Ο Jonathan Corbin, Ιδρυτής & Διευθύνων Σύμβουλος της Maven AGI – Σειρά Συνεντεύξεων

Ο Jonathan Corbin είναι ο Ιδρυτής & Διευθύνων Σύμβουλος της Maven AGI. Προηγουμένως, ως Παγκόσμιος Αντιπρόεδρος Επιτυχίας Πελατών & Στρατηγικής στην HubSpot (HUBS ), ο Jonathan ηγήθηκε μιας ομάδας περίπου 1.000 υπεύθυνων επιτυχίας πελατών, εταίρων και διαχειριστών συμβάσεων σε πολλαπλά τοπία και κατακόρυφες. Οι ευθύνες του περιελάμβαναν την οδήγηση της καθολικής αποκραίτησης πελατών, της αύξησης των εσόδων και της υλοποίησης αξίας για πάνω από 200.000 πελάτες παγκοσμίως, που κυμαίνονταν από startups έως επιχειρήσεις.

Maven AGI είναι μια ολοκληρωμένη αυτόνομη λύση Γενικής Νοημοσύνης που σχεδιάστηκε για να μεταμορφώσει το τοπίο της υποστήριξης πελατών – χωρίς πονοκέφαλο. Ενώ ήταν σε λειτουργία κρυφής, η τεχνολογία της Maven ανέλυσε αυτόνομα πάνω από το 93% των ερωτημάτων πελατών, μειώνοντας τους κόστους υποστήριξης κατά 81%, βελτιώνοντας την συνολική εμπειρία του πελάτη, σε κλίμακα, μετά την επίλυση εκατομμυρίων συναλλαγών σε πάνω από 50 γλώσσες για τους πρώτους πελάτες.

Ήταν προηγουμένως ο Παγκόσμιος Αντιπρόεδρος Επιτυχίας Πελατών & Στρατηγικής στην HubSpot, όπου ηγήθηκε μιας ομάδας περίπου 1.000 υπεύθυνων επιτυχίας πελατών, εταίρων και διαχειριστών συμβάσεων σε πολλαπλά τοπία και κατακόρυφες. Ποια ήταν κάποια από τα σημαντικότερα σημεία και οι βασικές σκέψεις από αυτήν την περίοδο στη ζωή σας;

Κατά τη διάρκεια αυτής της περιόδου, η Hubspot ήταν μια από τις πέντε ταχύτερα αναπτυσσόμενες εταιρείες B2B SaaS με πάνω από ένα δισεκατομμύριο δολάρια σε έσοδα. Υπάρχουν πολύ λίγοι άνθρωποι που έχουν την ευκαιρία να χτίσουν, να αναπτύξουν και να διαχειριστούν σε αυτήν την κλίμακα. Οι εταιρείες που αναπτύσσονται με αυτόν τον ρυθμό δεν είναι συνήθως σε αυτό το μέγεθος, και οι εταιρείες του μεγέθους μας δεν αναπτύσσονται με αυτόν τον ρυθμό. Πέρασα πολύ χρόνο εστιάζοντας στη δημιουργία αναλογικών προσεγγίσεων για την προγραμματισμένη ανάπτυξη, βεβαιωμένος ότι ορίσαμε πολύ σαφείς στόχους, ευθυγράμμιζα τις ενισχύσεις σε πολλαπλά οργανωτικά τμήματα για να δημιουργήσουμε τα αποτελέσματα που αναζητούσαμε ως οργανισμός, διασφαλίζοντας ότι είχαμε τα συστήματα για να δημιουργήσουμε ορατότητα σε αυτό που συνέβαινε στο οργανωτικό τμήμα, και προγραμματίζαμε πάνω από πολλαπλά ορίζοντα. Οτιδήποτε που κυκλοφορούσαμε έπρεπε να λειτουργήσει όχι μόνο για τους τρέχοντες πελάτες μας, αλλά έπρεπε να έχει τη δυνατότητα να διατηρήσει τη συνέχεια σε εκθετική ανάπτυξη.

