Rana Gujral, PDG de Behavioral Signals – Série d’entretiens

Rana Gujral est le PDG de Behavioral Signals, une entreprise qui comble le fossé de communication entre les humains et les machines en introduisant l’intelligence émotionnelle, à partir de la parole, dans les conversations avec l’IA.

Behavioral Signals est une startup relativement jeune, créée en 2016. Pouvez-vous partager l’histoire de sa création ?

Animés par une passion pour apporter les technologies révolutionnaires de l’entreprise, brevetées pour la reconnaissance de la parole et des émotions, sur le marché, le CTO, Alex Potamianos, et le scientifique en chef, Shri Narayanan, ont fondé Behavioral Signals en 2016. Shri est professeur Andrew J. Viterbi d’ingénierie à l’Université de Californie du Sud (USC). Il a fondé et dirige actuellement le Laboratoire d’analyse et d’interprétation des signaux (SAIL) à l’USC. Alex est un innovateur réputé dans le domaine de la parole et du traitement automatique des langues, des systèmes de réponse vocale interactive et de l’informatique des comportements. Il a plus de 20 ans d’expérience de leadership à la fois dans les entreprises et les startups, tandis que son parcours comprend des passages chez AT&T Labs-Research, Bell Labs et Lucent Technologies.

Avec pour objectif d’améliorer et de changer définitivement le monde des affaires, nous croyons que la technologie est au cœur de ce qui peut être accompli. Les algorithmes de Behavioral Signals analysent les émotions et les comportements humains, transforment les données en informations utilisables et conduisent à de meilleures décisions commerciales et à une augmentation des profits. Jusqu’à présent, l’émotion humaine a été considérée comme impossible à quantifier et à mesurer. Avec notre moteur d’analyse breveté, nous mesurons et interprétons la partie « comment » des interactions humaines.

Behavioral Signals s’appuie sur un type d’apprentissage automatique affectif (également appelé Emotion AI). Pouvez-vous expliquer ce qu’est cela ?

L’intelligence artificielle émotionnelle, également appelée Emotion AI ou informatique affective, est utilisée pour développer des machines capables de lire, d’interpréter, de répondre à et d’imiter les affects humains – la façon dont nous, en tant qu’humains, ressentons et exprimons les émotions. Qu’est-ce que cela signifie pour les consommateurs ? Cela signifie que vos appareils, tels que votre smartphone ou vos enceintes intelligentes, seront en mesure de vous offrir une interaction qui se sentira plus naturelle que jamais, simplement en lisant les indices émotionnels dans votre voix.

À mesure que notre dépendance à l’égard de l’IA augmente, la nécessité d’une IA intelligente sur le plan émotionnel augmente également. Il en va d’une chose de demander à votre assistant virtuel de vous lire les scores des matchs de la journée, mais c’en est une autre de confier vos parents âgés aux soins d’un bot piloté par l’IA. Actuellement, l’IA peut accomplir des choses incroyables, comme diagnostiquer des affections médicales et définir des traitements, mais elle a encore besoin d’intelligence émotionnelle pour communiquer avec les patients de manière plus humaine.

Quels autres types de technologies d’apprentissage automatique sont utilisés ?

Lorsqu’il s’agit d’apprentissage automatique, nous utilisons principalement l’apprentissage profond et le traitement automatique des langues dans nos modèles d’analyse de signaux de comportement. Pour expliquer cela un peu mieux, nous avons ouvert un champ, le traitement de signaux de comportement, basé sur plus d’une décennie de recherche primée et brevetée, pour détecter automatiquement les informations codées dans la voix humaine à partir de l’audio et mesurer la qualité de l’interaction humaine. Il s’agit d’une discipline émergente qui relie l’ingénierie aux sciences du comportement et vise à quantifier et à interpréter l’interaction et la communication humaines grâce à l’utilisation d’innovations en ingénierie et en informatique. L’apprentissage profond est l’outil qui aide à créer de meilleurs modèles prédictifs.

Quel type de données collectez-vous à partir du ton de la voix ?

Notre technologie d’IA basée sur l’apprentissage profond analyse ce qui est dit et comment cela est dit, des deux côtés d’une conversation, en mesurant les émotions et les comportements. La gamme des émotions est assez diverse, mais ce qui compte vraiment, c’est l’intelligence agrégée de cette analyse. Pour vous donner un exemple, considérez une conversation entre un employé de banque et un client ; nous pouvons capturer et mesurer la politesse, la composure (calme ou agité), l’empathie envers le client, les réactions du client et le style de parole global comme lent, rapide, engagé ou désengagé, afin de calculer le score de qualité de la conversation, l’efficacité du résultat et la performance de l’employé.

