Dan O’Connell, Chief Strategy Officer στο Dialpad – Σειρά Συνεντεύξεων

O Dan είναι ο Chief Revenue Officer στο Dialpad. Προηγουμένως, ήταν ο CEO της TalkIQ, μια εταιρεία που ασχολείται με την αναγνώριση ομιλίας σε πραγματικό χρόνο και την επεξεργασία φυσικής γλώσσας, την οποία η Dialpad απέκτησε τον Μάιο του 2018. Προηγουμένως, κατέχει διάφορες θέσεις ηγεσίας πωλήσεων στην AdRoll και τη Google (GOOGL ).

Dialpad είναι μια πλατφόρμα επικοινωνίας cloud που βασίζεται στο AI και κάνει την επικοινωνία και τη συνεργασία με την ομάδα σας πιο εύκολη και αποτελεσματική

Ήταν προηγουμένως ο CEO της TalkIQ, μια εταιρείας που ασχολείται με την αναγνώριση ομιλίας σε πραγματικό χρόνο και την επεξεργασία φυσικής γλώσσας, την οποία η Dialpad απέκτησε τον Μάιο του 2018. Ποια ήταν η μαγική συνταγή πίσω από αυτή την εταιρεία που της επέτρεψε να είναι τόσο επιτυχημένη στην τεχνολογία αναγνώρισης ομιλίας;

Ήταν ένας συνδυασμός πολλών πραγμάτων: χρονισμός, άνθρωποι και εστίαση. Η αυτόματη αναγνώριση ομιλίας (ASR) δεν είναι καινούργια τεχνολογία, υπάρχει για δεκαετίες — πολύ περισσότερο από ό,τι νομίζουν οι άνθρωποι. Κατά τη διάρκεια αυτής της περιόδου (και, ακόμη περισσότερο, τα τελευταία πέντε χρόνια), η τεχνολογία ASR έχει ωφεληθεί από την αύξηση της υπολογιστικής ισχύος, το cloud, τη διαθεσιμότητα των συνόλων δεδομένων και την μαζική υιοθέτηση των έξυπνων ηχείων στις καταναλωτικές αγορές. Όλα αυτά τα πράγματα έχουν οδηγήσει στην αύξηση της ακρίβειας των μεταγραφών.

Επίσης, είχαμε την τύχη να συνδυάσουμε ειδικούς (όπως γλωσσολόγους) με hackers. Και όταν λέω hackers, εννοώ μηχανικούς που μπορούν να φέρουν γρήγορα προϊόντα στην αγορά — οδηγούν την καινοτομία και λύνουν προβλήματα γρήγορα. Και ενώ μπορεί να μην είναι πάντα οι πιο εύγλωττες λύσεις, είναι συνήθως οι ταχύτερες και σας επιτρέπουν να θεωρείτε εαυτό σας ως καινοτόμο στην αιχμή του δόρατος — το οποίο γίνεται κάτι που μπορείτε να εκμεταλλευτείτε από πλευράς μάρκετινγκ και πωλήσεων. Αυτή η ιστορία παίζει καλά όταν κατασκευάζετε την εταιρεία σας και προσπαθείτε να συγκεντρώσετε χρήματα.

Έτσι, είχαμε εξειδικευμένους στην περιοχή, φυσικές τάσεις στην αγορά, ένα τεράστιο μπλε ωκεανό όταν πρόκειται για την εφαρμογή της τεχνολογίας στην επιχείρηση και μια ομάδα με ρεκόρ στην εισαγωγή καινοτόμων τεχνολογιών στην αγορά με αναπαραγώγιμες κινήσεις GTM.

Τέλος, ακολούθησα μια διαφορετική προσέγγιση για να λύσω το πρόβλημα. Οι παραδοσιακές μηχανές μεταγραφής λειτουργούσαν σαν ηχογραφήσεις. Καταγράφετε μια κλήση, αποθηκεύετε το αρχείο ήχου, το περνάτε από τη μηχανή μεταγραφής σας και μετά από κάποιο χρόνο παίρνετε το αποτέλεσμα. Αρχικά, μια κλήση 30 λεπτών θα πάρει 30 λεπτά για να μεταγραφεί, οπότε μιλάμε για πραγματικές καθυστερήσεις σε κλίμακα.

