Ανδρέας Μίσσεϊ, Τεχνικός Διευθυντής και Συνιδρυτής της Convos – Σειρά Συνεντεύξεων

Ανδρέας Μίσσεϊ, Τεχνικός Διευθυντής και Συνιδρυτής της Convos, είναι ένας μηχανικός λογισμικού και ηγέτης προϊόντος με εμπειρία που εκτείνεται στην ανάπτυξη προϊόντων AI, αρχιτεκτονική λογισμικού, δικτύωση και πλήρη ανάπτυξη. Πριν από τη συνίδρυση της Convos, βοήθησε στην ανάπτυξη και εκτόξευση δύο πλατφορμών δημιουργικής και μάρκετινγκ που βασίζονται σε AI στην Forum3, συνδυάζοντας την πρακτική μηχανική με την τεχνική διαχείριση προϊόντων. Οι προηγούμενες θέσεις του στις N-able (NABL ), Autoshop Solutions και Brand IQ αφορούσαν την κατασκευή εφαρμογών frontend, συστήματα backend, πίνακες ελέγχου πελατών και εσωτερικά εργαλεία λογισμικού χρησιμοποιώντας τεχνολογίες όπως Svelte, NestJS, Angular και JavaScript. Αυτό το đaτομεακό υπόβαθρο του έχει επιτρέψει να γεφυρώσει την τεχνική εκτέλεση με την στρατηγική προϊόντων ενώ ηγείται της ανάπτυξης της πλατφόρμας επικοινωνιών της Convos που βασίζεται σε AI.

Convos είναι μια ελεγχόμενη πλατφόρμα texting που βασίζεται σε AI, σχεδιασμένη για να βοηθήσει τις πολιτικές εκστρατείες και τις εταιρείες επικοινωνιών να αντικαταστήσουν την επικοινωνία μαζικής αποστολής με προσωποποιημένες, двο-κατευθυντικές συνομιλίες ψηφοφόρων σε κλίμακα. Η πλατφόρμα μετατρέπει τις απαντήσεις σε πραγματικό χρόνο σε ανάλυση συναισθήματος, ταξινόμηση θεμάτων, αποτελέσματα κλήσεων σε δράση, μετρήσεις συμμετοχής και δομημένες πληροφορίες ψηφοφόρων που οι εκστρατείες μπορούν να χρησιμοποιήσουν για να βελτιώσουν την πρόσβασή τους. Το κλειστό σύστημα AI λειτουργεί μέσα στα εγκεκριμένα υλικά και φράγματα μηνυμάτων της εκστρατείας, ενώ παρέχει χαρακτηριστικά όπως διαχωρισμός επαφών, ιστορικό συνομιλιών, παρακολούθηση συνδέσμων, εξαγωγή δεδομένων και ιχνηλασία εύλογης συμμόρφωσης. Η Convos μπορεί επίσης να συμπληρώσει την υπάρχουσα υποδομή texting μιας οργάνωσης αντί να απαιτεί να αντικαταστήσει τα τρέχοντα συστήματα επικοινωνιών της.

Συνίδρυσε την Convos μετά την παρατήρηση του πώς η πολιτική και οργανωτική texting είχε γίνει σε μεγάλο βαθμό μονόπλευρη επικοινωνία. Ποια ήταν η αρχική έμπνευση που σας έκανε να πιστεύετε ότι υπήρχε ευκαιρία να μετατρέψετε τη μαζική texting σε συνομιλίες που βασίζονται σε AI, και ποια ήταν τα μεγαλύτερα τεχνικά προβλήματα που αντιμετωπίσατε κατά την κατασκευή της πλατφόρμας;

Η έμπνευση ήρθε από το να βρισκόμαστε στην άλλη πλευρά.

Γύρω στις εκλογές του 2024, λαμβάνατε πολλά πολιτικά μηνύματα, όπως και πολλοί άλλοι. Σε κάποιο σημείο, άρχισα να απαντώ σε αυτά. Έκανα μια ερώτηση ή απάντησα, και ποτέ δεν ήρθε καμία απάντηση. Τα μηνύματα στάλθηκαν με εκατομμύρια, αλλά τη στιγμή που προσπαθούσατε να έχετε μια πραγματική ανταλλαγή, δεν υπήρχε κανείς εκεί.