Quel type d’analyse de données est effectué pour prédire l’intention ?

La prédiction d’intention est très similaire à ce qui a déjà été mentionné. Nous utilisons les signaux de comportement dans la voix pour prédire l’intention d’un client d’acheter un produit, de renouveler un abonnement ou de savoir si un débiteur paiera sa dette. La prédiction d’intention peut aider les entreprises à augmenter leurs ventes et leurs ratios de collecte, à réduire leurs coûts et à améliorer finalement la satisfaction client.

Behavioral Signals a remporté à six reprises la médaille d’or du défi INTERSPEECH sur la qualité des interactions humaines et la paralinguistique computationnelle. Qu’est-ce que ce défi et quelle est l’importance de cette réalisation ?

Interspeech est la plus grande conférence technique axée sur le traitement de la parole et les applications. Elle attire la plus grande assistance dans ce domaine et un nombre important de documents de recherche. La conférence met l’accent sur les approches interdisciplinaires qui abordent tous les aspects de la science et de la technologie de la parole, allant des théories de base aux applications avancées. Ses défis sont considérés comme le prix Turing de la reconnaissance de la parole et du traitement automatique des langues. Remporter ce prix est une reconnaissance importante de notre travail scientifique et de notre capacité unique à détecter des signaux à partir de données audio associées aux comportements et aux traits qui déterminent la prise de décision humaine.

À quelle vitesse Behavioral Signals peut-il s’adapter à différentes langues, et quelle taille de jeu de données est nécessaire ?

Notre technologie est indépendante de la langue. Nous écoutons comment quelque chose est dit plutôt que ce qui est réellement dit. Nous écoutons les émotions exprimées, qui sont assez universelles dans toutes les langues. Bien sûr, chaque langue a ses propres traits uniques qui peuvent nécessiter un ajustement de nos algorithmes, mais la différence dans nos modèles d’analyse prédictive est généralement faible.

Pouvez-vous discuter de la dernière solution de Behavioral Signals, la conversation médiée par l’IA ?

Les conversations médiées par l’IA (AI-MC) sont une solution de routage automatique d’appels qui utilise l’IA émotionnelle et les données vocales pour associer le client à l’employé le mieux adapté pour gérer un appel spécifique. Si nous revenons à l’exemple mentionné plus haut, de l’employé de banque et du client, notre technologie peut guider la dynamique de la conversation avec l’objectif ultime d’améliorer le résultat, que ce soit une meilleure expérience client, une augmentation des collections ou des temps de résolution plus rapides. Quel que soit l’objectif, il y a toujours un facteur qui permet aux deux parties de parvenir au résultat souhaité. Ce facteur est généralement un processus humain simple et naturel : l’affinité ou le rapport développé entre les personnes. Quelle que soit la nature de la communication commerciale (appel de vente, support, collecte), il s’agira toujours d’une interaction entre humains réels, où rarement l’affinité est identique entre deux paires de personnes. Nous avons des comportements et des traits spécifiques qui nous aident à nous entendre avec certaines personnes, mieux qu’avec d’autres. Cet appariement est basé sur les données de profil et sur nos algorithmes supérieurs développés à partir de années de recherche et d’expérience en traitement automatique des langues et en analyse de signaux de comportement.

Nous avons récemment mis en œuvre la solution AI-MC de Behavioral Signals pour améliorer l’efficacité et l’efficience du centre d’appels d’une banque de l’UE. L’étude de cas a été reconnue par Gartner et incluse dans son rapport sur l’adoption de l’IA émotionnelle. La solution a démontré un retour sur investissement significatif avec une augmentation de 20 % des demandes de restructuration de dette active. En outre, cette amélioration a été réalisée avec 7,6 % d’appels en moins, conduisant à des réductions de coûts supplémentaires. En chiffres absolus, ces résultats correspondaient à un avantage de 300 millions de dollars pour la banque.

Y a-t-il autre chose que vous aimeriez partager sur Behavioral Signals ?

Alors que nous sommes fiers de nos réalisations en matière de recherche, nous sommes également reconnaissants pour les distinctions de l’industrie. À l’automne 2019, notre technologie a été répertoriée comme un leader en matière d’utilisation dans la recherche Maverick de Gartner qui met en valeur les technologies de pointe. Plus tôt cette année, nous avons été inclus dans le cycle de hype de Gartner, où notre technologie a été classée comme « transformatrice ». Le mois dernier, nous avons été répertoriés comme un fournisseur de services cool de Gartner 2020.

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