-Infrastruktur zu automatisieren.

Sie haben Handy von einem frühen Startup zu einem Geschäft skaliert, das schließlich Teil von ANGI wurde, und haben damit erste Erfahrungen im Aufbau von Produkten während des Hyperwachstums gesammelt. Welche Lektionen aus dieser Reise haben Sie dazu veranlasst, Regal mitzubegründen, und welches Kunden-Erfahrungsproblem konnten Sie nicht mit bestehender Kontaktzentrum-Technologie lösen?

Während wir bei ANGI waren, leiteten mein Mitgründer Alex und ich ein 3.000-Personen-Kontakt-Service-Center, das fast 100 Millionen Kundeninteraktionen pro Jahr abwickelte. Zu Beginn war mein Ziel, die Kunden dazu zu bringen, uns so selten wie möglich anzurufen, da jeder in der Technologiebranche sagte: “Die Sprache ist tot”, also spielten wir in diese anti-Telefon-Mentalität hinein. FAQs, Chatbots, Versteckung der Telefonnummer auf der Website. Wir taten alles, um die Kunden zur Selbstbedienung zu drängen.

Aber die Kunden riefen trotzdem an. Menschen wollen wirklich am Telefon sprechen, wenn etwas wichtig, dringend oder zu kompliziert ist, um es in einer Textbox zu erklären. Das ist der Zeitpunkt, an dem wir uns genauer mit der Sprache als Ausgangskanal auseinandersetzten, als die Daten begannen zu zeigen, dass sie unglaublich effektiv war. Wenn Sie einen Kunden dazu bringen möchten, seine Kreditkarte zu aktualisieren oder ihn an einen Termin erinnern, erhält E-Mail vielleicht eine Klickrate von 2 %. Mit Telefonanrufen konnten wir 20 bis 30 % der Menschen dazu bringen, zu antworten. Das ist 10-mal besser.

Das Problem war, dass keine bestehende Kontaktzentrum-Technologie es Unternehmen ermöglichte, diese Nachfrage kostengünstig zu decken. Sprachanrufe kosten etwa 10 Dollar pro Anruf, um sie zu besetzen, also waren die meisten Unternehmen motiviert, sie zu vermeiden, auch wenn die Kunden sie wollten. Die Lücke zwischen der hohen Nachfrage nach Sprache und der fehlenden kostengünstigen Möglichkeit, sie gut zu liefern, ist es, was meinen Mitgründer und mich dazu veranlasst hat, Regal 2020 zu gründen.

Regal hat nun Hunderte von Millionen von AI-gesteuerten Kundeninteraktionen über Unternehmen hinweg abgewickelt. Welche waren die größten technischen Herausforderungen daran, die Sprach-AI so zuverlässig zu machen, dass sie für die Produktion im Unternehmen geeignet ist, und welche Durchbrüche ermöglichten die weitverbreitete Akzeptanz?

Regal hat kürzlich 500 Millionen AI-gesteuerte Anrufe überschritten, was etwa 408 Jahren Konversation entspricht. Wir haben jetzt 100+ AI-Stimmen, 33 Sprachen und 26 LLMs und haben für unsere Kunden einen Umsatz von 9 Milliarden Dollar generiert.

Für uns und unsere Kunden war die größte Herausforderung, sicherzustellen, dass die Agents den richtigen Kontext hatten, wenn sie mit einem Kunden sprachen und genaue Ratschläge gaben. Wir arbeiten mit Unternehmen in einigen der am stärksten regulierten Branchen zusammen, wie Gesundheitswesen und Versicherungen, wo es unerlässlich ist, dass die AI versteht, was sie sagen kann und darf. Also behandeln wir unsere AI wie Mitarbeiter: Sie müssen trainiert, beaufsichtigt und ständig bewertet werden.

Der wahre Durchbruch war die Ankunft von LLMs mit echter Argumentations- und Sprachgenerierungsfähigkeit, die es zum ersten Mal ermöglichte, komplexe, mehrstufige Anrufe zu automatisieren.

Viele Menschen assoziieren AI-Sprachagenten immer noch mit frustrierenden IVR-Systemen oder robotischen Chatbots. Was hat sich in den letzten Jahren grundlegend geändert, um es modernen Sprachagenten zu ermöglichen, viel natürlichere Gespräche zu führen?

