Nick Lahoika, Συνιδρυτής και Διευθύνων Σύμβουλος της Vocal Image – Σειρά Συνεντεύξεων

Ο Nick Lahoika είναι ο συνιδρυτής και Διευθύνων Σύμβουλος της Vocal Image, μια εταιρεία coaching που βοηθά τους ανθρώπους να αναπτύξουν μαλακές δεξιότητες. Ένας επιχειρηματίας με πάνω από 10 χρόνια εμπειρίας στον τομέα της τεχνολογίας και της επιχειρηματικής ανάπτυξης, ο Nick είχε επιτύχει την επιτυχή έξοδο δύο επιχειρήσεων πριν από τη δημιουργία της Vocal Image. Το ταξίδι του Nick είναι βαθιά προσωπικό· είχε υποστεί εκφοβισμό για την ασαφή ομιλία του στο σχολείο, το οποίο τον ενέπνευσε να βοηθήσει τους ανθρώπους να επικοινωνούν καλύτερα.

Μετά από την αναγκαστική φυγή από τη χώρα του το 2020, ο Nick έφτασε στην Εσθονία με ελάχιστη γνώση της αγγλικής γλώσσας και χρησιμοποίησε την εφαρμογή του για να εκπαιδεύσει τη φωνή του, εξασφαλίζοντας τη πρώτη γύρη χρηματοδότησης μέσα σε έξι μήνες. Ο νικητής του AWS AI Challenge και του Meta x Hugging Face European AI Startup Program, η Vocal Image raised最近 raised einen $3.6M seed round led by Educapital (Γαλλία) και scaled to over $14M ARR.

Ιδρύσατε τη Vocal Image το 2021. Τι σας ενέπνευσε να δημιουργήσετε einen AI coach για μαλακές δεξιότητες και ποιο πρόβλημα προσπαθούσατε να λύσετε στην αρχή;

Η αγχώδης ομιλία ήταν μέρος της ζωής μου για πολύ καιρό. Υπέστην εκφοβισμό στο σχολείο για την ασαφή ομιλία μου, και αυτή η εμπειρία με έμεινε. Αργότερα, ως φοιτητής στην τεχνολογία, έπρεπε να παρουσιάσω σε υψηλόβαθμους πελάτες, και ο ίδιος φόβος επανήλθε.

Τότε, το 2021, μετά την αποτυχημένη επανάσταση στη Λευκορωσία, έπρεπε να μετακομίσω στην Ευρώπη από τη μια μέρα στην άλλη. Ξαφνικά, έπρεπε να παρουσιάσω στους επενδυτές στην αγγλική γλώσσα, την οποία几乎 δεν γνώριζα. Ήταν τρομακτικό, αλλά δεν υπήρχε άλλη επιλογή. Έπρεπε να περάσω ώρες κάθε μέρα να εξασκούμαι στην προφορά μου χρησιμοποιώντας μια πολύ πρώιμη έκδοση της εφαρμογής που αργότερα θα γινόταν η Vocal Image. Ακόμη και χρειάστηκαν εβδομάδες για να μάθω να προφέρω σωστά το ήχο “Β” για να μπορέσω να πω το όνομα της δικής μου εταιρείας.

Ξεκινήσαμε με μια εφαρμογή που ήταν ουσιαστικά σαν το YouTube, αλλά με μια ενσωματωμένη ηχογράφηση και μια λειτουργία σχολίων. Οι χρήστες μπορούσαν να βλέπουν βίντεο, να εξασκούνται να επαναλαμβάνουν τις γραμμές και μετά να ακούν τις δικές τους ηχογραφήσεις. Παρατηρώντας πώς οι άνθρωποι την χρησιμοποιούσαν, γρήγορα καταλάβαμε ότι είχαν ανάγκη από άμεση ανατροφοδότηση. Οι πρώτοι μας χρήστες μας έδειξαν ότι το απλό κατανάλωση περιεχομένου δεν ήταν αρκετό για να πάρουν πραγματικά αποτελέσματα· χρειάζονταν άμεση ανατροφοδότηση. Προσπαθήσαμε να παρέχουμε ανατροφοδότηση μέσω ανθρώπινων coaches, αλλά αυτή η προσέγγιση δεν ήταν κλιμακωτή, και έτσι κατέληξαμε να χρησιμοποιούμε τον AI.

