Rebecca Greene, CTO y cofundadora de Regal – Serie de entrevistas

Rebecca Greene, CTO y cofundadora de Regal, es una ejecutiva de tecnología, líder de productos y inversionista con amplia experiencia en la creación de negocios digitales centrados en el cliente. Antes de cofundar Regal en 2020, se desempeñó como Directora de Producto en Handy, donde lideró los equipos de producto, diseño y datos y apoyó la integración de la empresa con ANGI Homeservices después de su adquisición. Anteriormente en su carrera, Greene trabajó en gestión de productos en Amazon (AMZN ) y ocupó puestos de estrategia, consultoría y servicios financieros en Booz & Company, First Manhattan Consulting Group y Bear Stearns. También es socia en Blue Trail Partners, donde apoya a los fundadores en la creación de empresas de alto impacto.

Regal es una plataforma de voz AI empresarial que permite a los centros de contacto crear, implementar, mejorar y gestionar agentes AI autónomos para ventas, soporte al cliente y flujos de trabajo operativos. Su plataforma combina tecnología de voz, promoción avanzada y datos de clientes en tiempo real para ofrecer conversaciones personalizadas de entrada y salida, mientras se integra con sistemas de gestión de relaciones con los clientes, centros de contacto, telefonía y bases de datos existentes. Fundada en 2020, la empresa está diseñada para ayudar a las empresas a automatizar las interacciones con los clientes sin reemplazar su infraestructura tecnológica existente.

Ayudaste a escalar Handy desde una startup en etapas tempranas hasta un negocio que finalmente se convirtió en parte de ANGI, lo que te dio experiencia de primera mano en la creación de productos a través de un crecimiento hipertrófico. ¿Qué lecciones de ese viaje te convencieron de cofundar Regal, y qué problema de experiencia del cliente sentiste que simplemente no podía resolverse con la tecnología de centro de contacto existente?

Mientras estábamos en ANGI, mi cofundador, Alex, y yo dirigíamos un centro de servicio de contacto de 3,000 personas que manejaba casi 100 millones de interacciones con los clientes cada año. Al principio, mi objetivo era que los clientes nos llamaran lo menos posible porque todos en la tecnología decían “la voz está muerta”, así que jugamos con esa mentalidad anti-telefónica. Preguntas frecuentes, chatbots, escondiendo el número de teléfono en el sitio web. Hicimos todo lo que pudimos para empujar a los clientes hacia el autoservicio.

Pero los clientes seguían llamando de todos modos. La gente realmente quiere hablar por teléfono cuando algo es importante, urgente o demasiado complicado para explicarlo en una casilla de texto. Fue entonces cuando comenzamos a examinar más a fondo la voz como un canal de salida, ya que los datos comenzaron a mostrar que era increíblemente efectivo. Si deseas que un cliente actualice una tarjeta de crédito o lo recuerde sobre una cita, el correo electrónico obtiene tal vez una tasa de clic de 2%. Con llamadas telefónicas, podríamos obtener que el 20 al 30% de las personas respondieran. Eso es 10 veces mejor.

El problema era que ninguna tecnología de centro de contacto existente permitía a las empresas satisfacer esa demanda de manera asequible. Las llamadas de voz cuestan aproximadamente $10 cada una para personal, por lo que la mayoría de las empresas estaban incentivadas a evitarlas, incluso cuando los clientes las querían. La brecha entre la alta demanda de voz, sin una forma rentable de entregarla bien, es lo que convenció a mi cofundador y a mí de iniciar Regal en 2020.

Regal ha manejado ahora cientos de millones de interacciones con los clientes impulsadas por IA a través de organizaciones empresariales. ¿Cuáles fueron los mayores desafíos técnicos para hacer que la IA de voz fuera lo suficientemente confiable para la producción a escala empresarial, y qué avances hicieron posible la adopción generalizada?

Regal recientemente superó los 500 millones de llamadas manejadas por IA, lo que equivale a unos 408 años de conversación. Ahora tenemos más de 100 voces de IA, 33 idiomas y 26 LLM, y hemos generado $9 mil millones en ingresos para nuestros clientes.

