Krishna Raj Raja, CEO dan Pendiri SupportLogic – Seri Wawancara

Krishna Raj Raja, adalah CEO dan Pendiri SupportLogic, platform manajemen pengalaman layanan (SX) terus-menerus pertama di dunia yang memungkinkan perusahaan memahami dan bertindak atas ‘Suara Pelanggan’ secara real-time untuk segera memperbaiki pengiriman layanan dan membangun hubungan pelanggan yang sehat dan menguntungkan.

Anda menggambarkan diri Anda sebagai seorang “penggemar sains”, apa yang membuat Anda sangat tertarik dengan dunia sains?

Bagi saya, sains adalah semua tentang rasa ingin tahu tentang bagaimana dunia bekerja dan apa pola yang ada di dunia. Saya telah memiliki rasa ingin tahu ini sejak masa kecil, dan itu telah berkembang menjadi kehidupan profesional saya. Di SupportLogic, kami sedang mencari pola yang ada dalam bahasa alami, dan menggunakan pola tersebut untuk memprediksi hal-hal dan memberikan rekomendasi. Ini seperti sains – itu memprediksi pola, memberikan rekomendasi dan memberitahu Anda bagaimana dunia bekerja. Banyak dari apa yang saya pelajari dalam hidup saya adalah hasil belajar mandiri karena itu berasal dari rasa ingin tahu alami saya, bukan dari pendidikan formal.

Anda melanjutkan untuk mendapatkan gelar di Teknik Kimia, tetapi kemudian memutuskan untuk mengejar kesempatan di ilmu komputer dan pembelajaran mesin. Bisakah Anda membahas perubahan ini?

Ayah saya adalah seorang pemilik bisnis yang sukses (dalam pengolahan baja) dan dia berharap bahwa suatu hari nanti saya akan mengambil alih bisnis keluarga. Teknik kimia tampaknya adalah pelatihan yang tepat untuk memiliki agar saya siap untuk melakukan itu. Tetapi ilmu komputer telah menjadi passion sampingan saya selama waktu yang lama. Bahkan, tesis saya untuk gelar teknik kimia saya adalah membuat program perangkat lunak untuk desain reaktor kimia.

Setelah saya menyelesaikan gelar teknik kimia saya, menjadi jelas bahwa ilmu komputer adalah passion sejati saya. Kemampuan ilmu komputer saya sepenuhnya hasil belajar mandiri, dan ketika saya bergabung dengan VMware semua rekan kerja saya memiliki gelar PhD dari sekolah Ivy League di ilmu komputer. Saya adalah orang yang paling tidak memenuhi syarat di tim saya.

Anda adalah salah satu karyawan awal di VMware, di mana Anda bekerja di dukungan & layanan sebagai insinyur dukungan produk. Apa beberapa area potensial untuk perbaikan yang Anda amati?

Saya adalah seorang insinyur perangkat lunak yang berubah menjadi insinyur dukungan produk. Saya bergabung dengan VMware karena teknologi mereka sangat menarik – mereka menangani sistem operasi dan saya memiliki minat khusus dalam hal itu. Saya membantu pengembang sistem operasi lain menggunakan produk VMware secara harian. Karena latar belakang saya, saya melihat hal-hal dari dua sudut yang berbeda: 1) Bagaimana saya membuat pelanggan ini bahagia dan menyelesaikan masalah mereka; dan 2) Mengapa masalah ini ada di perangkat lunak, dan bagaimana itu dapat diperbaiki? Saya melihat aspek produk dari semua masalah dukungan. Salah satu hal pertama yang saya sadari adalah bahwa ketika tim produk mengembangkan produk, mereka tidak tahu bagaimana produk itu akan diterapkan dan digunakan, sehingga mereka tidak memprediksi banyak hal selama proses pengembangan. Namun, tim dukungan memiliki gagasan yang baik tentang masalah-masalah tersebut dan dapat memberikan umpan balik yang berharga kepada tim produk serta departemen lain di perusahaan. Masalahnya adalah bahwa umpan balik ini biasanya hilang karena tim dukungan fokus pada memperbaiki masalah pelanggan dan kemudian segera beralih ke masalah berikutnya. Informasi penting itu tidak disampaikan.

Bisakah Anda membagikan beberapa detail tentang cerita asal SupportLogic?

Ketika saya memulai SupportLogic, saya melihat lanskap pasar untuk industri dukungan dan saya menemukan bahwa semua inovasi di ruang dukungan difokuskan pada pengalihan kasus. Ini berarti bahwa cara terbaik untuk menangani masalah dukungan adalah dengan mengalihkannya – dari insinyur dukungan, dan dari pelanggan. Ini bertentangan dengan apa yang saya lihat sebagai insinyur dukungan produk – setiap interaksi pelanggan adalah kesempatan untuk belajar tentang pelanggan dan tentang bagaimana produk bekerja dan tidak bekerja. Tetapi saya terkejut menemukan bahwa tidak ada alat di luar sana untuk memecahkan masalah ini (pembelajaran), sehingga saya melihat kesempatan besar di sana.

