Yandong Liu, Connectlyn perustaja ja CTO – Haastattelusarja

Yandong Liu on Connectly.ai:n perustaja ja CTO. Hän työskenteli aiemmin Stravalla CTO:nä. Yandong Liu kävi Carnegie Mellon Universitya.

Perustettu vuonna 2021, Connectly on johtava conversational artificial intelligence (AI) -yritys. Käyttämällä omia AI-malleja, Connectlyn alusta automatisoi, miten yritykset viestivät asiakkaidensa kanssa ja myyvät tuotteitaan kaikilla viestintäalustoilla. Connectly mahdollistaa koko asiakaspolun – myyntiin ja markkinointiin, asiakaskokemukseen ja tukeen – suorittamisen asiakkaan valitsemalla viestintäalustalla.

Voitko kertoa Connectlyn syntytarinan?

Connectly syntyi visiosta tulla johtavaksi conversational AI:ksi. Minun perustajakumppani, Stefanos, ja minä tapasimme yhteisen ystävän kautta perustajayhteisössä ja yhdistimme yhteisen intohimomme viestintäalustojen tulevaisuudesta. Taustani johtotehtävistä Stravalla ja Uberilla ja Stefanosin kokemus Facebook (META ) Messengerin parissa, lähdimmekin luomaan tulevaisuuden AI-pohjaista infrastruktuuria, joka auttaa yrityksiä hyödyntämään parhaalla tavalla asiakasviestejään yhä monimutkaisemassa ekosysteemissä.

Mitä ovat Small Language Models (SLM) ja miten ne eroavat Large Language Models (LLM) -malleista?

SLM-mallit on suunniteltu ymmärtämään ja generoimaan ihmisen kieltä, mutta niillä on vähemmän parametreja ja laskentavaatimuksia verrattuna LLM-malleihin. AI-markkinointiratkaisuissa viestintäalustoille, kuten WhatsAppille ja Instagramille, SLM-mallit tarjoavat nopeamman vastausajan ja ne voidaan helposti ottaa käyttöön monilla laitteilla, mikä tekee niistä ihanteellisia reaaliaikaisiin asiakasvuorovaikutuksiin. Niiden pienempi koko mahdollistaa tehokkaan suorituskyvyn ilman vastauslaadun heikentymistä.

Voitko keskustella siitä, miten SLM-mallit vähentävät “hallusinaatioiden” todennäköisyyttä ja parantavat AI-vastauksien luotettavuutta?

SLM-mallit vähentävät “hallusinaatioiden” – tapausten, joissa AI luo virheellistä tai järjetöntä tietoa – todennäköisyyttä keskittymällä pienempään, hallitumpaan parametriryhmään. AI-pohjaisissa markkinointiratkaisuissa SLM-mallit varmistavat enemmän ennustettavat ja luotettavat vastaukset, jotka parantavat asiakastietoutta ja -sitoutumista. SLM-mallien vähäinen monimutkaisuus minimoi virheellisen tai asiattoman sisällön mahdollisuuden, parantaen siten koko AI-vuorovaikutuksen luotettavuutta.

Voitko selittää, miksi SLM-mallit ovat erityisen hyödyllisiä vähittäiskauppiaille, etenkin chatbotien yhteydessä?

LLM-mallit ovat usein hitaita, koska niille syötetään suuria määriä dataa. Viestintä- ja conversational commerce -sovelluksissa nopea vastausaika on kuitenkin tärkeä asiakkaiden paremman palvelun kannalta. Vähittäiskauppiaille SLM-mallit ovat käytännöllisempiä ja hyödyllisempiä johtuen yksityiskohtaisuudesta, jonka ne voivat tarjota vähittäiskaupan alalla. Lisäksi SLM-mallit ovat usein edullisempia, koska ne ovat joustavampia, mikä mahdollistaa jokaisen vähittäiskaupan yrityksen, pienestä startupista suureen verkkokauppaan, hyödyntämisen.

Miten SLM-mallit tarjoavat asiakkaille enemmän personoidun kokemuksen verrattuna LLM-malleihin?

SLM-mallit tarjoavat asiakkaille enemmän personoidun kokemuksen, koska ne ovat helpompia mukauttaa tiettyihin tehtäviin ja aihealueisiin. Niiden pienempi koko mahdollistaa nopeamman ja tehokkaamman mukauttamisen, mikä mahdollistaa yritysten räätälöidä malleja asiakkaidensa yksilöllisten tarpeiden ja mieltymysten mukaan. Tämä kohdennettu mukauttaminen johtaa merkityksellisempiin ja personoituun asiakasvuorovaikutukseen, parantaen siten asiakaskokemusta.

