Nikola Mrksic, co-fondateur et PDG de PolyAI – Série d’entretiens

Nikola Mrksic est co-fondateur et PDG de PolyAI, un fournisseur leader d’assistants vocaux pour le service client automatisé.

Qu’est-ce qui vous a initialement attiré vers l’IA ?

J’ai toujours été intéressé par les maths et l’informatique depuis très jeune. Pendant mes études à Cambridge, j’ai eu l’occasion de travailler avec plusieurs chercheurs en apprentissage automatique de premier plan, notamment Steve Young et Zoubin Ghahramani. Steve m’a convaincu de rejoindre sa startup, VocalIQ, pour travailler sur la construction de systèmes de dialogue parlé. Plus tard, j’ai fait un doctorat avec Steve, travaillant sur la construction de modèles de compréhension du langage basés sur les données qui fonctionnent sur différents cas d’utilisation et langues. L’IA conversationnelle est un domaine de travail vraiment difficile et complexe, avec de nombreux percées scientifiques et techniques encore à venir, et cela m’a occupé depuis.

En 2017, vous avez lancé PolyAI, une entreprise d’IA conversationnelle, pouvez-vous discuter de l’histoire de la création de PolyAI ?

Mes co-fondateurs, Shawn Wen, Eddy Su et moi avons fait nos doctorats à Cambridge en même temps. Nous avons travaillé sur les systèmes de dialogue pendant des années, mais nous avons bientôt réalisé que les systèmes sophistiqués sur lesquels nous travaillions avaient très peu d’applications commerciales. Nous nous sommes donc réunis pour créer une solution d’IA conversationnelle qui serait bénéfique dans le monde réel. Nous avons vu une opportunité pour des systèmes de dialogue vraiment conversationnels, multi-tours, transactionnels qui pourraient interagir avec des personnes réelles dans la vie quotidienne.

Nous nous sommes concentrés sur le service client car nous pensions que les capacités technologiques et les besoins des clients étaient bien adaptés.

Pouvez-vous discuter des technologies d’apprentissage automatique et de traitement du langage naturel utilisées ?

Notre secret principal est notre ensemble de modèles d’encodeurs propriétaires différents. Nous les avons pré-entraînés sur des milliards de conversations naturelles, afin qu’ils puissent extraire l’intention même lorsque la parole utilise des expressions idiomatiques ou des argots, par exemple. C’est extrêmement important pour communiquer au téléphone. Les clients ne parlent pas en mots clés ; ils racontent des histoires, interrompent, posent des questions et veulent généralement prendre le contrôle de la conversation.

Nous avons récemment annoncé notre modèle ConVEx, un extracteur d’entités extrêmement efficace en termes de données, qui nous permet d’extraire des valeurs des conversations avec précision.

Notre processus d’orchestration de la reconnaissance vocale implique l’utilisation de plateformes de reconnaissance vocale pour neutraliser le bruit causé par les différents accents, ainsi que la fine-tuning pour différents contextes.

Nous avons également développé une bibliothèque de politiques de dialogue assez robuste avec des cas d’utilisation pré-conçus qui incluent toutes les transactions de service client courantes, afin que nous puissions mettre en place un nouvel assistant vocal pour les clients extrêmement rapidement.

Qu’est-ce qui différencie, selon vous, un bon produit d’IA conversationnelle d’un mauvais ?

Un bon produit comprendra constamment ce que les utilisateurs veulent dire et ne les fera jamais répéter. Les appels téléphoniques se produisent souvent dans des environnements bruyants, les produits doivent donc être résistants aux entrées désordonnées. À mesure que les marques s’adressent à de grands marchés, les produits doivent comprendre une variété d’accents et de façons de formuler les intentions. Les deux nécessitent des produits pour garantir des capacités de reconnaissance vocale robustes, une classification d’intention résistante et une extraction d’entités.

Un excellent produit sera activement engageant pour les utilisateurs. Il suivra la train de pensée de l’utilisateur et sera capable de gérer des cas complexes, quotidiens, où les utilisateurs peuvent partager plusieurs intentions et pièces d’information simultanément, et ils peuvent sauter entre différents contextes. Cela nécessite une classification multi-étiquettes robuste et une gestion de contexte.

Un produit engageant affichera des caractéristiques humaines sans être trop robotique. Cela signifie des interactions rapides, des voix authentiques, des signaux de rétroaction continus et un certain degré d’aléatoire et d’imperfections.