Μου έκανε εντύπωση ως τεράστια χαμένη ευκαιρία. Ο άνθρωπος στην άλλη πλευρά ήταν ήδη ενεργός. Έκανε μια πραγματική ερώτηση. Αλλά ποτέ δεν θα σταλεί καμία απάντηση.

Έτσι, η ιδέα πίσω από την Convos ήταν απλή. Να μετατρέψετε την εκπομπή σε πραγματική συνομιλία, σε κλίμακα, χωρίς να χρειάζεται ένα δωμάτιο γεμάτο ανθρώπους για να το επικαλύψει.

Τα μεγαλύτερα τεχνικά προβλήματα ήρθαν σε τρία πράγματα: κλίμακα, καθυστέρηση και συμμόρφωση.

Η κλίμακα είναι το προφανές. Διαχειρίζεστε χιλιάδες συνομιλίες ταυτόχρονα, και η κάθε μια έχει τη δική της κατάσταση και ιστορία. Η καθυστέρηση έχει σημασία περισσότερο από ό,τι οι άνθρωποι περιμένουν. Αν κάποιος απαντά και η απάντηση καθυστερεί πολύ, η στιγμή έχει πέρασει. Το texting feels σχεδόν άμεσο, και η εμπειρία πρέπει να ταιριάζει με αυτό.

Η συμμόρφωση ήταν το πιο δύσκολο μέρος, και ήταν κάτι που προτεραιότητάμε από την αρχή. Η πολιτική texting είναι σκληρά ρυθμισμένη, και το να την κάνει λάθος δεν είναι μια επιλογή. Πολύ από την πρώιμη μηχανική μας πήγε στο να βεβαιωθούμε ότι το σύστημα παρέμεινε στο μήνυμα και σεβόταν τη συγκατάθεση και τις αποχές με τρόπους που πηγαίνουν πολύ πέρα από το να πιάσει単άχα τη λέξη “ΣΤΟΠ”.

Η Convos λειτουργεί στο σημείο τομής της συνομιλίας AI, της μεγάλης κλίμακας μηνυμάτων και της ανάλυσης συναισθήματος σε πραγματικό χρόνο. Ποια μαθήματα έχετε μάθει από την ανάπτυξη συστημάτων AI που πρέπει να ασχολούνται με χιλιάδες ανθρώπους ταυτόχρονα ενώ ακόμη感觉 προσωπική και αυθεντική;

Το μεγαλύτερο μάθημα είναι ότι το “προσωπικό σε κλίμακα” είναι κάτι που πρέπει να μηχανικής για. Δεν συμβαίνει από μόνη της.

Όταν εκτελείτε χιλιάδες συνομιλίες ταυτόχρονα, η πίεση είναι να τις αντιμετωπίσετε ως μια μεγάλη παρτίδα. Αλλά ο άνθρωπος που λαμβάνει το μήνυμα δεν ενδιαφέρεται για την παρτίδα σας. Για αυτούς είναι μια ανταλλαγή ενός προς ένα, και πρέπει να感觉 così. Αυτό σημαίνει ότι κάθε συνομιλία πρέπει να φέρει τη δική της κατάσταση και ιστορία, ώστε μια απάντηση να απαντά πραγματικά σε αυτό που είπε ο συγκεκριμένος άνθρωπος, και όχι σε κάποιο μέσο όρο όλων.

Μάθαμε επίσης να δώσουμε προσοχή σε αυτό που οι άνθρωποι μας λένε πραγματικά. Μια απάντηση δεν είναι απλά μια απάντηση. Φέρει συναισθήματα. Κάποιος μπορεί να απαντήσει με μια ερώτηση, με ενθουσιασμό, με εκνευρισμό, ή με một σαφή σήμα ότι θέλει να αφήσει μόνο. Η ανάγνωση αυτών των νюансов σωστά είναι αυτό που κάνει ή σπάει μια αλληλεπίδραση.