Miten Connectly integroi SLM-malleja alustaan parantaakseen e-commerce-ominaisuuksia?

Integroidaksemme SLM-malleja alustaan, hyödyntämmekin niiden tehokkuutta ja sopeutumiskykyä. Nämä mallit mahdollistavat nopean ja tarkan asiakasvuorovaikutuksen viestintäalustoilla, kuten WhatsAppilla ja Instagramilla, tarjoten personoituja tuotesuosituksia ja välitöntä asiakastukea. SLM-mallien kevyt luonne varmistaa, että vastaukset ovat nopeita ja relevantteja, parantaen siten koko asiakaskokemusta ja lisäten sitoutumista.

Mitä ovat joitain konkreettisia esimerkkejä siitä, miten vähittäiskauppiat ovat onnistuneesti käyttäneet SLM-malleja liiketoiminnassaan?

Asiakkaamme ovat saavuttaneet suurta menestystä SLM-mallien avulla. Muotivähittäiskauppias käyttää SLM-malleja tarjoamaan personoituja stylistiikkaneuvontapalveluita WhatsAppin kautta, suositellen asukokonaisuuksia asiakkaan aiempien ostosten ja mieltymysten perusteella. Vastaavasti, elektroniikkavähittäiskauppias on ottanut käyttöön SLM-mallit Instagramissa vastatakseen asiakkaiden kysymyksiin tuotteen ominaisuuksista ja saatavuudesta reaaliajassa, parantaen ostokokemusta ja vähentäen asiakastukitiimin työtaakkaa.

Miksi vähittäiskauppioiden tulisi harkita siirtymistä LLM-malleista SLM-malleihin liiketoimintakohtaisiin sovelluksiin?

Vähittäiskauppioiden tulisi harkita siirtymistä LLM-malleista SLM-malleihin liiketoimintakohtaisiin sovelluksiin SLM-mallien lisääntyneen tehokkuuden ja kustannusvaikuttavuuden vuoksi. SLM-mallit ovat nopeampia, edellyttävät vähemmän laskentatehoa ja voidaan helposti mukauttaa tiettyihin tehtäviin, mikä tekee niistä ihanteellisia reaaliaikaisiin asiakasvuorovaikutuksiin viestintäalustoilla, kuten WhatsAppilla ja Instagramilla. Tämä siirtymä voi johtaa vastaanotollisempaan ja personoituun asiakaspalveluun samalla, kun se vähentää toimintakustannuksia.

Mitä tulevaisuuden kehityksiä SLM-tekniikassa sinä olet eniten innoissasi?

Olen eniten innoissani SLM-tekniikan kehityksistä, jotka parantavat niiden tehokkuutta ja tarkkuutta. Esimerkiksi parannukset siirtymällä oppimisessa ja hienosäätelytekniikoissa mahdollistavat SLM-mallien tulevan entistä osaavammaksi tietyissä tehtävissä vähäisellä datalla. Lisäksi SLM-mallien integrointi monimodaalisiin ominaisuuksiin – yhdistäen teksti-, ääni- ja kuvadataa – mahdollistaa rikkaammat ja vuorovaikutteisemmat asiakaskokemukset alustoilla, kuten WhatsAppilla ja Instagramilla. Nämä kehitysaskeleet tekevät SLM-malleista entistä arvokkaampia vähittäiskauppiaille, jotka etsivät tapoja tarjota personoituja ja osallistavia asiakasvuorovaikutuksia.

Miten näet SLM-mallien omaksumisen kehittyvän seuraavien vuosien aikana vähittäiskaupan alalla?

 Näen SLM-mallien omaksumisen kasvavan merkittävästi vähittäiskaupan alalla. Kun vähittäiskauppiat jatkavat etsimistä tehokkaampia ja kustannustehokkaampia keinoja asiakkaidensa palvelemiseen, SLM-mallien nopeus ja sopeutumiskyky tulevat olemaan yhä arvokkaampia. SLM-mallit tulevat olemaan laajemmin osa asiakaspalvelualustoja, markkinointikampanjoita ja personoituja ostokokemuksia viestintäsovelluksilla, kuten WhatsAppilla ja Instagramilla, jopa TikTokissa. Tämä muutos auttaa vähittäiskauppoja tarjoamaan nopeampia ja personoituja vuorovaikutuksia, parantaen siten asiakastyytyväisyyttä ja uskollisuutta.

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