साक्षात्कार
रयान मैकडोनाल्ड, एएसएपीपी के मुख्य वैज्ञानिक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
रयान मैकडोनाल्ड एएसएपीपी के मुख्य वैज्ञानिक हैं। वह शोध और डेटा विज्ञान समूहों के दिशा-निर्देशों को निर्धारित करने के लिए जिम्मेदार हैं ताकि एएसएपीपी के दृष्टिकोण को मानव गतिविधि को सकारात्मक रूप से बढ़ाने के लिए एआई की प्रगति के माध्यम से प्राप्त किया जा सके। इस समूह का वर्तमान में वास्तविक दुनिया की स्थितियों जैसे कि ग्राहक सेवा में कार्य-उन्मुख संवाद के क्षेत्र में आगे बढ़ने पर ध्यान केंद्रित किया गया है।
रयान ने 20 वर्षों से अधिक समय से भाषा समझ और मशीन लर्निंग पर काम कर रहे हैं। उनके पीएचडी कार्य में पेंसिल्वेनिया विश्वविद्यालय में एनएलपी में संरचित भविष्यवाणी के लिए नए मशीन लर्निंग तरीकों पर ध्यान केंद्रित किया गया था, जिसमें जानकारी निकालना और वाक्य रचना विश्लेषण शामिल था।
(GOOGL )रयान ने गूगल के शोध समूह में शामिल होने के बाद उपभोक्ता समीक्षाओं के लिए भावना विश्लेषण और सारांश मॉडल पर शोध किया, जिसके परिणामस्वरूप एक बड़े पैमाने पर उपभोक्ता सारांश प्रणाली मिली जिसे लाखों उपयोगकर्ता प्रतिदिन उपयोग करते हैं।
रयान का शोध तब बड़े पैमाने पर बहुसांस्कृतिक भाषा समझ में बदल गया। पहले उनका शोध मशीन अनुवाद में सुधार पर केंद्रित था, लेकिन जानकारी पुनर्प्राप्ति और डिजिटल सहायकों में बहुसांस्कृतिकता के बढ़ते महत्व ने उनके शोध को इन प्रौद्योगिकियों को अंतर्राष्ट्रीय बनाने की दिशा में मोड़ दिया।
रयान ने 100 से अधिक शोध पत्र प्रकाशित किए हैं जो शीर्ष स्तरीय पत्रिकाओं और सम्मेलनों में प्रकाशित हुए हैं और जिन्हें हजारों बार उद्धृत किया गया है। उन्होंने अपने बहुसांस्कृतिक वाक्य रचना विश्लेषण पर काम के लिए प्रीमियर अंतर्राष्ट्रीय सम्मेलनों (ईएमएनएलपी, एनएएसीएल) में सर्वश्रेष्ठ पत्र पुरस्कार जीते हैं।
आपको मशीन लर्निंग और विशेष रूप से प्राकृतिक भाषा प्रसंस्करण में क्या आकर्षित किया?
मैं एक स्नातक था जिसने कंप्यूटर विज्ञान और दर्शन में दोहरी मेजर की थी। मैं विशेष रूप से एआई के दर्शन और एआई के व्यावहारिक पहलुओं में रुचि रखता था। मैं टोरंटो विश्वविद्यालय में जेराल्ड पेन के साथ एक शोध परियोजना में शामिल होने में भाग्यशाली था, जिसने मोबाइल फोन के लिए समाचार का सारांश बनाने पर ध्यान केंद्रित किया था।
आपके प्रकाशित 100 से अधिक शोध पत्रों में से, आपके विचार में कौन सा सबसे प्रभावशाली था?
यह एक कठिन प्रश्न है। और समय बीतने के साथ मुझे लगता है कि मेरा उत्तर बदलता है। यदि आप मुझसे कुछ वर्षों पहले पूछते तो यह काम होगा जो मैंने वाक्य रचना विश्लेषण के लिए ग्राफ एल्गोरिदम का उपयोग करने पर किया था।
आप गूगल में अपने समय के दौरान राज्य-of-the-आकर्ता एनएलपी और एमएल प्रौद्योगिकियों के निर्माण में मदद करने के लिए क्या मुख्य रूप से आकर्षित हुए?
मेरा मुख्य आकर्षण यह था कि जब एनएलपी और एमएल मॉडल बनाने की बात आती है तो आप कभी नहीं जान सकते कि चीजें कब गलत हो जाएंगी। आपको डेटा, त्रुटि विश्लेषण, मेट्रिक्स आदि पर पूरी प्रक्रिया में जुनूनी होने की आवश्यकता है।
2021 की शुरुआत में, आपने एएसएपीपी में मुख्य वैज्ञानिक के रूप में शामिल हुए, जो ग्राहक सेवा एजेंटों को सशक्त बनाने के लिए एआई टूल्स प्रदान करता है। आपको इस पद की ओर क्या आकर्षित किया?
