Will Bodewes, Mitgründer und CEO von Phonely – Interviewreihe

Will Bodewes ist Mitgründer und CEO von Phonely, einem Sprach-KI-Unternehmen, das sich darauf konzentriert, Unternehmen dabei zu helfen, Anrufe entgegenzunehmen und den Ausgang von Kundengesprächen zu verbessern. Bevor er das Unternehmen gründete, promovierte er an der University of Melbourne und erforschte dort angewandte künstliche Intelligenz sowie Systeme, die Anweisungen befolgen und zugleich natürlich kommunizieren können. Zuvor gründete er ein Start-up im Bereich Audiotechnologie und nahm an NCAA-Wettbewerben im Skilanglauf sowie an Ultradistanz-Radrennen teil. Bei Phonely bringt er diesen Forschungshintergrund in die praktischen Herausforderungen beim Einsatz von Sprachagenten ein, darunter Gesprächszuverlässigkeit, Latenz, Integrationen und die kontinuierliche Optimierung von Buchungs-, Vertriebs- und Kundenserviceabläufen.

Phonely ist eine Plattform für KI-Sprachagenten, mit der Unternehmen Telefongespräche automatisieren, Termine vereinbaren, Leads qualifizieren, Anrufe weiterleiten und Kundeninteraktionen mit vorhandener Software verknüpfen können. Die Tools verbinden anpassbare Gesprächsabläufe mit Anrufverläufen, Analysen und A/B-Tests, damit Teams die Leistung messen und die Ergebnisse im Laufe der Zeit verbessern können. Das Unternehmen bedient Organisationen von kleinen Betrieben bis hin zu Großunternehmen und gibt an, mehr als 10.000 Unternehmen zu unterstützen und täglich über 120.000 Anrufe zu bearbeiten. Phonely entwickelt außerdem eigene Gesprächsmodelle, darunter Alma, mit dem Ziel, automatisierte Anrufe schneller und zuverlässiger zu machen und besser auf geschäftliche Gespräche in der Praxis abzustimmen.

Sie begannen mit dem Aufbau von Phonely, während Sie an der University of Melbourne in KI promovierten und sich zunächst darauf konzentrierten, Systeme zu entwickeln, die Anweisungen befolgen und zugleich natürlich kommunizieren können. Was hat Sie davon überzeugt, dass Sprach-KI den Punkt erreicht hatte, an dem sie ein eigenständiges Unternehmen tragen konnte, und was haben Sie am Markt erkannt, das anderen entging?

Damals gab es keinen Beleg dafür, dass Sprach-KI ein eigenständiges Unternehmen tragen konnte. Es gab ein paar Unternehmen, die daran arbeiteten und etwa fünf oder zehn Nutzer hatten, aber niemand hatte Sprach-KI erfolgreich außerhalb eines IVR-Systems eingesetzt. Als wir also Phonely gründeten, war es eine Wette. Damals konzentrierte sich alles auf Chat, deshalb war Sprache ein neues Medium. Das Problem war ungelöst, also dachten wir: „Warum sollten wir es nicht angehen? Warum sollten wir nicht versuchen, es zu lösen?“

Ihre Doktorarbeit begann mit dem Ziel, eine KI zu entwickeln, die „wie ein Roboter Anweisungen befolgen und wie ein Mensch sprechen kann“. Welche technischen Durchbrüche haben Ihnen gezeigt, dass diese Forschung zur Grundlage einer kommerziellen Sprach-KI-Plattform werden könnte?

Die Forschung war wertvoll und wichtig, um die grundlegende Technologie hinter den Entwicklungen zu verstehen. Sie ermöglichte mir, vorauszusehen, was sich abzeichnete und in der Entwicklungspipeline steckte. Ich verstand technisch, was diese Modelle waren und wie sie funktionierten, und dadurch konnte ich eine Wette eingehen. Konkret wollte ich ein Unternehmen aufbauen und etwas bewirken, und dieser Bereich hatte den größten Bezug zu dem, womit ich mich auskannte und was ich kommen sah. Ich wollte daran teilhaben.

Sie haben jeden Anruf als einen Trichter beschrieben, den Unternehmen in der Vergangenheit nicht systematisch optimieren konnten. Wie sieht die Optimierung eines Telefongesprächs konkret aus, und wie kann KI die Konversionsrate, die Lösungsquote oder das Kundenerlebnis mit der Zeit verbessern?

