Ράνα Γκουζράλ, Διευθύνων Σύμβουλος της Behavioral Signals – Σειρά Συνεντεύξεων

Ο Ράνα Γκουζράλ είναι ο Διευθύνων Σύμβουλος της Behavioral Signals, μια εταιρεία που γεφυρώνει το χάσμα επικοινωνίας μεταξύ ανθρώπων και μηχανών εισαγωγής συναισθηματικής νοημοσύνης, από ομιλία, σε συνομιλίες με τη νοημοσύνη ανθρώπων.

Η Behavioral Signals είναι μια σχετικά νέα εταιρεία που ιδρύθηκε το 2016. Μπορείτε να μοιραστείτε την ιστορία της γέννησης;

Οδηγημένοι από μια страсть να φέρουν τις επαναστατικές εφευρέσεις της εταιρείας, τις πατενταρισμένες τεχνολογίες ομιλίας-συναισθήματος και ομιλίας-συμπεριφοράς, στην αγορά, ο Διευθύνων Σύμβουλος, Αλέξανδρος Ποταμιάνος και ο Επικεφαλής Επιστήμονας, Σρι Ναραγιανάν, ίδρυσαν την Behavioral Signals το 2016. Ο Σρι είναι καθηγητής του Ανδρέα Τζ. Βίτερμπι tại το Πανεπιστήμιο της Νότιας Καλιφόρνιας (USC). Ιδρύθηκε και σήμερα διευθύνει το Εργαστήριο Ανάλυσης και Ερμηνείας Σημάτων (SAIL) στο USC. Ο Αλέξανδρος είναι ένας σεβαστός καινοτόμος στον τομέα της ομιλίας και της φυσικής γλώσσας, συστημάτων φωνητικής απόκρισης και συμπεριφορικής πληροφορικής. Έχει πάνω από 20 χρόνια ηγετικής εμπειρίας και στις εταιρικές και στις επιχειρηματικές πλευρές της επιχείρησης, ενώ το υπόβαθρό του περιλαμβάνει εργασία στα AT&T Labs-Research, Bell Labs και Lucent Technologies.

Με τον στόχο να βελτιώσουμε και να αλλάξουμε για πάντα τον κόσμο της επιχείρησης, πιστεύουμε ότι η τεχνολογία είναι στο κέντρο αυτού που μπορεί να επιτευχθεί. Οι αλγόριθμοι της Behavioral Signals αναλύουν τα ανθρώπινα συναισθήματα και τις συμπεριφορές, μετατρέπουν τα δεδομένα σε χρηστική πληροφορία και οδηγούν σε καλύτερες επιχειρηματικές αποφάσεις και αύξηση κερδών. Μέχρι τώρα, το ανθρώπινο συναισθηματικό ήταν θεωρούμενο αδύνατο να ποσοτικοποιηθεί και αδύνατο να μετρηθεί. Με τον πατενταρισμένο μηχανισμό ανάλυσης μας, μετράμε και ερμηνεύουμε το «πώς» μέρος των ανθρώπινων互動ων.

Η Behavioral Signals βασίζεται σε ένα είδος μηχανικής μάθησης αισθηματικής υπολογιστικής (γνωστή και ως Emotion AI). Μπορείτε να εξηγήσετε τι είναι αυτό;

Η συναισθηματική τεχνητή νοημοσύνη, επίσης γνωστή ως Emotion AI ή αισθηματική υπολογιστική, χρησιμοποιείται για την ανάπτυξη μηχανών που είναι ικανές να διαβάζουν, να ερμηνεύουν, να απαντούν και να μιμούνται το ανθρώπινο συναισθηματικό – τον τρόπο με τον οποίο, ως άνθρωποι, βιώουμε και εκφράζουμε συναισθήματα. Τι σημαίνει αυτό για τους καταναλωτές; Σημαίνει ότι τα συσκευές σας, όπως το smartphone ή τα έξυπνα ηχεία, θα σας προσφέρουν μια αλληλεπίδραση που θα feels πιο φυσική από ποτέ, απλώς διαβάζοντας τις συναισθηματικές ενδείξεις στη φωνή σας.

Όσο αυξάνεται η εξάρτησή μας από τη νοημοσύνη, αυξάνεται και η ανάγκη για συναισθηματικά έξυπνη νοημοσύνη. Είναι ένα πράγμα να ζητήσετε από το εικονικό σας βοηθό να σας διαβάσει τους σημερινούς αγώνες, αλλά είναι εντελώς διαφορετικό να εμπιστευτείτε τους γηραίους γονείς σας σε μια νοημοσύνη που οδηγείται από μια μηχανή. Τώρα, η νοημοσύνη μπορεί να κάνει απίστευτα πράγματα, όπως να διαγνώσει ιατρικές καταστάσεις και να περιγράψει θεραπείες, αλλά vẫn χρειάζεται συναισθηματική νοημοσύνη για να επικοινωνήσει με τους ασθενείς με πιο ανθρώπινο τρόπο.

