Dan O’Connell, Chief Strategy Officer di Dialpad – Seri Wawancara

Dan adalah Chief Revenue Officer di Dialpad. Sebelumnya, ia adalah CEO dari TalkIQ, sebuah start-up pengenalan ucapan dan pemrosesan bahasa alami waktu nyata yang diakuisisi oleh Dialpad pada Mei 2018. Sebelum TalkIQ, ia memegang berbagai posisi kepemimpinan penjualan di AdRoll dan Google (GOOGL ).

Dialpad adalah platform komunikasi cloud yang ditenagai AI yang membuatnya lebih mudah dan efisien untuk terhubung dan berkolaborasi dengan tim Anda

Anda sebelumnya adalah CEO dari TalkIQ, sebuah start-up pengenalan ucapan waktu nyata dan pemrosesan bahasa alami yang diakuisisi oleh Dialpad pada Mei 2018. Apa yang membuat start-up ini begitu sukses dalam teknologi pengenalan ucapan?

Ini adalah kombinasi dari beberapa hal: waktu, orang, dan fokus. Teknologi pengenalan ucapan otomatis (ASR) tidak baru, telah ada selama beberapa dekade — lebih lama dari yang dipikirkan orang. Selama waktu ini (dan, lebih banyak, lima tahun terakhir), teknologi ASR telah mendapat manfaat dari peningkatan daya komputasi, cloud, ketersediaan dataset, dan adopsi massal speaker pintar di pasar konsumen. Semua hal ini telah meningkatkan akurasi transkripsi.

Di atas tren-tren tersebut, kami juga beruntung dapat menggabungkan spesialis (seperti ahli bahasa) dengan hacker. Dan ketika saya mengatakan hacker, saya maksudkan insinyur yang dapat dengan cepat membawa produk ke pasar — mereka mengemudi inovasi dan memecahkan masalah dengan cepat. Dan meskipun mereka mungkin tidak selalu memiliki solusi yang paling elegan, mereka biasanya yang paling cepat dan memungkinkan Anda untuk dilihat sebagai inovator di ujung tombak — yang menjadi sesuatu yang dapat Anda manfaatkan dari sudut pandang pemasaran dan penjualan. Cerita itu bermain dengan baik ketika Anda membangun start-up dan mencoba mengumpulkan uang.

Jadi, kami memiliki ahli di bidangnya, tren pasar alami, lautan biru yang besar ketika menerapkan teknologi di perusahaan dan tim dengan catatan yang dapat diulang dalam membawa teknologi inovatif ke pasar dengan gerakan GTM yang dapat diulang.

Akhirnya, kami mengambil pendekatan yang berbeda untuk memecahkan masalah. Mesin transkripsi tradisional berfungsi seperti perekaman kaset. Anda merekam panggilan; Anda menyimpan file audio; Anda meletakkan file audio tersebut melalui mesin transkripsi Anda; dan beberapa saat kemudian Anda mendapatkan output. Awalnya, panggilan 30 menit akan membutuhkan 30 menit untuk ditranskripsikan, sehingga kita berbicara tentang keterlambatan nyata dalam skala besar.

Kami ingin memecahkan masalah itu dan membangun mesin transkripsi streaming atau waktu nyata yang tidak memerlukan file audio. Ini mungkin terdengar sedikit baru hari ini, tetapi beberapa tahun yang lalu tidak ada mesin streaming yang dapat menangani transkripsi waktu nyata dengan kualitas audio yang buruk (yaitu, tidak stereo — 44khz). Kami tidak ingin membangun perekam kaset.

Kami ingin membangun mesin waktu nyata untuk memahami dan menganalisis percakapan. Jika kita bisa melakukannya, maka peluangnya akan tak terbatas karena kita dapat memulai mengotomatisasi alur kerja dan melakukan semua hal keren yang belum pernah dilakukan sebelumnya. Dan kudos besar untuk Jim Palmer, Etienne Manderscheid, Kevin James, Noah Gaspar, dan beberapa lainnya karena mereka adalah yang pertama membangun mesin waktu nyata seperti ini.

Dapatkah Anda membahas periode transisi setelah Dialpad mengakuisisi TalkIQ pada Mei 2018?

Fase akuisisi sebenarnya sangat lancar. Dialpad adalah mitra TalkIQ dan tim produk kami sudah berada di Dialpad setiap minggu. Dan, saya telah bekerja sebelumnya dengan co-pendiri Craig Walker dan Brian Peterson di Google dan sangat senang dengan prospek bergabung dengan mereka.

