Ashish Nagar, CEO y Fundador de Level AI – Serie de Entrevistas

Ashish Nagar es el CEO y fundador de Level AI, aprovechando su experiencia en Amazon en el equipo de Alexa para utilizar la inteligencia artificial para transformar las operaciones del centro de contacto. Con una sólida formación en tecnología y empresariado, Ashish ha sido fundamental para impulsar la misión de la empresa de mejorar la eficiencia y la eficacia de las interacciones de servicio al cliente a través de soluciones de inteligencia artificial avanzadas. Bajo su liderazgo, Level AI se ha convertido en un actor clave en el espacio de centros de contacto impulsados por IA, conocido por sus productos de vanguardia y su superior implementación de inteligencia artificial.

¿Qué te inspiró a dejar Amazon y fundar Level AI? ¿Puedes compartir los puntos de dolor específicos en el servicio al cliente que te propusiste abordar con tu tecnología?

Mi background es construir productos en la intersección de la tecnología y los negocios. Aunque tengo un título de pregrado en Física Aplicada, mi trabajo se ha centrado consistentemente en roles de productos y configuración, lanzamiento y creación de nuevos negocios. Mi pasión por la tecnología y los negocios me llevó a la IA.

Comencé a trabajar en IA en 2014, cuando estábamos construyendo una empresa de búsqueda móvil de próxima generación llamada Rel C, que era similar a lo que es Perplexity AI hoy en día. Esa experiencia desencadenó mi viaje en el software de IA, y eventualmente, esa empresa fue adquirida por Amazon. En Amazon, fui un líder de productos en el equipo de Alexa, buscando constantemente oportunidades para abordar problemas de IA más complejos.

En mi último año en Amazon, en 2018, trabajé en un proyecto al que nos referíamos como la “computadora de Star Trek”, inspirado en la famosa franquicia de ciencia ficción. El objetivo era desarrollar una computadora que pudiera entender y responder a cualquier pregunta que se le hiciera. Este proyecto se convirtió en lo que conocemos como el Premio Alexa, que apuntaba a permitir que cualquier persona mantuviera una conversación de 20 minutos con Alexa sobre cualquier tema social. Lideré un equipo de unos 10 científicos, y lo lanzamos como un desafío de IA a nivel mundial. Trabajé en estrecha colaboración con mentes líderes de instituciones como MIT, CMU, Stanford y Oxford. Una cosa quedó clara: en ese momento, nadie podía resolver completamente el problema.

Incluso entonces, podía sentir una ola de innovación que se avecinaba y que haría posible esto. Avanzando hacia 2024, y tecnologías como ChatGPT están haciendo mucho de lo que habíamos imaginado. Hubo avances rápidos en el procesamiento del lenguaje natural con empresas como Amazon, Google, OpenAI y Microsoft construyendo grandes modelos y la infraestructura subyacente. Pero no estaban abordando necesariamente flujos de trabajo de extremo a extremo. Reconocimos esta brecha y quisimos abordarla.

Nuestro primer producto no fue una solución de servicio al cliente; fue un asistente de voz para trabajadores de primera línea, como técnicos y empleados de tiendas minoristas. Recaudamos $2 millones en financiación de semilla y mostramos el producto a clientes potenciales. Ellos solicitaron abrumadoramente que adaptáramos la tecnología para centros de contacto, donde ya tenían flujos de voz y datos pero carecían de la arquitectura de IA generativa moderna. Esto nos llevó a darnos cuenta de que las empresas existentes en este espacio estaban atrapadas en el pasado, luchando con el clásico dilema del innovador de si sobreponer sus sistemas heredados o construir algo nuevo. Empezamos desde cero y construimos la primera plataforma de inteligencia de experiencia del cliente y automatización de servicio con un modelo de lenguaje grande (LLM) nativo.

Mi profundo interés en las complejidades del lenguaje humano y lo desafiante que es resolver estos problemas desde una perspectiva de ingeniería informática, jugó un papel significativo en nuestro enfoque. La capacidad de la IA para entender el habla humana es crucial, particularmente para la industria del centro de contacto. Por ejemplo, usar Siri a menudo revela lo difícil que es para la IA entender la intención y el contexto en el lenguaje humano. Incluso las consultas simples pueden confundir a la IA, que lucha por interpretar lo que se está preguntando.