Ήταν η προσωπική μου εικόνα ότι ήταν πιο εύκολο για μένα να εξασκούμαι τις πρώτες μου παρουσιάσεις με την πλατφόρμα μας αντί με ένα άτομο. Δεν υπήρχε πίεση, δεν υπήρχε κρίση. Αυτή η ελευθερία άλλαξε τα πάντα για μένα. Μόλις λύσα το δικό μου πρόβλημα, κατάλαβα πόσοι άνθρωποι αντιμετωπίζουν το ίδιο πρόβλημα. Περισσότεροι από 200 εκατομμύρια άνθρωποι πασχίζουν με την αγχώδη ομιλία.

Πριν από τη Vocal Image, διηύθυνατε ένα στούντιο χορού. Πώς η εμπειρία σας σε κίνηση και έκφραση επηρέασε την προσέγγισή σας στην επικοινωνία και τη φωνητική ευθύνη;

Δεν ήμουν χορευτής· στην πραγματικότητα, έχτισα μια επιχείρηση που επικεντρώθηκε στην αυτοέκφραση και τους ανθρώπους. Μέσω αυτού του έργου, κατάλαβα ότι μπορείτε να μάθετε πολλά για την εσωτερική ευθύνη ενός ατόμου απλώς παρατηρώντας τον να χορεύει.

Η κίνηση παίζει επίσης ένα τεράστιο ρόλο στην έκφραση. Ο τρόπος που κινείστε, η στάση σας, η αναπνοή σας, όλα αυτά είναι μέρος της επικοινωνίας. Αυτό είναι όπου ο AI coaching γίνεται ισχυρός, καθώς μπορεί να βοηθήσει τους ανθρώπους να εκπαιδευτούν σε όλα αυτά τα πεδία σε ένα μέρος.

Παλαιότερα, οι εταιρείες έπρεπε να雇ουν πολλούς διαφορετικούς coaches. Έναν για την ομιλία, έναν για τη σώματική γλώσσα, έναν για την ευθύνη. Τώρα, με τον AI, όλα αυτά είναι συνδεδεμένα. Μπορείτε να χτίσετε την πλήρη εικόνα της επικοινωνίας, όχι μόνο ένα μέρος της.

Αντιθέτως με τα περισσότερα εργαλεία AI επικοινωνίας, αποφασίσατε να μην χρησιμοποιήσετε το ChatGPT ως βάση για τον coach σας. Ποιο ήταν το κίνητρο για αυτή την απόφαση;

Ο θόρυβος γύρω από το ChatGPT έγινε ένας τεράστιος σταθμός για μας. Όταν έγινε mainstream, δημιούργησε μια τεράστια αύξηση της εμπιστοσύνης στον AI, και μπόρεσα να εκμεταλλευτώ αυτό για να πείσω τους ανθρώπους να πιστέψουν στην τεχνολογία μας.

Αλλά εδώ είναι το ζήτημα: δεν ήθελα να το χρησιμοποιήσω ως βάση. Ο στόχος μας από την αρχή ήταν να χρησιμοποιήσουμε το μοναδικό μας μοντέλο για να αξιολογήσουμε τις φωνές και τα μοτίβα ομιλίας των ανθρώπων. Χρησιμοποιούμε μεγάλες γλωσσικές μοντέλα όπως το Gemini, το Claude και το ChatGPT και γνώσεις, συμβουλές και τεχνικές από τη λογοτεχνία της επικοινωνίας στα τρέχοντα μοντέλα μας, αλλά αυτά δεν είναι η βάση του μηχανισμού ανατροφοδότησης μας. Η πραγματική βάση της ανατροφοδότησης μας είναι η ανθρώπινη εισαγωγή.

Ο φόβος ότι ο AI coaching θα φανεί ρομποτικός είναι πραγματικός. Για να αντιμετωπίσουμε αυτό, δημιουργήσαμε μια κοινότητα μέσα στη Vocal Image όπου οι χρήστες μπορούν να συνδεθούν άμεσα, να μοιραστούν τον κοινό στόχο της βελτίωσης της επικοινωνίας τους και να υποστηρίξουν την πορεία του άλλου. Και αυτή η κοινότητα συνεχίζει να μεγαλώνει και να βελτιώνει τον AI μας.