Τελικά, η αυθεντικότητα έρχεται από το να ακούτε, όχι από το να ακούγετε έξυπνα. Η ανταλλαγή που感觉 πιο ανθρώπινη είναι αυτή που απαντά στην πραγματική ερώτηση και σεβόταν τον χρόνο του ατόμου.

Έχετε υποστηρίξει ότι πολλές οργανώσεις εστιάζουν υπερβολικά στα βENCHMARKS μοντέλων ενώ παραμελούν την προσωπικότητα και το στυλ επικοινωνίας. Γιατί πιστεύετε ότι η προσωπικότητα γίνεται ένα κρίσιμο παράγοντα στην ανάπτυξη επιχειρηματικών AI, και πώς πρέπει οι οργανώσεις να την αξιολογήσουν;

Τα βENCHMARKS μετρούν την ικανότητα. Δεν μετρούν την ταίριασμα.

Ένα μοντέλο μπορεί να πετύχει εξαιρετικά στα.reasoning ή κωδικοποίηση και να είναι ακόμη η λάθος επιλογή για μια συνομιλία με einen ψηφοφόρο. Ο τρόπος που φράζει τα πράγματα, πώς ζεστό ή πώς επίσημο ακούγεται, αν ξέρει πότε να είναι σύντομο, όλα αυτά έχουν σημασία enormamente μια fois που ένας πραγματικός άνθρωπος είναι στην άλλη πλευρά.

Στον κόσμο μας το μοντέλο δεν λύνει ένα μαθηματικό πρόβλημα. Αντιπροσωπεύει μια εκστρατεία σε ένα μήνυμα κειμένου. Κάθε εκστρατεία έχει τη δική της φωνή, και το μοντέλο πρέπει να ταιριάζει με αυτήν αντί να επιβάλλει τη δική του. Αν ο τόνος είναι λάθος, δεν έχει σημασία πόσο έξυπνο είναι το υποκείμενο μοντέλο. Η αλληλεπίδραση αποτυγχάνει.

Υπάρχει επίσης μια ικανότητα πλευρά σε αυτό που τα βENCHMARKS miss. Μια εκστρατεία μπορεί να δώσει στο πράκτορα λεπτομερείς οδηγίες για το τι να πει, τι να αποφύγει και πώς να χειριστεί συγκεκριμένα θέματα. Το μοντέλο πρέπει να ακολουθήσει όλα αυτά, συνεχώς, σε μια μακρά ανταλλαγή. Κάποια μοντέλα είναι πολύ καλύτερα από άλλα στο να κρατούν σύνθετες οδηγίες χωρίς να παραστρατήσουν στη μέση της συνομιλίας. Αυτή η ικανότητα είναι επίσης μέρος της προσωπικότητας, γιατί ένα μοντέλο που ακούγεται καλό αλλά σταματά να ακολουθεί τις οδηγίες του δεν είναι ένα που μπορείτε να βάλει μπροστά σε πραγματικούς ανθρώπους.

Γι’ αυτό η προσωπικότητα γίνεται ένα πραγματικό παράγοντα στην ανάπτυξη επιχειρηματικών. Όσο τα μοντέλα γίνονται πιο ικανά σε όλα, το ρωγμή της ικανότητας μεταξύ τους στενεύει. Τι μένει είναι το χαρακτήρας. Πώς επικοινωνούν, και αν παραμένουν μέσα στις γραμμές που ορίζετε.

Ο τρόπος για να την αξιολογήσετε δεν είναι σε μια λίστα. Είναι να δοκιμάσετε μοντέλα στην πραγματική περίπτωση χρήσης σας, με το πραγματικό περιεχόμενό σας, και να διαβάσετε τις εξόδους όπως θα έκανε ο τελικός χρήστης. Βάζουμε μοντέλα σε ακριβώς το ίδιο είδος ανταλλαγών που θα χειριστούν στην παραγωγή και κρίνουμε αν η συνομιλία感觉 σωστή. Αυτό λέει πολύ περισσότερα από ό,τι θα έκανε ένα σκορ βENCHMARK.

