Rebecca Greene, CTO dan Co-pendiri Regal – Seri Wawancara

Rebecca Greene, CTO dan Co-pendiri Regal, adalah eksekutif teknologi, pemimpin produk, dan investor dengan pengalaman luas dalam membangun bisnis digital yang berfokus pada pelanggan. Sebelum menjadi co-pendiri Regal pada tahun 2020, ia menjabat sebagai Chief Product Officer di Handy, di mana ia memimpin tim produk, desain, dan data, serta mendukung integrasi perusahaan dengan ANGI Homeservices setelah akuisisi. Sebelumnya dalam karirnya, Greene bekerja dalam manajemen produk di Amazon (AMZN ) dan memegang peran strategi, konsultasi, dan jasa keuangan di Booz & Company, First Manhattan Consulting Group, dan Bear Stearns. Ia juga merupakan Mitra di Blue Trail Partners, di mana ia mendukung pendiri dalam membangun perusahaan dengan dampak tinggi.

Regal adalah platform voice AI perusahaan yang memungkinkan pusat kontak untuk membangun, mengirim, memperbaiki, dan mengelola agen AI otonom untuk penjualan, dukungan pelanggan, dan alur kerja operasional. Platform ini menggabungkan teknologi suara, prompt lanjutan, dan data pelanggan waktu nyata untuk menyampaikan percakapan masuk dan keluar yang dipersonalisasi, sambil mengintegrasikan dengan sistem manajemen hubungan pelanggan, pusat kontak, teleponi, dan basis data yang ada. Didirikan pada tahun 2020, perusahaan ini dirancang untuk membantu perusahaan mengotomatisasi interaksi pelanggan tanpa menggantikan infrastruktur teknologi yang ada.

Anda membantu memperluas Handy dari perusahaan rintisan menjadi bisnis yang akhirnya menjadi bagian dari ANGI, memberi Anda pengalaman langsung dalam membangun produk melalui pertumbuhan hyper. Apa pelajaran dari perjalanan itu yang meyakinkan Anda untuk menjadi co-pendiri Regal, dan apa masalah pengalaman pelanggan yang Anda rasakan tidak bisa diselesaikan dengan teknologi pusat kontak yang ada?

Ketika kami berada di ANGI, co-pendiri saya, Alex, dan saya menjalankan pusat layanan kontak dengan 3.000 orang yang menangani hampir 100 juta interaksi pelanggan setiap tahun. Pada awalnya, tujuan saya adalah untuk membuat pelanggan tidak perlu menelepon kami karena semua orang di teknologi mengatakan “suara sudah mati”, jadi kami memainkan mindset anti-telepon. Kami melakukan semua yang kami bisa untuk mendorong pelanggan ke arah layanan mandiri.

Tapi pelanggan terus menelepon. Orang benar-benar ingin berbicara di telepon ketika sesuatu penting, mendesak, atau terlalu rumit untuk dijelaskan dalam kotak teks. Itulah saat kami mulai memandang lebih dalam ke suara sebagai saluran keluar, karena data mulai menunjukkan bahwa itu sangat efektif. Jika Anda ingin membuat pelanggan memperbarui kartu kredit atau mengingatkan mereka tentang janji, email hanya mendapatkan tingkat klik sekitar 2%. Dengan panggilan telepon, kami bisa mendapatkan 20 hingga 30% orang untuk menjawab. Itu 10 kali lebih baik.

Masalahnya adalah tidak ada teknologi pusat kontak yang ada yang memungkinkan perusahaan memenuhi permintaan tersebut dengan terjangkau. Panggilan suara biaya sekitar $10 setiap kali untuk staf, jadi sebagian besar perusahaan terdorong untuk menghindarinya, bahkan ketika pelanggan menginginkannya. Jarak antara permintaan tinggi untuk suara, tanpa cara yang efektif untuk mengirimkannya, adalah yang meyakinkan co-pendiri saya dan saya untuk memulai Regal pada tahun 2020.

Regal sekarang telah menangani ratusan juta interaksi pelanggan yang ditenagai AI di seluruh organisasi perusahaan. Apa tantangan teknis terbesar dalam membuat voice AI cukup andal untuk produksi pada skala perusahaan, dan apa kemajuan yang membuat adopsi luas menjadi mungkin?

Regal baru-baru ini melewati 500 juta panggilan yang ditangani AI, yang setara dengan 408 tahun percakapan. Kami sekarang memiliki 100+ suara AI, 33 bahasa, dan 26 LLM, dan telah menghasilkan $9 miliar pendapatan untuk pelanggan kami.