Μπορείτε να μοιραστείτε κάποιες σκέψεις σχετικά με τι σας ενέπνευσε να εκκινήσετε την Maven AGI, και πόσο καιρό βρίσκεστε σε λειτουργία κρυφής;

Είμαι εθισμένος στην εμπειρία του πελάτη από πολύ νωρίς στη καριέρα μου και αυτό είναι το λόγο που έχω περάσει τόσο πολύ χρόνο σε εταιρείες που ηγούνται στην αγορά αυτού του χώρου (Adobe (ADBE ), Marketo, Sprinklr, Hubspot, κ.λπ.). Πίσω στο 2017, επέστρεφα από μια διαδρομή στη Δυτική Ακτή, συνάντησα κάποιους εξαιρετικούς πελάτες όπως η Apple (AAPL ) και η Nike, και είχαμε αυτές τις απίστευτα σε βάθος συζητήσεις σχετικά με το δυνατόν να ξεκλειδώσουμε τα απομονωμένα δεδομένα και να δημιουργήσουμε αυτές τις πολύ προσωποποιημένες εμπειρίες μέχρι το ατομικό επίπεδο χρήστη. Δεν μιλάω για την προσεγγιστική προσέγγιση που πέφτεις σε αυτήν την ηλικιακή κατηγορία ή δημογραφική. Όχι, αυτό είναι η δυνατότητα να αναπτύξουμε όλα τα δεδομένα που μοιράστηκαμε μαζί σας για να προβλέψουμε τις προσδοκίες του πελάτη και να ενεργήσουμε με πρόθεση. Υπήρχε τεράστια ενθουσιασμός από τους πελάτες, αλλά η τεχνολογία δεν υπήρχε στην εποχή εκείνη.

Οι συνιδρυτές μου – Sami Shalabi, Eugene Mann και εγώ – έχουμε πάντα συζητήσει για την προσωποποίηση σε κλίμακα και το δυνατόν που θα μπορούσαν να έχουν οι μετασχηματισμοί από τότε που η έρευνα βγήκε από την Google (GOOGL ). Ο Sami χτίστηκε μια από τις μεγαλύτερες μηχανές προσωποποίησης στον κόσμο στο Google News (1 δισεκατομμύριο+ χρήστες) και ο Eugene ηγήθηκε της προσωποποίησης για αυτό, οπότε έχουμε πάντα βαθιά, εύστοχη συζήτηση σχετικά με τα δυνατά που θα μπορούσαμε να ξεκλειδώσουμε καθώς η τεχνολογία εξελισσόταν. Η εφαρμογή αυτής στην περίπτωση μας είναι ότι εγώ αγωνιζόμουν να δημιουργήσω μια εξαιρετική εμπειρία σε κλίμακα για τους χρήστες της Hubspot, ο Eugene έβλεπε πώς να προωθήσει τις ικανότητες LLM σε μια εταιρεία όπως η Stripe, και ο Sami μοιράστηκε τις γνώσεις του σχετικά με τι δούλεψε καλά στη Google.

Μπορείτε να ορίσετε για μας τι είναι η AGI στην περίπτωση της Maven AGI;

Η AGI είναι πραγματικά καλά ορισμένη από μια γλωσσική προοπτική – είναι η τεχνητή γενική νοημοσύνη. Τι σημαίνει αυτό στην επιχειρηματική προοπτική; Εστιάζουμε σε κάτι που ονομάζουμε επιχειρηματική AGI και το ορίζουμε ως την ικανότητα να χειριστούμε σύνθετα καθήκοντα χρησιμοποιώντας λειτουργικές νοητικές ενότητες που εκπαιδεύονται ειδικά για συγκεκριμένες ευθύνες με ένα στρώμα ορχήστρας που τις επιτρέπει να συνεργάζονται.

Ένα παράδειγμα αυτού θα μπορούσε να είναι ένας χρήστης τραπεζικού λογαριασμού που αλληλεπιδρά με την τράπεζά του και ρωτάει αν η κατάθεση του έχει καθαρίσει – τι γνωρίζουμε από την ιστορία του λογαριασμού είναι ότι χρειάζεται μια μικρή γέφυρα δανείου για να γεφυρώσει τους λογαριασμούς και τις επιταγές. Η Maven θα κατανοήσει το ιστορικό πλαίσιο και θα προσφέρει το δάνειο ενώ χειρίζεται όλα τα έγγραφα που μπορεί να συνδεθούν με αυτό, όπως έλεγχος ιστορικού, έλεγχος πίστωσης, συμπλήρωση εγγράφων δανείου, κατανόηση των κινδύνων, έγκριση και συγκεκριμένο ποσό που πέφτει μέσα στο προφίλ κινδύνου, έγκριση του δανείου και μεταφορά των χρημάτων στο λογαριασμό του πελάτη.