La IA lucha con entender la intención, mantener el contexto a lo largo de conversaciones largas y poseer conocimiento relevante del mundo. Incluso ChatGPT tiene limitaciones en estas áreas. Por ejemplo, es posible que no sepa las últimas noticias o no entienda temas cambiantes dentro de una conversación. Estos desafíos son directamente relevantes para el servicio al cliente, donde las conversaciones a menudo involucran múltiples temas y requieren que la IA comprenda conocimiento específico del dominio. Estamos abordando estos desafíos en nuestra plataforma, que está diseñada para manejar las complejidades del lenguaje humano en un entorno de servicio al cliente.

La tecnología de NLU de Level AI va más allá del mero emparejamiento de palabras clave. ¿Puedes explicar cómo su IA entiende la intención del cliente más profundamente y los beneficios que esto aporta al servicio al cliente? ¿Cómo garantiza Level AI la precisión y confiabilidad de sus sistemas de IA, especialmente en la comprensión de interacciones de clientes matizadas?

Tenemos seis o siete tuberías de IA diferentes adaptadas a tareas específicas, dependiendo del trabajo que se esté realizando. Por ejemplo, un flujo de trabajo podría involucrar identificar los impulsores de llamadas y entender los problemas que los clientes tienen con un producto o servicio, a lo que nos referimos como la “voz del cliente”. Otro podría ser la puntuación automática de tarjetas de calidad para evaluar el desempeño del agente. Cada flujo de trabajo o servicio tiene su propia tubería de IA, pero la tecnología subyacente remains la misma.

Para dibujar una analogía, la tecnología que usamos se basa en LLM similares a la tecnología detrás de ChatGPT y otras herramientas de IA generativa. Sin embargo, usamos LLM específicos del servicio al cliente que hemos entrenado en casa para estos flujos de trabajo especializados. Esto nos permite lograr más del 85% de precisión dentro de solo unos días de incorporar a nuevos clientes, lo que resulta en un tiempo más rápido para obtener valor, servicios profesionales mínimos y precisión, seguridad y confianza sin precedentes.

Nuestros modelos tienen una profunda experiencia específica en el servicio al cliente. El antiguo paradigma involucraba analizar conversaciones seleccionando palabras o frases como “cancelar mi cuenta” o “no estoy contento”. Pero nuestra solución no se basa en capturar todas las variaciones posibles de frases. En lugar de eso, aplica la IA para entender la intención detrás de la pregunta, lo que la hace mucho más rápida y eficiente.

Por ejemplo, si alguien dice, “Quiero cancelar mi cuenta”, hay innumerables formas en que podría expresarlo, como “Me he cansado de ustedes” o “Me estoy mudando a alguien más”. Nuestra IA entiende la intención de la pregunta y la relaciona con el contexto, por lo que nuestro software es más rápido y preciso.

Una analogía útil es que la antigua IA era como un libro de reglas: construirías estos libros de reglas rígidos, con declaraciones de si-entonces, que eran inflexibles y necesitaban mantenimiento constante. La nueva IA, por otro lado, es como un cerebro dinámico o un sistema de aprendizaje. Con solo unos pocos indicadores, aprende dinámicamente el contexto e intención, mejorando continuamente sobre la marcha. Un libro de reglas tiene un alcance limitado y se rompe fácilmente cuando algo no encaja en las reglas predefinidas, mientras que un sistema de aprendizaje dinámico sigue expandiéndose, creciendo y tiene un impacto mucho más amplio.

Un gran ejemplo desde la perspectiva del cliente es una gran marca de comercio electrónico. Tienen miles de productos, y es imposible mantenerse al día con las actualizaciones constantes. Nuestra IA, sin embargo, puede entender el contexto, como si se habla de un sofá específico, sin necesidad de actualizar constantemente una tarjeta de puntuación o rúbrica con cada nuevo producto.

¿Cuáles son los desafíos clave para integrar la tecnología de Level AI con los sistemas de servicio al cliente existentes, y cómo los abordas?