Enfin, un excellent produit d’IA conversationnelle interagira avec les utilisateurs où qu’ils soient et offrira une expérience fluide, spécifique à la plateforme, qui peut s’étendre sur la voix, le SMS, le chat ou les plateformes de messagerie sociale. Le paradigme d’interaction doit embrasser la spécificité de chaque plateforme de communication.

Quels sont les avantages pour les entreprises d’utiliser l’IA conversationnelle au lieu d’essayer de canaliser les demandes vers les chatbots ?

L’expérience client est critique et est devenue un facteur clé de rétention. La priorité absolue devrait être de faciliter la tâche des clients.

Le téléphone est toujours le canal préféré des clients pour contacter une entreprise. Jusqu’à 65 % de toutes les interactions client se produisent encore au téléphone. Pendant la pandémie de COVID-19, les centres de contact ont été poussés à l’extrême avec plus de clients que jamais qui appellent pour obtenir de l’aide.

Bien sûr, une expérience exceptionnelle permet aux clients de communiquer comme ils le souhaitent, donc pour ceux qui préfèrent les communications asynchrones, nous rendons simple pour les marques d’offrir le même niveau d’expérience sur les canaux textuels.

Quel est le défi de détecter l’intention de ce que le client essaie de dire ?

Il y a un certain nombre de défis pour comprendre les clients via les canaux vocaux. Comprendre avec précision et constamment le sens des utilisateurs nécessite de nombreux composants pour fonctionner bien ensemble.

Tout d’abord, la reconnaissance vocale est difficile, notamment lorsque les gens appellent depuis des environnements bruyants, comme lorsqu’ils sont sur haut-parleur, ou lorsqu’ils conduisent dans la circulation ou les tunnels. La reconnaissance vocale peut également être difficile dans les régions avec des accents et des dialectes différents. Nous avons développé un moyen efficace de biais de reconnaissance vocale pour le contexte donné afin d’optimiser la reconnaissance vocale.

Puisque notre modèle ConveRT a été entraîné sur une telle quantité massive de conversations, il peut détecter l’intention sur des signaux faibles, tout comme les humains peuvent généralement comprendre ce que quelqu’un dit, même s’ils manquent un ou deux mots.

Une autre considération est de comprendre lorsque les utilisateurs veulent effectuer plusieurs actions à la fois. Par exemple, quelqu’un pourrait dire : « J’ai perdu ma carte. Pouvez-vous me dire si elle a été utilisée et la bloquer ? ». Dans ce cas, le modèle doit reconnaître deux intentions et agir dessus dans un ordre qui a du sens.

Le modèle doit également être capable d’extraire et de comprendre les entités fournies par les clients. Par exemple, « Avez-vous une table pour samedi midi pour moi, ma femme et nos 2 enfants ? ». L’intention de surface ici est de vérifier la disponibilité d’une table, mais le modèle doit extraire la date (samedi) et le nombre de personnes (4) et toute autre information potentielle pertinente (peut-être que les enfants ne sont pas autorisés dans la zone du restaurant et ne peuvent pas être assis au bar).

Enfin, la conversation n’est pas toujours linéaire. Les clients peuvent interrompre avec des questions non liées à la invite de l’assistant vocal, donc l’assistant doit être capable d’« écouter » un type d’entrée, tout en étant ouvert à différents déclencheurs tels que des questions fréquentes ou des modifications d’informations fournies précédemment par l’utilisateur.

Quel est le processus et le calendrier requis pour une entreprise qui souhaite lancer un bot d’IA conversationnelle avec PolyAI ?

Nous sommes là pour fournir des assistants vocaux ayant un impact commercial tangible. Nous commençons donc chaque engagement avec une découverte où nous aidons les clients à identifier et à articuler leurs objectifs de CX, leurs indicateurs clés et leurs processus de support. C’est là que nous définissons les parcours que l’assistant vocal devra guider les clients à travers. Cela, ainsi que notre modèle ConveRT pré-entraîné, signifie que nous n’avons pas besoin de grandes quantités de données conversationnelles des clients.

À partir de là, nous pouvons développer un assistant vocal avec très peu d’entrée nécessaire de la part du client, donc cela ne demande pas beaucoup d’efforts de la part des équipes IT internes.

En fonction de la complexité, nous pouvons créer une preuve de valeur en seulement 2 semaines, et un déploiement complet en 2 mois.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter PolyAI.