Ashish Nagar, CEO & Founder of Level AI – Interview Series

Ashish Nagar adalah CEO dan pendiri Level AI, membawa pengalaman di Amazon (AMZN ) pada tim Alexa untuk menggunakan kecerdasan buatan untuk mengubah operasi pusat kontak. Dengan latar belakang yang kuat di teknologi dan kewirausahaan, Ashish telah memainkan peran penting dalam mengarahkan misi perusahaan untuk meningkatkan efisiensi dan efektivitas interaksi layanan pelanggan melalui solusi AI yang canggih. Di bawah kepemimpinannya, Level AI telah menjadi pemain kunci di ruang pusat kontak yang didorong AI, dikenal karena produk-produknya yang berada di garis depan dan implementasi kecerdasan buatan yang unggul.

Apa yang menginspirasi Anda untuk meninggalkan Amazon dan memulai Level AI? Bisakah Anda membagikan poin-poin nyeri spesifik dalam layanan pelanggan yang Anda targetkan dengan teknologi Anda?

Latar belakang saya adalah membangun produk di persimpangan teknologi dan bisnis. Meskipun saya memiliki gelar sarjana di Fisika Terapan, pekerjaan saya secara konsisten berfokus pada peran produk dan membangun, meluncurkan, dan membangun bisnis baru. Minat saya pada teknologi dan bisnis membawa saya ke AI.

Saya mulai bekerja di AI pada 2014, ketika kami membangun perusahaan pencarian mobile generasi berikutnya yang disebut Rel C, yang mirip dengan apa yang dilakukan Perplexity AI saat ini. Pengalaman itu memicu perjalanan saya ke perangkat lunak AI, dan akhirnya, perusahaan itu diakuisisi oleh Amazon. Di Amazon, saya adalah pemimpin produk di tim Alexa, terus mencari kesempatan untuk menangani masalah AI yang lebih kompleks.

Pada tahun terakhir saya di Amazon, pada 2018, saya bekerja pada proyek yang kami sebut “komputer Star Trek,” terinspirasi oleh waralaba fiksi ilmiah terkenal. Tujuannya adalah mengembangkan komputer yang bisa memahami dan merespons setiap pertanyaan yang Anda ajukan. Proyek ini menjadi dikenal sebagai Alexa Prize, yang bertujuan memungkinkan siapa saja untuk melakukan percakapan 20 menit dengan Alexa pada topik sosial apa pun. Saya memimpin tim sekitar 10 ilmuwan, dan kami meluncurkannya sebagai tantangan AI dunia. Saya bekerja sama dengan pikiran-pikiran terkemuka dari institusi seperti MIT, CMU, Stanford, dan Oxford. Satu hal menjadi jelas: pada saat itu, tidak ada yang bisa sepenuhnya memecahkan masalah.

Bahkan saat itu, saya bisa merasakan gelombang inovasi yang akan datang yang akan membuat ini memungkinkan. Maju cepat ke 2024, dan teknologi seperti ChatGPT sekarang melakukan banyak dari apa yang kami bayangkan. Ada kemajuan pesat dalam pemrosesan bahasa alami dengan perusahaan seperti Amazon, Google (GOOGL ), OpenAI, dan Microsoft (MSFT ) membangun model besar dan infrastruktur dasar. Tapi mereka tidak secara khusus menangani alur kerja ujung ke ujung. Kami mengenali kesenjangan ini dan ingin menanganinya.

Produk pertama kami bukanlah solusi layanan pelanggan; itu adalah asisten suara untuk pekerja garis depan, seperti teknisi dan karyawan toko ritel. Kami mengumpulkan $2 juta dalam pendanaan awal dan menunjukkan produk kepada calon pelanggan. Mereka secara luar biasa meminta kami untuk menyesuaikan teknologi untuk pusat kontak, di mana mereka sudah memiliki aliran suara dan data tetapi kekurangan arsitektur AI generatif modern. Ini membuat kami menyadari bahwa perusahaan yang ada di ruang ini terjebak di masa lalu, bergumul dengan dilema inovator klasik tentang apakah harus mengganti sistem warisan mereka atau membangun sesuatu yang baru. Kami memulai dari slate kosong dan membangun platform intelijen pengalaman pelanggan dan otomatisasi layanan pertama yang asli (LLM).

Minat saya yang mendalam pada kompleksitas bahasa manusia dan betapa sulitnya memecahkan masalah-masalah ini dari perspektif teknik komputer, memainkan peran signifikan dalam pendekatan kami. Kemampuan AI untuk memahami ucapan manusia sangat penting, terutama untuk industri pusat kontak. Misalnya, menggunakan Siri sering menunjukkan betapa sulitnya AI memahami niat dan konteks dalam bahasa manusia. Bahkan pertanyaan sederhana dapat membuat AI terjebak, yang bergumul untuk menafsirkan apa yang Anda tanyakan.