Θέλαμε να λύσουμε αυτό το πρόβλημα και να κατασκευάσουμε μια μηχανή μεταγραφής σε πραγματικό χρόνο που δεν χρειάζεται αρχείο ήχου. Αυτό μπορεί να ακούγεται κάπως καινοτόμο σήμερα, αλλά χρόνια πριν δεν υπήρχε μηχανή ροής που θα μπορούσε να χειριστεί μεταγραφή σε πραγματικό χρόνο μακράς διάρκειας 8khz (που είναι ο τρόπος μου για να πω κακή ποιότητα ήχου, δηλαδή όχι ποιότητα στερεοφωνικής Qualität — 44khz). Δεν θέλαμε να κατασκευάσουμε μια μηχανή ηχογράφησης.

Θέλαμε να κατασκευάσουμε μια μηχανή σε πραγματικό χρόνο για να κατανοήσουμε και να αναλύσουμε συζητήσεις. Αν μπορούσαμε να το κάνουμε αυτό, τότε οι ευκαιρίες θα ήταν απεριόριστες γιατί θα μπορούσαμε να αυτοματοποιήσουμε ροές εργασιών και να κάνουμε όλα τα είδη των ωραίων πραγμάτων που δεν είχαν γίνει πριν. Και μεγάλη ευχαριστία στον Jim Palmer, Etienne Manderscheid, Kevin James, Noah Gaspar και πολλούς άλλους για το ότι ήταν οι πρώτοι που κατασκεύασαν αυτό το είδος μηχανής σε πραγματικό χρόνο.

Μπορείτε να συζητήσετε την περίοδο μετάβασης μετά την απόκτηση της TalkIQ από την Dialpad τον Μάιο του 2018;

Η φάση απόκτησης ήταν στην πραγματικότητα πολύ ομαλή. Η Dialpad ήταν партνερ της TalkIQ και οι ομάδες προϊόντων μας ήταν ήδη στο χώρο της Dialpad με τακτά χρονικά διαστήματα. Και, είχα δουλέψει προηγουμένως με τους συνιδρυτές Craig Walker και Brian Peterson στη Google και ήμουν ενθουσιασμένος με την προοπτική της συνεργασίας μαζί τους.

Όλοι είδαν το μέλλον με τον ίδιο τρόπο, ότι αυτές οι τεχνολογίες (ASR/NLP) που ενσωματώνονται σε μια πλατφόρμα επικοινωνίας/συνεργασίας θα μπορούσαν να είναι ανατρεπτικές στην αγορά και να αλλάξουν το παιχνίδι για τις επιχειρήσεις. Αυτό είναι μέρος του λόγου για τον οποίο, σχεδόν αμέσως μετά την ολοκλήρωση της απόκτησης, συγκεντρώσαμε 50 εκατομμύρια δολάρια σε χρηματοδότηση με ηγεσία της ICONIQ. Οι επενδυτές είδαν την ευκαιρία στο μέλλον της εφαρμογής αυτών των τεχνολογιών και της ομάδας που δούλευε σε αυτά τα προβλήματα.

Στην TalkIQ, ήμαστε βασικά μια εταιρεία που προσπαθούσε να είναι τρεις διαφορετικές εταιρείες ταυτόχρονα: Κατασκευάζαμε τη δική μας στοίβα τηλεφωνίας, μηχανή αναγνώρισης ομιλίας και τεχνολογία NLP. Αυτά είναι τρία δύσκολα προβλήματα για να λυθούν. Η Dialpad είχε ήδη επιτύχει με επιτυχία την πτυχή της τηλεφωνίας, οπότε όταν ήρθε η προσφορά απόκτησης, ήταν μια εύκολη απόφαση. Θεωρούσαμε την Dialpad ως την πιο καινοτόμο πλατφόρμα επικοινωνίας επιχειρήσεων στο χώρο, και η όρασή μας για το μέλλον των επιχειρηματικών επικοινωνιών ταίριαζε πολύ καλά.

