Gautam Kanumuru, CEO & Co-Founder της Yogi – Σειρά Συνεντεύξεων

Πριν εργαστείτε στην Yogi, εργαστήκατε στην επεξεργασία φυσικής γλώσσας και στο Cortana στη Microsoft, και στη συνέχεια βοήθησε να οδηγήσετε το Clarke.AI μέσω μιας αγοράς. Τι σας κίνησε να ξεκινήσετε την Yogi, και πώς η προηγούμενη εμπειρία σας διαμόρφωσε την αποστολή της εταιρείας;

Αυτό που με οδήγησε να ξεκινήσω την Yogi ήταν πραγματικά η δυνατότητα της επεξεργασίας φυσικής γλώσσας. Στη Microsoft και στο Clarke.AI, είδα από πρώτο χέρι πώς μια σχετικά μικρή βελτίωση στην επεξεργασία φυσικής γλώσσας – π.χ. μια αύξηση από 5-10% στην απόδοση – θα μπορούσε να ξεκλειδώσει εκατοντάδες κατωτέρω περιπτώσεις χρήσης. Αλλά επίσης παρατήρησα ένα κενό μεταξύ того που φαινόταν εντυπωσιακό σε μια επίδειξη και αυτό που πραγματικά παρείχε πραγματική αξία στους πελάτες. Με την Yogi, στόχευσα να κλείσω αυτό το κενό. Θέλαμε να χτίσουμε κάτι που θα μπορούσε να έχει μια ορατή, ουσιαστική επίδραση, όπως αλλαγές σε ένα προϊόν σε μια ράφι καταστήματος που μπορείτε να ανατρέξετε στις πληροφορίες που παράγονται από την πλατφόρμα μας.

Στις πρώτες μέρες της Yogi, ποιο ήταν το μεγαλύτερο εμπόδιο για να κερδίσετε την εμπιστοσύνη των καταναλωτικών εταιρειών να χρησιμοποιήσουν την Τεχνητή Νοημοσύνη για κάτι τόσο ιδιαίτερο όπως η γνώμη των πελατών;

Η σκεπτικισμός προέρχονταν από δύο μέρη: το ένα ήταν η τεχνολογία herself, και το άλλο ήταν εμείς ως μια μικρή εταιρεία που μιλούσε σε μεγάλες επιχειρήσεις. Μάθαμε γρήγορα ότι δεν είναι αρκετό να μιλήσετε για αυτό που μπορεί να κάνει το προϊόν σας, πρέπει να το δείξετε. Αυτό σήμαινε να προσφέρετε να αναλύσετε δείγματα πριν σας ζητηθεί, να απαντάτε σε πραγματικά επιχειρηματικά ερωτήματα στο σημείο, και να παρέχετε αξία από την πρώτη ημέρα. Και επίσης να κάνετε σαφές ότι θα δουλέψουμε μέσω οποιωνδήποτε προβλημάτων μετά την υιοθέτηση. Αυτό το είδος αξιοπιστίας μετράνε.

Η Yogi χρησιμοποιεί την Τεχνητή Νοημοσύνη και την επεξεργασία φυσικής γλώσσας για να εξάγει τη γνώμη από τις κριτικές προϊόντων. Μπορείτε να μας οδηγήσετε через το πώς η πλατφόρμα σας μεταφράζει τις κριτικές σε λεπτομερείς, ενεργητικές πληροφορίες;

Σκεφτόμαστε το σε τρία στάδια: συλλογή, οργάνωση και ανάλυση. Πρώτα, συλλέγουμε τις κριτικές των πελατών από πολλαπλά κανάλια: κριτικές, ενημερωτικά δελτία, εισιτήρια υποστήριξης, και διασφαλίζουμε ότι είναι συνδεδεμένα ακριβώς με το σωστό προϊόν, SKU, και εμπόριο. Αυτό είναι πιο δύσκολο από ό,τι φαίνεται.

Στη συνέχεια, οργανώνουμε τα δεδομένα. Εδώ είναι όπου ο δεύτερος μας επίπεδος της Τεχνητής Νοημοσύνης διαβάζει τις κριτικές όπως ένας άνθρωπος. Ταυτοποιεί ποια θέματα συζητούνται, πώς περιγράφονται, και με ποια γνώμη χωρίς να βασίζεται αποκλειστικά σε λέξεις-κλειδιά.