मुख्य कारण हैं:
- समस्याएं कठिन हैं। एजेंट जो कठिन ग्राहक सेवा बातचीत में शामिल हैं, उन्हें ग्राहक की समस्याओं को हल करने के लिए बहुत सारी जानकारी और अनुभव लाने की आवश्यकता है। मॉडल बनाना जो डोमेन ज्ञान पर मूल्य जोड़ता है, विशेष रूप से तब चुनौतीपूर्ण होता है जब संकेत कमजोर होते हैं।
- कंपनियां और एजेंट जो इस क्षेत्र में काम करते हैं वे एआई के प्रति उत्साहित हैं जो उन्हें ग्राहक अनुभव में सुधार करने में मदद करेगा। वे प्रगति का विरोध नहीं करते हैं, बल्कि उन्हें वास्तविक समस्याओं को हल करने के लिए महत्वपूर्ण उपकरण के रूप में देखते हैं।
- अंत में, एंटरप्राइज सेटिंग में डोमेन और समस्याएं इतनी विविध हैं कि अनुकूलन (मेरे उत्तर 2 में देखें) समस्या है जिसे हल करने की आवश्यकता है। हमें एक कंपनी या एक उद्योग के लिए सेवाएं नहीं बनानी हैं, बल्कि उन सभी के लिए। यह एआई की वर्तमान स्थिति के लिए एक महान तनाव परीक्षण है।
- एएसएपीपी इस समस्या पर विशेष रूप से केंद्रित है।
एएसएपीपी के दृष्टिकोण के बारे में आप क्या चर्चा कर सकते हैं कि मानव गतिविधि को सकारात्मक रूप से बढ़ाने के लिए एआई की प्रगति के माध्यम से?
एएसएपीपी में हमारा केंद्रीय परिकल्पना यह है कि एआई को मानव को प्रतिस्थापित नहीं करना चाहिए, बल्कि उन्हें सकारात्मक और उत्पादक तरीकों से बढ़ाना चाहिए। यह दृष्टिकोण व्यापक है और हमारे पास सभी प्रासंगिक मानव गतिविधि पर लागू करने की महत्वाकांक्षा है। हालांकि, यह एक व्यापक आदेश है, इसलिए हमने पहले क्षेत्र के रूप में ग्राहक अनुभव डोमेन पर ध्यान केंद्रित करने का चयन किया है।
कॉल सेंटर में एआई का वर्तमान शरीर रचना विज्ञान के बारे में आप क्या चर्चा कर सकते हैं?
आज, लगभग हर चरण में आपके कॉल सेंटर के साथ बातचीत में एआई का कुछ रूप है जो समस्या को संबोधित करने में मदद करता है।
यह पहला चरण एक इंटरएक्टिव वॉयस रिस्पॉन्स (आईवीआर) या चैटबॉट है। यह पूरी तरह से स्वचालित है और इसका मुख्य उद्देश्य यह समझना है कि ग्राहक क्यों कॉल कर रहा है और उसे तदनुसार मार्गदर्शन करना है। संभावित रूप से, ये प्रणालियां एजेंट को समस्या को जल्दी से हल करने के लिए अधिक से अधिक जानकारी इकट्ठा करने का प्रयास करेंगी।
इसके बाद, कॉल एजेंट को भेज दिया जाता है। एक बार एजेंट के पास, एआई की मुख्य भूमिका एजेंट को मार्गदर्शन और सुझाव देना है। एजेंट को अगले क्या कहना चाहिए? एजेंट को किस प्रवाह का पालन करना चाहिए? कौन से ज्ञान आधार लेख समस्या को हल करने में मदद करेंगे? ये मॉडल आमतौर पर ऐतिहासिक डेटा पर प्रशिक्षित होते हैं और कुछ प्रमुख प्रदर्शन संकेतक के लिए अनुकूलित होते हैं, जो हैंडल समय (समस्या को कितनी जल्दी हल किया गया था) या ग्राहक संतुष्टि स्कोर (ग्राहक अनुभव से खुश था या नहीं) हो सकता है।
एएसएपीपी कॉल सेंटर कर्मचारी परिवर्तन को कम करने में कैसे मदद करता है?