Τι είδη μηχανικής μάθησης τεχνολογιών χρησιμοποιούνται;

Όταν πρόκειται για μηχανική μάθηση, χρησιμοποιούμε κυρίως βαθιά μάθηση και NLP στα μοντέλα ανάλυσης μας. Για να εξηγήσω αυτό λίγο καλύτερα, έχουμε πρωτοπορήσει σε ένα πεδίο, την Ανάλυση Συμπεριφορικών Σημάτων, βασισμένο σε πάνω από μια δεκαετία ερευνών και πατενταρισμένων εφευρέσεων, για να ανιχνεύσουμε αυτόματα πληροφορίες που κωδικοποιούνται στη φωνή από ήχο και να μετρήσουμε την ποιότητα της ανθρώπινης αλληλεπίδρασης. Είναι ένα αναδυόμενο πεδίο που γεφυρώνει την τεχνολογία με τις συμπεριφορικές επιστήμες και στοχεύει να ποσοτικοποιήσει και να ερμηνεύσει την ανθρώπινη αλληλεπίδραση και επικοινωνία μέσω της χρήσης τεχνολογικών και υπολογιστικών καινοτομιών. Η βαθιά μάθηση είναι το εργαλείο που μας βοηθά να δημιουργήσουμε καλύτερα προβλεπτικά μοντέλα.

Τι είδος δεδομένων συλλέγουμε από τον τόνο της φωνής;

Η τεχνολογία μας βαθιάς μάθησης αναλύει τι και πώς λέγεται, και στις δύο πλευρές μιας συνομιλίας, μετρώντας συναισθήματα και συμπεριφορές. Η ποικιλία των συναισθημάτων είναι αρκετά διαφορετική, αλλά αυτό που πραγματικά μετράει είναι η συνολική νοημοσύνη αυτής της ανάλυσης. Για να σας δώσω ένα παράδειγμα, σκεφτείτε μια συνομιλία μεταξύ ενός τραπεζικού υπαλλήλου και ενός πελάτη· μπορούμε να καταγράψουμε και να μετρήσουμε την ευγένεια, τη σύνθεση (ήρεμη ή αγχωμένη), την ευσπλαχνία προς τον πελάτη, τις αντιδράσεις του πελάτη και τον γενικό τρόπο ομιλίας, όπως αργός, γρήγορος, ενεργός ή μη ενεργός, για να υπολογίσουμε το σκορ ποιότητας της συνομιλίας, την αποτελεσματικότητα του αποτελέσματος και την απόδοση του υπαλλήλου.

Τι είδος ανάλυσης δεδομένων γίνεται για να προβλεφθεί η πρόθεση;

Η πρόβλεψη πρόθεσης είναι πολύ παρόμοια με αυτό που έχει ήδη αναφερθεί. Χρησιμοποιούμε συμπεριφορικά σήματα στη φωνή για να προβλεψουμε την πρόθεση του πελάτη να αγοράσει ένα προϊόν, να ανανεώσει μια συνδρομή ή αν ένας οφειλέτης θα πληρώσει το χρέος του. Η πρόβλεψη πρόθεσης μπορεί να βοηθήσει τις εταιρείες να αυξήσουν τις πωλήσεις και τις αναλογίες συλλογής, να μειώσουν τα κόστη και τελικά να βελτιώσουν την ικανοποίηση του πελάτη.

Η Behavioral Signals έχει κερδίσει 6 φορές το χρυσό βραβείο του INTERSPEECH για την ποιότητα των ανθρώπινων αλληλεπιδράσεων και την υπολογιστική παραγλωσσική. Τι είναι αυτή η πρόκληση και πόσο σημαντική είναι αυτή η επιτυχία;

Το Interspeech είναι η μεγαλύτερη τεχνική διάσκεψη που επικεντρώνεται στην επεξεργασία ομιλίας και εφαρμογών. Διαθέτει την μεγαλύτερη συμμετοχή σε αυτό το domaine και einen σημαντικό αριθμό ερευνητικών εργασιών. Η διάσκεψη τονίζει τις διεπιστημονικές προσεγγίσεις που αντιμετωπίζουν όλες τις πτυχές της επιστήμης ομιλίας και τεχνολογίας, από τις βασικές θεωρίες έως τις προηγμένες εφαρμογές. Οι προκλήσεις της θεωρούνται το βραβείο Turing στην αναγνώριση ομιλίας και τη φυσική γλώσσα. Η νίκη είναι μια σημαντική αναγνώριση του επιστημονικού μας έργου και της μοναδικής μας ικανότητας να ανιχνεύουμε σήματα από δεδομένα ήχου που σχετίζονται με συμπεριφορές και χαρακτηριστικά που οδηγούν τις ανθρώπινες αποφάσεις.