Para nosotros y nuestros clientes, el mayor desafío fue asegurarnos de que los agentes tuvieran el contexto correcto cada vez que hablaran con un cliente y brindaran consejos precisos. Trabajamos con empresas en algunas de las industrias más reguladas, como la atención médica y los seguros, donde es fundamental que la IA comprenda lo que puede y no puede decir. Así que tratamos a nuestra IA como empleados: debes entrenarla, supervisarla y evaluar su rendimiento constantemente.

El verdadero desbloqueo fue la llegada de LLM con razonamiento y generación de lenguaje genuinos, lo que hizo posible la automatización de llamadas complejas y de varios giros por primera vez.

Muchas personas todavía asocian a los agentes de voz de IA con sistemas de respuesta de voz frustrantes o chatbots robóticos. ¿Qué ha cambiado fundamentalmente en los últimos años para que los agentes de voz modernos puedan entablar conversaciones mucho más naturales?

Los agentes de voz de IA son completamente diferentes de los sistemas de respuesta de voz del pasado. Cualquiera que aún utilice un sistema de respuesta de voz es muy limitado, ya que son deterministas. Hoy en día, los agentes razonan realmente a través de una conversación de la manera en que lo haría una persona, utilizando LLM para la generación de lenguaje y alimentados por contexto y datos de 500 millones de conversaciones anteriores. Combinado con una mejor calidad de voz, un tiempo de respuesta de latencia mejorado y una lógica de conversación más natural, la mayoría de los clientes de nuestros clientes hoy en día realmente no pueden decir que están hablando con una IA, o no les importa si pueden, siempre y cuando produzca la salida que necesitan.

Como CTO, ¿cómo equilibras los avances rápidos en los modelos fundamentales con la necesidad de estabilidad, seguridad y comportamiento predecible para los clientes empresariales?

Esta es la tensión central que manejo como CTO: los modelos fundamentales se mueven increíblemente rápido, pero nuestros clientes empresariales en industrias reguladas necesitan previsibilidad, seguridad y comportamiento consistente.

No somos proveedores de modelos nosotros mismos; proporcionamos una aplicación para construir agentes de IA, y nos sentamos junto a otros software de centro de contacto. Esa separación nos permite hacer mejoras sin desestabilizar los guardrails, las integraciones y los controles de cumplimiento en los que confían nuestros clientes. También es por eso que nos hemos centrado en permitir que cualquier equipo construya agentes de IA que manejen flujos de trabajo complejos en semanas, no en meses. Recientemente lanzamos un producto llamado Copilot, que con una sola conversación, puede construir un borrador de trabajo de un agente de voz para equipos con la lógica de negocio, la marca y la seguridad de la empresa ya integradas.

La plataforma de Regal conecta a los agentes de IA con el contexto del cliente y los flujos de trabajo empresariales en lugar de simplemente responder preguntas. ¿Por qué el acceso a los datos del cliente y los sistemas empresariales se está convirtiendo en tan importante como los avances en los modelos de lenguaje en sí?

Por sí solo, un modelo de lenguaje puede sostener una conversación, pero no puede hacer nada por su cliente. En el momento en que se le pide que verifique un pedido, aplique un descuento, escale una caso o actualice un registro, el agente de IA necesita estar conectado a los mismos sistemas que utilizan los agentes humanos, como sus sistemas de gestión de relaciones con los clientes y facturación.

A medida que los modelos en sí mejoran en calidad, ese acceso a los datos del cliente y los sistemas empresariales reales es lo que realmente separa una experiencia de IA manejada de alta calidad de una frustrante.

Su plataforma sirve a organizaciones en industrias como la atención médica, los seguros, la educación y los servicios financieros. ¿Qué han enseñado estas industrias altamente reguladas sobre la implementación responsable de la IA mientras se mantiene la confianza del cliente?

Nosotros nos centramos intencionalmente en industrias altamente reguladas y de mayor complejidad en lugar de los casos de uso de bajo riesgo, en parte debido a mi propio trasfondo en liderar productos, diseño y datos, y trabajar con centros de contacto empresariales.

