Ofer Ronen, Co-Fondateur et PDG de Tomato.ai – Série d’entretiens

Ofer Ronen est le co-fondateur et PDG de Tomato.ai, une plateforme qui propose un filtre de voix alimenté par l’IA pour adoucir les accents des voix des agents offshore lorsqu’ils parlent, ce qui se traduit par une amélioration des métriques de satisfaction client (CSAT) et des ventes.

Ofer a précédemment vendu trois startups technologiques, deux à Google (GOOGL ) et une à IAC. Il a passé les cinq dernières années chez Google à développer des solutions d’IA pour les centres de contact au sein de l’incubateur Area 120. Il a conclu plus de 500 millions de dollars de transactions pour ces nouvelles solutions. Il détient un master en ingénierie informatique avec une spécialisation en IA de l’Université du Michigan, ainsi qu’un MBA de Cornell.

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

L’IA a une longue histoire de débuts et d’arrêts. Des périodes où il y avait beaucoup d’espoir pour que la technologie transforme les industries, suivies de périodes de désillusion parce qu’elle n’a pas tout à fait répondu à l’hype.

Lorsque j’ai fait un master en IA il y a quelques décennies, à l’Université du Michigan, c’était une période de désillusion, où l’IA n’avait pas tout à fait d’impact. J’étais intrigué par l’idée que les ordinateurs pouvaient être enseignés à effectuer des tâches grâce à des exemples plutôt que par des règles traditionnelles, qui nécessitent de réfléchir à quelles instructions explicites fournir. À l’époque, je travaillais dans un laboratoire de recherche en IA sur des agents virtuels qui aidaient les enseignants à trouver des ressources en ligne pour leurs classes. À l’époque, nous n’avions pas les grandes données, les ressources de calcul puissantes ou les réseaux de neurones avancés que nous avons aujourd’hui, donc les capacités que nous avons construites étaient limitées.

De 2016 à 2019, vous avez travaillé chez Google dans l’incubateur Area 120 pour concevoir des agents virtuels très robustes pour les plus grands centres de contact. Quelle était cette solution précisément ?

Plus récemment, j’ai travaillé chez Google dans l’incubateur Area 120 sur certaines des plus grandes déploiements d’agents virtuels vocaux, notamment sur quelques projets pour des entreprises du Fortune 50 avec plus de cent millions d’appels de support par an.

Pour construire des agents virtuels vocaux plus robustes capables de gérer des conversations complexes, nous avons pris des millions de conversations historiques entre humains et utilisé ces conversations pour détecter le type de questions de suivi que les clients ont au-delà de leur problème initial. En exploitant les questions de suivi et en exploitant les différentes façons dont les clients formulent chaque question, nous avons pu construire des agents virtuels flexibles qui peuvent avoir des conversations sinueuses. Cela reflète mieux le type de conversations que les clients ont avec les agents humains. Le résultat final a été une augmentation significative du nombre total d’appels traités par les agents virtuels.

En 2021 et 2022, vous avez créé une 2e startup au sein d’Area 120. Pouvez-vous partager ce que cette entreprise était et ce que vous avez appris de cette expérience ?

Ma deuxième startup au sein d’Area 120 était à nouveau axée sur les centres de contact. Notre solution se concentrait sur la réduction de l’abandon des clients en les contactant proactivement juste après un appel de support échoué où le client a exprimé son problème mais n’a pas obtenu de résolution. Le contact serait effectué par des agents virtuels formés pour traiter ces problèmes ouverts. Ce que j’ai appris de cette expérience, c’est que l’abandon est un indicateur difficile à mesurer de manière rapide. Il peut falloir six mois pour obtenir des résultats statistiquement significatifs pour les changements d’abandon. Cela rend difficile l’optimisation rapide d’une expérience et la conviction des clients qu’une solution fonctionne.

Pouvez-vous partager l’histoire de la création de votre troisième startup de centre de contact AI, Tomato.ai, et pourquoi vous avez choisi de le faire vous-même plutôt que de travailler chez Google ?

L’idée de Tomato.ai, ma troisième startup de centre de contact, est venue de James Fan, mon co-fondateur et CTO. James pensait qu’il serait plus efficace de vendre du vin avec un accent français, et qu’est-ce que cela ferait si n’importe qui pouvait être rendu sonore en français ?