Level AI es una plataforma de inteligencia de experiencia del cliente y automatización de servicio. Como tal, nos integramos con la mayoría del software de CX en la industria, ya sea un CRM, CCaaS, encuesta o solución de herramientas. Esto nos convierte en el centro de conexión, recopilando datos de todas estas fuentes y sirviendo como la capa de inteligencia sobre ellas.

Sin embargo, el desafío es que algunos de estos sistemas se basan en tecnología no en la nube, en premises, o incluso en tecnología en la nube que carece de API o integraciones de datos limpios. Trabajamos en estrecha colaboración con nuestros clientes para abordar esto, aunque el 80% de nuestras integraciones ahora son basadas en la nube o nativas de API, lo que nos permite integrarnos rápidamente.

¿Cómo proporciona Level AI inteligencia y conocimientos acciónables en tiempo real para los agentes de servicio al cliente? ¿Puedes compartir algunos ejemplos de cómo esto ha mejorado las interacciones con los clientes?

Hay tres tipos de inteligencia y conocimientos acciónables en tiempo real que proporcionamos a nuestros clientes:

1. Automatización de flujos de trabajo manuales: Los representantes de servicio a menudo tienen un tiempo limitado (6 a 9 minutos) y múltiples tareas manuales. Level AI automatiza tareas tediosas como la toma de notas durante y después de las conversaciones, generando resúmenes personalizados para cada cliente. Esto ha ahorrado a nuestros clientes del 10 al 25% en el tiempo de manejo de llamadas, lo que conduce a una mayor eficiencia.
2. CX Copilot para representantes de servicio: Los representantes de servicio enfrentan altas tasas de abandono y desafíos de incorporación. Imagina ser lanzado a un centro de contacto sin conocer las políticas de la empresa. Level AI actúa como un experto en IA sentado junto al representante, escuchando conversaciones y ofreciendo orientación en tiempo real. Esto incluye el manejo de objeciones, la provisión de conocimientos y la transcripción inteligente. Esta capacidad ha ayudado a nuestros clientes a incorporar y capacitar a los representantes de servicio un 30 a 50% más rápido.
3. Copilot de gerente: Esta función única proporciona a los gerentes visibilidad en tiempo real de cómo está desempeñándose su equipo. Level AI ofrece conocimientos segundo a segundo sobre las conversaciones, lo que permite a los gerentes intervenir, detectar sentimiento e intención y apoyar a los representantes en tiempo real. Esto ha mejorado la productividad del agente en un 10 a 15% y ha aumentado la satisfacción del agente, lo cual es crucial para reducir los costos. Por ejemplo, si un cliente comienza a maldecir a un representante, el sistema lo señala, y el gerente puede tomar el control de la llamada o ofrecer orientación al representante. Este tipo de intervención en tiempo real sería imposible sin esta tecnología.

¿Puedes elaborar sobre cómo funciona el análisis de sentimiento de Level AI y cómo ayuda a los agentes a responder más efectivamente a los clientes?

Nuestro análisis de sentimiento detecta siete emociones diferentes, que van desde la frustración extrema hasta la euforia, lo que nos permite medir grados variables de emociones que contribuyen a nuestra puntuación de sentimiento general. Este análisis considera tanto las palabras habladas como la tonicidad de la conversación. Sin embargo, hemos encontrado a través de nuestros experimentos que la palabra hablada juega un papel mucho más significativo que el tono. Puedes decir las cosas más malas en un tono plano o cosas muy agradables en un tono extraño.

Proporcionamos una puntuación de sentimiento en una escala del 1 al 10, con 1 que indica un sentimiento muy negativo y 10 que indica un sentimiento muy positivo. Analizamos el 100% de las conversaciones de nuestros clientes, ofreciendo una visión profunda de las interacciones con los clientes.

La comprensión contextual también es crucial. Por ejemplo, si una llamada comienza con un sentimiento muy negativo pero termina de manera positiva, incluso si el 80% de la llamada fue negativa, la interacción general se considera positiva. Esto se debe a que el cliente comenzó molesto, el agente resolvió el problema y el cliente se fue satisfecho. Por otro lado, si la llamada comienza de manera positiva pero termina de manera negativa, esa es una historia diferente, a pesar de que el 80% de la llamada podría haber sido positiva.