Juga, saya menyadari bahwa dukungan sering diperlakukan sebagai pusat biaya, yang saya pikir adalah cara pandang yang terlalu sempit. Ketika Anda melihat dukungan sebagai pusat keuntungan atau sebagai sistem saraf pusat perusahaan, Anda dapat benar-benar mengubah organisasi dan membuat mereka benar-benar berfokus pada pelanggan. Itulah yang membuat saya memulai SupportLogic.

Apa beberapa teknologi pembelajaran mesin yang berbeda yang digunakan di SupportLogic?

Ketika perusahaan dimulai, saya tidak berpengalaman dalam mengasumsikan bahwa kami bisa menggunakan API pembelajaran mesin yang tersedia secara umum. Ada banyak dari mereka – dari Amazon (AMZN ), Microsoft , dan HPE – dan mereka semua menyediakan API pembelajaran mesin sebagai layanan. Untuk kekecewaan saya, banyak dari model pembelajaran mesin ini tidak bekerja dengan jenis data yang kami kerjakan (data dukungan pelanggan). Tetapi saya menyadari bahwa ini adalah kesempatan dan berkata, “mengapa tidak kita bangun sendiri?” Kami mulai membangun dari awal menggunakan teknologi ML yang ada dari proyek sumber terbuka, seperti spaCy dari Stanford University, dan Google (GOOGL ) BERT, dan kemudian menambahkan beberapa “saus rahasia” di atas itu, menggunakan pendekatan model ensemble. Kami juga melakukan fine-tuning model untuk setiap pelanggan dan set data spesifik mereka, bukan menggunakan filosofi satu-ukuran-untuk-semua.

Bisakah Anda membahas bagaimana SupportLogic memungkinkan perusahaan untuk lebih baik terhubung dengan pelanggan dengan menggunakan sinyal kunci?

Salah satu hal utama yang kami lakukan adalah mengekstrak konteks pelanggan menggunakan NLP. Konteks sangat penting karena konteks sering hilang dalam proses penandaan sistem tiket. Anda hanya dapat menandai sejumlah informasi terbatas dalam sistem tersebut. Kami unggul dalam mengekstrak konteks pelanggan, seperti apa yang mereka frustrasi, apa impresi mereka tentang produk atau dukungan Anda, atau apa yang mereka coba lakukan dengan produk Anda. Ada berbagai sinyal dan konteks untuk diekstrak. Dengan melakukan ini secara real-time dan membuat alur kerja di platform kami, kami memungkinkan perusahaan untuk bertindak atas sinyal pelanggan dan memperbaiki masalah sebelum terlambat – artinya pelanggan menjadi sangat marah atau pergi selamanya.

Apa beberapa kemampuan lain di balik perangkat lunak SupportLogic?

Setelah Anda mulai mengekstrak sinyal pelanggan dari interaksi, sinyal tersebut menjadi sangat kuat untuk analitik. Kami memiliki modul analitik yang memberitahu Anda apa yang terlihat seperti suara pelanggan, berdasarkan semua interaksi. Kemudian kami melangkah lebih jauh dan menggunakan data untuk memulai membuat prediksi. Kami dapat memprediksi apa yang akan terjadi dengan akun pelanggan tertentu. Kami juga dapat memprediksi – berdasarkan situasi pelanggan – siapa yang merupakan ahli materi terbaik di perusahaan untuk membantu memperbaiki masalah, dan kemudian mencocokkan pelanggan dengan orang yang tepat.

Dan kami dapat melihat baik percakapan masuk dan keluar untuk memberikan bimbingan kepada agen layanan tentang apa yang harus mereka lakukan lebih (atau kurang) dalam interaksi sehari-hari dengan pelanggan. Ini menjadi alat pelatihan yang hebat untuk membantu agen layanan mengembangkan keterampilan lunak mereka dan meningkatkan kinerja keseluruhan.

Apakah ada yang lain yang Anda ingin bagikan tentang SupportLogic?

Salah satu kesalahpahaman umum yang orang memiliki tentang AI adalah bahwa itu adalah investasi besar yang sangat terlibat dan kompleks, dan bahwa Anda tidak akan melihat hasilnya selama setahun atau lebih. Pada kenyataannya, teknologi AI dan ML telah matang banyak, dan dapat bekerja pada set data yang ada. Dan Anda dapat melihat hasilnya dalam beberapa bulan, bukan dalam beberapa tahun. Jadi, sekarang adalah waktu yang tepat untuk berinvestasi di AI karena Anda dapat melihat hasil luar biasa dalam beberapa bulan yang dapat memberikan manfaat besar bagi organisasi Anda.

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