Nehmen wir an, Sie vereinbaren einen Termin mit einem Klempner. Die Person am Telefon ist darauf geschult, Ihre Angaben aufzunehmen und den Termin zu vereinbaren. Je nachdem, wie sie die Fragen stellt, kann sie Ihnen aber auch etwas über Leistungen des Betriebs erzählen, von denen Sie bislang nichts wussten. Vielleicht vereinbaren Sie also einen Termin wegen eines Problems mit Ihren Wasserleitungen und stellen dabei fest, dass auch Ihr Waschbecken repariert werden muss. Ein sehr gut trainierter Sprach-KI-Agent macht dasselbe und hilft dem Unternehmen, Kunden zusätzliche Leistungen zu verkaufen und mehr Umsatz zu erzielen. Er könnte Ihnen ein Produkt anbieten, zu dem eine neue Empfangskraft nicht geschult wurde, und einen weiteren Posten zum Auftrag hinzufügen. So ist der Kunde zufriedener und das Unternehmen erzielt ein besseres Ergebnis. Eine einfache ChatGPT-Sprachfunktion weiß nicht, wie das geht. Dafür braucht man ein eigens dafür entwickeltes und trainiertes Produkt.

Außerdem können Menschen Anrufe verpassen, nicht ans Telefon gehen oder Anrufe an die Mailbox weiterleiten. Das bringt kleine Unternehmen in Amerika in große Schwierigkeiten. Sie haben niemanden, der ans Telefon geht, können keine gleichbleibende Qualität gewährleisten und haben keine Möglichkeit, diese zu optimieren. Mit KI können wir einen Anruf anhand der verfügbaren Daten optimieren, wenn er nicht zum gewünschten Ergebnis für das Unternehmen führt. Dank der Geschwindigkeit von KI können wir das Gespräch anpassen – mit Menschen wäre das bei Weitem nicht so schnell möglich.

Derzeit betrachten alle KI unter dem Gesichtspunkt der Kosteneinsparung. Wir sind jedoch der Meinung, dass man KI als Wachstumsmotor sehen sollte. Unternehmen können durch den Einsatz von KI tatsächlich wachsen und dadurch bessere Ergebnisse erzielen als zuvor.

Sprach-KI muss Herausforderungen bewältigen, die textbasierte KI oft umgehen kann, etwa Latenz, Unterbrechungen, Akzente, Hintergrundgeräusche, emotionale Signale und unvorhersehbare Gespräche. Welches dieser Probleme ließ sich im Einsatz bei Großunternehmen am schwersten zuverlässig lösen?

Latenz ist die größte Herausforderung. Wir haben das Problem inzwischen gelöst, aber in der Anfangszeit bereitete es uns aus zwei Gründen große Kopfschmerzen.

Zunächst bauten wir auf Start-ups auf, die nicht zuverlässig waren. Ein erheblicher Teil der API-Anfragen an OpenAI schlug fehl, und wir erhielten keine Antwort. Wenn man telefoniert, ist das dasselbe, als würde man einfach auflegen. Deshalb mussten wir Wiederholungsversuche einbauen.

Das zweite Problem war die Kapazität. Wenn man eine Anfrage an OpenAI schickte, landete man hinter Hunderten oder Tausenden anderer Anfragen in einer Warteschlange, ohne zu wissen, an welcher Stelle man sich befand. Es konnte 30 Sekunden dauern, bis eine Antwort kam. Um das zu umgehen, untersuchten wir, wo OpenAI weltweit Endpunkte betrieb, und wechselten je nachdem, in welchen Ländern gerade Nacht war und die Nachfrage gering ausfiel, zu anderen Endpunkten. Wir mussten all diese Infrastruktur aufbauen, nur um die Endpunkte mit der geringsten Nachfrage zu diesem Zeitpunkt zu finden. Das war ein ziemlich interessantes technisches Problem. Inzwischen trainieren wir unsere eigenen Modelle, darunter Alma, sodass wir uns darüber keine Gedanken mehr machen müssen, denn wir steuern die Rechenkapazität und die Nachfrage selbst.

