Ofer Ronen, Co-Fundador y CEO de Tomato.ai – Serie de Entrevistas

Ofer Ronen es el Co-Fundador y CEO de Tomato.ai, una plataforma que ofrece un filtro de voz con inteligencia artificial para suavizar acentos para voces de agentes offshore mientras hablan, lo que resulta en una mejora de las métricas de satisfacción del cliente y las ventas.

Ofer anteriormente vendió tres startups de tecnología, dos a Google, y una a IAC. Pasó los últimos cinco años en Google construyendo soluciones de inteligencia artificial para centros de contacto dentro del incubador Area 120. Cerró más de $500M en acuerdos para estas nuevas soluciones. Tiene una maestría en Ingeniería de Computadoras con especialización en inteligencia artificial de la Universidad de Michigan, y un MBA de Cornell.

¿Qué te atrajo inicialmente a la inteligencia artificial y el aprendizaje automático?

La inteligencia artificial ha tenido una larga historia de arranques y paradas. Periodos en los que había mucha esperanza de que la tecnología transformara las industrias, seguidos de periodos de desilusión porque no quite cumplió con el hype.

Cuando estaba haciendo una maestría en inteligencia artificial hace un par de décadas, en la Universidad de Michigan, era un período de desilusión, cuando la inteligencia artificial no estaba teniendo un impacto significativo. Me intrigaba la idea de que las computadoras podían ser enseñadas a realizar tareas a través de ejemplos en lugar de la heurística tradicional, que requiere pensar en qué instrucciones explícitas proporcionar. En ese momento estaba trabajando en un laboratorio de investigación de inteligencia artificial en agentes virtuales que ayudaban a los maestros a encontrar recursos en línea para sus clases. En ese entonces no teníamos los grandes datos, los recursos de computación poderosos o las redes neuronales avanzadas que tenemos hoy, por lo que las capacidades que construimos fueron limitadas.

Desde 2016 hasta 2019, trabajaste en el incubador Area 120 de Google para diseñar agentes virtuales muy robustos para los centros de contacto más grandes. ¿Cuál fue exactamente esta solución?

Más recientemente, trabajé en el incubador Area 120 de Google en algunas de las implementaciones de agentes virtuales de voz más grandes, incluyendo un par de proyectos para empresas Fortune 50 con más de cien millones de llamadas de soporte al año.

Para construir agentes virtuales de voz más robustos que puedan manejar conversaciones complejas, tomamos millones de conversaciones históricas entre humanos y usamos esas conversaciones para detectar el tipo de preguntas de seguimiento que los clientes tienen más allá de su problema inicial. Al minar preguntas de seguimiento y al minar diferentes formas en que los clientes formulan cada pregunta, pudimos construir agentes virtuales flexibles que puedan tener conversaciones sinuosas. Esto reflejó mejor el tipo de conversaciones que los clientes tienen con agentes humanos. El resultado final fue un aumento material en el número total de llamadas manejadas completamente por los agentes virtuales.

En 2021 y 2022, construiste una segunda startup en Area 120, ¿podrías compartir qué era esta empresa y qué aprendiste de la experiencia?

Mi segunda startup dentro de Area 120 se centró nuevamente en centros de contacto. Nuestra solución se centró en reducir la pérdida de clientes al contactar proactivamente a los clientes justo después de una llamada de soporte fallida en la que el cliente expresó su problema pero no llegó a una resolución. El seguimiento lo harían agentes virtuales entrenados para abordar esos problemas abiertos. Lo que aprendí de esta experiencia es que la pérdida de clientes es una métrica difícil de medir de manera oportuna. Puede tomar 6 meses obtener resultados estadísticamente significativos para los cambios en la pérdida de clientes. Eso hace que sea difícil optimizar una experiencia lo suficientemente rápido y convencer a los clientes de que una solución está funcionando.

¿Podrías compartir la historia de génesis detrás de tu tercera startup de inteligencia artificial para centros de contacto, Tomato.ai, y por qué decidiste hacerlo tú mismo en lugar de trabajar dentro de Google?

La idea de Tomato.ai, mi tercera startup de centros de contacto, vino de James Fan, mi co-fundador y CTO. James pensó que sería más efectivo vender vino con un acento francés, y ¿qué pasa si cualquier persona pudiera sonar francesa!

