Mike Clifton, Co-CEO at Alorica – Haastattelusarja

Mike Clifton on Alorican Co-CEO, joka on maailmanlaajuinen johtaja digitaalisesti voimauttavissa asiakaskokemuksissa (CX). Tässä roolissa Mike valvoo yrityksen digitaalisen muutosstrategian toteutusta – mukaan lukien palkitut AI-tuotteet – jotta voidaan tarjota optimaalinen CX yli kanavien (ääni, chat, web jne.) ja teollisuuksien puolesta FORTUNE 500 -brändeille. Vahvalla asiantuntemuksella ja kokemuksella digitaalisessa innovaatiossa, AI:ssa ja yritysten teknologiassa, Mike on osoittanut kykynsä ajaa voitollista kasvua integroimalla skaalautuvia teknologiaratkaisuja, jotta voidaan vastata muuttuvien markkinoiden vaatimuksiin.

Alorica on maailmanlaajuinen johtaja asiakaskokemus- ja liiketoimintaprosessien ulkoistamisessa, tarjoamalla teknologiaan perustuvia, ihmiskeskeisiä ratkaisuja teollisuuksille kuten pankkitoiminta, terveydenhuolto, vähittäiskauppa ja tietoliikenne. Yli 100 000 työntekijällä yli 17 maassa, yritys hallinnoi miljardeja vuorovaikutuksia vuosittain yli 75 kielellä, tarjoamalla palveluita kuten asiakaspalvelukeskukset, analytiikka, AI-ratkaisut, sisällön valvonta ja takaisin toimisto-operaatiot – kaikki keskittyen ajamaan mitattavia tuloksia asiakkaille.

Teollisuus on siirtymässä automaation sijaan täydentämiseen – miten Alorican strategia heijastaa tätä hybridimallia?

Alorican strategia heijastaa täydentämisen hybridimallia keskittymällä ihmisen agentin suorituskyvyn parantamiseen AI-työkalujen avulla, sen sijaan että ne korvaavat ne. Tämä lähestymistapa varmistaa, että ihmiset pysyvät asiakasvuorovaikutuksien ytimessä, joita tukevat edistyneet teknologiat tehokkuuden ja tehokkuuden parantamiseksi.

Esimerkiksi Alorica on lanseerannut useita edistyneitä ratkaisuja, kuten evoAI, Knowledge IQ, Digital Trust & Safety Model ja CX2GO®. Nämä työkalut on suunniteltu voimistamaan ihmisen agentin suorituskykyä tarjoamalla reaaliaikaisia, kontekstiaavareita vuorovaikutuksia, jotka parantavat tiedon hallintaa ja varmistavat digitaalisen luottamuksen ja turvallisuuden.

Integroimalla AI-työkalut, jotka tarjoavat tunteellisesti älykkäitä ja kontekstiaavareita vuorovaikutuksia useilla kielillä alle sekunnin vastausajoilla, Alorica mahdollistaa agenttien tarjoamisen henkilökohtaista ja tehokasta tukea asiakkaille. Tämä reaaliaikainen vastauskyky kääntyy asiakastuloksiin.

Yleisesti ottaen Alorican strategia korostaa ihmisen agenttien tärkeyttä hyödyntämällä AI:ta heidän kykyjensä parantamiseksi, heijastellen teollisuuden siirtymistä automaation sijaan täydentämiseen.

Voitko jakaa tarkempia esimerkkejä, joissa AI on vahvistanut ihmisen agentin suorituskykyä sen sijaan, että se olisi korvannut sen?

On olemassa monia esimerkkejä vahvistamisesta, joita olemme hyödyntäneet palvelujemme toimittamisessa. Yksi esimerkki on agenttien kyky vuorovaikuttaa tietopohjaan, joka kuuntelee reaaliaikaisia puheita ja kääntää ne automaattiseen vastausmoottoriin, joka kehottaa apua; tämä on voimakas, ennaltaehkäisevä työkalu, jota olemme käyttäneet useissa ratkaisuissa. Toinen esimerkki on keskustelun AI-moottorien käyttäminen parantamaan kykyämme kouluttaa agenteja asiakkaiden vaikeimmissa skenaarioissa. Suorittamalla AI-ohjattuja simulaatioita reaaliaikaisista vuorovaikutuksista, vähennämme stressiä, ja mallit oppivat jatkuvasti – päivittäen agenteja tunteista ja empatiasta, kun he saavat enemmän kokemusta.

Miten seurataan näiden AI-työkalujen suoritusvaikutusta – esimerkiksi ensimmäisen yhteyden ratkaisussa, käsitelyajassa tai agentin tehokkuudessa?