AI bergumul dengan memahami niat, mempertahankan konteks selama percakapan panjang, dan memiliki pengetahuan yang relevan tentang dunia. Bahkan ChatGPT memiliki keterbatasan dalam area-area ini. Misalnya, mungkin tidak tahu berita terbaru atau memahami topik yang bergeser dalam percakapan. Tantangan-tantangan ini secara langsung relevan dengan layanan pelanggan, di mana percakapan sering melibatkan beberapa topik dan memerlukan AI untuk memahami pengetahuan domain yang spesifik. Kami menangani tantangan-tantangan ini dalam platform kami, yang dirancang untuk menangani kompleksitas bahasa manusia dalam lingkungan layanan pelanggan.

Teknologi NLU Level AI melampaui pencocokan kata kunci dasar. Bisakah Anda menjelaskan bagaimana AI Anda memahami niat pelanggan yang lebih dalam dan manfaat apa yang dibawa ini kepada layanan pelanggan? Bagaimana Level AI memastikan akurasi dan keandalan sistem AI-nya, terutama dalam memahami interaksi pelanggan yang halus?

Kami memiliki enam atau tujuh pipa AI yang berbeda yang disesuaikan dengan tugas-tugas spesifik, tergantung pada pekerjaan yang dilakukan. Misalnya, satu alur kerja mungkin melibatkan mengidentifikasi pengemudi panggilan dan memahami masalah yang pelanggan hadapi dengan produk atau layanan, yang kami sebut “suara pelanggan.” Yang lain bisa menjadi penskoran otomatis kartu kualitas untuk mengevaluasi kinerja agen. Setiap alur kerja atau layanan memiliki pipa AI-nya sendiri, tetapi teknologi dasarnya tetap sama.

Untuk menggambar analogi, teknologi yang kami gunakan didasarkan pada LLM serupa dengan teknologi di balik ChatGPT dan alat AI generatif lainnya. Namun, kami menggunakan LLM khusus layanan pelanggan yang kami latih secara in-house untuk alur kerja yang disesuaikan. Ini memungkinkan kami untuk mencapai akurasi lebih dari 85% hanya dalam beberapa hari setelah onboarding pelanggan baru, menghasilkan waktu yang lebih cepat untuk nilai, layanan profesional minimal, dan akurasi, keamanan, dan kepercayaan yang tidak tertandingi.

Model kami memiliki keahlian yang mendalam dan spesifik dalam layanan pelanggan. Paradigma lama melibatkan menganalisis percakapan dengan memilih kata atau frasa seperti “batalkan akun saya” atau “Saya tidak bahagia.” Tapi solusi kami tidak bergantung pada menangkap semua variasi frasa yang mungkin. Sebaliknya, itu menerapkan AI untuk memahami niat di balik pertanyaan, membuatnya jauh lebih cepat dan efisien.

Misalnya, jika seseorang mengatakan, “Saya ingin membatalkan akun saya,” ada banyak cara mereka mungkin mengungkapkannya, seperti “Saya selesai dengan Anda” atau “Saya pindah ke orang lain.” AI kami memahami niat pertanyaan dan menghubungkannya kembali ke konteks, itulah mengapa perangkat lunak kami lebih cepat dan akurat.

Analogi yang membantu adalah bahwa AI lama seperti buku aturan – Anda membangun buku aturan yang kaku ini, dengan pernyataan jika-maka, yang infleksibel dan terus-menerus memerlukan pemeliharaan. AI baru, di sisi lain, seperti otak dinamis atau sistem pembelajaran. Dengan hanya beberapa petunjuk, itu secara dinamis mempelajari konteks dan niat, terus-menerus memperbaiki di terbang. Buku aturan memiliki cakupan yang terbatas dan mudah rusak ketika sesuatu tidak sesuai dengan aturan yang telah ditetapkan, sementara sistem pembelajaran dinamis terus berkembang, tumbuh, dan memiliki dampak yang jauh lebih luas.

Contoh yang bagus dari perspektif pelanggan adalah merek e-commerce besar. Mereka memiliki ribuan produk, dan mustahil untuk terus mengikuti pembaruan konstan. AI kami, bagaimanapun, dapat memahami konteks, seperti apakah Anda berbicara tentang sofa tertentu, tanpa perlu terus-menerus memperbarui skor atau rubrik dengan setiap produk baru.

Apa tantangan utama dalam mengintegrasikan teknologi Level AI dengan sistem layanan pelanggan yang ada, dan bagaimana Anda menanganinya?