Phonely bearbeitet inzwischen täglich mehr als 120.000 Anrufe für Tausende von Unternehmen. Was haben Sie durch den Betrieb von Sprachagenten in diesem Umfang gelernt, was beim Aufbau der ersten Version der Plattform noch nicht abzusehen war?

Es ist wirklich wichtig, jederzeit zu 100 % verfügbar zu sein. Eine der größten technischen Herausforderungen, an deren Lösung wir arbeiten, sind Zuverlässigkeit und Geschwindigkeit. Der KI-Bereich entwickelt sich unglaublich schnell, und selbst für ein KI-Unternehmen sind wir schnell unterwegs. Bei Y Combinator gibt es den Spruch: „Move fast and break things.“ Doch wenn Kunden täglich 120.000 Anrufe tätigen, kann man es sich nicht leisten, Dinge kaputtzumachen. Ein großer Teil unserer Arbeit bestand also darin herauszufinden, wie wir schnell genug neue Versionen bereitstellen können, um relevant zu bleiben und das Produkt weiterzuentwickeln, während wir gleichzeitig unsere Unternehmenskunden zufriedenstellen und ihnen Stabilität bieten und neue Funktionen entwickeln, um dem Markt voraus zu sein. Die Zuverlässigkeit war wahrscheinlich eine der größten Herausforderungen, mit denen wir beim Aufbau des Unternehmens konfrontiert waren.

Generative KI-Systeme können sich unvorhersehbar verhalten. Ein kundenorientierter Telefonagent kann jedoch Zahlungen oder Buchungen abwickeln, Fragen zur Gesundheit beantworten oder andere Interaktionen mit hohen Risiken übernehmen. Wie entwickeln Sie Sprachagenten, die flexibel und gesprächsorientiert bleiben, ohne zu halluzinieren oder ihre Befugnisse zu überschreiten?

Das haben wir vor etwa zwei Jahren auf die harte Tour gelernt. Inzwischen hat sich dieser Ansatz in der Branche ziemlich weit verbreitet. Wir haben erkannt, dass Kontext das größte Problem bei LLMs ist. Wenn man zu viel in eine Eingabeaufforderung packt, etwa seitenlange Anweisungen, steigt die Wahrscheinlichkeit, dass etwas schiefgeht.

Deshalb haben wir ein Orchestrierungssystem mit acht Agenten entwickelt, bei dem die Aufgaben von einem Agenten an den nächsten übergeben werden und jeder Agent einen auf ihn zugeschnittenen Kontext hat. Das ist vergleichbar damit, wie ein Mensch bei einem Telefongespräch einem Gesprächsleitfaden folgt: Man erhält Informationen, geht zum nächsten Schritt über und so weiter. Dadurch können wir die einzelnen Schritte auf Codeebene voneinander trennen. Wenn ich vor einer Rückerstattung Ihren Namen, Ihre E-Mail-Adresse, Ihre Telefonnummer und Ihr Geburtsdatum erfassen müsste, könnte ich garantieren, dass diese Informationen auf Codeebene erfasst werden, bevor es weitergeht. Das lässt sich nicht garantieren, wenn man sich einfach auf ein LLM verlässt. Mit dieser Orchestrierungsschicht für Agenten lässt sich eine Zuverlässigkeit von 100 % erreichen, weil alle Schritte erfasst werden, bevor die Aufgabe an einen neuen Agenten übergeben wird, der zwar weiterhin über Kontext verfügt, aber auf seine eigenen Anweisungen beschränkt ist.

Berichten zufolge erzielte ein Phonely-Einsatz für einen Kunden innerhalb von nur drei Monaten 10 Millionen US-Dollar an zusätzlichen Nettoeinnahmen. Wie konnte KI einen derart messbaren geschäftlichen Nutzen schaffen, und wo sehen Sie heute das größte Renditepotenzial für Sprach-KI?

