Rana Gujral, Behavioral Signalsin CEO – Haastattelusarja

Rana Gujral on Behavioral Signalsin CEO, joka siltaa viestintäkuilun ihmisten ja koneiden välillä tuomalla emotionaalisia älykkyyksiä puheesta AI:lle.

Behavioral Signals on suhteellisen nuori startup, joka perustettiin vuonna 2016. Voisitko kertoa yrityksen syntytarinan?

Toimitusjohtaja Alex Potamianos ja Chief Scientist Shri Narayanan perustivat Behavioral Signalsin vuonna 2016. Heidän intohimonsa oli tuoda yrityksen uraauurtavat, patentoidut puheesta tunteisiin ja puheesta käyttäytymiseen liittyvät teknologiat markkinoille. Shri on Andrew J. Viterbi Professor of Engineering Etelä-Kalifornian yliopistossa (USC). Hän on perustanut ja johtaa tällä hetkellä Signal Analysis and Interpretation Laboratory (SAIL) -laboratoriota USC:ssa. Alex on arvostettu innovaattori puheen ja luonnollisen kielen prosessoinnin, interaktiivisten äänivastausjärjestelmien ja käyttäytymisen tiedon alalla. Hänellä on yli 20 vuoden johtokokemus sekä yritys- että yrittäjäpuolella, ja hänen taustansa kattaa työskentelyn AT&T Labs-Research, Bell Labs ja Lucent Technologies -yrityksissä.

Tavoitteena on parantaa ja muuttaa liiketoimintaa teknologian avulla. Behavioral Signalsin algoritmit analysoivat ihmisten tunteita ja käyttäytymistä, muuttavat tiedot käyttökelpoiseksi informaatioksi ja auttavat parempien liiketoimintapäätösten tekemisessä ja voiton lisäämisessä. Tähän asti on katsottu, että ihmisten tunteita on mahdoton mitata ja mitata. Patentoidulla analytiikkamme avulla mitataan ja tulkitaan “miten” -osa ihmisten vuorovaikutuksista.

Behavioral Signals perustuu tietynlaiseen koneoppimiseen, jota kutsutaan affektiiviseksi laskennaksi (tunne-AI). Voisitko selittää, mitä tämä on?

Emotionaaliset älykkyydet, jotka tunnetaan myös Emotion AI:na tai affektiivisena laskentana, kehitetään koneiden luomiseksi, jotka pystyvät lukemaan, tulkitsemaan, reagoimaan ja jäljittelemään ihmisten tunteita. Mitä tämä merkitsee kuluttajille? Se tarkoittaa, että laitteesi, kuten älypuhelin tai älykaiutin, voivat tarjota sinulle vuorovaikutusta, joka tuntuu luonnollisemmalta kuin koskaan aiemmin, vain lukemalla äänesi emotionaaliset vihjeet.

Kun riippuvuutemme AI:sta kasvaa, kasvaa myös tarve emotionaalisesti älykkäistä AI:sta. On yksi asia pyytää virtuaaliavustajaltasi lukemaan sinulle tänään pelipäivän tulokset, mutta se on kokonaan eri asia luottaa vanhempiasi hoitavan AI-ohjatun botin hoitoon. Tällä hetkellä AI voi tehdä uskomattomia asioita, kuten diagnosoida lääketieteellisiä olosuhteita ja määritellä hoitotoimenpiteitä, mutta sille tarvitaan edelleen emotionaalisia älykkyyksiä viestimään potilaiden kanssa inhimillisemmällä tavalla.

Mitä muita koneoppimisen teknologioita käytetään?

Koneoppimisessa käytämme pääasiassa syvää oppimista ja NLP:ää Behavioral Signals -prosessointianalytiikkamalleissamme. Selittääkseni tätä paremmin, olemme uranuurtajia Behavioral Signal Processing -alalla, joka perustuu yli kymmenen vuoden palkitulle ja patentoidulle tutkimukselle, jolla voidaan automaattisesti havaita äänen sisältämä tieto ja mitata ihmisten vuorovaikutuksen laatua. Tämä on uusi tieteenala, joka yhdistää tekniikkaa ja käyttäytymistieteitä ja pyrkii mittaamaan ja tulkitsemaan ihmisten vuorovaikutusta ja viestintää tekniikan ja laskennan innovaatioiden avulla. Syvä oppiminen on työkalu, joka auttaa luomaan parempia ennustemalleja.

Mitä tyyppiä dataa kerätään äänen sävystä?

Meidän syvä oppimisen AI-teknologia analysoi, mitä ja miten jotain sanotaan, molemmin puolin keskustelua, mitaten tunteita ja käyttäytymistä. Tunteiden kirjo on hyvin monipuolinen, mutta mitä lopulta merkitsee, on tämän analyysin kokonais älykkyys. Esimerkiksi keskustelussa pankin työntekijän ja asiakkaan välillä voimme havaita ja mitata kohteliaisuutta, rauhallisuutta (järkevää vs. ärsyyntynyttä), empatiaa asiakkaan kohtaan, asiakkaan reaktioita ja puhetapaa, kuten hitaasti, nopeasti, osallistuvasti tai etäisyyttä, jotta voimme laskea keskustelun laadun, tuloksen tehokkuuden ja työntekijän suorituskyvyn.

