Krishna Raj Raja, SupportLogicin CEO ja perustaja – Haastattelusarja

Krishna Raj Raja on SupportLogicin CEO ja perustaja, maailman ensimmäinen jatkuva palvelukokemus (SX) -hallintaplatforrmi, joka mahdollistaa yrityksille ymmärtää ja toimia “Asiakkaan Ääni” -äänen mukaisesti reaaliajassa parantaakseen palvelutoimitusta ja luodakseen terveitä ja kannattavia asiakassuhteita.

Kuvailet itsesi “tiedegeekiksi”, mitä tieteellisessä maailmassa on sinulle niin mieltä?

Minulle tiede on kaikki uteliaisuudesta siitä, miten maailma toimii ja mitkä mallit siinä ovat. Olen ollut utelias lapsesta lähtien, ja se on jatkunut ammattiurallani. SupportLogicissa etsimme malleja, jotka ovat luonnollisessa kielessä, ja käytämme niitä ennustamaan asioita ja antamaan suosituksia. Tämä on kuin tiede – se ennustaa malleja, antaa suosituksia ja kertoo, miten maailma toimii. Paljon siitä, mitä olen oppinut elämässäni, on itseopiskeltua, koska se on tullut luonnollisesta uteliaisuudestani, ei muodollisesta koulutuksesta.

Mennyt vielä kemian insinööriksi, mutta lopulta seurasit tietokoneiden ja koneoppimisen mahdollisuuksia. Voitko kertoa tästä muutoksesta?

Isäni oli menestyvä liikemies (terästeollisuudessa) ja toivoi, että ottaisin joskus perheyrityksen haltuun. Kemian insinööriksi opiskelu näytti olevan oikea koulutus valmistautuaksesi siihen. Mutta tietokoneet olivat ollut minulle sivupassio pitkään. Itse asiassa kemian insinööritutkintooni liittyvä graduni oli ohjelmiston kehittäminen kemiallisen reaktorin suunnittelua varten.

Kun olin valmis kemian insinööritutkinnosta, selvisi, että tietokoneet olivat todella minun intohimoni. Tietokoneen taitoni ovat kokonaan itseopiskeltuja, ja kun liityin VMwareen, kaikki kollegani olivat suorittaneet tohtorin tutkinnon Ivy League -koulusta tietokoneen tieteessä. Olin aliryhmäni vähiten pätevä henkilö.

Olit varhainen työntekijä VMwaressa, jossa työskentelit tuen ja palvelun parissa tuotekehitysinsinöörinä. Mitkä olivat joitain mahdollisia parantamisen kohteita, joita havaitset?

Olin ohjelmistoinsinööri, josta tuli tuotekehitysinsinööri. Liityin VMwareen, koska heidän teknologiaansa oli mielenkiintoista – he käsittelevät käyttöjärjestelmiä, ja minulla oli erityinen kiinnostus siihen. Auttin muita käyttöjärjestelmien kehittäjiä käyttämään VMwaren tuotteita päivittäin. Taustani vuoksi katsoin asioita kahdesta eri näkökulmasta: 1) Miten teen tämän asiakkaan onnelliseksi ja ratkaisen heidän ongelman; ja 2) Miksi tämä ongelma on olemassa ohjelmistossa, ja miten se voidaan korjata? Katselin tuotteen näkökulmasta kaikkia tuen ongelmia. Yksi ensimmäisistä asioista, joita tajusin, oli, että kun tuotekehitystiimit kehittävät tuotteen, he eivät todella tiedä, miten se tullaan käyttämään, joten he eivät näe monia asioita kehitysprosessin aikana. Tuella on kuitenkin hyvä käsitys näistä asioista, ja se voi antaa arvokasta palautetta tuotejoukoille sekä muiden yrityksen osastojen välillä. Ongelma on, että tämä palaute usein häviää, koska tuentiimi on keskittynyt ratkaisemaan asiakkaan ongelmaa ja siirtymään nopeasti seuraavaan ongelmaan. Tämä tärkeä tieto ei siirry eteenpäin.

Voitko kertoa yksityiskohtia SupportLogicin syntytarina?

