Ofer Ronen, Co-Pendiri dan CEO Tomato.ai – Seri Wawancara

Ofer Ronen adalah Co-Pendiri dan CEO Tomato.ai, sebuah platform yang menawarkan filter suara yang ditenagai AI untuk melembutkan aksen bagi agen offshore saat mereka berbicara, sehingga meningkatkan metrik CSAT dan penjualan.

Ofer sebelumnya menjual tiga startup teknologi, dua kepada Google (GOOGL ), dan satu kepada IAC. Ia menghabiskan lima tahun terakhir di Google dengan membangun solusi AI pusat kontak dalam Area 120 inkubator. Ia menutup lebih dari $500M dalam kesepakatan untuk solusi baru tersebut. Ia memegang gelar MS dalam Teknik Komputer dengan fokus pada AI dari Universitas Michigan, dan MBA dari Cornell.

Apa yang awalnya menarik Anda ke machine learning dan AI?

AI telah memiliki sejarah yang panjang dengan awal dan berhenti. Periode ketika ada harapan besar untuk teknologi ini untuk mengubah industri, diikuti oleh periode kekecewaan karena tidak quite memenuhi harapan.

Ketika saya melakukan Master di AI beberapa dekade yang lalu, di Universitas Michigan, itu adalah periode kekecewaan, ketika AI tidak quite membuat dampak. Saya tertarik dengan ide bahwa komputer dapat diajarkan untuk melakukan tugas melalui contoh vs heuristik tradisional, yang memerlukan berpikir tentang apa instruksi eksplisit untuk diberikan. Pada saat itu saya bekerja di laboratorium penelitian AI pada agen virtual yang membantu guru menemukan sumber daya online untuk kelas mereka. Saat itu kita tidak memiliki data besar, sumber daya komputasi yang kuat, atau jaringan neural yang canggih yang kita miliki sekarang, sehingga kemampuan yang kita bangun terbatas.

Dari 2016 hingga 2019 Anda bekerja di Google’s Area 120 inkubator untuk merancang agen virtual yang sangat kuat untuk pusat kontak terbesar. Apa solusi ini tepatnya?

Baru-baru ini saya bekerja di Google’s Area 120 inkubator pada beberapa proyek deploy agen virtual suara terbesar, termasuk beberapa proyek untuk perusahaan Fortune 50 dengan lebih dari seratus juta panggilan dukungan setahun.

Untuk membangun agen virtual yang lebih kuat yang dapat menangani percakapan yang kompleks, kita mengambil jutaan percakapan historis antara manusia dan menggunakan percakapan tersebut untuk mendeteksi jenis pertanyaan lanjutan yang pelanggan memiliki di luar masalah awal mereka. Dengan menambang pertanyaan lanjutan dan menambang cara berbeda pelanggan mengungkapkan setiap pertanyaan, kita dapat membangun agen virtual yang fleksibel yang dapat memiliki percakapan yang berliku-liku. Ini mencerminkan lebih baik jenis percakapan yang pelanggan memiliki dengan agen manusia. Hasil akhirnya adalah peningkatan material dalam total panggilan yang sepenuhnya ditangani oleh agen virtual.

Pada 2021 dan 2022, Anda membangun startup kedua di Area 120, bisa Anda bagikan apa perusahaan ini dan apa yang Anda pelajari dari pengalaman ini?

Startup kedua saya dalam Area 120 lagi fokus pada pusat kontak. Solusi kami fokus pada mengurangi churn pelanggan dengan proaktif menghubungi pelanggan tepat setelah panggilan dukungan yang gagal di mana pelanggan mengungkapkan masalah mereka tetapi tidak mencapai resolusi. Penghubungan akan dilakukan oleh agen virtual yang dilatih untuk menangani masalah terbuka tersebut. Apa yang saya pelajari dari pengalaman ini adalah bahwa churn adalah metrik yang sulit diukur dalam waktu yang singkat. Dapat memakan waktu 6 bulan untuk mendapatkan hasil yang signifikan secara statistik untuk perubahan dalam churn. Ini membuatnya sulit untuk mengoptimalkan pengalaman dengan cepat dan untuk meyakinkan pelanggan bahwa solusi ini efektif.

Bisakah Anda membagikan cerita asal di balik startup ketiga Anda, Tomato.ai, dan mengapa Anda memilih untuk melakukannya sendiri daripada bekerja di dalam Google?

Ide untuk Tomato.ai, startup ketiga saya, datang dari James Fan, co-pendiri dan CTO saya. James berpikir bahwa akan lebih efektif untuk menjual anggur dengan aksen Perancis, dan apa yang terjadi jika siapa saja bisa dibuat terdengar seperti Perancis?