Η ομάδα σας έχει δοκιμάσει πολλά leading μοντέλα και έχει παρατηρήσει σημαντικές διαφορές στο πώς εκτελούνται σε διάφορες εργασίες. Τι έχετε μάθει για τις ισχύες και αδυναμίες των σημερινών μεγάλων LLMs, και γιατί είναι κάποια καλύτερα προσαρμοσμένα για εργασίες συνομιλίας από άλλα;

Αυτό που έχουμε μάθει είναι ότι δεν υπάρχει ένα καλύτερο μοντέλο. Υπάρχει μόνο το καλύτερο μοντέλο για μια δεδομένη δουλειά.

Κάποια μοντέλα είναι εξαιρετικά στο να ακολουθούν οδηγίες ακριβώς, το οποίο έχει σημασία όταν χρειάζεστε το σύστημα να παραμείνει μέσα σε αυστηρά όρια. Κάποια είναι πιο ισχυρά σε φυσικό, συνομιλητικό τόνο. Κάποια είναι ταχύτερα, το οποίο είναι η δική του ισχύς όταν η καθυστέρηση είναι μέρος της εμπειρίας. Άλλα είναι καλύτερα στο να.reasoning μέσα από μια σύνθετη αίτηση αλλά感觉 σκληρά ή παίρνει πολύ χρόνο για να απαντήσει σε μια καθημερινή ανταλλαγή.

Για εργασίες συνομιλίας συγκεκριμένα, οι ιδιότητες που έχουν σημασία δεν είναι πάντα αυτές που λαμβάνουν τα κεφάλαια. Ταχύτητα έχει σημασία. Συνέπεια έχει σημασία. Γνωρίζοντας πότε να είναι σύντομο έχει σημασία. Ένα μοντέλο που γράφει μια όμορφη τριπλή απάντηση είναι συχνά η λάθος επιλογή όταν η σωστή απάντηση είναι μια πρόταση.

Κανένα από αυτά δεν εμφανίζεται σε μια λίστα. Το μόνο που το μαθαίνεις είναι να βάζεις μοντέλα μπροστά στην πραγματική δουλειά και να προσέχεις πώς τις χειρίζονται.

Πολλές εταιρείες υιοθετούν ολοένα και περισσότερο στρατηγικές πολλαπλών μοντέλων αντί να βασίζονται σε ένα μόνο παρόχου AI. Ποια είναι τα πλεονεκτήματα της κατασκευής συστημάτων που μπορούν να εναλλάσσονται μεταξύ μοντέλων, και ποια είναι τα αρχιτεκτονικά δεδομένα που απαιτούνται για να γίνει αυτό δυνατό;

Το κύριο πλεονέκτημα είναι ότι δεν είστε κλειδωμένοι.

Αν χτίσετε όλα γύρω από έναν παρόχου, κληρονομείτε όλους τους περιορισμούς τους. Η τιμολόγησή τους, τα όρια ρυθμού τους, η καθυστέρηση τους, οι διακοπές τους και το πρόγραμμα εκδόσεων τους γίνονται δικά σας. Μια στρατηγική πολλαπλών μοντέλων σας επιτρέπει να στείλετε κάθε εργασία στο μοντέλο που το χειρίζεται καλύτερα, και σας δίνει κάπου να πάτε όταν ένας παρόχου έχει μια κακή μέρα.

Αυτό cũng σας επιτρέπει να ταιριάξετε το κόστος με την εργασία. Δεν κάθε αλληλεπίδραση χρειάζεται το πιο ισχυρό και πιο ακριβό μοντέλο σας. Η δυνατότητα να στείλετε την απλή δουλειά σε ένα ελαφρύτερο μοντέλο και να αποθηκεύσετε το βαρύ μοντέλο για τις δύσκολες περιπτώσεις κάνει μια πραγματική διαφορά σε κλίμακα.

