Rebecca Greene, CTO et co-fondatrice de Regal – Série d’entretiens

Rebecca Greene, CTO et co-fondatrice de Regal, est une dirigeante technologique, une leader de produit et une investisseuse ayant une expérience approfondie dans la création d’entreprises numériques axées sur le client. Avant de co-fonder Regal en 2020, elle a occupé le poste de directrice du produit chez Handy, où elle a dirigé les équipes de produit, de conception et de données et a soutenu l’intégration de l’entreprise avec ANGI Homeservices après son acquisition. Plus tôt dans sa carrière, Greene a travaillé dans la gestion de produit chez Amazon (AMZN ) et a occupé des postes de stratégie, de conseil et de services financiers chez Booz & Company, First Manhattan Consulting Group et Bear Stearns. Elle est également associée chez Blue Trail Partners, où elle soutient les fondateurs dans la création d’entreprises à forte incidence.

Regal est une plateforme d’IA vocale d’entreprise qui permet aux centres de contact de créer, de déployer, d’améliorer et de gérer des agents autonomes IA pour les ventes, le support client et les flux de travail opérationnels. Sa plateforme combine la technologie vocale, la sollicitation avancée et les données client en temps réel pour offrir des conversations personnalisées entrantes et sortantes, tout en s’intégrant aux systèmes de gestion de la relation client, de centre de contact, de téléphonie et de base de données existants. Fondée en 2020, l’entreprise est conçue pour aider les entreprises à automatiser les interactions client sans remplacer leur infrastructure technologique existante.

Vous avez aidé à développer Handy à partir d’une startup en phase de démarrage jusqu’à une entreprise qui est finalement devenue une partie d’ANGI, vous donnant une expérience de première main dans la création de produits pendant une phase de croissance explosive. Quelles leçons de ce parcours vous ont convaincu de co-fonder Regal, et quel problème d’expérience client avez-vous senti ne pouvait tout simplement pas être résolu avec la technologie de centre de contact existante ?

Alors que nous étions chez ANGI, mon co-fondateur, Alex, et moi dirigions un centre de service de contact de 3 000 personnes qui gérait près de 100 millions d’interactions client par an. Au début, mon objectif était de faire en sorte que les clients nous appellent le moins possible, car tout le monde dans la technologie disait « la voix est morte », nous avons donc joué sur cette mentalité anti-téléphone. Foire aux questions, chatbots, cachage du numéro de téléphone sur le site Web. Nous avons tout fait pour pousser les clients vers l’auto-service.

Mais les clients continuaient d’appeler. Les gens veulent vraiment passer un appel téléphonique lorsqu’il s’agit de quelque chose d’important, d’urgent ou de trop compliqué pour être expliqué dans une boîte de texte. C’est alors que nous avons commencé à examiner plus en profondeur la voix en tant que canal de sortie, car les données commençaient à montrer qu’elle était incroyablement efficace. Si vous voulez que le client mette à jour une carte de crédit ou lui rappelle un rendez-vous, le courrier électronique obtient peut-être un taux de clic de 2 %. Avec les appels téléphoniques, nous pouvions obtenir 20 à 30 % de personnes pour répondre. C’est 10 fois mieux.

Le problème était que la technologie de centre de contact existante ne permettait pas aux entreprises de répondre à cette demande de manière abordable. Les appels vocaux coûtent environ 10 dollars chacun pour être traités par un personnel, les entreprises étaient donc incitées à les éviter, même lorsque les clients les souhaitaient. L’écart entre la forte demande de voix et l’absence d’un moyen de la livrer efficacement est ce qui a convaincu mon co-fondateur et moi de lancer Regal en 2020.

Regal a désormais géré des centaines de millions d’interactions client alimentées par l’IA à travers des organisations d’entreprise. Quels ont été les plus grands défis techniques pour rendre l’IA vocale suffisamment fiable pour la production à l’échelle de l’entreprise, et quels progrès ont rendu possible une adoption généralisée ?

Regal a récemment franchi le cap des 500 millions d’appels gérés par l’IA, ce qui équivaut à environ 408 ans de conversation. Nous disposons désormais de plus de 100 voix IA, de 33 langues et de 26 LLM, et avons généré 9 milliards de dollars de chiffre d’affaires pour nos clients.