Bagi kami dan klien kami, tantangan terbesar adalah memastikan bahwa agen memiliki konteks yang tepat setiap kali mereka berbicara dengan pelanggan dan memberikan saran yang akurat. Kami bekerja dengan perusahaan di beberapa industri yang paling terregulasi, seperti perawatan kesehatan dan asuransi, di mana sangat penting bahwa AI memahami apa yang bisa dan tidak bisa dikatakan. Jadi, kami memperlakukan AI seperti karyawan: Anda harus melatihnya, mengawasinya, dan mengevaluasi kinerjanya secara terus-menerus.

Kunci sebenarnya adalah kedatangan LLM dengan alasan dan generasi bahasa yang sebenarnya, yang membuat otomatisasi panggilan kompleks, multi-giliran menjadi mungkin untuk pertama kalinya.

Banyak orang masih mengaitkan agen suara AI dengan sistem IVR yang frustrasi atau chatbot yang seperti robot. Apa yang telah berubah secara fundamental selama beberapa tahun terakhir sehingga agen suara modern dapat menyampaikan percakapan yang lebih alami?

Agen suara AI benar-benar berbeda dari sistem IVR di masa lalu. Siapa pun yang masih menggunakan IVR sangat terbatas, karena mereka deterministik. Hari ini, agen benar-benar beralasan melalui percakapan seperti yang dilakukan orang, menggunakan LLM untuk generasi bahasa dan didukung oleh konteks dan data dari 500 juta percakapan sebelumnya. Dengan kualitas suara yang lebih baik, waktu respons latensi yang lebih cepat, dan logika percakapan yang lebih alami, sebagian besar pelanggan kami tidak dapat membedakan apakah mereka berbicara dengan AI atau tidak, atau tidak peduli jika mereka bisa, selama itu menghasilkan output yang dibutuhkan.

Sebagai CTO, bagaimana Anda menyeimbangkan kemajuan cepat dalam model dasar dengan kebutuhan akan stabilitas, keamanan, dan perilaku yang dapat diprediksi untuk pelanggan perusahaan?

Ini adalah ketegangan inti yang saya kelola sebagai CTO: model dasar bergerak sangat cepat, tetapi pelanggan perusahaan kami di industri yang terregulasi memerlukan prediktabilitas, keamanan, dan perilaku yang konsisten.

Kami tidak menyediakan model itu sendiri; kami menyediakan aplikasi untuk membangun agen AI, dan kami duduk di samping perangkat lunak pusat kontak lainnya. Pemisahan itu memungkinkan kami untuk membuat perbaikan tanpa mengganggu pengaman, integrasi, dan kontrol kepatuhan yang klien kami andalkan. Ini juga mengapa kami telah fokus pada memungkinkan setiap tim membangun agen AI yang menangani alur kerja kompleks dalam beberapa minggu, bukan bulan. Kami baru-baru ini meluncurkan produk yang disebut Copilot, yang dengan satu percakapan, dapat membangun draf pertama yang berfungsi dari agen suara untuk tim dengan logika bisnis, merek, dan keamanan perusahaan mereka yang sudah dipanggang.

Platform Regal menghubungkan agen AI dengan konteks pelanggan dan alur kerja bisnis daripada hanya menjawab pertanyaan. Mengapa akses ke data pelanggan dan sistem bisnis menjadi sama pentingnya dengan kemajuan dalam model bahasa itu sendiri?

Sendiri, model bahasa dapat melakukan percakapan, tetapi tidak dapat melakukan apa pun untuk pelanggan Anda. Saat Anda meminta untuk memeriksa pesanan, menerapkan diskon, menaikkan kasus, atau memperbarui catatan, agen AI perlu dihubungkan ke sistem yang sama yang digunakan agen manusia–seperti CRM dan sistem penagihan.

Ketika model itu sendiri tumbuh lebih baik dalam kualitas, akses ke data pelanggan yang sebenarnya dan sistem bisnis adalah yang memisahkan pengalaman AI yang hebat dari yang frustrasi.

Platform Anda melayani organisasi di berbagai industri seperti perawatan kesehatan, asuransi, pendidikan, dan jasa keuangan. Apa yang telah diajarkan industri yang sangat terregulasi ini tentang penerapan AI secara bertanggung jawab sambil mempertahankan kepercayaan pelanggan?

Kami secara sengaja fokus pada industri yang sangat terregulasi dan kompleks, bukan kasus penggunaan yang lebih rendah, sebagian karena latar belakang saya sendiri dalam memimpin produk, desain, dan data, serta bekerja dengan pusat kontak perusahaan.

Kepercayaan dan kepatuhan benar-benar penting dalam interaksi ini. Penerapan AI yang bertanggung jawab adalah tentang memastikan bahwa agen memiliki pengaman yang dapat diandalkan, konteks akun yang akurat, dan jalur yang jelas ke manusia ketika sesuatu berada di luar cakupannya. Kepercayaan di industri yang terregulasi tidak datang dari AI yang sempurna, tetapi dari yang dapat diprediksi dan dapat diperbaiki.