Η αρχιτεκτονική είναι αυτό που κάνει αυτό δυνατό, και η κλειδί απόφαση είναι να χτίσετε ένα επίπεδο αφαίρεσης μεταξύ της εφαρμογής σας και ενός συγκεκριμένου μοντέλου. Το σύστημα σας δεν πρέπει να μιλάει απευθείας σε ένα API παρόχου σε όλο το codebase. Πρέπει να μιλάει στο δικό σας εσωτερικό διεπαφή, και αυτό το διεπαφή αποφασίζει ποιο μοντέλο θα χειριστεί πραγματικά την αίτηση.

Μόλις το έχετε αυτό, μπορείτε να προσθέσετε λογική διαδρομής, πτώση-πίσω όταν ένας παρόχου αποτυγχάνει, και την ικανότητα να εναλλάσσετε μοντέλα χωρίς να ξαναγράψετε την εφαρμογή σας. Επίσης, χρειάζεστε συνεπή χειρισμό προτύπων και εξόδων μεταξύ μοντέλων, επειδή το κάθε ένα συμπεριφέρεται λίγο διαφορετικά, και το σύστημα σας πρέπει να λείει αυτές τις διαφορές.

Είναι περισσότερη δουλειά από την αρχή. Αλλά αγοράζει ευελιξία που είναι πολύ δύσκολο να προστεθεί αργότερα.

Πρόσφατα υπογράψατε πώς τα μοντέλα AI εξελίσσονται γρήγορα, με νέες εκδόσεις που αλλάζουν đôi και πότε τις ιδιότητες απόδοσης με απρόβλεπτο τρόπο. Πώς πρέπει οι εταιρείες να ισορροπήσουν την επιθυμία να υιοθετήσουν τα τελευταία μοντέλα με την ανάγκη για σταθερότητα, αξιοπιστία και προβλέψιμη απόδοση;

Η ειλικρινής απάντηση είναι ότι ένα νέο μοντέλο δεν είναι μια αναβάθμιση μέχρι να το αποδείξετε ότι είναι.

Κάθε έκδοση είναι ενθουσιαστική, και υπάρχει πραγματική πίεση να υιοθετήσετε το τελευταίο πράγμα αμέσως. Αλλά έχουμε δει νέα μοντέλα να αλλάζουν συμπεριφορά με τρόπους που δεν περιμέναμε. Κάτι που δούλευε αξιόπιστα αρχίζει να απαντά λίγο διαφορετικά, και σε ένα σύστημα παραγωγής αυτές οι μικρές αλλαγές προστίθενται.

Ο τρόπος που το χειριζόμαστε είναι απλός. Κανένα μοντέλο δεν μπαίνει στην πορεία μας μέχρι να το έχουμε δοκιμάσει ourselves. Όταν μια νέα έκδοση βγει, δεν πιστεύουμε τα βENCHMARKS ή την ανακοίνωση. Καθόμαστε και το τρέχουμε μέσα από ακριβώς το ίδιο είδος ανταλλαγών που θα χειριζόταν στην παραγωγή, και διαβάζουμε τις εξόδους ourselves.

Αυτό το χέρι-σε-χέρι βήμα δεν είναι προαιρετικό για μας. Ένα μοντέλο μπορεί να φαίνεται καλύτερο στο χαρτί και να χειρίζεται μια πραγματική ανταλλαγή με τρόπο που δεν είμαστε άνετοι να βάλουμε μπροστά σε ψηφοφόρους. Ο μόνος τρόπος να το ξέρετε είναι να το βάλσετε στις ίδιες καταστάσεις που το σύστημά μας αντιμετωπίζει κάθε μέρα και να δείτε πώς πραγματικά απαντά.

Αυτό είναι άλλο ένα σημείο όπου το επίπεδο αφαίρεσης κερδίζει την αξία του. Επειδή η εφαρμογή μας δεν εξαρτάται από ένα συγκεκριμένο μοντέλο, μπορούμε να φέρουμε μια νέα έκδοση, να τη δοκιμάσουμε ενάντια στις συνομιλίες που πραγματικά χειριζόμαστε, και να τη συγκρίνουμε ειλικρινά με αυτό που τρέχουμε ήδη. Αν το περάσει το εμπόδιο, το ανταλλάσσουμε. Αν όχι, περιμένουμε.