AI-Sprachagenten sind völlig anders als die IVR-Systeme der Vergangenheit. Jeder, der noch ein IVR-System verwendet, ist sehr eingeschränkt, da sie deterministisch sind. Heute können Agents tatsächlich durch ein Gespräch argumentieren, wie es ein Mensch tun würde, indem sie LLMs für die Sprachgenerierung und kontext- und datengetriebene Logik verwenden. In Kombination mit besserer Sprachqualität, verbesserter Latenzreaktionszeit und natürlicherer Gesprächslogik können die meisten unserer Kunden heute tatsächlich nicht erkennen, ob sie mit einer AI sprechen, oder es stört sie nicht, solange es das gewünschte Ergebnis liefert.

Als CTO, wie balancieren Sie die schnellen Fortschritte in den Grundmodellen mit der Notwendigkeit von Stabilität, Sicherheit und vorhersehbarem Verhalten für Unternehmenskunden?

Dies ist die Kernspannung, die ich als CTO managen muss: Grundmodelle entwickeln sich unglaublich schnell, aber unsere Unternehmenskunden in regulierten Branchen benötigen Vorhersehbarkeit, Sicherheit und konsistentes Verhalten.

Wir sind selbst kein Modellanbieter; wir bieten eine Anwendung zum Erstellen von AI-Agents an und sitzen neben anderen Kontaktzentrum-Software. Diese Trennung ermöglicht es uns, Verbesserungen vorzunehmen, ohne die Schutzmechanismen, Integrationen und Compliance-Steuerungen zu destabilisieren, auf die unsere Kunden angewiesen sind. Es ist auch der Grund, warum wir uns darauf konzentriert haben, es jedem Team zu ermöglichen, AI-Agents zu erstellen, die komplexe Workflows in Wochen und nicht in Monaten verarbeiten können. Wir haben kürzlich ein Produkt namens Copilot gestartet, mit dem ein Team mit einer Konversation ein funktionierendes Erstdraft eines Sprachagents mit der spezifischen Geschäftslogik, Marke und Sicherheit des Unternehmens erstellen kann.

Regals Plattform verbindet AI-Agents mit Kundenkontext und Geschäftsworkflows, anstatt einfach nur Fragen zu beantworten. Warum ist der Zugriff auf Kundendaten und Geschäftssysteme genauso wichtig wie die Fortschritte in den Sprachmodellen selbst?

Auf sich allein kann ein Sprachmodell ein Gespräch führen, aber es kann nichts für Ihren Kunden tun. Im Moment, in dem Sie es auffordern, eine Bestellung zu überprüfen, einen Rabatt anzuwenden, einen Fall zu eskalieren oder einen Datensatz zu aktualisieren, benötigt der AI-Agent eine Verbindung zu den gleichen Systemen, die Ihre menschlichen Agents verwenden – wie ihre CRM- und Abrechnungssysteme.

Wenn die Modelle selbst besser werden, ist der Zugriff auf echte Kundendaten und Geschäftssysteme das, was tatsächlich einen großartigen AI-gesteuerten Erfahrung von einer frustrierenden unterscheidet.

Ihr Plattform dient Organisationen in Branchen wie Gesundheitswesen, Versicherungen, Bildung und Finanzdienstleistungen. Was haben diese hoch regulierten Sektoren Ihnen über die verantwortungsvolle Bereitstellung von AI beigebracht, während sie das Vertrauen der Kunden aufrechterhalten?

Wir konzentrieren uns absichtlich auf hoch regulierte, komplexere Branchen und nicht auf einfache, risikoarme Anwendungsfälle, teilweise wegen meiner eigenen Erfahrung im Bereich Produkt-, Design- und Datenmanagement und bei der Arbeit mit Unternehmens-Kontaktzentren.

Vertrauen und Compliance sind in diesen Interaktionen wirklich wichtig. Eine verantwortungsvolle AI-Bereitstellung besteht darin, sicherzustellen, dass die Agents zuverlässige Schutzmechanismen, genaue Kontextinformationen auf Kontenebene und einen klaren Weg zu einem Menschen haben, wenn etwas außerhalb ihres Zuständigkeitsbereichs fällt. Vertrauen in regulierten Branchen kommt nicht von einer fehlerfreien AI, sondern von einer vorhersehbaren und behebbaren AI.

Viele Menschen nehmen an, dass AI die menschlichen Kontaktzentrum-Agents ersetzen wird. Wie sehen Sie die Entwicklung der Beziehung zwischen menschlichen Mitarbeitern und AI-Agents in den nächsten fünf Jahren, und welche Aufgaben sollten immer menschlich geführt werden?