Esta fue la semilla de la idea, y desde allí nuestra forma de pensar evolucionó. A medida que investigamos más, encontramos un dolor más agudo que los clientes sienten cuando hablan con agentes offshore con acentos. Los clientes tenían problemas de comprensión y confianza. Esto representó una oportunidad de mercado más grande. Dado nuestro trasfondo, nos dimos cuenta del impacto significativo que tendría en los centros de contacto, ayudándolos a mejorar sus métricas de ventas y soporte. Ahora nos referimos a este tipo de solución como Suavizado de Acento.

James y yo anteriormente lideramos y vendimos startups, incluyendo cada uno de nosotros vendió una startup a Google.

Decidimos dejar Google para iniciar Tomato.ai porque, después de muchos años en Google, estábamos ansiosos por regresar a iniciar y liderar nuestra propia empresa.

Tomato.ai resuelve un dolor importante en los centros de contacto, que es suavizar acentos para los agentes. ¿Podrías discutir por qué los filtros de voz son una solución preferida a la capacitación de los agentes?

En Tomato.ai, entendemos la importancia de la comunicación clara en los centros de contacto, donde los acentos pueden crear barreras a veces. En lugar de confiar únicamente en la capacitación tradicional de los agentes, hemos desarrollado filtros de voz, o lo que llamamos “suavizado de acento”. Estos filtros ayudan a los agentes a mantener su voz única, mientras reducen sus acentos, mejorando la claridad para los llamadores. Al utilizar filtros de voz, nos aseguramos de que la comunicación sea mejor y se construya la confianza entre los agentes y los llamadores, haciendo que cada interacción sea más efectiva y satisfactoria para el cliente. Así, en comparación con los programas de capacitación extensivos, los filtros de voz ofrecen una solución más simple y más inmediata para abordar los desafíos relacionados con los acentos en los centros de contacto.

A medida que los agentes existentes aprovechan estas herramientas para mejorar su desempeño, estarán empoderados para cobrar tarifas más altas, reflejando su valor aumentado al brindar experiencias de cliente excepcionales. Al mismo tiempo, el efecto democratizador de la inteligencia artificial generativa traerá a nuevos agentes de nivel de entrada, expandiendo la piscina de talentos y reduciendo las tarifas por hora. Esta dicotomía señala una transformación fundamental en la dinámica de los servicios de centros de contacto, donde la tecnología y la experiencia humana reconfiguran el panorama de la industria, allanando el camino para un futuro más inclusivo y competitivo.

¿Cuáles son algunas de las diferentes tecnologías de aprendizaje automático y inteligencia artificial que se utilizan para habilitar el filtrado de voz?

Este tipo de solución de filtrado de voz en tiempo real no habría sido posible hace solo un par de años. Los avances en la investigación del habla combinados con arquitecturas más nuevas como el modelo de transformador y las Redes Neuronales Profundas, y hardware de inteligencia artificial más poderoso (como TPUs de Google y GPUs de NVidia) hacen que sea más posible construir soluciones como esta hoy en día. Todavía es un problema muy difícil que requiere que nuestro equipo invente nuevas técnicas para entrenar modelos de habla a habla que sean de baja latencia y alta calidad.

¿Qué tipo de comentarios has recibido de los centros de contacto, y cómo ha impactado las tasas de abandono de empleados?

Tenemos una gran demanda de centros de contacto grandes y pequeños offshore para probar nuestra solución de suavizado de acento. Esos centros de contacto reconocen que Tomato.ai puede ayudar con sus dos problemas principales (1) las métricas de desempeño de los agentes offshore no están a la par con las de los agentes en tierra (2) es difícil encontrar suficientes agentes calificados para contratar en mercados offshore como la India y Filipinas.

Esperamos en las próximas semanas tener estudios de caso que destaquen el tipo de impacto que los centros de contacto experimentan al usar el Suavizado de Acento. Esperamos que las llamadas de ventas vean un impulso inmediato en métricas clave como ingresos, tasas de cierre y calificación de leads. Al mismo tiempo, esperamos que las llamadas de soporte vean tiempos de manejo más cortos, menos devoluciones de llamada y una mejora en la satisfacción del cliente.

Como se mencionó anteriormente, las tasas de abandono tardan más en validarse, y así los estudios de caso con esas mejoras llegarán en una fecha posterior.

Tomato.ai acaba de recaudar una ronda de financiación de $10 millones, ¿qué significa esto para el futuro de la empresa?

A medida que Tomato.ai se prepara para su lanzamiento de producto inaugural, el equipo sigue comprometido con su compromiso de reconfigurar el panorama de la comunicación global y el futuro del trabajo, una conversación a la vez.

Gracias por la gran entrevista, los lectores que deseen aprender más deben visitar Tomato.ai.