Μπορείτε να εξηγήσετε πώς η εκπαίδευση του AI σας αποκλειστικά σε ανθρώπινες φωνές διαφέρει από τις παραδοσιακές προσεγγίσεις LLM σε σχέση με τα αποτελέσματα και την αυθεντικότητα;

Χρησιμοποιούμε μεγάλες γλωσσικές μοντέλα ως μέρος της διαδικασίας αξιολόγησης και контекστοποίησης, αλλά η πραγματική βάση του συστήματός μας είναι τα δεδομένα πίσω από αυτό. Το βασικό μοντέλο μας εκπαιδεύτηκε στην κοινότητά μας, που αποτελείται από ανθρώπους που ήρθαν μαζί για να βελτιώσουν τις δεξιότητες επικοινωνίας τους.

Ο AI είναι τόσο καλός όσο και οι άνθρωποι από τους οποίους μαθαίνει. Το ιδιόκτητο μας σύνολο δεδομένων περιλαμβάνει πάνω από ένα εκατομμύριο μοναδικές ανθρώπινες φωνές, каждая από τις οποίες φέρει τον τόνο, το ρυθμό και το συναίσθημα, όλα τα οποία αντιπροσωπεύουν την πραγματική ουσία της επικοινωνίας.

Η βάση δεδομένων σας περιλαμβάνει πάνω από ένα εκατομμύριο ανθρώπινες φωνές. Ποια προκλήματα αντιμετωπίσατε κατά την επιμέλεια και την επισήμανση αυτού του μοναδικού συνόλου δεδομένων;

Δεν μπορείτε να βασιστείτε εξίσου σε κάθε σημείο δεδομένων. Ορισμένοι χρήστες βαθμολογούν προσεκτικά, άλλοι απλώς κάνουν κλικ. Έπρεπε να σχεδιάσουμε ένα σύστημα που να διακρίνει την προσεκτική ανατροφοδότηση από το θόρυβο. Με τον καιρό, μάθαμε να δίνουμε μεγαλύτερο βάρος στους χρήστες με συνεπή συμμετοχή και αξιόπιστη κρίση, ενώ φιλτράρουμε τις τυχαίες εισαγωγές.

Το πιο δύσκολο μέρος ήταν το λειτουργικό, το οποίο αφορούσε την κατασκευή ενός οικοσυστήματος αξιολόγησης που να ανταμείβει την ποιότητα hơn από την ποσότητα. Εκεί είναι που η κοινότητά μας έγινε απαραίτητη. Αυτοί δεν είναι τυχαίοι χρήστες του διαδικτύου, είναι άνθρωποι που πραγματικά προσπαθούν να βελτιώσουν τις μαλακές δεξιότητές τους και να βοηθήσουν τους άλλους να κάνουν το ίδιο. Όλες οι αξιολογήσεις είναι ανώνυμες, το οποίο βοηθά να διατηρηθεί η ανατροφοδότηση αμερόληπτη και αυθεντική.

Η κοινότητα-κίνητη “Tinder-like” μηχανισμός αξιολόγησης είναι ενδιαφέρουσα — πώς αυτή η ανατροφοδότηση διαμορφώνει τη συνεχή μάθηση του AI σας;

Κάθε αξιολόγηση, σε κάθε γλώσσα, γίνεται ένα μικρό κομμάτι νοημοσύνης που βελτιώνει το μοντέλο μας. Είναι ένας ζωντανός κύκλος ανατροφοδότησης. Όσο περισσότεροι άνθρωποι εκπαιδεύονται και αξιολογούν, τόσο πιο έξυπνο γίνεται το σύστημα στο να αναγνωρίζει τις νюανς της ομιλίας και του συναισθήματος, μαθαίνοντας πώς οι άνθρωποι πραγματικά αντιλαμβάνονται την ευθύνη, τη θερμότητα ή την εξουσία σε διάφορες κουλτούρες.

Τι ήταν τα βασικά μαθήματα που έμαθαν κατά την ανάπτυξη ενός μοντέλου AI που επικεντρώνεται στις μαλακές δεξιότητες αντί για τις τεχνικές ικανότητες;

Η κύρια πρόκληση ήταν η μέτρηση. Δεν υπάρχει καθολικό μέτρο για “αξιόπιστο” ή “χαρίσμα”. Έπρεπε να δημιουργήσουμε το δικό μας.

Εδώ είναι όπου ήρθε το Νόμος των Μεγάλων Αριθμών. Αν 100.000 άνθρωποι συμφωνούν ότι μια bestimmte φωνή ακούγεται αξιόπιστη ή εмпαθική, μπορείτε να αρχίσετε να εμπιστεύεστε αυτή την συλλογική αντίληψη. Με τον καιρό, διδάξαμε τον AI να προβλέψει υποκειμενικές ποιότητες, πράγματα που δεν μπορούν να βαθμολογηθούν με ένα απλό σωστό ή λάθος. Αυτό ήταν η đột phá: μάθαμε να ποσοτικοποιούμε αυτό που είχε πάντα θεωρηθεί αφηρημένο.