Ποια είναι κάποια από τις διαφορετικές τεχνολογίες μηχανικής μάθησης που χρησιμοποιούνται στη Dialpad;

Η μηχανή Voice Intelligence (Vi) μας χρησιμοποιεί το AI και την ML για να βοηθήσει τις οργανώσεις να οδηγήσουν τις πωλήσεις, να κερδίσουν ανταγωνιστικές πληροφορίες, να αναβαθμίσουν την εξυπηρέτηση πελατών και να έχουν πιο αποτελεσματικές διαδικτυακές συναντήσεις.

Οι τεχνολογίες ASR και NLP από την TalkIQ χρησιμοποιούνται για να ληφθούν οι συζητήσεις από κλήσεις φωνής και βίντεο σε πραγματικό χρόνο. Ταυτόχρονα, η ιδιοκτησιακή μας τεχνολογία μας επιτρέπει να επεξεργαστούμε τα εισερχόμενα δεδομένα συζητήσεων και να καταγράψουμε και να μεταγράψουμε αυτά τα δεδομένα με ακρίβεια σε ένα εύκολο να διαβαστεί φορμά.

Η ML που είναι ενσωματωμένη στη Vi βοηθά να βελτιωθεί με τον καιρό. Όσο περισσότερο χρησιμοποιείτε τη Vi, τόσο περισσότερο μαθαίνει και τόσο καλύτερη γίνεται στην επεξεργασία συζητήσεων. Με τον καιρό, οι μεταγραφές κλήσεων θα αυξάνουν στην ακρίβεια, και η Vi θα μπορεί να επεξεργαστεί τις πιο λεπτές νιουάνς των συζητήσεων.

Η Dialpad πρόσφατα πέτυχε ένα σημαντικό ορόσημο AI μετά την ανάλυση περισσότερων από ένα δισεκατομμύριο λεπτών φωνής, και τα τεστ σύγκρισης έδειξαν ότι το μοντέλο μεταγραφής της Dialpad ξεπέρασε τους σημαντικούς ανταγωνιστές, συμπεριλαμβανομένου του μοντέλου τηλεφωνίας της Google. Ποια είδη τεστ thực fueron πραγματοποιήθηκαν για να ποσοτικοποιήσουν αυτά τα αποτελέσματα;

Έχουμε μια συλλογή από συνόλα δοκιμών που περιέχουν ήχο και την αντίστοιχη μεταγραφή που θεωρείται η αλήθεια του τι ειπώθηκε στον ήχο. Στέλνουμε τον ίδιο ήχο σε κάθε ανταγωνιστή και λαμβάνουμε μια μεταγραφή πίσω, την οποία συγκρίνουμε με την αλήθεια. Υπολογίζουμε τον αριθμό των σφαλμάτων για να καθορίσουμε ένα ποσοστό ακρίβειας. Έχουμε συγκρίνει τον εαυτό μας με τη Google από την απόκτηση της TalkIQ τον Απρίλιο του 2018 και είχαμε πάντα χαμηλότερη ακρίβεια μέχρι τώρα.

Ποια είναι κάποια από τα βασικά διαφορετικά χαρακτηριστικά της μηχανής Voice Intelligence (Vi) της Dialpad και των ανταγωνιστικών μηχανών;

Ένα από τα μεγαλύτερα διαφορετικά χαρακτηριστικά είναι ότι έχουμε κάνει αυτό για περισσότερο χρόνο από τους ανταγωνιστές, που σημαίνει ότι έχουμε αναλύσει περισσότερα δεδομένα για να διασφαλίσουμε ότι η τεχνολογία μας είναι η πιο ακριβής. Έχουμε αναλύσει πάνω από ένα δισεκατομμύριο λεπτά επικοινωνίας φωνής και συνεχίζουμε να επεξεργαζόμαστε περίπου 90 εκατομμύρια λεπτά το μήνα με τη μηχανή Vi. Σε αυτό το σημείο, είμαστε κυριολεκτικά χρόνια μπροστά από τον ανταγωνισμό.