Kami semua melihat masa depan dengan cara yang sama, yaitu teknologi ini (ASR/NLP) yang dipanggang ke dalam platform komunikasi/kolaborasi dapat mengganggu pasar dan mengubah permainan untuk bisnis. Ini adalah bagian dari alasan mengapa, hampir seketika setelah penutupan akuisisi, kami mengumpulkan $50M dalam putaran yang dipimpin oleh ICONIQ. Investor melihat peluang di masa depan aplikasi teknologi dan tim yang bekerja pada masalah ini.

Di TalkIQ, kami pada dasarnya adalah start-up yang mencoba menjadi tiga start-up sekaligus: Kami membangun tumpukan teleponi sendiri, mesin pengenalan ucapan, dan teknologi NLP internal. Ini adalah tiga masalah sulit untuk dipecahkan. Dialpad telah berhasil mengatasi aspek teleponi, sehingga ketika tawaran akuisisi datang, itu adalah keputusan yang mudah. Kami melihat Dialpad sebagai platform komunikasi bisnis paling inovatif di ruang ini, dan visi kami untuk masa depan komunikasi bisnis sangat sejalan.

Apa saja teknologi pembelajaran mesin yang digunakan di Dialpad?

Mesin Voice Intelligence (Vi™) asli kami menggunakan AI dan ML untuk membantu organisasi mengemudi penjualan, mendapatkan wawasan kompetitif, meningkatkan layanan pelanggan, dan memiliki pertemuan online yang lebih efisien.

Teknologi ASR dan NLP dari TalkIQ digunakan untuk mengambil percakapan dari panggilan suara dan video secara waktu nyata. Pada saat yang sama, teknologi kami yang unik memungkinkan kami untuk memproses data percakapan masuk dan menangkap serta mentranskripsikan dengan akurasi terkemuka di industri menjadi format yang mudah dibaca.

ML bawaan membantu Vi meningkat seiring waktu. Semakin Anda menggunakan Vi, semakin banyak yang dipelajari, dan semakin baik dalam memproses percakapan. Dengan waktu, transkrip panggilan akan meningkat akurasi, dan Vi akan dapat memproses nuansa percakapan yang lebih halus.

Dialpad baru-baru ini mencapai tonggak AI besar setelah menganalisis lebih dari satu miliar menit suara, tes benchmark menunjukkan bahwa model transkripsi Dialpad melampaui kompetitor utama, termasuk model teleponi ditingkatkan Google. Apa jenis tes yang dilakukan untuk mengukur hasil ini?

Kami memiliki koleksi set tes yang berisi audio dan transkrip yang dianggap sebagai kebenaran apa yang dikatakan dalam audio. Kami mengirim audio yang sama ke setiap kompetitor dan menerima transkrip kembali, yang kemudian kami bandingkan dengan kebenaran. Kami menghitung jumlah kesalahan untuk menentukan persentase akurasi. Kami telah membandingkan diri kami dengan Google sejak akuisisi TalkIQ pada April 2018, dan selalu memiliki akurasi yang lebih rendah sampai sekarang.

Apa saja perbedaan kunci di balik mesin Voice Intelligence (Vi™) Dialpad dan mesin kompetitor?

Salah satu perbedaan terbesar adalah bahwa kami telah melakukannya lebih lama dari kompetitor, yang berarti kami telah menganalisis lebih banyak data untuk memastikan teknologi kami adalah yang paling akurat. Kami telah menganalisis lebih dari satu miliar menit komunikasi suara dan terus memproses sekitar 90 juta menit per bulan dengan mesin Vi kami. Dalam hal ini, kami secara harfiah beberapa tahun lebih maju dari kompetitor.

Perbedaan lainnya adalah pendekatan kami yang disesuaikan dan dapat diskalakan untuk model bahasa. Untuk setiap pelanggan, kami membangun database kata-kata kunci spesifik perusahaan sehingga kami dapat melakukan keyword boosting untuk meningkatkan akurasi. Misalnya, untuk pengguna yang mengeja namanya ‘Kathryn’ dan bekerja di perusahaan bernama Skribbl, sistem kami akan mengeja nama-nama yang benar, sedangkan model lainnya mungkin akan mengeja nama-nama tersebut seperti yang terdengar (yaitu “Katherine” dan “scribble”).

Apa pandangan pribadi Anda tentang masa depan pemrosesan bahasa alami? Berapa lama sampai AI mencapai akurasi hampir 100% atau bahkan 100%?