Level AI adalah platform intelijen pengalaman pelanggan dan otomatisasi layanan. Sebagai such, kami mengintegrasikan dengan sebagian besar perangkat lunak CX di industri, apakah itu CRM, CCaaS, survei, atau solusi tooling. Ini membuat kami menjadi hub pusat, mengumpulkan data dari semua sumber ini dan berfungsi sebagai lapisan intelijen di atas.

Namun, tantangannya adalah beberapa sistem ini didasarkan pada teknologi non-cloud, on-premise, atau bahkan teknologi cloud yang kekurangan API atau integrasi data yang bersih. Kami bekerja sama dengan pelanggan kami untuk menangani ini, meskipun 80% integrasi kami sekarang berbasis cloud atau API-asli, memungkinkan kami untuk mengintegrasikan dengan cepat.

Bagaimana Level AI menyediakan intelijen waktu nyata dan wawasan yang dapat ditindaklanjuti untuk agen layanan pelanggan? Bisakah Anda membagikan beberapa contoh tentang bagaimana ini telah memperbaiki interaksi pelanggan?

Ada tiga jenis intelijen waktu nyata dan wawasan yang dapat ditindaklanjuti yang kami sediakan untuk pelanggan kami:

1. Otomatisasi Alur Kerja Manual: Perwakilan layanan sering memiliki waktu terbatas (6 hingga 9 menit) dan banyak tugas manual. Level AI mengotomatisasi tugas-tugas yang membosankan seperti penulisan catatan selama dan setelah percakapan, menghasilkan ringkasan yang disesuaikan untuk setiap pelanggan. Ini telah menyelamatkan pelanggan kami 10 hingga 25% dalam waktu penanganan panggilan, mengarah ke lebih efisien.
2. CX Copilot untuk Perwakilan Layanan: Perwakilan layanan menghadapi churn dan tantangan onboarding yang tinggi. Bayangkan Anda ditempatkan di pusat kontak tanpa mengetahui kebijakan perusahaan. Level AI bertindak sebagai ahli AI yang duduk di samping perwakilan, mendengarkan percakapan, dan menawarkan bimbingan waktu nyata. Ini termasuk menangani keberatan, menyediakan pengetahuan, dan menawarkan transkripsi pintar. Kemampuan ini telah membantu pelanggan kami onboard dan melatih perwakilan layanan 30 hingga 50% lebih cepat.
3. Manager Copilot: Fitur unik ini memberi manajer visibilitas waktu nyata tentang bagaimana tim mereka berperforma. Level AI menyediakan wawasan detik-per-detik ke dalam percakapan, memungkinkan manajer untuk melakukan intervensi, mendeteksi sentimen dan niat, dan mendukung perwakilan dalam waktu nyata. Ini telah memperbaiki produktivitas agen sebesar 10 hingga 15% dan meningkatkan kepuasan agen, yang sangat penting untuk mengurangi biaya. Misalnya, jika pelanggan mulai mengutuki perwakilan, sistem tersebut memflaggingnya, dan manajer dapat mengambil alih panggilan atau memberikan bimbingan kepada perwakilan. Jenis intervensi waktu nyata ini tidak mungkin tanpa teknologi ini.

Bisakah Anda menjelaskan bagaimana analisis sentimen Level AI bekerja dan bagaimana itu membantu agen merespons lebih efektif kepada pelanggan?

Analisis sentimen kami mendeteksi tujuh emosi yang berbeda, mulai dari frustrasi ekstrem hingga euforia, memungkinkan kami untuk mengukur berbagai derajat emosi yang menyumbang skor sentimen kami secara keseluruhan. Analisis ini mempertimbangkan baik kata-kata yang diucapkan dan nada percakapan. Namun, kami telah menemukan melalui eksperimen kami bahwa kata-kata yang diucapkan memainkan peran yang jauh lebih signifikan daripada nada. Anda bisa mengatakan hal-hal paling kejam dengan nada datar atau hal-hal paling baik dengan nada aneh.

Kami menyediakan skor sentimen pada skala dari 1 hingga 10, dengan 1 menunjukkan sentimen sangat negatif dan 10 menunjukkan sentimen sangat positif. Kami menganalisis 100% percakapan pelanggan kami, menawarkan wawasan yang mendalam ke dalam interaksi pelanggan.

Pemahaman konteks juga sangat kritis. Misalnya, jika panggilan dimulai dengan sentimen sangat negatif tetapi berakhir positif, bahkan jika 80% panggilan itu negatif, interaksi keseluruhan dianggap positif. Ini karena pelanggan memulai dengan marah, perwakilan menyelesaikan masalah, dan pelanggan meninggalkan dengan puas. Di sisi lain, jika panggilan dimulai positif tetapi berakhir negatif, itu cerita yang berbeda, meskipun 80% panggilan mungkin positif.