Τέλος, αναλύουμε. Αυτό είναι όπου παρουσιάζουμε τις πληροφορίες στους χρήστες μας μέσω μιας υψηλά διαδραστικής διεπαφής. Τα τελευταία μας εργαλεία ακόμη και επιτρέπουν στους χρήστες να πληκτρολογήσουν σύνθετα ερωτήματα όπως “Πώς έχω εκτελεστεί ενάντια στους τρεις ανταγωνιστές μου τα τελευταία χρόνια;” και να λάβουν μια απάντηση μέσα σε δευτερόλεπτα.

Τι διαφοροποιεί τα μοντέλα Τεχνητής Νοημοσύνης της Yogi από τα γενικά εργαλεία ανάλυσης γνώμης; Υπάρχουν συγκεκριμένες τεχνικές που σας βοηθούν να καταγράψετε την ιδιομορφία στις κριτικές των πελατών;

Η Yogi είναι σαν ο διδάκτωρ της ανάλυσης γνώμης. Τα γενικά μοντέλα, ακόμη και τα προηγμένα όπως το ChatGPT, είναι σαν πολύ έξυπνοι προπτυχιακοί φοιτητές: γνωρίζουν λίγο για όλα. Έχουμε εξειδικεύσει τα μοντέλα μας ειδικά για αυτόν τον χώρο, χρησιμοποιώντας το δικό μας σύνολο δεδομένων και εκτεταμένη προεπεξεργασία. Επειδή προσθέτουμε στρώματα δομής, όπως γνώμη, θέματα, και χαρτογράφηση προϊόντων, παρέχουμε πλούσια περιβάλλον γύρω από κάθε κομμάτι του κειμένου που αξιολογεί το μοντέλο.

Πολλά εργαλεία Τεχνητής Νοημοσύνης αγωνίζονται με το контέκστ ή τη σαρκασμό στις κριτικές των πελατών. Πώς αντιμετωπίζει η Yogi τις προκλήσεις των μη δομημένων, συναισθηματικά σύνθετων δεδομένων;

Αντιμετωπίζουμε το πρόβλημα αυτό μέσω της συνεχούς εκπαίδευσης και της εισόδου του χρήστη. Το μοντέλο μας βελτιώνεται συνεχώς με την κατάποση παραδειγμάτων σαρκασμού, αμφιβολίας ή εξελισσόμενου σλαγκ. Επίσης, επιτρέπουμε στους χρήστες να σημειώσουν προβληματικές ερμηνείες, τις οποίες μπορούμε να επαναχρησιμοποιήσουμε στην διαδικασία εκπαίδευσής μας. Αυτή η εξειδίκευση δεν απαιτεί εκατομμύρια παραδείγματα, μόνο quelques στοχευμένα παραδείγματα μπορούν να βελτιώσουν σημαντικά την απόδοση.

Πώς βοηθά η Yogi τις εταιρείες να ανιχνεύουν προβλήματα σε επίπεδο προϊόντος, να παρακολουθούν αλλαγές γνώμης και να αντιδρούν σε πραγματικό χρόνο; Μπορείτε να μοιραστείτε μια ιστορία επιτυχίας;

Απόλυτα. Γενικά, βλέπουμε πολλές περιπτώσεις χρήσης, αλλά τρεις κοινές κατηγορίες. Πρώτα, καινοτομία προϊόντων: οι εταιρείες χρησιμοποιούν μας για να εξερευνήσουν νέες κατηγορίες και να ανακαλύψουν μη ικανοποιημένες ανάγκες πριν από την κυκλοφορία ενός νέου προϊόντος. Έχουμε πελάτες που ξεκίνησαν να χρησιμοποιούν την Yogi δύο χρόνια πριν από την κυκλοφορία ενός προϊόντος για να διαμορφώσουν όλα, από τη σύνθεση μέχρι την συσκευασία.

Δεύτερον, ποιότητα προϊόντων: αν μια ομάδα αλλάξει ένα συστατικό – π.χ. ένα μέρος σε μια μηχανή καφέ – μπορούν να παρακολουθήσουν τη γνώμη μετά την κυκλοφορία για να δουν αν οι παρατηρήσεις αυξάνονται. Αυτό ισχύει σε όλους τους τομείς, συμπεριλαμβανομένης της ομορφιάς, του φαγητού και της ηλεκτρονικής.