Banyak orang menganggap AI akan menggantikan agen pusat kontak manusia. Bagaimana Anda melihat hubungan antara karyawan manusia dan agen AI berkembang selama lima tahun ke depan, dan tanggung jawab apa yang harus selalu dipimpin oleh manusia?

AI tidak akan mengambil pekerjaan semua orang seperti yang banyak orang takuti, tetapi akan mengubah apa yang terlihat seperti pekerjaan.

Peran manusia yang lebih penting selama beberapa tahun ke depan bukanlah agen pusat kontak tradisional–melainkan peran baru. Co-pendiri saya dan saya menyebutnya Insinyur CX: seseorang yang mengelola dan mengawasi agen AI itu sendiri, bekerja mundur dari perjalanan pelanggan daripada duduk di panggilan individu. Anda sudah bisa melihat pergeseran ini terjadi lebih luas, dengan AWS baru-baru ini memasukkan $1 miliar ke dalam unit Teknik Pengembangan Terdepan untuk membantu klien membangun dengan AI, peran yang tidak benar-benar ada setahun yang lalu.

Kita bisa mengharapkan pergeseran serupa dalam CX: ketika agen AI menangani lebih banyak volume, orang-orang yang mengatur, mengelola, dan memeriksa agen tersebut akhirnya menjadi perekrutan yang penting.

AI suara telah membaik secara dramatis, tetapi pelanggan menjadi semakin menyadari bahwa mereka berbicara dengan AI. Apa peran transparansi dan pengungkapan dalam membangun kepercayaan jangka panjang, dan apakah perusahaan harus selalu menginformasikan pelanggan bahwa mereka berinteraksi dengan agen AI?

Pelanggan dapat selalu meminta agen manusia, dan kami membangunnya ke dalam setiap penerapan. Apa yang kami lihat dalam prakteknya adalah bahwa sebagian besar orang tidak dapat membedakan bahwa mereka berbicara dengan AI atau tidak peduli jika mereka menyadari, karena interaksi itu sendiri lebih penting bagi mereka daripada siapa yang di ujung lain.

Ada juga alasan struktural mengapa ini tidak dibicarakan lebih banyak: beberapa perusahaan sudah menjalankan sebagian besar interaksi pelanggan mereka di AI, tetapi belum mengiklaninya. Saya pikir transparansi penting saat pelanggan memintanya, tetapi tidak perlu sebagai persyaratan umum untuk setiap interaksi.

Dengan AI sekarang dapat menangani percakapan yang semakin kompleks, apa metrik yang harus organisasi fokuskan di luar pengurangan biaya sederhana ketika mengevaluasi apakah penerapan AI benar-benar telah memperbaiki pengalaman pelanggan?

Secara internal, organisasi harus memperhatikan seberapa banyak tim mereka sendiri benar-benar menggunakan AI setiap hari, dan memperlakukan penggunaan yang kuat sebagai tanda yang baik secara keseluruhan. Tetapi, metrik yang lebih besar yang harus dipertimbangkan perusahaan adalah pendapatan per karyawan. Jika AI benar-benar bekerja, angka itu harus meningkat, dan itulah yang mendanai pertumbuhan dan margin yang lebih baik. AI tidak menggantikan orang Anda, tetapi orang-orang yang menggunakannya dengan baik akhirnya melakukan lebih banyak sambil mempertahankan tim yang sama. Mereka dapat melayani lebih banyak pelanggan, menutup lebih banyak kesepakatan, dan membangun lebih banyak ketika pendapatan per karyawan adalah metrik yang Anda ukur.

Menghadap ke depan, apa teknologi atau kemampuan yang muncul yang Anda percaya akan mendefinisikan generasi berikutnya dari agen AI perusahaan, dan apa perkembangan yang Anda sendiri paling bersemangat untuk membantu membawa ke pasar selama beberapa tahun mendatang?

Hari ini, suara sudah 60-70% dari interaksi pelanggan, dengan sisanya terbagi di antara chat, email, dan teks. Ketika AI membuat interaksi suara lebih berkualitas dan lebih mampu, saya berharap suara akan menjadi saluran dominan dan akhirnya mencapai 95% dari semua interaksi pelanggan.

Apa yang akan mendefinisikan generasi berikutnya dari agen AI perusahaan adalah seberapa proaktif dan terlibat mereka dalam interaksi pelanggan. Keanekaragaman AI dalam pengalaman pelanggan sudah memudar, dan semua orang tahu bahwa itu menjadi semakin mampu, tetapi saya bersemangat untuk mendorong batasannya dan membuatnya melakukan kasus penggunaan yang lebih kompleks.

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