Ένα άλλο διαφορετικό χαρακτηριστικό είναι η προσαρμοσμένη και αναλογική προσέγγισή μας στα μοντέλα γλώσσας. Για κάθε πελάτη, κατασκευάζουμε μια βάση δεδομένων με λέξεις-κλειδιά ειδικές για την εταιρεία, ώστε να μπορέσουμε να thực hiện την ενίσχυση λέξεων-κλειδιών για να βελτιώσουμε την ακρίβεια. Για παράδειγμα, για einen χρήστη που το όνομά του είναι “Kathryn” και εργάζεται σε μια εταιρεία με το όνομα “Skribbl”, το σύστημά μας θα γράψει τα σωστά ονόματα σωστά, ενώ άλλα μοντέλα θα τα γράψουν όπως ακούγονται (π.χ. “Katherine” και “scribble”).

Τι είναι η προσωπική σας άποψη για το μέλλον της επεξεργασίας φυσικής γλώσσας; Πόσο καιρό μέχρι το AI να φτάσει σε近 100% ή ακόμη και 100% ακρίβεια;

Η απόλυτη ακρίβεια είναι σχεδόν αδύνατο να επιτευχθεί. Ίσως, κάποια μέρα θα με ξαφνιάσει (ελπίζω!). Νομίζω ότι θα φτάσουμε πολύ κοντά, αλλά όχι απόλυτα. Ο λόγος είναι ότι η αυτόματη αναγνώριση ομιλίας (και κατόπιν η NLP) έχει σχεδόν άπειρα προβλήματα για να λυθούν: προφορές, απόσταση από τα μικρόφωνα, θόρυβος, προβλήματα σύνδεσης, διαφορετικά είδη μικροφώνων, πόσο γρήγορα μιλάει κάποιος, προφορά, контекст (Sara vs Sarah vs Serra), ακρωνύμια, σランγ και così weiter. Ενώ θα ήθελα να πω ότι θα φτάσουμε εκεί, νομίζω ότι θα φτάσουμε πολύ κοντά, αλλά η τελευταία μίλη, ή 1-2% σε όρους ακρίβειας, θα είναι δύσκολο.

Όμως, νομίζω ότι θα υπάρξουν κάποια πολύ ενδιαφέροντα εξελίξεις στην αναγνώσιμη μορφή. Σήμερα, όταν αναθεωρείτε μια μεταγραφή συζήτησης, μπορεί να διαβάζεται σαν μια ροή συνειδητότητας. Μιλάμε φυσικά με ροή, χρησιμοποιούμε προτάσεις που επαναλαμβάνονται, επαναλαμβάνουμε λέξεις, ξαναξεκινάμε προτάσεις — κάνουμε όλα τα είδη των πραγμάτων που δεν θα κάναμε σε μια γραπτή μορφή. Υπάρχουν κάποιες μοναδικές ευκαιρίες όταν πρόκειται για την δημιουργία μιας πιο αναγνώσιμης εκδοχής μιας μεταγραφής — μιας που αφαιρεί τις επαναλήψεις, προβλέπει ή βελτιώνει τη στίξη και τελειοποιεί ή βελτιώνει τη μεταγραφή για να είναι πιο ευανάγνωστη.

Στο μυαλό μου, υπάρχουν δύο εκδοχές: η εκδοχή verbatim, η οποία είναι όσο πιο κοντά στο 100% μπορεί να γίνει μια συζήτηση (με επαναλήψεις και όλα), και μετά υπάρχει η βελτιωμένη εκδοχή που είναι πολύ πιο εύκολη να διαβαστεί λόγω της στίξης και των βελτιώσεων.