AI-työkalujen seuranta täydentävässä käytössä perustuu suoraan metriikoihin, jotka on määritelty agentille, kuten aiheuttaisivatko työkalut mitään eroa. Ero on kyvyssä ottaa vastaan enemmän puheluita korkeammalla tyytyväisyyden tuotolla ja luottamuksessa ennustaa paremmin työvoiman strategioita, kun on vankkaa tietoa malleista.

Olet lanseerannut useita edistyneitä ratkaisuja tänä vuonna – evoAI, Knowledge IQ, Digital Trust & Safety Model ja CX2GO®. Kuka näistä näet olevan välittömän “supersankarin” vaikutuksen agenttien kannalta, ja miksi?

Sisäinen käyttö evoAI:sta antaa agenteille mahdollisuuden hyödyntää harjoituspuheluita koulutuksessa korkeammalla tilanneherkkyydellä, tarjoamalla suurimman vaikutuksen. Tämän jälkeen tulee Knowledge IQ, joka vahvistaa agentin kykyä löytää oikea vastaus. Nämä kaksi ovat olleet pelinmuuttajia työntekijöidemme kannalta, muuttaen täysin, miten nopeasti ja tarkasti agenttimme voivat vastata asiakkaiden tarpeisiin.

Miten mallien koulutusta ja jatkuvaan oppimiseen lähestyt, jotta varmistat, että AI-järjestelmät pysyvät täsmällisinä ja sopeutuvina asiakkaiden tarpeiden, kielen ja markkinatilanteiden muuttuessa?

Alorican lähestymistapa mallien koulutukseen ja jatkuvaan oppimiseen Alorica IQ:ssa perustuu vahvaan MLOps-kehykseen, jossa tasapainotetaan sääntelyvaatimukset asiakaskokemusoptimoimisen kanssa.

Olemme toteuttaneet monikerroksisen uudelleenkoulutusarkkitehtuurin, joka toimii eri taajuuksilla. Sääntelykriittiset mallimme käyvät läpi päivittäin ja viikoittain suorituskykyä, ja automaattiset laukaisijat uudelleenkoulutukseen, kun sääntelymuutoksia tapahtuu. Asiakaskokemusmallimme hyödyntävät reaaliaikaisia palautusilmoja, jotka keräävät agenttien korjauksia ja asiakastyytyväisyyden arvioita, ja syötetään nämä koulutusputkeen joka 72 tunnissa.

Säilytämme alueellisia GPU-klustereita, jotta varmistamme alle 100 ms viiveen reaaliajassa agenttien avustamiseksi.

Proprietary Compliance Intelligence Layer toimii esteenä, joka validoi automaattisesti AI-tulosteen sääntelykehyksistä kullekin maantieteelle – Euroopassa GDPR:stä Kalifornian CCPA:han, joka edellyttää ranskan kielen ensisijaisuutta. Tämä kerros on jatkuvasti päivitettynä oikeudellisen teknologian tarjoajien ja sääntelysyötteen kautta, varmistaen, että AI-järjestelmämme pysyvät sääntelymukaisina ilman manuaalista väliintuloa.

Asiakaskokemuksen osalta olemme kehittäneet “kulttuurisen kontekstin upottamisen” Alorica IQ:ssa, joka on yrityksen innovaatioincubator. Nämä ovat alueellisia malleja, jotka ymmärtävät kielellisten viestintätapojen lisäksi kulttuurisia kommunikaatiomalleja. Esimerkiksi mallimme tunnistavat, että suoranaisuustasot vaihtelevat merkittävästi saksalaisen ja japanilaisen asiakasvuorovaikutuksessa, ja sovittavat tunteiden havaintaa vastaavasti.

Säilytämme versionoidut mallirekisterit täydellisinä palautusominaisuuksilla, jotta voimme välittömästi palata edellisiin versioihin, jos uusi koulutus esittää odottamattomia käyttäytymisiä. Järjestämme jatkuvasti A/B-testauskehyksen, joka vertaa uusia malliversioita tuotantotason kanssa tuhansien vuorovaikutusten kautta ennen täydellistä käyttöönottoa.

Ennen kaikkea olemme perustaneet Ihmisen Palaute -ohjelman, jossa parhaimmat agenttimme tarkistavat säännöllisesti reunatapauksia ja antavat oikaisupalautea, luoden hyveellisen kehän, jossa ihmisen asiantuntemus jatkuvasti parantaa AI-kykyjämme. Tämä lähestymistapa on vähentänyt sääntelyrikkomuksia 94 prosentilla, kun taas tunteiden havainnointitarkkuus on parantunut 92 prosenttiin kaikilla tuetuilla kielillä.

Alorican evoAI:n kyky tunnistaa ja sopeutua alueellisiin murteisiin ja tunteellisiin vihjeisiin – miten se edistää uusien markkinoiden omaksumista?