Akurasi sempurna hampir tidak mungkin dicapai. Mungkin suatu hari nanti saya akan terkejut (saya harap begitu!). Saya pikir kita akan sangat dekat, tetapi tidak sempurna. Alasannya adalah pengenalan ucapan otomatis (dan kemudian NLP) memiliki masalah tak terbatas untuk dipecahkan: aksen, jarak ke mikrofon, kebisingan latar, masalah koneksi, jenis mikrofon yang berbeda, seberapa cepat seseorang berbicara, pengucapan, konteks (Sara vs Sarah vs Serra), singkatan, slang, dan sebagainya. Sementara saya ingin mengatakan kita akan mencapainya, saya pikir kita dapat sangat dekat, tetapi mil terakhir, atau 1-2% dalam hal akurasi, akan menantang.

Yang dikatakan, saya pikir akan ada beberapa perkembangan menarik dalam keterbacaan. Hari ini, ketika Anda meninjau transkrip percakapan, dapat terbaca seperti aliran kesadaran. Kami secara alami berbicara dengan cara yang lancar, menggunakan kalimat yang panjang, mengulangi kata-kata, memulai ulang kalimat — kita melakukan semua hal ini yang tidak kita lakukan dalam bentuk tertulis. Ada beberapa peluang unik ketika datang ke memiliki versi transkrip yang lebih mudah dibaca — satu yang menghapus redundansi, memprediksi atau meningkatkan tanda baca dan mengoptimalkan transkrip untuk lebih mudah dibaca.

Di pikiran saya, ada dua versi: versi verbatim yang sangat dekat dengan 100% dari percakapan (termasuk kalimat yang panjang dan semua), dan kemudian ada versi yang ditingkatkan yang jauh lebih mudah dicerna karena tanda baca dan optimasi.

Dan ini kemudian membawa kita ke jalan apakah kita dapat mensintesis percakapan ke bagian yang paling bermakna? Apakah Anda memerlukan transkrip penuh atau apakah Anda memerlukan ringkasan akurat yang diformat untuk keterbacaan?

Tentu saja, ini tergantung pada kasus penggunaan Anda, tetapi inilah yang menarik dan mengasyikkan tentang ruang ini. Kami berada di mungkin inning ketiga dari apa yang mungkin (dalam baseball), dan kami belum memasuki inovasi alur kerja di mana kami akan melihat NLP menjadi lebih “konteks-kesadaran”, seperti menggunakan percakapan sebelumnya untuk meningkatkan akurasi.

Konteks yang lebih spesifik yang dimiliki model, semakin baik. Bayangkan berbagi konteks yang sama di seluruh percakapan dan terus mengadaptasi konteks untuk ML agar lebih pintar. Teknologi konteks-kesadaran juga penting untuk meningkatkan akurasi mengingat perbedaan besar dalam cara kita berkomunikasi. Apa yang mungkin tampak seperti perbedaan linguistik yang halus bagi manusia sangat sulit untuk dilatih model ML untuk meniru.

Apa saja layanan yang saat ini ditawarkan Dialpad kepada klien?

Dialpad adalah cara yang lebih pintar untuk bekerja. Kami telah membangun platform untuk tenaga kerja modern, hybrid — memberdayakan orang dan tim untuk lebih efisien, efektif, dan terlibat dari mana saja di dunia. Kami menyediakan pengalaman komunikasi bisnis yang mulus — panggilan, obrolan, konferensi video, dan pusat panggilan — dengan kualitas, keamanan, dan keandalan yang tak tertandingi. Dialpad menyampaikan pengalaman itu sebagai platform cloud yang seragam, yang ekonomis, sederhana untuk diterapkan, dan mudah untuk dikelola.

Apakah ada yang ingin Anda bagikan tentang Dialpad?

Tahun 2020 adalah tahun yang luar biasa untuk perusahaan, yang sangat luar biasa untuk dipikirkan mengingat apa yang dialami dunia (dan terus mengalami). Kami menggandakan jumlah karyawan, mengamankan $100M dalam pendanaan, mengakuisisi perusahaan, dan melakukan semua itu saat basis pelanggan kami tumbuh secara eksponensial.

Dengan pekerjaan jarak jauh yang ada di sini untuk tetap, kami berharap pertumbuhan ini akan berlanjut, dan kami sangat bersemangat untuk tahun yang akan datang. Kami percaya gerakan bekerja dari mana saja akan meningkatkan kebutuhan akan teknologi inovatif yang membantu karyawan bekerja lebih pintar — bukan lebih keras. Perusahaan akan beralih ke AI untuk mengalirkan efisiensi, menghilangkan tugas-tugas yang membosankan, dan memungkinkan karyawan untuk fokus pada prioritas yang lebih besar. Dialpad sangat sesuai untuk memenuhi kebutuhan ini.

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