Πόσο γρήγορα μπορεί η Behavioral Signals να προσαρμοστεί σε διαφορετικές γλώσσες και πόσο μεγάλο είναι το σύνολο δεδομένων που χρειάζεται;

Η τεχνολογία μας είναι γλωσσικά αγνωστική. Ακούμε πώς λέγεται κάτι αντί για τι λέγεται. Ακούμε τις εκφρασμένες συναισθήματα, τα οποία είναι αρκετά καθολικά σε όλες τις γλώσσες. Φυσικά, κάθε γλώσσα έχει τα δικά της μοναδικά χαρακτηριστικά που μπορεί να απαιτούν μια ρύθμιση των αλγορίθμων μας, αλλά η διαφορά στα προβλεπτικά μοντέλα μας είναι γενικά μικρή.

Μπορείτε να συζητήσετε την τελευταία λύση της Behavioral Signals, το AI-Mediated Conversation;

Το AI-Mediated Conversation (AI-MC) είναι μια αυτόματη λύση διαδρομής κλήσεων που χρησιμοποιεί συναισθηματική νοημοσύνη και δεδομένα φωνής για να ταιριάξει τον πελάτη με τον καλύτερο υπάλληλο για να χειριστεί μια συγκεκριμένη κλήση. Αν επιστρέψουμε στο προηγούμενο παράδειγμα, του τραπεζικού υπαλλήλου και του πελάτη, η τεχνολογία μας μπορεί να οδηγήσει τη δυναμική της συνομιλίας με τον τελικό στόχο να βελτιώσει το αποτέλεσμα, είτε αυτό έχει να κάνει με καλύτερη εμπειρία πελάτη, αυξημένες συλλογές ή ταχύτερες χρόνους επίλυσης. Όποιος και αν είναι ο στόχος, υπάρχει πάντα ένας καταλύτης που θα επιτρέψει και στις δύο πλευρές να φτάσουν στο επιθυμητό αποτέλεσμα. Αυτός ο καταλύτης είναι συνήθως μια απλή και φυσικά αναπτυσσόμενη ανθρώπινη διαδικασία: η συμφωνία ή η ομοιότητα που αναπτύσσεται μεταξύ των ανθρώπων. Ανεξάρτητα από το είδος της επιχειρηματικής επικοινωνίας (πώληση, υποστήριξη, συλλογή), θα είναι πάντα μια αλληλεπίδραση μεταξύ πραγματικών ανθρώπων, όπου σπάνια είναι η ομοιότητα相同 μεταξύ δύο ζευγαριών ανθρώπων. Έχουμε συγκεκριμένες συμπεριφορές και χαρακτηριστικά που μας βοηθούν να συνεργαζόμαστε με ορισμένους ανθρώπους, καλύτερα από άλλους. Αυτή η ταίριασμα βασίζεται σε δεδομένα προφίλ και τους ανώτερους αλγόριθμους μας που αναπτύχθηκαν από χρόνια ερευνών και εμπειρίας στη φυσική γλώσσα και την ανάλυση συμπεριφορικών σημάτων.

Πρόσφατα εφαρμόσαμε τη λύση AI-MC της Behavioral Signals για να αυξήσουμε την αποτελεσματικότητα και την αποδοτικότητα του κέντρου κλήσεων μιας τράπεζας στην ΕΕ. Η μελέτη περίπτωσης αναγνωρίστηκε από την Gartner και συμπεριλήφθηκε στην αναφορά Emotion AI Adoption. Η λύση έδειξε σημαντική απόδοση με αύξηση 20% των ενεργών αιτήσεων αναδιάρθρωσης χρέους. Επιπλέον, αυτή η βελτίωση επιτεύχθηκε με 7,6% λιγότερες κλήσεις, οδηγώντας σε πρόσθετες μειώσεις κόστους. Σε απόλυτους αριθμούς, αυτά τα αποτελέσματα αντιστοιχούν σε μια αύξηση 300 εκατομμυρίων δολαρίων για την τράπεζα.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με την Behavioral Signals;

Ενώ λαμβάνουμε πολλή υπερηφάνεια για τις ερευνητικές μας επιτεύξεις, είμαστε εξίσου ευγνώμονες για τις βραβεύσεις της βιομηχανίας. Το φθινόπωρο του 2019, η τεχνολογία μας ήταν αναγραφεί ως ηγέτης χρήσης σε μια έρευνα της Gartner που προφίλων bleeding edge τεχνολογιών. Νωρίτερα αυτό το έτος, συμπεριλήφθηκα στην κύκλο Gartner, όπου η τεχνολογία μας αξιολογήθηκε ως «μετασχηματιστική». Το προηγούμενο μήνα, αναγνωρίστηκα ως Gartner Cool Vendor 2020.

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