AI wird nicht jeden Job ersetzen, wie viele befürchtet haben, aber es wird sich ändern, wie der Job aussieht.

Die wichtigere menschliche Rolle in den nächsten Jahren ist nicht der traditionelle Kontaktzentrum-Agent – es ist eine völlig neue Rolle. Mein Mitgründer und ich nennen es den CX-Ingenieur: jemand, der die AI-Agents selbst verwaltet und überwacht, indem er rückwärts von der Kundenreise arbeitet und nicht in einzelnen Anrufen sitzt. Man kann diese Veränderung bereits sehen, da AWS gerade 1 Milliarde Dollar in eine Forward Deployed Engineering-Einheit investiert hat, um Kunden beim Aufbau mit AI zu helfen, eine Rolle, die vor einem Jahr noch nicht wirklich existierte.

Wir können eine ähnliche Veränderung im CX erwarten: wenn AI-Agents mehr des Volumens abwickeln, werden die Menschen, die diese Agents orchestrieren, verwalten und quality-checken, zu wesentlichen Neueinstellungen.

Sprach-AI hat sich dramatisch verbessert, aber Kunden werden immer mehr bewusst, dass sie mit einer AI sprechen. Welche Rolle spielen Transparenz und Offenlegung bei der Aufrechterhaltung des langfristigen Vertrauens, und sollten Unternehmen immer Kunden darüber informieren, dass sie mit einer AI-Agentur interagieren?

Kunden können immer nach einem Menschen fragen, und wir bauen dies in jede Bereitstellung ein. Was wir tatsächlich in der Praxis sehen, ist, dass die meisten Menschen entweder nicht erkennen, dass sie mit einer AI sprechen, oder es stört sie nicht, wenn sie es bemerken, weil die Interaktion selbst ihnen wichtiger ist als die Person am anderen Ende.

Es gibt auch einen strukturellen Grund, warum darüber nicht mehr gesprochen wird: einige Unternehmen führen bereits den Großteil ihrer Kundeninteraktionen mit AI durch, aber werben damit noch nicht. Ich denke, Transparenz ist wichtig, wenn der Kunde danach fragt, aber es ist nicht notwendig, es als generelle Anforderung für jede Interaktion zu haben.

Da AI nun in der Lage ist, immer komplexere Gespräche zu führen, welche Metriken sollten Unternehmen über die einfache Kostenreduzierung hinaus verwenden, um zu bewerten, ob eine AI-Bereitstellung die Kunden-Erfahrung tatsächlich verbessert hat?

Intern sollten Unternehmen darauf achten, wie sehr ihre eigenen Teams AI im täglichen Betrieb verwenden, und sollten einen starken Einsatz als gutes Zeichen betrachten. Aber die wichtigere Metrik, die Unternehmen berücksichtigen sollten, ist der Umsatz pro Mitarbeiter. Wenn AI wirklich funktioniert, sollte diese Zahl steigen, und das ist es, was Wachstum und bessere Margen finanziert. AI ersetzt nicht Ihre Mitarbeiter, aber die Menschen, die es gut nutzen, werden am Ende viel mehr tun, während sie das gleiche Team beibehalten. Sie können mehr Kunden bedienen, mehr Geschäfte abschließen und mehr aufbauen, wenn der Umsatz pro Mitarbeiter die Metrik ist, die Sie messen.

Blickt man nach vorne, welche aufkommenden Technologien oder Fähigkeiten glauben Sie, werden die nächste Generation von Unternehmens-AI-Agents definieren, und welche Entwicklungen sind Sie persönlich am meisten daran interessiert, in den nächsten Jahren auf den Markt zu bringen?

Heute ist die Sprache bereits 60-70 % der Kundeninteraktionen, der Rest ist auf Chat, E-Mail und Text aufgeteilt. Wenn AI Sprachinteraktionen höherwertiger und fähiger macht, erwarte ich, dass die Sprache zum dominanten Kanal wird und schließlich 95 % aller Kundeninteraktionen erreicht.

Was die nächste Generation von Unternehmens-AI-Agents definieren wird, ist, wie proaktiv und engagiert sie bei Kundeninteraktionen sind. Die Neuheit von AI in der Kunden-Erfahrung verliert sich, und jeder weiß, dass sie immer fähiger wird, aber ich bin daran interessiert, ihre Grenzen zu erweitern und sie noch komplexere Anwendungsfälle ausführen zu lassen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Regal besuchen: Regal.