बड़ी कंपनियां जो उपभोक्ता सामान और सेवाएं प्रदान करती हैं, वे प्रति वर्ष संपर्क केंद्रों पर लाखों और कभी-कभी अरबों डॉलर खर्च करती हैं जो उनके ग्राहकों की सेवा करते हैं, जिसमें श्रम लागत कुल लागत का 80-90% है। यह एक बड़ी समस्या है जो एजेंट परिवर्तन को 40% – और कभी-कभी 100% या अधिक – प्रति वर्ष चला रही है।
एक आम धारणा है कि एजेंट आपकी समस्याओं के प्रति उदासीन हैं और गतिविधियों का पालन कर रहे हैं। सच्चाई से आगे कुछ नहीं हो सकता है। एजेंट, जैसे कि सभी लोग, ग्राहकों की समस्याओं को हल करने में संतुष्टि प्राप्त करते हैं। आप अपने दिन कैसे बिताना पसंद करेंगे – धन्यवाद के लिए मजबूत या चिल्लाते ग्राहकों को सुनने के लिए? हाल ही में हमारे द्वारा किए गए एक अध्ययन में, हमने पाया कि 90% एजेंटों ने बताया कि ग्राहकों के साथ कॉल ने उनके दिन को बनाया, और अधिकांश ने कहा कि वे अपनी नौकरी से खुश हैं। लेकिन, एजेंटों को ग्राहकों को खुश करने के लिए आवश्यक उपकरण और प्रशिक्षण चाहिए। असंतुष्ट ग्राहक एजेंटों को निराश, थका हुआ और तनावग्रस्त बनाते हैं। यह एजेंटों के परिवर्तन का प्राथमिक चालक है।
कॉल सेंटर में एआई को शामिल करने से किस प्रकार के परिणाम प्राप्त किए जा सकते हैं?
जैसा कि ऊपर साझा किया गया है, एआई उत्पादकता में एक परिवर्तनकारी प्रौद्योगिकी हो सकती है। हमारे साथ काम करने वाली एक यूएस एयरलाइन के लिए, हमने एजेंट की उत्पादकता में 86% की वृद्धि और संगठन की मात्रा (कुल ग्राहक सेवा चैनलों में बातचीत की कुल संख्या श्रम को संतुष्ट करने के लिए विभाजित) में 127% की वृद्धि देखी। एक वैश्विक नेटवर्क ऑपरेटर जो एएसएपीपी सेवाओं का उपयोग करता है, नेट प्रमोटर स्कोर (कंपनी के उत्पादों या सेवाओं की सिफारिश करने के लिए ग्राहकों की इच्छा की डिग्री) में 45% की वृद्धि हुई। शीर्ष 3 केबल कंपनी जो एएसएपीपी का उपयोग करती है, लागत प्रति बातचीत 52% कम हो गई। ये उदाहरण दिखाते हैं कि एआई कैसे उत्पादकता बढ़ा सकती है, ग्राहक सेवा की गुणवत्ता में सुधार कर सकती है और व्यावसायिक लागतों को कम कर सकती है।
कार्यस्थल में एआई के भविष्य के लिए आपका व्यक्तिगत दृष्टिकोण क्या है?
एआई पहले से ही कार्यस्थल में बहुत प्रचलित है। जैसा कि मैं यह लिख रहा हूं, वर्तनी और व्याकरण जांचकर्ता और पाठ स्वचालित पूर्णता मुझे मदद कर रहे हैं। मेरे पास मेरे ईमेल/मैसेजिंग टूल्स पर एआई-संचालित स्पैम फिल्टर और संदेश वर्गीकरण है। मैं एआई-संचालित खोज का उपयोग प्रासंगिक जानकारी खोजने के लिए करता हूं जो मुझे निष्पादन की आवश्यकता है। यह बढ़ेगा क्योंकि एआई-संचालित सुविधाओं की संख्या और उनकी गुणवत्ता में वृद्धि होगी।
क्या आप एएसएपीपी के बारे में और कुछ साझा करना चाहेंगे?
एएसएपीपी में हमारी अनुसंधान टीम का एक स्पष्ट फोकस है: हम एंटरप्राइज के लिए वास्तविक दुनिया की समस्याओं को हल करने के लिए डोमेन-विशिष्ट वास्तविक दुनिया के एआई समाधानों को तैनात करने के लिए एनएलपी और एमएल की विज्ञान को आगे बढ़ाने के लिए काम कर रहे हैं। एएसएपीपी में शोधकर्ता हमारे उत्पादों द्वारा उत्पन्न बड़ी मात्रा में डेटा और हमारी एआई सुविधाओं को वास्तविक दुनिया के उपयोग में तैनात करने की हमारी क्षमता का लाभ उठाते हुए एनएलपी और एमएल की विज्ञान को आगे बढ़ाने के लिए काम करते हैं।
हमारे हाल के पत्रों की खोज करें https://www.asapp.com/ai-research/।
विस्तृत उत्तरों के लिए धन्यवाद, पाठक जो और अधिक जानना चाहते हैं उन्हें एएसएपीपी पर जाना चाहिए।