Das konnten wir erreichen, weil uns die Kennzahlen des Kunden vorlagen. Da es sich um eingehende Anrufe handelte, lag der Schwerpunkt auf dem Verkauf, und die Anrufenden wurden vorqualifiziert. Deshalb konnten wir die Ergebnisse messen. Je nach Tag lag die Verkaufsquote des Callcenters bei etwa 35 % bis 42 %. Nachdem wir diese Informationen vom Kunden erhalten hatten, übernahmen wir dessen Abläufe und optimierten den Agenten. Anfangs lag die Verkaufsquote bei etwa 20 %. In den folgenden Monaten entwickelten wir den Agenten weiter, nahmen Anpassungen vor und optimierten ihn so lange, bis er in den meisten Fällen bessere Ergebnisse erzielte als das Callcenter. Unsere Verkaufsquote stieg weiter, weil wir die Probleme erkannten und dafür sorgten, dass das Erlebnis jedes Mal gleichbleibend gut und reibungslos war. So konnten wir ein Callcenter übertreffen.

Wenn Sprachagenten immer leistungsfähiger werden: Wo sollten Unternehmen die Grenze zwischen Gesprächen ziehen, die vollständig automatisiert werden können, und Situationen, in denen ein Mensch weiterhin eingebunden sein sollte?

Unternehmen sollten alle wiederholbaren Abläufe automatisieren können, die sie ausführen lassen möchten und die klar genug definiert sind.

In einigen Bereichen ist die Automatisierung jedoch schwierig. Dazu zählen Integrationen ohne APIs: Angenommen, Sie benötigen eine Integration, aber die betreffende Software verfügt über keine API. Das lässt sich nur schwer umgehen, auch wenn sich manche Abläufe im Browser automatisieren lassen. Ein weiteres Problem sind mehrere Übergaben zwischen einem Agenten, einem Menschen und anschließend wieder einem Agenten. Das dritte sind Kontextlücken. Nehmen wir an, ich habe meine Brieftasche in einem Restaurant vergessen. Das kann KI niemals lösen, denn sie weiß nicht, ob Sie Ihre Brieftasche dabeihaben, und kann nicht nachprüfen, ob sie im Restaurant liegt.

Manche Situationen erfordern immer einen Menschen. Das gilt auch für komplexere Aufgaben, die sich über mehrere Systeme erstrecken. Verwenden Sie dafür keinen Agenten.

Phonely hat kürzlich eine Finanzierungsrunde der Serie A über 16 Millionen US-Dollar abgeschlossen, nachdem das Unternehmen auf mehr als 10.000 Unternehmen angewachsen war. Wie sieht die nächste Entwicklungsphase des Unternehmens aus, und welche technischen Fähigkeiten werden Ihrer Meinung nach die nächste Generation von Sprach-KI-Plattformen von anderen abheben?

In der nächsten Phase geht es darum, das Team auszubauen und weiter in es zu investieren. Wir setzen voll auf diese Idee. Viele Unternehmen steigen in die Sprach-KI ein und werden das in verschiedenen Bereichen wahrscheinlich ganz ordentlich machen. Aber wir entwickeln nicht einfach nur einen Sprachagenten. Wir entwickeln eine Optimierungsplattform und nutzen Sprache als Kanal. Für Unternehmen, denen Leads und die Umsatzgenerierung über ihre Telefone wichtig sind, liegt unser gesamter Fokus darauf, KI-Agenten so zu optimieren, dass sie die gewünschten Ergebnisse für ihre Kunden erzielen. Man kann sich Phonely als Optimierungsunternehmen vorstellen, bei dem Unternehmen ihre Agenten verbessern möchten, damit diese bessere Leistungen erbringen.

In Ihrer akademischen Forschung haben Sie sich auch damit beschäftigt, wie sich mithilfe von KI und Smart-Meter-Technologie der Zugang zu Energie und sauberem Kochen in Entwicklungsländern verbessern lässt. Wie könnte KI Ihrer Meinung nach über Phonely hinaus bei großen Herausforderungen in der physischen Welt, etwa beim Zugang zu Energie, eingesetzt werden? Und ist das ein Bereich, zu dem Sie irgendwann zurückkehren möchten?

Mit KI lässt sich viel Gutes bewirken, doch viele bestehende Probleme sind von Menschen verursacht. Deshalb muss sich auch auf dieser Seite etwas ändern. Nicht alle Probleme lassen sich mit Technologie lösen. Doch wenn technologische Entwicklungen und Veränderungen im menschlichen Verhalten gleichzeitig stattfinden, wird das der Welt insgesamt zugutekommen.

Vielen Dank für das großartige Interview. Leserinnen und Leser, die mehr erfahren möchten, sollten Phonely besuchen.