La confianza y el cumplimiento realmente importan en estas interacciones. La implementación responsable de la IA se trata de asegurarse de que los agentes tengan guardrails confiables, contexto de nivel de cuenta preciso y un camino claro hacia un ser humano cuando algo cae fuera de su alcance. La confianza en las industrias reguladas no proviene de que la IA sea perfecta, proviene de ser predecible y corregible.

Muchas personas asumen que la IA reemplazará a los agentes humanos de los centros de contacto. ¿Cómo ves evolucionar la relación entre los empleados humanos y los agentes de IA en los próximos cinco años, y qué responsabilidades siempre deben permanecer lideradas por humanos?

La IA no va a tomar todos los trabajos como muchos temían, pero va a evolucionar lo que se parece el trabajo.

El papel humano más importante en los próximos años no es el agente de centro de contacto tradicional, es un rol completamente nuevo. Mi cofundador y yo lo estamos llamando el Ingeniero de CX: alguien que gestiona y supervisa a los agentes de IA en sí, trabajando hacia atrás desde el viaje del cliente en lugar de sentarse en llamadas individuales. Ya puedes ver este cambio sucediendo más ampliamente, con AWS que acaba de invertir $1 mil millones en una unidad de ingeniería desplegada hacia adelante para ayudar a los clientes a construir con IA, un rol que no existía realmente hace un año.

Podemos esperar un cambio similar en CX: a medida que los agentes de IA manejan más del volumen, las personas que orquestan, gestionan y verifican la calidad de esos agentes terminan siendo contrataciones esenciales.

La IA de voz ha mejorado dramáticamente, pero los clientes están cada vez más conscientes de que están hablando con una IA. ¿Cuál es el papel de la transparencia y la divulgación en la construcción de confianza a largo plazo, y las empresas siempre deben decirles a los clientes que están interactuando con un agente de IA?

Los clientes siempre pueden pedir un ser humano, y construimos eso en cada implementación. Lo que estamos viendo en la práctica es que la mayoría de las personas no pueden decir que están hablando con una IA o no les importa una vez que se dan cuenta, porque la interacción en sí importa más para ellos que quién está al otro lado.

Hay una razón estructural por la que esto no se habla más: algunas empresas ya están ejecutando la gran mayoría de sus interacciones con los clientes en IA, pero no lo están anunciando todavía. Creo que la transparencia importa más en el momento en que el cliente la pide, pero no es necesaria como un requisito en blanco en cada interacción.

Con la IA ahora capaz de manejar conversaciones cada vez más complejas, ¿qué métricas deben centrarse las organizaciones más allá de la simple reducción de costos al evaluar si una implementación de IA ha mejorado realmente la experiencia del cliente?

Internamente, las organizaciones deben prestar atención a cuánto su propio equipo está utilizando realmente la IA día a día, y tratar un uso intensivo como un signo generalmente positivo. Pero la métrica más grande que las empresas deben considerar es los ingresos por empleado. Si la IA realmente funciona, ese número debe aumentar, y eso es lo que financia el crecimiento y los márgenes mejores. La IA no reemplaza a tus personas, pero las personas que la utilizan bien terminan haciendo mucho más mientras retienen el mismo equipo. Pueden servir a más clientes, cerrar más tratos y construir más cuando los ingresos por empleado son la métrica que se mide.

Mirando hacia adelante, ¿qué tecnologías o capacidades emergentes crees que definirán la próxima generación de agentes de IA empresariales, y qué desarrollos estás personalmente más emocionado de ayudar a llevar al mercado en los próximos años?

Hoy en día, la voz es ya el 60-70% de las interacciones con los clientes, con el resto dividido entre chat, correo electrónico y texto. A medida que la IA hace que las interacciones de voz sean de mayor calidad y más capaces, espero que la voz se convierta en el canal dominante y eventualmente alcance el 95% de todas las interacciones con los clientes.

Lo que definirá la próxima generación de agentes de IA empresariales es cuán proactivos y comprometidos son en cuanto a las interacciones con los clientes. La novedad de la IA en la experiencia del cliente se está desgastando, y todos saben que se está volviendo más y más capaz, pero estoy emocionado de empujar sus límites y hacer que realice casos de uso aún más complejos.

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