Οι ψευδαισθήσεις παραμένουν ένα από τα μεγαλύτερα εμπόδια για την υιοθέτηση επιχειρηματικών AI, ιδιαίτερα όταν τα μοντέλα δουλεύουν με μεγάλες βάσεις δεδομένων και σύνθετες πληροφορίες. Ποια πρακτικά τεχνικές έχουν αποδειχθεί πιο αποτελεσματικές στην μείωση των ψευδαισθήσεων σε περιβάλλοντα παραγωγής;

Η πιο αποτελεσματική τεχνική που έχουμε βρει είναι να περιορίσουμε τι το μοντέλο επιτρέπεται να ξέρει.

Πολλές ψευδαισθήσεις έρχονται από το να ζητήσετε από ένα μοντέλο να απαντήσει από τη γενική του γνώση, όπου θα γεμίσει τα κενά με κάτι που ακούγεται σωστό. Κάνουμε το αντίθετο. Το AI μας δουλεύει αυστηρά από τις πληροφορίες που έχει παρέχει η εκστρατεία. Δεν έχει πρόσβαση στο ανοιχτό διαδίκτυο, και δεν βασίζεται σε κάποια αμυδρή μνήμη του κόσμου.

Αν η απάντηση δεν είναι στο υλικό που του δόθηκε, η σωστή απάντηση είναι να πει ότι δεν έχει αυτή την πληροφορία. Αυτό το đơnό boundary αφαιρεί ένα τεράστιο ποσοστό κινδύνου.

Δεν σταματάμε εκεί, όμως. Έχουμε πολλαπλά ελέγχους για να βεβαιωθούμε ότι μια απάντηση ταιριάζει με αυτό που παρέχεται από την εκστρατεία. Ακόμη και μετά το μοντέλο παράγει μια απάντηση, αυτή η απάντηση είναι διασταυρωμένη με τις πληροφορίες της εκστρατείας πριν πάει πουθενά. Αν κάτι δεν ταιριάζει, δεν σταλεί.

Πέρα από αυτό, οι πρακτικές τεχνικές είναι για εναρμόνιση και φράγματα. Δώστε στο μοντέλο το συγκεκριμένο, σχετικό контекστό που χρειάζεται για την εργασία μπροστά του, και όχι ένα τεράστιο, μη διαφοροποιημένο σωρό δεδομένων. Όσο πιο εστιασμένα είναι τα δεδομένα, τόσο λιγότερος χώρος υπάρχει για να παραστρατήσει.

Βάζουμε επίσης σαφείς περιορισμούς σε αυτό που το σύστημα επιτρέπεται να κάνει και να πει, και παρακολουθούμε πραγματικές συνομιλίες αντί να υποθέτουμε ότι όλα είναι εντάξει. Δεν πιάνετε προβλήματα εμπιστευόμενοι το μοντέλο. Τα πιάνετε παρακολουθώντας την έξοδο.

Σε einen ρυθμιζόμενο χώρο όπως η πολιτική texting, μια φανταστική απάντηση είναι ένα πρόβλημα, οπότε σχεδιάσαμε το σύστημα να προτιμά την διαφάνεια έναντι της догадки.

Όσο οι οργανώσεις αναπτύσσουν πράκτορες AI σε υποστήριξη πελατών, επικοινωνίες, μάρκετινγκ και λειτουργίες, ποια λάθη βλέπετε τις ομάδες να επαναλαμβάνουν όταν μεταβαίνουν από πιλοτικές εργασίες σε αναπτύξεις κλίμακας παραγωγής;

Το λάθος που βλέπω πιο συχνά είναι ότι οι ομάδες δοκιμάζουν αν ο πράκτοράς τους δουλεύει, αλλά όχι αν μπορεί να σπάσει.