Este análisis ayuda tanto al representante como al gerente a identificar áreas para la capacitación, centrándose en acciones que se correlacionan con un sentimiento positivo, como saludar al cliente, reconocer sus preocupaciones y mostrar empatía: elementos que son cruciales para interacciones exitosas.

¿Cómo aborda Level AI las preocupaciones sobre privacidad y seguridad de los datos, especialmente dado el carácter sensible de las interacciones con los clientes?

Desde el primer día, hemos priorizado la seguridad y la privacidad. Hemos construido nuestro sistema con seguridad y privacidad a nivel empresarial como principios fundamentales. No externalizamos ninguna de nuestras capacidades de IA generativa a proveedores externos. Todo se desarrolla en casa, lo que nos permite entrenar modelos de IA específicos del cliente sin compartir datos fuera de nuestro entorno. También ofrecemos una amplia personalización, lo que permite a los clientes tener sus propios modelos de IA sin compartir datos a través de diferentes partes de nuestra canal de datos.

Para abordar una preocupación actual de la industria, nuestros datos no se utilizan por modelos externos para capacitación. No permitimos que nuestros modelos sean influenciados por datos generados por IA de otras fuentes. Este enfoque evita los problemas que algunos modelos de IA están enfrentando, donde ser entrenados con datos generados por IA hace que pierdan precisión. En Level AI, todo es de primera parte, y no compartimos ni extraemos datos externamente.

Con la reciente financiación de $39.4 millones en la Serie C, ¿cuáles son tus planes para expandir la plataforma de Level AI y llegar a nuevos segmentos de clientes?

La inversión de la Serie C impulsará nuestras iniciativas de crecimiento estratégico y innovación en áreas críticas, incluyendo el avance del desarrollo de productos, mejoras de ingeniería y esfuerzos rigurosos de investigación y desarrollo. Apuntamos a reclutar talento de primer nivel en todos los niveles de la organización, lo que nos permitirá seguir siendo pioneros en tecnologías líderes en la industria que superen las expectativas de los clientes y satisfagan las demandas dinámicas del mercado.

¿Cómo ves el papel de la IA en la transformación del servicio al cliente en la próxima década!

Mientras que el enfoque general a menudo se centra en el aspecto de automatización, prediciendo un futuro donde los bots manejan todo el servicio al cliente, nuestra visión es más matizada. El alcance de la automatización varía por vertical. Por ejemplo, en banca o finanzas, la automatización podría ser menor, mientras que en otros sectores, podría ser mayor. En promedio, creemos que lograr más del 40% de automatización en todos los verticales es un desafío. Esto se debe a que los representantes de servicio hacen más que solo responder preguntas: actúan como solucionadores de problemas, asesores de ventas y más, roles que no pueden ser completamente replicados por la IA.

También hay un gran potencial en la automatización de flujos de trabajo, en lo que Level AI se enfoca. Esto incluye tareas de oficina trasera como aseguramiento de la calidad, triage de tickets y monitoreo de pantalla. Aquí, la automatización puede superar el 80% utilizando IA generativa. La inteligencia y los conocimientos son cruciales. Somos únicos al utilizar IA generativa para obtener conocimientos a partir de datos no estructurados. Este enfoque puede mejorar enormemente la calidad de los conocimientos, reduciendo la necesidad de servicios profesionales en un 90% y acelerando el tiempo para obtener valor en un 90%.

Otra consideración importante es si la cara de tu organización debería ser un bot o una persona. Más allá de las funciones básicas que realizan, una conexión humana con tus clientes es crucial. Nuestro enfoque es eliminar las tareas excesivas de la carga de trabajo de una persona, permitiéndoles centrarse en interacciones significativas.

Creemos que los humanos están mejor equipados para la comunicación directa y deberían seguir en ese rol. Sin embargo, no son ideales para tareas como la toma de notas, la transcripción de interacciones o la grabación de pantalla. Al manejar estas tareas por ellos, liberamos su tiempo para que interactúen con los clientes de manera más efectiva.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Level AI.