Και αυτό μας οδηγεί στο δρόμο του αν μπορούμε να συνθέσουμε μια συζήτηση στα πιο σημαντικά της μέρη; Χρειάζεστε μια πλήρη μεταγραφή ή χρειάζεστε μια ακριβή περίληψη διαμορφωμένη για αναγνώσιμη μορφή;

Βέβαια, εξαρτάται από την περίπτωση χρήσης, αλλά αυτό είναι το ενδιαφέρον και το συναρπαστικό σε αυτόν τον χώρο. Βρισκόμαστε vielleicht στο τρίτο inning του τι είναι δυνατό και δεν έχουμε ακόμη φτάσει στην καινοτομία των ροών εργασιών όπου θα δούμε την NLP να γίνεται πιο “περιεχόμενο-ειδική”, όπως η χρήση προηγούμενων συζητήσεων για να βελτιώσουμε την ακρίβεια.

Οσο πιο συγκεκριμένος είναι ο контекστ που έχουν να μάθουν τα μοντέλα, τόσο το καλύτερο. Σκεφτείτε ότι μοιράζεστε τον ίδιο контекστ σε πολλές συζητήσεις και συνεχίζετε να προσαρμόζετε τον контεκστ για να κάνετε την ML να γίνει πιο έξυπνη. Η τεχνολογία που είναι контεκστ-ειδική είναι επίσης σημαντική για την βελτίωση της ακρίβειας, λαμβάνοντας υπόψη τις τεράστιες διαφορές στον τρόπο που επικοινωνούμε. Τι μπορεί να φαίνεται σαν μικρές γλωσσικές διαφορές στους ανθρώπους είναι πολύ δύσκολο να εκπαιδεύσετε ένα μοντέλο ML να αναπαράγει.

Τι είναι κάποια από τις υπηρεσίες που η Dialpad προσφέρει στους πελάτες της;

Η Dialpad είναι ένας έξυπνος τρόπος για να εργαστείτε. Έχουμε κατασκευάσει την πλατφόρμα για την σύγχρονη, υβριδική εργατική δύναμη — ενδυναμώνοντας τους ανθρώπους και τις ομάδες να είναι πιο αποτελεσματικοί, αποτελεσματικοί και ενεργοί από οπουδήποτε στον κόσμο. Προσφέρουμε μια αψεγάδιαστη εμπειρία επιχειρηματικής επικοινωνίας — κλήσεις, chat, video συνεδριάσεις και κέντρα κλήσεων — με απαράμιλλη ποιότητα, ασφάλεια και αξιοπιστία. Η Dialpad προσφέρει αυτή την εμπειρία ως μια ενιαία, cloud- आधική πλατφόρμα που είναι οικονομική, εύκολη στην ανάπτυξη και εύκολη στη διαχείριση.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Dialpad;

Το 2020 ήταν ένα ορόσημο έτος για την εταιρεία, το οποίο είναι πραγματικά θαυμάσιο να σκεφτείτε δεδομένου τι έζησε ο κόσμος (και συνεχίζει να ζει). Διπλασίασαμε τον αριθμό των υπαλλήλων μας, εξασφαλίσαμε 100 εκατομμύρια δολάρια σε χρηματοδότηση, απέκτησαμε μια εταιρεία και το κάναμε όλο αυτό ενώ η βάση των πελατών μας αυξανόταν εκθετικά.

Με την τηλεργασία εδώ για να μείνει, περιμένουμε ότι αυτή η ανάπτυξη θα συνεχιστεί, και είμαστε ενθουσιασμένοι για το έτος που έρχεται. Πιστεύουμε ότι η κίνηση εργασίας από οπουδήποτε θα ενισχύσει την ανάγκη για καινοτόμες τεχνολογίες που βοηθούν τους υπαλλήλους να εργάζονται πιο έξυπνα — όχι πιο σκληρά. Οι εταιρείες θα στραφούν στο AI για να ροηματοποιήσουν τις αποδοτικότητες, να εξαφανίσουν τις μονότονες εργασίες και να επιτρέψουν στους υπαλλήλους να επικεντρωθούν σε μεγαλύτερες προτεραιότητες. Η Dialpad είναι καλά εξοπλισμένη για να καλύψει αυτές τις ανάγκες.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Dialpad.