Δεν μπορώ να μετρήσω πόσες φορές μια εταιρεία έχει κυκλοφορήσει einen AI chatbot, και μέσα σε μια μέρα κάποιος στο διαδίκτυο έχει jailbroken το να πει κάτι που δεν ήταν ποτέ να πει. Παίρνει talked out των οδηγιών του, tricked σε να πάει εκτός σεναρίου, ή manipulated σε να αντιπροσωπεύει το brand με τρόπο που τελικά είναι ένα screenshot που όλοι περνούν.

Αυτό συμβαίνει επειδή σε ένα πιλότο, όλοι είναι καλοί. Είστε δοκιμάζοντας τον πράκτορα με λογικούς ανθρώπους που κάνουν λογικές ερωτήσεις, και φαίνεται καλό. Η παραγωγή είναι το αντίθετο. Η στιγμή που κάτι είναι δημόσιο, ένα μέρος των ανθρώπων που μιλάει σε αυτό είναι ενεργά προσπαθώντας να το σπάσουν.

Αν δεν το έχετε δοκιμάσει για αυτή την περίπτωση, δεν το έχετε πραγματικά δοκιμάσει. Πρέπει να προσπαθήσετε να σπάσετε το δικό σας σύστημα πριν κάποιος άλλος το κάνει. Πιέστε το, δώστε του τα περίεργα και εχθρικά inputs, και δείτε αν κρατάει τα όριά του όταν κάποιος προσπαθεί σκόπιμα να το αντιμετωπίσει.

Το άλλο επαναλαμβανόμενο λάθος είναι να υποθέτετε ότι μια δοκιμή που δουλεύει είναι ένα σύστημα που δουλεύει. Ένα πιλότο είναι ένα χέρι πληρωμένων συνομιλιών στην ευτυχισμένη πορεία. Η παραγωγή είναι χιλιάδες άνθρωποι σε όλες τις ώρες συμπεριφέροντας με τρόπους που δεν προέβλεψατε, και τα περιστατικά που σβήσατε γίνονται καθημερινές εκδηλώσεις σε κλίμακα.

Η συμβουλή μου είναι να δαπανήσετε λιγότερο χρόνο τελειοποιώντας την δοκιμή και περισσότερο χρόνο προσπαθώντας να σπάσετε το πράγμα εσείς. Αν δεν μπορεί να επιβιώσει από την επίθεση σας, δεν θα επιβιώσει από το να είναι δημόσιο.

Οι πράκτορες AI γίνονται ολοένα και πιο ικανοί να χειρίζονται συνομιλίες που κάποτε απαιτούσαν ανθρώπινη υπεροχή. Πού βλέπετε την ισορροπία μεταξύ αυτοματοποίησης και ανθρώπινης επιτήρησης τα επόμενα πέντε χρόνια, και ποια ροές εργασιών πρέπει να διατηρήσουν πάντα έναν άνθρωπο στην αλυσίδα;

Αυτό είναι ένα δύσκολο, και δεν νομίζω ότι κάποιος ξέρει πραγματικά πού βρίσκεται η γραμμή σε πέντε χρόνια. Ο τρόπος που το σκέφτομαι, η πραγματική αξία του AI είναι ως ένας πολλαπλασιαστής δύναμης. Αφήνει μια μικρή ομάδα ανθρώπων να κάνει πολύ περισσότερα από ό,τι θα μπορούσαν ποτέ να κάνουν μόνοι τους.

Οι ομάδες που παίρνουν τα περισσότερα από αυτά τα εργαλεία τις χρησιμοποιούν ακριβώς με αυτόν τον τρόπο. Το AI παίρνει τον όγκο και την επανάληψη, και οι άνθρωποι δαπανούν τον χρόνο τους στην κρίση, τη στρατηγική και τις καταστάσεις που πραγματικά χρειάζονται έναν άνθρωπο. Αυτό είναι ένα πολύ διαφορετικό στόχος από το να προσπαθήσετε να αφαιρέσετε τους ανθρώπους από το σκηνικό.