Με $14 εκατομμύρια σε ετήσιο ανακυκλικό έσοδο και μια νέα $3.6 εκατομμύρια σπόροι γύρος, ποια είναι τα κύρια προτεραιότητά σας για这一 επόμενο στάδιο της ανάπτυξης — είτε είναι η προώθηση του μοντέλου AI, η επέκταση της βάσης χρηστών, είτε η εμβάθυνση της εμπειρίας της κοινότητας;

Η αποστολή μας ήταν πάντα ανθρωποκεντρική. Βοηθάμε τους ανθρώπους να επικοινωνούν με περισσότερη ευθύνη και αυθεντικότητα.

Το επόμενο στάδιο είναι η κλιμάκωση αυτής της επίδρασης παγκοσμίως. Επεκτείνουμε σε νέες γλώσσες και γεωγραφικές περιοχές και αναπτύσσουμε νέα μοντέλα μαλακών δεξιοτήτων όπως η διαπραγμάτευση, η ενεργός ακρόαση και η ευφράδεια.

Πολλοί χρήστες λένε ότι οι coaches AI φαίνονται ρομποτικοί ή ατομικοί. Πώς διασφαλίζετε ότι η Vocal Image παρέχει ανατροφοδότηση που είναι συναισθηματικά ανταποκρινόμενη και συνειδητή;

Επικεντρωνόμαστε στην υπερπροσωποποίηση. Από την πρώτη αλληλεπίδραση, μαθαίνουμε ποιος είσαι, συμπεριλαμβανομένου του προφορικού σας, ηλικίας, επαγγελματικού контекστού και μοτίβων ομιλίας. Με τον καιρό, έχουμε μνήμη, θυμόμαστε πώς έχετε βελτιωθεί, πού πασχίζετε και ποια ανατροφοδότηση ανταποκρίνεται περισσότερο.

Αυτό μας επιτρέπει να προσαρμοστούμε δυναμικά. Η εμπειρία feels προσωπική γιατί είναι προσωπική. Διαμορφώνεται εξ ολοκλήρου από τα δεδομένα σας και την πορεία σας, όχι από ένα γενικό σενάριο.

Κοιτάζοντας μπροστά, πώς βλέπετε την ανάπτυξη του coaching μαλακών δεξιοτήτων AI καθώς η γεννητική και συναισθηματική AI συνεχίζουν να ωριμάζουν;

Η ανθρώπινη ανάπτυξη έχει πάντα ήταν ένα μείγμα φύσης και ανάπτυξης. Η επιστήμη μας λέει ότι η ηγεσία είναι περίπου μισή φυσική, μισή μάθηση. Το μέρος της μάθησης χρησιμοποιούνταν να είναι αποκλειστικά για τους εκτελεστές που μπορούσαν να πληρώσουν ακριβούς coaches. Για πολύ καιρό, οι εταιρείες έπρεπε να πληρώσουν μεταξύ $7.000 και $25.000 το χρόνο για να εκπαιδεύσουν έναν μόνο ηγέτη. Ο AI αλλάζει αυτό.

Επίσης, η αλληλεπίδραση με ανθρώπινους εκπαιδευτές θα απαιτούσε την雇ση πολλών ξεχωριστών coaches, ενώ ένας AI coach μπορεί να αντικαταστήσει όλους τους άλλους.

Τώρα, χρησιμοποιούμε μια σειρά από διαφορετικά μοντέλα για να αναλύσουμε διάφορες πτυχές της επικοινωνίας, αλλά το μέλλον είναι ένα ενιαίο, ολοκληρωμένο σύστημα που αξιολογεί και οδηγεί ολιστικά. Αυτή η τεχνολογία θα δημοκρατίσει την ανάπτυξη. Δεν θα χρειαστεί να γεννιέστει με χάρισμα ή να έχετε ένα μεγάλο εταιρικό προϋπολογισμό για να κυριαρχήσετε στην επικοινωνία. Θα χρειαστείτε μόνο περιέργεια και πρόσβαση, και η δημιουργία του περιβάλλοντος για να ανθίσει αυτό είναι αυτό που με κάνει να πηγαίνω κάθε μέρα.

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