Omaksuminen kiihtyy, kun ihmiset tuntevat, että teknologia “ymmärtää” heidät. evoAI menee sanan sananmukaisen käännöksen ulkopuolelle ymmärtämällä slangi, aksentti ja jopa tunteellisen sävyn reaaliajassa.

evoAI:n edistynyt murteiden ja tunteiden tunnistuskyky on muodostunut ensisijaiseksi kilpailuetumme uusien markkinoiden valloittamisessa, ja se kohdistaa suoraan luottamukseen liittyvän aukon, joka usein estää AI:n omaksumisen nousumarkkinoissa.

Teknillisesti evoAI käyttää Acoustic-Linguistic Fusion -mallia, joka prosessoi yhtäaikaisesti fonetiikkaa, prosodiaa ja semanttista sisältöä. Tämä tri-modaalinen lähestymistapa mahdollistaa meille havaita hienoja tunteellisia tiloja, jotka ilmenevät eri kulttuureissa. Esimerkiksi japanilaisilla markkinoilla voimme havaita “honne” ja “tatemae” (oikeat tunteet ja julkisen ilmeen) mikrovariaatioita äänen korkeudessa ja puhetahdissa, kun taas Lähi-idän markkinoilla tunnistamme kunnia- ja häpeädynamiikkaa tiettyjen lauseiden rakenteiden ja painotusten kautta.

Murteiden tunnistus ei rajoitu pelkästään aksentin havaitsemiseen. evoAI ylläpitää dynaamisia murteiden karttoja, jotka ymmärtävät sosioekonomisia indikaattoreita, jotka on upotettu puhetyyleihin. Intiassa esimerkiksi järjestelmä tunnistaa, onko joku puhuu tamilia vai telugua, ja voi tunnistaa koulutustausta ja kaupungin ja maaseudun alkuperän, jotta agenteille voidaan sovittaa viestintätapausta vastaavasti. Tämä hienojakoinen ymmärrys on osoittanut 67 prosentin kasvun asiakastiedon luottamuksessa pilottiohjelmissa.

Tunteellisen älykkyyden kerros käyttää Kontekstuaalista Emoatioverkkoa, joka kartoittaa tunteellisia polkuja koko keskustelun ajan eikä pelkästään hetkellistä mielialaa. Tämä mahdollistaa evoAI:lle ennustaa tunteellista eskalaatiota 30 sekuntia ennen sen tapahtumista 89 prosentin tarkkuudella, antaen agenteille tärkeitä hetkiä puuttua tunteellisiin de-eskalaatiotekniikoita, jotka on suunniteltu kulttuurin mukaan.

Uusien markkinoiden omaksumiseksi meillä on “Progressiivinen lokalisaatio” -strategia Alorica IQ:ssa. Aloitan perusmallilla, joka on koulutettu kohdemarkkinoiden medi sisällöstä, sosiaalisesta mediasta ja julkisesta keskustelusta. Käyttöönoton 30 päivän kuluessa evoAI sopeutuu paikallisiin asiakasvuorovaikutuksiin Aktiivisen oppimisputken kautta, joka priorisoi oppimista keskusteluista, joissa on suurin tunteellinen variaatio. 90 päivän kuluttua mallimme saavuttavat 95 prosentin tarkkuuden murteiden tunnistamisessa ja 88 prosentin tunteiden havainnoinnissa.

Liiketoimintavaikutus olisi merkittävä. Tutkimuksemme osoittavat, että evoAI:n kyky tunnistaa ja vastata kairelaisiin ja aleksandrialaisiin murteisiin yhdistettynä asianmukaiseen kulttuuriseen kohteliaisuuteen vähentäisi tyypillisen 6 kuukauden markkinoiden valloittamisen ajan 8 viikkoon. Asiakasluokan kustannukset voivat laskea jopa 45 prosentilla, kun suusanalliset suositukset lisääntyvät luonnollisten, kulttuurisesti tietoisten vuorovaikutusten kautta.

evoAI:n tunteellinen sopeutumiskyky avaa kokonaan uusia palvelukategorioita. Olemme esittäneet hypoteesin, että mielenterveyden tukipalvelu, jota ohjaa evoAI, voisi auttaa tunnistamaan masennuksen ja ahdistuksen varhaisia merkkejä luonnollisista ilmaisutavoista, mahdollistaen aikaisen puuttumisen ja eskaloimisen terveyden ja hyvinvoinnin tiimiimme – varmistaen aina agenttien hyvinvoinnin.

Tämä teknologinen etu kääntyy suoraan markkinoiden omaksumiseen: alueet, jotka käyttävät evoAI:n täydellistä murteen ja tunteiden kykyä, näyttävät 3,2-kertaisen nopeamman omaksumisen verrattuna standardi-AI-käyttöönottoihin, ja agenttien tyytyväisyyden arviot paranevat 78 prosentilla, kun he tuntevat itsensä varmemmiksi kulttuurisesti monimuotoisten vuorovaikutusten käsittelyssä.

