Krishna Raj Raja, SupportLogic – intervjuusarja tegevjuht ja asutaja

Krishna Raj Raja on ettevõtte tegevjuht ja asutaja SupportLogic, maailma esimene pideva teeninduskogemuse (SX) haldusplatvorm, mis võimaldab ettevõtetel reaalajas mõista kliendi häält ja selle järgi tegutseda, et kohe parandada teenuste osutamist ning luua terveid ja kasumlikke kliendisuhteid.

Kirjeldate end kui "teadusnörki", mis on see teadusmaailmas, mis teid nii vaimustuses on?

Minu jaoks seisneb teadus uudishimu selles, kuidas maailm toimib ja millised mustrid maailmas eksisteerivad. See uudishimu on mul olnud lapsepõlvest saati ja see on laienenud ka minu tööellu. SupportLogic otsib mustreid, mis eksisteerivad loomulikus keeles, ja kasutame neid mustreid asjade ennustamiseks ja soovituste andmiseks. See on nagu teadus – see ennustab mustreid, annab soovitusi ja räägib, kuidas maailm toimib. Suur osa sellest, mida olen oma elus õppinud, on iseõppinud, sest see tulenes minu loomulikust uudishimust, mitte formaalsest haridusest.

Seejärel omandasite kraadi keemiainseneri erialal, kuid otsisite seejärel võimalusi arvutiteaduse ja masinõppe alal. Kas saaksite seda pöördepunkti arutada?

Mu isa oli edukas ettevõtte omanik (terasetöötlemisel) ja ta lootis, et ühel päeval võtan pereettevõtte üle. Keemiatehnika tundus olevat õige väljaõpe, et olla selleks valmis. Kuid arvutiteadus oli minu jaoks juba pikka aega kõrvalkirg olnud. Tegelikult oli minu keemiainseneri diplomitööks tarkvaraprogrammi loomine keemiareaktori projekteerimiseks.

Pärast keemiainseneri kraadi lõpetamist sai selgeks, et arvutiteadus oli tõesti minu tõeline kirg. Minu arvutiteaduse oskused on täiesti iseõppinud ja kui ma VMware'iga liitusin, oli kõigil mu kolleegidel doktorikraadid Ivy League'i koolidest arvutiteaduses. Olin oma meeskonnas kõige vähem kvalifitseeritud inimene.

Olite varakult VMware'i töötaja, kus töötasite tootetoe insenerina tugi- ja teenindusvaldkonnas. Milliseid võimalikke parendusvaldkondi te täheldasite?

Olin tarkvarainsener, kellest sai tootetoe insener. Liitusin VMware'iga, sest nende tehnoloogia oli põnev – nad tegelesid operatsioonisüsteemidega ja mul oli selle vastu eriline huvi. Aitasin teistel operatsioonisüsteemide arendajatel VMware tooteid igapäevaselt kasutada. Oma tausta tõttu vaatasin asju kahe erineva nurga alt: 1) kuidas teha see klient õnnelikuks ja lahendada tema probleem; ja 2) Miks see probleem tarkvaras esineb ja kuidas seda parandada? Vaatasin kõigi tugiprobleemide tooteaspekti. Üks esimesi asju, millest sain aru, oli see, et kui tootemeeskonnad toodet arendavad, ei tea nad tõesti, kuidas see kasutusele võetakse ja kasutusele võetakse, seega ei näe nad arendusprotsessi käigus paljusid ette. Tugimeeskond saab nende probleemidega siiski hästi hakkama ja võib anda väärtuslikku tagasisidet nii tootemeeskondadele kui ka teistele ettevõtte osakondadele. Probleem on selles, et see tagasiside läheb tavaliselt kaduma, kuna tugimeeskond keskendub kliendiprobleemi lahendamisele ja seejärel kiiresti järgmise probleemi lahendamisele. Seda olulist teavet ei edastata.

Kas saaksite jagada üksikasju SupportLogici tekkeloo kohta?

SupportLogici käivitamisel vaatasin tugitööstuse turumaastikku ja leidsin, et kõik tugiruumi uuendused keskendusid korpuse kõrvalekaldumisele. See tähendab, et parim viis tugiprobleemidega tegelemiseks on need kõrvale suunata – tugiinseneridest ja klientidest eemale. See oli vastuolus sellega, mida ma tootetoe insenerina nägin – iga kliendiga suhtlemine oli võimalus saada teavet teie klientide kohta ja selle kohta, kuidas toode töötab ja ei tööta. Kuid ma olin üllatunud, kui avastasin, et selle (õppimis)probleemi lahendamiseks polnud tööriistu, nii et nägin seal suurt võimalust.