Kun aloitin SupportLogicin, tarkastelin markkinatilannetta tukitoiminnassa ja huomasin, että kaikki innovaatiot tukitoiminnassa keskittyivät tapausten poisjohtamiseen. Tämä tarkoittaa, että paras tapa käsitellä tukipyyntöjä on johtaa ne pois tukiteknikoilta ja asiakkailta. Tämä oli ristiriidassa siitä, mitä olin nähnyt tuotekehitysinsinöörinä – jokainen asiakkaan vuorovaikutus oli mahdollisuus oppia asiakkaista ja siitä, miten tuote toimii ja ei toimi. Mutta olin yllättynyt siitä, ettei ollut työkaluja, jotka ratkaisivat tämän (oppimisen) ongelman, joten näin siinä suuren mahdollisuuden.

Mitkä ovat erilaisia koneoppimisen teknologioita, joita käytetään SupportLogicissa?

Kun yritys aloitti, olin viattomasti olettanut, että voimme käyttää julkisesti saatavilla olevia koneoppimisen API:ja. Niitä on paljon – Amazonilta, Microsoftilta ja HPE:ltä – ja ne kaikki tarjoavat koneoppimisen API:ja palveluna. Yllätyksekseni ja pettymykseni monista näistä koneoppimismalleista eivät toimineet sellaisen datan kanssa, jota me työskentelemme (asiakastuen data). Mutta tajusin, että tämä oli mahdollisuus ja sanoin: “Miksi emme rakenna itse?” Aloimme rakentaa omaa alusta lähtien olemassa olevien avoimen lähdekoodin koneoppimisteknologioiden avulla, kuten spaCy Stanfordin yliopistosta ja Google (GOOGL ) BERT, ja lisäsimme siihen omaa “salaisuutta” yhdistämällä malleja. Me myös hienosäätämme mallin jokaiselle asiakkaalle ja heidän tietynsä datansa perusteella, eikä käytä yhtä kokoa kaikille -filosofiaa.

Voitko kertoa, miten SupportLogic mahdollistaa yrityksille paremman asiakasyhteyden käyttämällä avainsignaaleja?

Yksi tärkeimmistä asioista, mitä teemme, on asiakkaan kontekstin poistaminen NLP:llä. Konteksti on hyvin tärkeä, koska konteksti usein häviää tapausten merkintäprosessissa. Voit vain merkintöjä tietyn määrän tietoa näissä järjestelmissä. Olemme erittäin hyviä asiakkaan kontekstin poistamisessa, kuten mitä he ovat pettyneitä, mitä heidän vaikutelmansa on tuotteestamme tai tuesta, tai mitä he yrittävät tehdä tuotteellamme. On monia signaaleja ja konteksteja, joita voidaan poistaa. Tekemällä tämän reaaliajassa ja luomalla työnkulkuja alustassamme, sallimme yritysten toimia asiakkaan signaaleilla ja ennakoida ongelmia ennen kuin se on liian myöhäistä – tarkoitan, ennen kuin asiakas saa hyvin vihaisen tai lähtee lopullisesti.

Onko muita SupportLogic-ohjelmiston ominaisuuksia?

Kun aloitetaan asiakkaan signaaleiden poistaminen vuorovaikutuksista, nämä signaalit ovat hyvin voimakkaita analytiikkaa varten. Meillä on analytiikkamoduuli, joka kertoo, miltä asiakkaan ääni näyttää, perustuen kaikkiin vuorovaikutuksiin. Sitten mennään askelen eteenpäin ja käytetään tietoa aloittaaksesi ennustamisen. Voimme ennustaa, mitä tapahtuu tietyn (asiakkaan) tilillä. Voimme myös ennustaa – asiakkaan tilanteen perusteella – kuka on paras aihekohtainen asiantuntija yrityksessä auttamaan ongelman ratkaisemisessa, ja sitten yhdistää asiakkaan oikeaan henkilöön.

Onko mitään muuta, mitä haluaisit jakaa SupportLogicista?

Yksi yleinen väärinkäsitys, jota ihmisillä on tekoälystä, on, että se on valtava sijoitus, joka on hyvin monimutkainen, eikä näe mitään tuloksia siitä vuoden tai useamman kuukauden kuluessa. Todellisuudessa tekoäly- ja koneoppimisteknologiat ovat kehittyneet paljon, ja ne voivat toimia olemassa olevalla datalla. Ja voit nähdä tulokset muutamassa kuukaudessa, ei vuosissa. Nyt on aika investoida tekoälyyn, koska voit nähdä uskomattomia tuloksia kuukausissa, jotka voivat tuoda suuria hyötyjä organisaatiollesi.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla SupportLogicissa.