Analisis ini membantu baik perwakilan dan manajer untuk mengidentifikasi area untuk pelatihan, fokus pada tindakan yang berkorelasi dengan sentimen positif, seperti menyambut pelanggan, mengakui kekhawatiran mereka, dan menunjukkan empati – elemen-elemen yang sangat penting untuk interaksi yang sukses.

Bagaimana Level AI menangani kekhawatiran privasi dan keamanan data, terutama mengingat sifat sensitif interaksi pelanggan?

Sejak hari pertama, kami telah memprioritaskan keamanan dan privasi. Kami telah membangun sistem kami dengan keamanan dan privasi tingkat perusahaan sebagai prinsip inti. Kami tidak mengalihdayakan kemampuan AI generatif kami kepada vendor pihak ketiga. Semuanya dikembangkan secara in-house, memungkinkan kami untuk melatih model AI khusus pelanggan tanpa berbagi data di luar lingkungan kami. Kami juga menawarkan kustomisasi yang luas, memungkinkan pelanggan untuk memiliki model AI mereka sendiri tanpa berbagi data di berbagai bagian pipa data kami.

Untuk menangani kekhawatiran industri saat ini, data kami tidak digunakan oleh model eksternal untuk pelatihan. Kami tidak memungkinkan model kami dipengaruhi oleh data AI yang dihasilkan dari sumber lain. Pendekatan ini mencegah masalah yang beberapa model AI hadapi, di mana dilatih pada data AI yang dihasilkan menyebabkan mereka kehilangan akurasi. Di Level AI, semuanya pertama-pihak, dan kami tidak berbagi atau menarik data secara eksternal.

Dengan pendanaan Seri C sebesar $39,4 juta baru-baru ini, apa rencana Anda untuk memperluas platform Level AI dan mencapai segmen pelanggan baru?

Investasi Seri C akan memacu inisiatif pertumbuhan strategis dan inovasi kami di area-area kritis, termasuk pengembangan produk lanjutan, peningkatan teknik, dan upaya penelitian dan pengembangan yang ketat. Kami bertujuan untuk merekrut bakat tingkat atas di semua tingkat organisasi, memungkinkan kami untuk terus mempelopori teknologi yang memimpin industri yang melampaui harapan klien dan memenuhi tuntutan pasar yang dinamis.

Bagaimana Anda melihat peran AI dalam mengubah layanan pelanggan selama dekade mendatang?

Sementara fokus umum sering kali pada aspek otomatisasi – memprediksi masa depan di mana bot menangani semua layanan pelanggan – pandangan kami lebih nuansa. Tingkat otomatisasi bervariasi oleh vertikal. Misalnya, di perbankan atau keuangan, otomatisasi mungkin lebih rendah, sementara di sektor lain, itu bisa lebih tinggi. Rata-rata, kami percaya bahwa mencapai lebih dari 40% otomatisasi di semua vertikal adalah menantang. Ini karena perwakilan layanan melakukan lebih dari sekadar menjawab pertanyaan – mereka bertindak sebagai pemecah masalah, penasihat penjualan, dan lebih, peran yang tidak dapat sepenuhnya direplikasi oleh AI.

Ada juga potensi signifikan dalam otomatisasi alur kerja, yang Level AI fokuskan. Ini termasuk tugas-tugas back-office seperti asuransi kualitas, triaging tiket, dan pemantauan layar. Di sini, otomatisasi dapat melampaui 80% menggunakan AI generatif. Kecerdasan dan wawasan data sangat penting. Kami unik dalam menggunakan AI generatif untuk mendapatkan wawasan dari data tidak terstruktur. Pendekatan ini dapat secara signifikan memperbaiki kualitas wawasan, mengurangi kebutuhan akan layanan profesional sebesar 90% dan mempercepat waktu untuk nilai sebesar 90%.

Pertimbangan penting lainnya adalah apakah wajah organisasi Anda harus menjadi bot atau orang. Di luar fungsi dasar yang mereka lakukan, koneksi manusia dengan pelanggan Anda sangat penting. Pendekatan kami adalah untuk menghilangkan tugas-tugas berlebih dari beban kerja seseorang, memungkinkan mereka untuk fokus pada interaksi yang bermakna.

Kami percaya bahwa manusia paling sesuai untuk komunikasi langsung dan harus terus memainkan peran itu. Namun, mereka tidak ideal untuk tugas-tugas seperti penulisan catatan, transkripsi interaksi, atau perekaman layar. Dengan menangani tugas-tugas ini untuk mereka, kami membebaskan waktu mereka untuk berinteraksi dengan pelanggan lebih efektif.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Level AI.