Τι είναι κάποια από τα μεγαλύτερα προβλήματα με τον τρόπο που η τεχνητή νοημοσύνη έχει ιστορικά ενσωματωθεί στην υποστήριξη πελατών;

Ιστορικά, η τεχνητή νοημοσύνη στην υποστήριξη πελατών χρησιμοποίησε μοντέλα μηχανικής μάθησης που ήταν υψηλά детерμινιστικά και χρειάζονταν μήνες για την εκπαίδευση. Αυτά τα μοντέλα λειτουργούσαν με μια βασική λογική if-then: αν ένας χρήστης επέλεγε το X, θα του δινόταν η επιλογή Y. Αυτή η απλοϊκή προσέγγιση έπεσε短 του προσδοκώμενου, οδηγώντας σε απογοητευτικά αποτελέσματα και αφήνοντας πολλούς επαγγελματίες CX σκεπτικιστές για το δυνατόν της τεχνητής νοημοσύνης. Η αληθινή επιτυχία στην τεχνητή νοημοσύνη-κίνητη υποστήριξη πελατών εξαρτάται από τη δυναμική προσωποποίηση, την ικανότητα να συλλογιστεί και να πάρει σημαντικές ενέργειες.

Τι είναι τα βασικά βήματα που συμμετέχουν στην εκπαίδευση της Maven AGI για να χειριστεί ερωτήματα υποστήριξης πελατών;

Είναι πραγματικά απλό. . .  δώστε μας πρόσβαση σε οποιαδήποτε πληροφορία που θα χρησιμοποιούσατε για να εκπαιδεύσετε τους ανθρώπους. Μπορούμε να το έχουμε σε λειτουργία για σας με υψηλό βαθμό ακρίβειας μέσα σε ημέρες – όχι εβδομάδες ή μήνες. Θα χρησιμοποιήσει τη δική σας συγκεκριμένη φωνή, ιδιωματισμούς και όποια εικονίδια θέλετε.

Πώς βοηθά η Maven AGI στην μείωση των κοστών υποστήριξης πελατών και τη βελτίωση της συνολικής ικανοποίησης του πελάτη;

Οι εταιρείες αναπτύσσουν την Maven AGI με διάφορους τρόπους, αλλά ο καλύτερος τρόπος για να έχουν την ταχύτερη επίδραση είναι να εισαγάγουν την Maven στο κεφάλι της ουράς υποστήριξης στο σημείο ή στα κανάλια που οι πελάτες θέλουν να χρησιμοποιήσουν (chat, web, αναζήτηση, Slack, στο προϊόν, SMS, κ.λπ.). Αυτό μας επιτρέπει να παρέχουμε άμεσα, προσωποποιημένα αποτελέσματα + ενέργειες στους πελάτες χωρίς χρόνο αναμονής, ενώ διασφαλίζουμε ότι οι εξαιρετικοί πράκτορες υποστήριξης κάνουν αυτό που κάνουν καλύτερα, εργάζονται με πελάτες που πραγματικά χρειάζονται ανθρώπινη αλληλεπίδραση για να λύσουν τα προβλήματά τους.

Τι τεχνολογικές προόδους έχουν ενεργοποιήσει την Maven AGI να επιτύχει τόσο υψηλά ποσοστά αυτόνομης επίλυσης προβλημάτων;

Πιστεύω ότι έχουμε προσλάβει одну από τις καλύτερες ομάδες μηχανικών στον κόσμο για να λύσουμε αυτό που κατεβαίνει σε ένα πρόβλημα δεδομένων. Εξαιρετικοί άνθρωποι που έχουν εργαστεί σε προκλήσεις όπως η αναζήτηση στη Google, και η προσωποποίηση σε κλίμακα στο Meta και την Amazon (AMZN ), και έχουν σκεφτεί για να λύσουν αυτά τα είδη προβλημάτων για χρόνια. Τα δεδομένα είναι απομονωμένα και θραύσματα, και για να απαντήσουμε στα ερωτήματα των πελατών και να πάρουμε ενέργειες χρειαζόμαστε να μπορέσουμε να καταναλώσουμε περισσότερα δεδομένα από οποιονδήποτε άλλον. Το δεύτερο μέρος είναι η ικανότητα να πάρουμε ενέργειες και να χτίσουμε τον κινητήρα ενέργειάς μας, γιατί γνωρίζουμε ότι απλά να απαντάμε σε ερωτήσεις δεν είναι αρκετό. Για να επιτύχουμε επιχειρηματική AGI χρειαζόμαστε να μπορέσουμε να προβλέψουμε τις ανάγκες των χρηστών και να τους ενεργήσουμε με πρόθεση.