Ini adalah benih ide, dan dari sana pemikiran kami berkembang. Ketika kami menyelidiki lebih lanjut, kami menemukan titik nyeri yang lebih akut yang dirasakan oleh pelanggan ketika berbicara dengan agen offshore yang beraksen. Pelanggan memiliki masalah dengan pemahaman dan kepercayaan. Ini mewakili peluang pasar yang lebih besar. Dengan latar belakang kami, kami menyadari dampak besar yang akan terjadi pada pusat kontak, membantu mereka meningkatkan metrik penjualan dan dukungan. Kami sekarang menyebut solusi ini sebagai Accent Softening.

James dan saya sebelumnya memimpin dan menjual startup, termasuk masing-masing dari kami menjual startup kepada Google.

Kami memutuskan untuk meninggalkan Google untuk memulai Tomato.ai karena, setelah banyak tahun di Google, kami ingin kembali memulai dan memimpin perusahaan kami sendiri.

Tomato.ai memecahkan masalah penting dengan pusat kontak, yang merupakan melembutkan aksen untuk agen. Bisakah Anda membahas mengapa filter suara lebih disukai sebagai solusi daripada pelatihan agen?

Di Tomato.ai, kami memahami pentingnya komunikasi yang jelas di pusat kontak, di mana aksen dapat terkadang menciptakan hambatan. Sebagai gantinya untuk hanya mengandalkan pelatihan agen tradisional, kami telah mengembangkan filter suara, atau apa yang kami sebut “melembutkan aksen.” Filter ini membantu agen mempertahankan suara unik mereka, sementara mengurangi aksen mereka, meningkatkan kejelasan untuk panggilan. Dengan menggunakan filter suara, kami memastikan komunikasi yang lebih baik dan membangun kepercayaan antara agen dan panggilan, membuat setiap interaksi lebih efektif dan memuaskan bagi pelanggan. Jadi, dibandingkan dengan program pelatihan yang luas, filter suara menawarkan solusi yang lebih sederhana dan lebih langsung untuk menangani tantangan aksen di pusat kontak.

Ketika agen yang ada menggunakan alat ini untuk meningkatkan kinerja mereka, mereka akan diberdayakan untuk memerintahkan tarif yang lebih tinggi, mencerminkan nilai tambah mereka dalam menyampaikan pengalaman pelanggan yang luar biasa. Secara bersamaan, efek demokratisasi dari AI generatif akan membawa agen baru ke dalam lipatan, memperluas kolam bakat dan mengurangi tarif per jam. Ini menandai transformasi fundamental dalam dinamika layanan pusat kontak, di mana teknologi dan keahlian manusia membentuk kembali lanskap industri, membuka jalan bagi masa depan yang lebih inklusif dan kompetitif.

Apa teknologi mesin pembelajaran dan AI yang berbeda yang digunakan untuk memungkinkan filtering suara?

Solusi filtering suara waktu nyata ini tidak akan mungkin beberapa tahun yang lalu. Kemajuan dalam penelitian suara yang dikombinasikan dengan arsitektur baru seperti model transformer dan Jaringan Saraf Dalam, dan perangkat keras AI yang lebih kuat (seperti TPU dari Google, dan GPU dari NVidia) membuatnya lebih memungkinkan untuk membangun solusi seperti ini hari ini. Ini masih merupakan masalah yang sangat sulit yang memerlukan tim kami untuk menciptakan teknik baru untuk melatih model suara-ke-suara yang memiliki latensi rendah dan kualitas tinggi.

Jenis umpan apa yang telah diterima dari pusat kontak, dan bagaimana itu mempengaruhi tingkat churn karyawan?

Kami memiliki permintaan yang kuat dari pusat kontak besar dan kecil untuk mencoba solusi melembutkan aksen kami. Pusat kontak tersebut mengakui bahwa Tomato.ai dapat membantu dengan dua masalah teratas mereka (1) metrik kinerja agen offshore tidak sebanding dengan agen onshore (2) sulit untuk menemukan agen yang cukup berkualitas untuk dipekerjakan di pasar offshore seperti India dan Filipina.

Kami berharap dalam beberapa minggu ke depan untuk memiliki studi kasus yang menyoroti dampak yang dialami pusat kontak dengan menggunakan Accent Softening. Kami berharap panggilan penjualan akan melihat peningkatan segera dalam metrik kunci seperti pendapatan, tingkat penutupan, dan kualifikasi timbal. Pada saat yang sama, kami berharap panggilan dukungan akan melihat waktu penanganan yang lebih singkat, panggilan balik yang lebih sedikit, dan CSAT yang ditingkatkan.

Seperti disebutkan sebelumnya, tingkat churn memerlukan waktu lebih lama untuk diverifikasi, dan sehingga studi kasus dengan perbaikan tersebut akan datang pada tanggal yang lebih kemudian.

Tomato.ai baru-baru ini mengumpulkan putaran pendanaan sebesar $10 juta, apa yang ini berarti untuk masa depan perusahaan?

Ketika Tomato.ai mempersiapkan peluncuran produk pertamanya, tim tetap berkomitmen untuk mengubah lanskap komunikasi global dan masa depan kerja, satu percakapan pada satu waktu.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Tomato.ai.