Όταν ο στόχος είναι η καθαρή αντικατάσταση, τείνετε να πιέσετε την τεχνολογία πέρα από αυτό που είναι πραγματικά καλό. Και αποτυγχάνει με τρόπους που είναι ορατοί και ακριβοί. Όταν ο στόχος είναι να πολλαπλασιάσετε τους ανθρώπους σας, αφήνετε το AI να κάνει αυτό που κάνει καλά και κρατάτε τους ανθρώπους όπου προσθέτουν την περισσότερη αξία. Η δεύτερη προσέγγιση δουλεύει καλύτερα, και είναι πιο ειλικρινής για το πού βρίσκεται πραγματικά η τεχνολογία σήμερα.

Τα επόμενα πέντε χρόνια, περιμένω τους πράκτορες να πάρουν περισσότερο και περισσότερο από το ρουτίνα συνομιλίας φόρτο, και πρέπει να το κάνουν. Αυτή η δουλειά δεν χρειάζεται έναν άνθρωπο να βλέπει κάθε λέξη.

Οι ροές εργασιών που πρέπει να διατηρήσουν πάντα έναν άνθρωπο είναι αυτές όπου τα στοιχήματα είναι υψηλά ή η κατάσταση είναι πραγματικά νέα. Οτιδήποτε που αγγίζει συγκατάθεση, συμμόρφωση ή μια απόφαση που θα ήταν δύσκολο να ανακαλέσετε. Ένας άνθρωπος πρέπει να κατέχει την κατεύθυνση, και το AI πρέπει να βοηθήσει να καλύψει πολύ περισσότερο έδαφος από ό,τι θα μπορούσε να κάνει αλλιώς.

Κοιτάζοντας μπροστά, ποια εξελίξεις στην συνομιλία AI είναι πιο ενθουσιασμένοι για, και πώς φαντάζεστε τις πλατφόρμες όπως η Convos να εξελίσσονται καθώς τα μοντέλα γίνονται πιο ικανά, πολυμορφικά και αυτόνομα;

Αυτό που με ενθουσιάζει περισσότερο είναι ότι οι συνομιλίες θα συνεχίσουν να γίνονται καλύτερες.

Όσο τα μοντέλα βελτιώνονται, οι ανταλλαγές που χειρίζεται η πλατφόρμα μας γίνονται πιο φυσικές και πιο χρήσιμες χωρίς να χρειάζεται να ξαναχτίζουμε τα θεμέλια κάθε φορά. Επειδή σχεδιάσαμε το σύστημα να μετακινηθεί μεταξύ μοντέλων, μπορούμε να φέρουμε αυτές τις βελτιώσεις μέσα καθώς έρχονται.

Το πολυμορφικό είναι η εξέλιξη που παρακολουθώ πιο στενά. Τώρα η συνομιλία είναι κείμενο. Όσο τα μοντέλα χειρίζονται εικόνες και άλλους μορφούς πιο ικανά, υπάρχει μια πραγματική ευκαιρία να κάνετε αυτές τις ανταλλαγές πιο πλούσιες ενώ διατηρείτε την αμεσότητα που κάνει το texting να δουλεύει.

Στην αυτονομία, είμαι αισιόδοξος αλλά προσεκτικός. Πιο ικανά μοντέλα κυκλοφορούν κάθε μήνα, και θα μπορέσουν να χειριστούν πολύ περισσότερα μόνα τους. Αλλά σε einen ρυθμιζόμενο χώρο, περισσότερη αυτονομία πρέπει να έρθει με περισσότερη дисциплина, όχι λιγότερη. Τα όρια έχουν σημασία περισσότερο καθώς η ικανότητα μεγαλώνει.

Μπήκα σε αυτό γιατί ήμουν ο άνθρωπος που στέλνει μηνύματα στο κενό και δεν λαμβάνει τίποτα πίσω. Αυτό είναι ακόμη το πρόβλημα που με ενδιαφέρει περισσότερο. Ανεξάρτητα από πόσο ικανά γίνονται αυτά τα μοντέλα, το μέτρο που συνεχίζω να επιστρέφω είναι απλό. Νιώθει ο άνθρωπος στην άλλη πλευρά ακουστός;

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Convos.