Μπορείτε να παρέχετε περισσότερες λεπτομέρειες σχετικά με την πρόσφατη χρηματοδότηση της σειράς A 20 εκατομμυρίων δολαρίων και πώς θα χρησιμοποιηθεί;

Μας ήταν τυχερό να χτυπάμε σε όλα τα κυλίνδρους σε αυτό που θέλαμε να επιτύχουμε με τη σπορά μας: να χτίσουμε μια εξαιρετική ομάδα μηχανικών, ένα προϊόν που λύνει πραγματικά προβλήματα, και να έχουμε πελάτες που έπαιρναν αξία από το προϊόν μας. Ανεβάσαμε τη σπορά μας λιγότερο από ένα χρόνο πριν, αλλά είχαμε κάποιους πραγματικά καλούς επενδυτές που ήθελαν να είναι μέρος του ταξιδιού μαζί μας. Μετά από χρόνο με την M13, ήμασταν πραγματικά ενθουσιασμένοι να συνεχίσουμε να χτίζουμε το μέλλον της Maven AGI μαζί τους. Τα 28 εκατομμύρια δολάρια που έχουμε ανεβάσει τον τελευταίο χρόνο θα χρησιμοποιηθούν για να χτίσουμε την ομάδα GTM, να επενδύσουμε στην ανάπτυξη του οικοσυστήματος εταίρων και να συνεχίσουμε να προσλαμβάνουμε μηχανικούς καθώς επεκτείνουμε τον κινητήρα ενέργειάς μας (™) και τις ικανότητες της πλατφόρμας.

Πώς βλέπετε το ρόλο της τεχνητής νοημοσύνης να εξελίσσεται στην βιομηχανία υποστήριξης πελατών τα επόμενα πέντε χρόνια;

Το μέλλον δεν θα διαιρεθεί σε υποστήριξη, υπηρεσίες, πωλήσεις και διάφορες λειτουργίες. Αντίθετα, η υποστήριξη πελατών θα γίνει μέρος μιας ομαλής, ενιαίας εμπειρίας πελάτη χωρίς ακατάλληλες μεταβάσεις και απομονωμένα δεδομένα. Όπως εξελίσσονται οι προσδοκίες των πελατών, così θα εξελιχθούν και οι τρόποι με τους οποίους τους εξυπηρετούμε.

Σήμερα, οι ανάγκες των πελατών χωρίζονται σε 3 κατηγορίες:

• Αυτοί που θέλουν να εξυπηρετηθούν μόνοι τους – η δυνατότητα να βρουν την λύση ή την απάντηση σε ένα ερώτημα.
• Αυτοί που θέλουν πρόσβαση σε αυτοεξυπηρέτηση αλλά χρειάζονται επαλήθευση ότι παίρνουν την σωστή ενέργεια.
• Πελάτες που απαιτούν λευκή γάντι υπηρεσία και χρειάζονται ανθρώπινη βοήθεια.

Το μέλλον επίσης έχει 3 κατηγορίες, αλλά οι προσδοκίες των πελατών θα είναι πολύ διαφορετικές:

• Αναμένονται άμεσες απαντήσεις στα ερωτήματά τους.
• Αναμένεται να προβλέψουν τις ανάγκες και τα ερωτήματά τους με προσωποποίηση, δεδομένα χρήσης, πλήρη ιστορικό πλαίσιο, και την ικανότητα να πάρουν ενέργειες και να αλληλεπιδράσουν μαζί τους στο κανάλι της επιλογής τους.
• Η ικανότητα να αλληλεπιδράσουν με πράκτορες υποστήριξης πελατών χωρίς χρόνο αναμονής και μακρές γραμμές, οι οποίοι έχουν απαντήσεις διαθέσιμες στα ερωτήματά τους, πλήρες ιστορικό πλαίσιο, και την ικανότητα να πάρουν άμεσες ενέργειες.

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