C’était le germe de l’idée, et à partir de là, notre réflexion a évolué. Lorsque nous avons enquêté, nous avons trouvé un point de douleur plus aigu ressenti par les clients lorsqu’ils parlent avec des agents offshore accentués. Les clients avaient des problèmes de compréhension et de confiance. Cela représentait une plus grande opportunité de marché. Étant donné nos antécédents, nous avons réalisé l’impact significatif qu’il aurait sur les centres de contact, en les aidant à améliorer leurs métriques de vente et de support. Nous appelons maintenant ce type de solution « adoucissement de l’accent ».

James et moi avons précédemment dirigé et vendu des startups, y compris chacun de nous ayant vendu une startup à Google.

Nous avons décidé de quitter Google pour créer Tomato.ai parce que, après de nombreuses années chez Google, nous avions envie de revenir à la création et à la direction de notre propre entreprise.

Tomato.ai résout un point de douleur important pour les centres de contact, qui est l’adoucissement des accents pour les agents. Pouvez-vous discuter de pourquoi les filtres de voix sont une solution préférée à la formation des agents ?

Chez Tomato.ai, nous comprenons l’importance de la communication claire dans les centres de contact, où les accents peuvent parfois créer des barrières. Au lieu de compter uniquement sur la formation traditionnelle des agents, nous avons développé des filtres de voix, ou ce que nous appelons « adoucissement de l’accent ». Ces filtres aident les agents à maintenir leur voix unique, tout en réduisant leurs accents, améliorant ainsi la clarté pour les appelants. En utilisant des filtres de voix, nous nous assurons d’une meilleure communication et d’une confiance entre les agents et les appelants, rendant chaque interaction plus efficace et plus satisfaisante pour le client. Par conséquent, par rapport aux programmes de formation étendus, les filtres de voix offrent une solution plus simple et plus immédiate pour répondre aux défis liés aux accents dans les centres de contact.

Alors que les agents existants utilisent ces outils pour améliorer leur performance, ils seront en mesure de commander des tarifs plus élevés, reflétant leur valeur accrue dans la fourniture d’expériences client exceptionnelles. Simultanément, l’effet démocratique de l’IA générative apportera de nouveaux agents de niveau d’entrée, élargissant ainsi le bassin de talents et réduisant les tarifs horaires. Cette dichotomie signale une transformation fondamentale de la dynamique des services de centre de contact, où la technologie et l’expertise humaine façonnent le paysage de l’industrie, ouvrant la voie à un avenir plus inclusif et compétitif.

Quelles sont certaines des différentes technologies d’apprentissage automatique et d’IA utilisées pour permettre le filtrage de la voix ?

Ce type de solution de filtrage de voix en temps réel n’aurait pas été possible il y a seulement quelques années. Les progrès de la recherche sur la parole combinés à de nouvelles architectures comme le modèle de transformateur et les réseaux de neurones profonds, ainsi qu’à des matérielles d’IA plus puissants (comme les TPUs de Google et les GPU de NVidia), rendent possible la construction de telles solutions aujourd’hui. Il s’agit toujours d’un problème très difficile qui nécessite que notre équipe invente de nouvelles techniques pour former des modèles de parole à parole à faible latence et de haute qualité.

Quel type de rétroaction les centres de contact ont-ils reçue, et comment cela a-t-il impacté les taux d’abandon des employés ?

Nous avons une forte demande de la part de grands et petits centres de contact offshore pour essayer notre solution d’adoucissement de l’accent. Ces centres de contact reconnaissent que Tomato.ai peut les aider à résoudre leurs deux principaux problèmes : (1) les métriques de performance des agents offshore ne sont pas à la hauteur de celles des agents sur place, et (2) il est difficile de trouver suffisamment d’agents qualifiés pour embaucher sur les marchés offshore comme l’Inde et les Philippines.

Nous nous attendons à avoir des études de cas dans les semaines à venir qui mettent en évidence le type d’impact que les centres de contact connaissent en utilisant l’adoucissement de l’accent. Nous nous attendons à ce que les appels de vente voient une augmentation immédiate des métriques clés comme les revenus, les taux de clôture et les taux de qualification des leads. En même temps, nous nous attendons à ce que les appels de support voient des temps de traitement plus courts, moins de rappels et une amélioration de la satisfaction client (CSAT).

Comme mentionné précédemment, les taux d’abandon prennent plus de temps à valider, et les études de cas avec ces améliorations seront disponibles à une date ultérieure.

Tomato.ai a récemment levé un tour de financement de 10 millions de dollars, qu’est-ce que cela signifie pour l’avenir de l’entreprise ?

Alors que Tomato.ai se prépare pour son lancement de produit inaugural, l’équipe reste ferme dans son engagement à remodeler le paysage de la communication mondiale et l’avenir du travail, une conversation à la fois.

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