Pour nous et nos clients, le plus grand défi était de nous assurer que les agents avaient le bon contexte chaque fois qu’ils parlaient avec un client et donnaient des conseils précis. Nous travaillons avec des entreprises dans certains des secteurs les plus réglementés, comme les soins de santé et les assurances, où il est impératif que l’IA comprenne ce qu’elle peut et ne peut pas dire. Nous traitons donc notre IA comme des employés : vous devez la former, la superviser et évaluer constamment ses performances.

La véritable clé a été l’arrivée des LLM avec une véritable capacité de raisonnement et de génération de langage, ce qui a rendu possible l’automatisation d’appels complexes et à plusieurs tours pour la première fois.

De nombreuses personnes associent encore les agents vocaux IA à des systèmes IVR frustrants ou à des chatbots robotiques. Qu’est-ce qui a fondamentalement changé au cours des dernières années pour permettre aux agents vocaux modernes de livrer des conversations beaucoup plus naturelles ?

Les agents vocaux IA sont complètement différents des systèmes IVR du passé. Quiconque utilise encore un IVR est très limité, car ils sont déterministes. Aujourd’hui, les agents raisonnent vraiment à travers une conversation de la même manière qu’une personne, en utilisant les LLM pour la génération de langage et en étant alimentés par le contexte et les données de 500 millions de conversations précédentes. Combiné avec une meilleure qualité vocale, un temps de réponse de latence amélioré et une logique de conversation plus naturelle, la plupart de nos clients ne peuvent pas vraiment dire s’ils parlent à un IA, ou ne s’en soucient pas, tant que cela produit le résultat souhaité.

En tant que CTO, comment équilibrez-vous les progrès rapides des modèles de base avec le besoin de stabilité, de sécurité et de comportement prévisible pour les clients d’entreprise ?

Ceci est la tension fondamentale que je gère en tant que CTO : les modèles de base évoluent incroyablement vite, mais nos clients d’entreprise dans les secteurs réglementés ont besoin de prévisibilité, de sécurité et de comportement cohérent.

Nous ne sommes pas nous-mêmes des fournisseurs de modèles ; nous fournissons une application pour la création d’agents IA, et nous sommes aux côtés d’autres logiciels de centre de contact. Cette séparation nous permet de faire des améliorations sans déstabiliser les garde-fous, les intégrations et les contrôles de conformité dont nos clients dépendent. C’est aussi pourquoi nous nous sommes concentrés sur la possibilité pour toute équipe de créer des agents IA qui gèrent des flux de travail complexes en quelques semaines, et non en quelques mois. Nous avons récemment lancé un produit appelé Copilot, qui avec une seule conversation, peut créer un projet de travail fonctionnel d’un agent vocal pour les équipes avec la logique commerciale, la marque et la sécurité spécifiques de l’entreprise déjà intégrées.

La plateforme Regal connecte les agents IA avec le contexte client et les flux de travail commerciaux plutôt que de simplement répondre aux questions. Pourquoi l’accès aux données client et aux systèmes commerciaux devient-il tout aussi important que les progrès des modèles de langage eux-mêmes ?

En soi, un modèle de langage peut tenir une conversation, mais il ne peut rien faire pour votre client. Le moment où vous lui demandez de vérifier une commande, d’appliquer une remise, d’escalader un cas ou de mettre à jour un dossier, l’agent IA a besoin d’être connecté aux mêmes systèmes que les agents humains – comme leurs systèmes de gestion de la relation client et de facturation.

À mesure que les modèles eux-mêmes s’améliorent en qualité, cet accès aux données client réelles et aux systèmes commerciaux est ce qui sépare vraiment une expérience gérée par l’IA de grande qualité d’une expérience frustrante.

Votre plateforme sert des organisations dans des secteurs tels que les soins de santé, les assurances, l’éducation et les services financiers. Qu’est-ce que ces secteurs hautement réglementés vous ont enseigné sur le déploiement responsable de l’IA tout en maintenant la confiance des clients ?

Nous nous concentrons intentionnellement sur des secteurs hautement réglementés et à complexité élevée, plutôt que sur des cas d’utilisation à faible enjeu, en partie en raison de mon propre passé en tant que leader de produit, de conception et de données, et en travaillant avec des centres de contact d’entreprise.

La confiance et la conformité sont vraiment importantes dans ces interactions. Le déploiement responsable de l’IA consiste à s’assurer que les agents ont des garde-fous fiables, un contexte de compte précis et un chemin clair vers un humain lorsque quelque chose sort de leur portée. La confiance dans les secteurs réglementés ne vient pas du fait que l’IA est parfaite, mais du fait qu’elle est prévisible et réparable.