Miten lähestyt mallien uudelleenkoulutusta ja jatkuvaan oppimista, jotta varmistat, että AI-järjestelmät pysyvät sääntelyvaatimusten ja asiakastarpeiden mukaisina?

Alorican lähestymistapa mallien koulutukseen ja jatkuvaan oppimiseen on perusteltu vahvaan MLOps-kehykseen, jossa sääntelyvaatimukset ja asiakaskokemusoptimoiminen ovat tasapainossa.

Olemme toteuttaneet monikerroksisen uudelleenkoulutusarkkitehtuurin, joka toimii eri taajuuksilla. Sääntelykriittiset mallimme käyvät läpi päivittäin ja viikoittain suorituskykyä, ja automaattiset laukaisijat uudelleenkoulutukseen, kun sääntelymuutoksia tapahtuu. Asiakaskokemusmallimme hyödyntävät reaaliaikaisia palautusilmoja, jotka keräävät agenttien korjauksia ja asiakastyytyväisyyden arvioita, ja syötetään nämä koulutusputkeen joka 72 tunnissa.

Säilytämme alueellisia GPU-klustereita, jotta varmistamme alle 100 ms viiveen reaaliajassa agenttien avustamiseksi.

Proprietary Compliance Intelligence Layer toimii esteenä, joka validoi automaattisesti AI-tulosteen sääntelykehyksistä kullekin maantieteelle – Euroopassa GDPR:stä Kalifornian CCPA:han, joka edellyttää ranskan kielen ensisijaisuutta. Tämä kerros on jatkuvasti päivitettynä oikeudellisen teknologian tarjoajien ja sääntelysyötteen kautta, varmistaen, että AI-järjestelmämme pysyvät sääntelymukaisina ilman manuaalista väliintuloa.

Asiakaskokemuksen osalta olemme kehittäneet “kulttuurisen kontekstin upottamisen” Alorica IQ:ssa, joka on yrityksen innovaatioincubator. Nämä ovat alueellisia malleja, jotka ymmärtävät kielellisten viestintätapojen lisäksi kulttuurisia kommunikaatiomalleja. Esimerkiksi mallimme tunnistavat, että suoranaisuustasot vaihtelevat merkittävästi saksalaisen ja japanilaisen asiakasvuorovaikutuksessa, ja sovittavat tunteiden havaintaa vastaavasti.

Säilytämme versionoidut mallirekisterit täydellisinä palautusominaisuuksilla, jotta voimme välittömästi palata edellisiin versioihin, jos uusi koulutus esittää odottamattomia käyttäytymisiä. Järjestämme jatkuvasti A/B-testauskehyksen, joka vertaa uusia malliversioita tuotantotason kanssa tuhansien vuorovaikutusten kautta ennen täydellistä käyttöönottoa.

Ennen kaikkea olemme perustaneet Ihmisen Palaute -ohjelman, jossa parhaimmat agenttimme tarkistavat säännöllisesti reunatapauksia ja antavat oikaisupalautea, luoden hyveellisen kehän, jossa ihmisen asiantuntemus jatkuvasti parantaa AI-kykyjämme. Tämä lähestymistapa on vähentänyt sääntelyrikkomuksia 94 prosentilla, kun taas tunteiden havainnointitarkkuus on parantunut 92 prosenttiin kaikilla tuetuilla kielillä.

Näkemys vuoden 2025 jälkeen, mitä näet seuraavaksi eturintamaksi ihmiskeskeisessä AI:ssa asiakaskokemuksessa?

Seuraava eturintama on keskustelun AI:n, agenteiden AI:n ja neuroverkkojen yhdistäminen orkestraatiotasolle, joka ei ole aiemmin toteutettu. Tämä uudelleenmuotoilee, miten teemme liiketoimintaa. Orkestraatio ei ole enää ihmisen ja koneen välillä; se on koneiden välillä tai tuhansien koneiden välillä samanaikaisesti.

Kuvittele olet suunnittelemassa liikematkaa: vierailet verkkosivustolla valitsemaan lentoyhtiön, sitten varaat hotellin, järjestät kuljetuksen, aiot illallista ja suunnittelet paluun. Tämä on yksinkertainen esimerkki yhden kysymyksen esittämisestä ja antamisesta integroiduille boteille – voimalla neuroverkkoa – prosessoida kaikki saatavilla olevat vaihtoehdot ja rakentaa monivalintavastaus, jonka voit valita. Tässä mallissa orkestraatio on neuroverkko, agenteiden AI voimaa boteissa, ja keskustelu on vastaus.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Alorica:ssa.