Mitä tyyppiä data-analyysiä tehdään aikeen ennustamiseksi?

Aikeen ennustaminen on hyvin samankaltaista kuin mitä on jo mainittu. Käytämme käyttäytymisen signaaleja äänessä ennustamaan asiakkaan aikomusta ostaa tuote, uusia tilausta tai maksaa velkaa. Aikeen ennustaminen voi auttaa yrityksiä lisäämään myyntiään ja keräämään varoja, alentamaan kustannuksiaan ja lopulta parantamaan asiakastyytyväisyyttä.

Behavioral Signals on voittanut kuusi kertaa INTERSPEECH -palkinnon ihmisten vuorovaikutuksen ja laskennallisen paralingvistiikan haasteessa. Mitä tämä haaste on ja miten merkittävä saavutus tämä on?

Interspeech on maailman suurin tekninen konferenssi, joka keskittyy puheen prosessointiin ja sovelluksiin. Se on suurin osallistujamäärä tällä alalla ja siinä esitetään runsaasti tutkimusartikkeleita. Konferenssi korostaa monitieteisiä lähestymistapoja, jotka käsittelevät kaikki puheen tieteen ja tekniikan osa-alueet, aina perusteoriasta sovelluksiin. Haasteet ovat kuin Turing-palkinto puheentunnistuksessa ja luonnollisen kielen prosessoinnissa. Voittaminen on tärkeä tunnustus tieteellisestä työstämme ja ainutlaatuisesta kyvystämme havaita äänidatasta käyttäytymiseen ja ominaisuuksiin liittyviä signaaleja, jotka ohjaavat ihmisten päätöksentekoa.

Kuinka nopeasti Behavioral Signals voi sopeutua eri kielisiin ympäristöihin, ja miten suuri datatieto tarvitaan?

Meidän teknologia on kieliriippumaton. Kuuntelemme, miten jotain sanotaan, ei sitä, mitä sanotaan. Kuuntelemme ilmaistuja tunteita, jotka ovat melko universaaleja kaikissa kielissä. Tietysti jokaisella kielellä on omat ainutlaatuiset piirteensä, jotka saattavat vaatia algoritmiemme säätämistä, mutta ero ennustemalleissamme on yleensä pieni.

Voitko keskustella Behavioral Signalsin uusimmasta ratkaisusta, AI-välitteisestä keskustelusta?

AI-välitteinen keskustelu (AI-MC) on automaattinen puhelun reititysratkaisu, joka käyttää emotionaalisia älykkyyksiä ja äänidataa parhaan työntekijän valitsemiseksi asiakkaan keskustelun käsittelyyn. Jos palataan edellä mainittuun esimerkkiin pankin työntekijästä ja asiakkaasta, teknologiamme voi ohjata keskusteludynamiikkaa lopputuloksen parantamiseksi, olipa se sitten parempi asiakaskokemus, lisääntyneet keräämiset tai nopeammat ratkaisuajat. Mikä tahansa tavoite, on aina katalysaattori, joka mahdollistaa molemmille osapuolille päästä haluttuun tulokseen. Tämä katalysaattori on yksinkertainen ja luonnollinen ihmisten välinen prosessi: suhde tai yhteys, jota kehittyy ihmisten välille. Riippumatta liiketoimintaviestinnän tyypistä (myyntipuhelu, tuki, kerääminen), se on aina todellisten ihmisten välinen vuorovaikutus, jossa harvoin suhde on identtinen kahta ihmisparia kohti. Meillä on tiettyjä käyttäytymismalleja ja ominaisuuksia, jotka auttavat meitä tulkitsemaan toisia ihmisiä paremmin kuin toisia. Tämä vastaavuus perustuu profiilidataan ja meidän yli vuosien ajan kehittämiin algoritmeihimme NLP:stä ja Behavioral Signal Processing -tutkimuksesta.

Viimeksi toteutin Behavioral Signalsin AI-MC-ratkaisun EU-pankin asiakaspalvelun tehostamiseksi. Tapaus tutkittiin Gartnerissa ja se sisällytettiin heidän Emotion AI -raporttiinsa. Ratkaisu osoitti merkittävän tuoton 20 %:n kasvun aktiivisissa velan uudelleenjärjestelyhakemuksissa. Lisäksi tämä parannus saavutettiin 7,6 %:n vähemmällä puheluilla, mikä johti lisäkustannussäästöihin. Absoluuttisissa luvuissa nämä tulokset vastasivat 300 miljoonan dollarin nousua pankille.

Onko jotain muuta, mitä haluaisit jakaa Behavioral Signalsista?

Vaikka olemme ylpeitä tutkimuksellisista saavutuksistamme, olemme yhtä kiitollisia alan tunnustuksista. Syksyllä 2019 teknologiamme listattiin Gartnerin arvostetussa Maverick-tutkimuksessa, joka profiloaa ääriviivaisia teknologioita. Tänä vuonna sisällytimme Gartnerin Hype Cycle -raporttiin, jossa teknologiamme arvioitiin “muodonmuuttuvaksi”. Viime kuussa listattiin Gartnerin Cool Vendor 2020 -listalle.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Behavioral Signals -sivustolla.