De nombreuses personnes supposent que l’IA remplacera les agents humains des centres de contact. Comment voyez-vous l’évolution de la relation entre les employés humains et les agents IA au cours des cinq prochaines années, et quels responsabilités devraient toujours rester sous la direction humaine ?

L’IA ne va pas prendre le travail de tout le monde comme beaucoup le craignaient, mais elle va évoluer la façon dont le travail est fait.

Le rôle humain le plus important au cours des prochaines années n’est pas l’agent de centre de contact traditionnel – c’est un tout nouveau rôle. Mon co-fondateur et moi l’appelons l’ingénieur CX : quelqu’un qui gère et supervise les agents IA eux-mêmes, en travaillant à rebours du parcours client plutôt que de s’asseoir dans des appels individuels. Vous pouvez déjà voir ce changement se produire plus largement, avec AWS qui vient de mettre 1 milliard de dollars dans une unité d’ingénierie de déploiement avancé pour aider les clients à construire avec l’IA, un rôle qui n’existait pas vraiment il y a un an.

Nous pouvons nous attendre à un changement similaire dans le CX : à mesure que les agents IA gèrent davantage de volume, les personnes qui orchestrent, gèrent et contrôlent la qualité de ces agents finissent par devenir des embauches essentielles.

L’IA vocale a considérablement amélioré, mais les clients sont de plus en plus conscients qu’ils parlent avec une IA. Quel rôle la transparence et la divulgation jouent-elles dans la construction d’une confiance à long terme, et les entreprises devraient-elles toujours dire aux clients qu’ils interagissent avec un agent IA ?

Les clients peuvent toujours demander un humain, et nous intégrons cela dans chaque déploiement. Ce que nous voyons en pratique, c’est que la plupart des gens ne peuvent pas dire s’ils parlent avec une IA ou ne s’en soucient pas, une fois qu’ils réalisent que l’interaction elle-même compte plus pour eux que la personne à l’autre bout du fil.

Il y a également une raison structurelle pour laquelle cela n’est pas plus discuté : certaines entreprises exécutent déjà la grande majorité de leurs interactions client sur l’IA, mais ne le publicisent pas encore. Je pense que la transparence compte le plus au moment où le client la demande, mais n’est pas nécessaire comme exigence générale pour chaque interaction.

Avec l’IA capable de gérer des conversations de plus en plus complexes, quels indicateurs de performance les organisations devraient-elles se concentrer sur, au-delà de la simple réduction des coûts, pour évaluer si un déploiement d’IA a réellement amélioré l’expérience client ?

En interne, les organisations devraient prêter attention à la façon dont leur propre équipe utilise réellement l’IA au quotidien, et traiter une utilisation intensive comme un signe général positif. Mais l’indicateur de performance le plus important que les entreprises devraient considérer est le chiffre d’affaires par employé. Si l’IA fonctionne vraiment, ce nombre devrait augmenter, et c’est ce qui finance la croissance et de meilleures marges. L’IA ne remplace pas vos employés, mais les personnes qui l’utilisent bien finissent par faire beaucoup plus tout en conservant la même équipe. Ils peuvent servir plus de clients, conclure plus d’accords, et construire plus lorsque le chiffre d’affaires par employé est l’indicateur que vous mesurez.

En regardant vers l’avenir, quels sont les technologies ou les capacités émergentes que vous croyez définiront la prochaine génération d’agents IA d’entreprise, et quels développements êtes-vous personnellement le plus impatient de contribuer à mettre sur le marché au cours des prochaines années ?

Aujourd’hui, la voix représente déjà 60-70 % des interactions client, le reste étant réparti entre le chat, le courrier électronique et le texte. À mesure que l’IA rend les interactions vocales de meilleure qualité et plus capables, je m’attends à ce que la voix devienne le canal dominant et atteigne finalement 95 % de toutes les interactions client.

Ce qui va définir la prochaine génération d’agents IA d’entreprise, c’est à quel point ils sont proactifs et engagés lorsqu’il s’agit d’interactions client. La nouveauté de l’IA dans l’expérience client s’est estompée, et tout le monde sait qu’elle devient de plus en plus capable, mais je suis impatient de repousser ses limites et de la faire performer des cas d’utilisation encore plus complexes.

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