Τρίτον, στρατηγική ανάλυση: έχουμε δει εταιρείες να χρησιμοποιούν την Yogi για να αξιολογήσουν πιθανές αγορές αναλύοντας τις κριτικές των πελατών για τα προϊόντα-στόχους. Είναι ένα επίπεδο due diligence που δεν είχαν πρόσβαση πριν.

Η Yogi χρησιμοποιείται τώρα για την оптимποίηση των σελίδων προϊόντων, την ευθυγράμμιση των μηνυμάτων μάρκετινγκ και ακόμη και την παρακολούθηση προβλημάτων αποστολής. Πώς έχει εξελιχθεί το προϊόν για να υποστηρίξει इतनές ροές εργασίας;

Είναι όλα customer-driven. Πιστεύουμε ότι οι κριτικές των πελατών είναι σχετικές για κάθε ομάδα σε μια εταιρεία, από προϊόν σε πωλήσεις σε υποστήριξη. Όταν βλέπουμε τους χρήστες μας να τραβούν πληροφορίες για einen νέο σκοπό, ρωτάμε: Μπορεί η Yogi να προσαρμοστεί για να υποστηρίξει αυτήν την περίπτωση φυσικά; Αυτός είναι ο τρόπος με τον οποίο έχουμε μεγαλώσει. Δεν χτίστηκαν για μάρκετινγκ ή αλυσίδα εφοδιασμού αρχικά, αλλά αυτές οι ομάδες saw αξία και ζήτησαν χαρακτηριστικά. Ακούσαμε.

Πώς βοηθάτε τις εταιρείες να παρακολουθούν τους ανταγωνιστές και να ανιχνεύουν τους διαταράκτες πριν γίνουν απειλές;

Χρησιμοποιούμε δημόσιες πηγές όπως κριτικές και βαθμολογίες για να παρακολουθήσουμε τα ανταγωνιστικά προϊόντα σε πραγματικό χρόνο. Η πλατφόρμα μας χρησιμοποιεί ειδοποιήσεις και einen “feed ενημερώσεων” για να σηματοδοτήσει όταν συμβαίνει κάτι ασυνήθιστο, όπως μια αύξηση της θετικής γνώμης για ένα ανταγωνιστικό προϊόν. Οι πελάτες μας δεν χρειάζεται να παρακολουθούν όλα αυτά χειροκίνητα. Η Yogi σαρώνει συνεχώς και θα επιφέρουμε ο,τιδήποτε αξιοσημείωτο χωρίς να ζητηθεί.

Πού βλέπετε το μέλλον της Τεχνητής Νοημοσύνης-οδηγούμενης ανάλυσης καταναλωτικών πληροφοριών να πηγαίνει τα επόμενα 3 έως 5 χρόνια, και ποιο ρόλο θα παίξει η Yogi σε αυτό το τοπίο;

Δύο βασικές μετατοπίσεις έρχονται. Πρώτα είναι η αυτοματοποίηση. Οι εργασίες που πήραν εβδομάδες, όπως η σύνθεση μιας σύγκρισης ανταγωνιστών, μειώνονται σε ώρες ή ακόμη και λεπτά. Σύντομα, ένας χρήστης μπορεί να ρωτήσει την Yogi ένα ερώτημα και να λάβει πίσω μια πλήρως διαμορφωμένη αναφορά ή μια παρουσίαση σε δευτερόλεπτα.

Δεύτερον είναι η εμφάνιση νέων τύπων ανάλυσης. Η Τεχνητή Νοημοσύνη θα ενεργοποιήσει γρήγορες, επαναλαμβανόμενες έρευνες που ήταν κάποτε πολύ δαπανηρές ή χρονοβόρες, όπως ερευνες-ομάδες-στυλ από δημόσιες δεδομένα. Πιστεύουμε ότι η Yogi είναι καλά τοποθετημένη για να ηγηθεί και στα δύο μέτωπα: να επιταχύνει την έρευνα και να ενεργοποιήσει εντελώς νέες ροές εργασίας.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα μπορούν να επισκεφθούν Yogi.