Samuti märkasin, et toetust käsitletakse sageli kulukeskusena, mis oli minu arvates lühinägelik asjade vaatamine. Kui vaatate tuge kui kasumikeskust või ettevõtte kesknärvisüsteemi, saate organisatsiooni tõeliselt muuta ja muuta see tõeliselt kliendikeskseks. Just see viis mind SupportLogici käivitamiseni.

Millised on erinevad masinõppetehnoloogiad, mida SupportLogic kasutab?

Kui ettevõte alustas, eeldasin ma naiivselt, et saame kasutada avalikult kättesaadavaid masinõppe API-sid. Neid on palju – Amazonilt, Microsoftilt ja HPE-lt – ning nad kõik pakuvad teenusena masinõppe API-sid. Minu üllatuseks ja pettumuseks ei töötanud paljud neist masinõppemudelitest selliste andmetega, millega me töötasime (klienditoe andmed). Kuid mõistsin, et see oli võimalus, ja ütlesin: "Miks me ei ehita seda ise?" Alustasime omaenda loomist nullist, kasutades avatud lähtekoodiga projektide olemasolevaid ML-tehnoloogiaid, nagu Stanfordi ülikooli spaCy ja Google BERT, ning seejärel lisasime selle peale veidi oma salakastet, kasutades ansamblimudeli lähenemisviisi. Samuti kohandame mudelit iga kliendi ja tema konkreetse andmestiku jaoks, selle asemel et kasutada ühtset filosoofiat.

Kas saaksite arutada, kuidas SupportLogic võimaldab ettevõtetel võtmesignaale kasutades klientidega paremini suhelda?

Üks peamisi asju, mida me teeme, on kliendi konteksti eraldamine NLP abil. Kontekst on väga oluline, sest piletimüügisüsteemide sildistamise protsessis läheb kontekst sageli kaduma. Nendes süsteemides saate märgistada ainult piiratud hulga teavet. Oleme silmapaistvad kliendi konteksti leidmisel, näiteks mille üle nad on pettunud, milline on nende mulje teie tootest või teie toest või mida nad teie tootega teha üritavad. Väljavõtmiseks on palju signaale ja konteksti. Tehes seda reaalajas ja luues oma platvormil töövooge, võimaldame ettevõtetel tegutseda vastavalt klientide signaalidele ja ennetavalt lahendada probleemid enne, kui on liiga hilja – see tähendab, et klient saab väga vihaseks või lahkub igaveseks.

Millised muud võimalused on SupportLogic tarkvara taga?

Kui hakkate suhtlemisest kliendisignaale eraldama, muutuvad need signaalid analüütika jaoks väga võimsaks. Meil on analüüsimoodul, mis ütleb teile kõigi interaktsioonide põhjal, kuidas kliendi hääl välja näeb. Seejärel astume sammu edasi ja kasutame andmeid ennustuste tegemiseks. Saame ennustada, mis konkreetse (kliendi)kontoga juhtub. Samuti saame kliendi olukorra põhjal ennustada, kes on ettevõttes parim asjatundja, kes aitab probleemi lahendada, ja seejärel sobitada klient selle õige inimesega.

Ja saame vaadata nii sissetulevaid kui ka väljaminevaid vestlusi, et anda teenindusagentidele juhiseid selle kohta, mida nad peaksid oma igapäevases suhtluses klientidega rohkem (või vähem) tegema. Sellest saab suurepärane juhendamistööriist, mis aitab teenindusagentidel arendada oma pehmeid oskusi ja parandada nende üldist jõudlust.

Kas soovite SupportLogici kohta veel midagi jagada?

Üks levinumaid väärarusaamu, mida inimestel on tehisintellektiga seoses, on see, et tegemist on tohutu investeeringuga, mis on väga seotud ja keeruline ning et te ei näe sellelt tulu aasta või kauemgi. Tegelikkuses on AI- ja ML-tehnoloogiad palju arenenud ja võivad töötada teie olemasoleva andmekogumiga. Ja tulemusi on näha mõne kuu, mitte aastate pärast. Niisiis, nüüd on aeg tehisintellekti investeerida, sest kuude jooksul näete uskumatuid tulemusi, mis võivad teie organisatsioonile palju kasu tuua.

Täname suurepärase intervjuu eest, lugejad, kes soovivad rohkem teada saada, peaksid külastama SupportLogic.