Sergey Galchenko, Chief Technology Officer, IntelePeer – Seri Wawancara

Apa yang awalnya menarik Anda ke bidang ilmu komputer dan AI?

Saya menikmati memecahkan masalah, dan pengembangan perangkat lunak memungkinkan Anda melakukannya dengan umpan balik yang sangat cepat. AI membuka frontier baru dari kasus penggunaan yang sulit dipecahkan dengan pendekatan pemrograman deterministik tradisional, membuatnya menjadi alat yang menarik dalam kotak alat solusi.

Bagaimana AI telah mengubah lanskap dukungan pelanggan, terutama dalam mengotomatisasi operasi Pengalaman Pelanggan (CX)?

Kecerdasan buatan generatif sedang merevolusi bisnis pusat kontak dengan cara yang belum pernah terjadi sebelumnya. Ketika dipasangkan dengan solusi yang membantu mengotomatisasi komunikasi, kecerdasan buatan generatif menawarkan peluang baru untuk meningkatkan interaksi pelanggan, meningkatkan efisiensi operasional, dan mengurangi biaya tenaga kerja dalam industri yang telah menjadi sangat kompetitif. Dengan teknologi ini, pelanggan dapat menikmati layanan yang sangat personal dan dukungan yang konsisten. Bisnis, secara bersamaan, dapat mengandalkan panggilan lebih efektif dan melawan turnover agen dan tingkat kekosongan yang tinggi sambil memungkinkan karyawannya untuk fokus pada tugas prioritas tinggi. Akhirnya, kecerdasan buatan generatif, melalui algoritma canggihnya, memungkinkan bisnis untuk mengkonsolidasikan dan merangkum informasi yang diperoleh dari interaksi pelanggan menggunakan berbagai sumber data. Manfaat dari menggunakan teknologi ini dalam CX sangat jelas – dan ada lebih banyak data yang mendukung kasus bahwa tren ini akan memengaruhi lebih banyak perusahaan.

Apakah Anda dapat memberikan contoh spesifik tentang bagaimana Gen AI IntelePeer telah mengurangi tugas-tugas yang membosankan untuk agen dukungan pelanggan?

Tujuan akhir dari Gen AI IntelePeer adalah untuk memungkinkan otomatisasi lengkap dalam skenario dukungan pelanggan, mengurangi ketergantungan pada agen dan menghasilkan pengurangan biaya operasional hingga 75% untuk pelanggan yang kami layani. Platform kami dapat mengotomatisasi hingga 90% interaksi pelanggan, dan kami telah mengotomatisasi lebih dari setengah miliar interaksi pelanggan. Tidak hanya Gen AI kami dapat mengotomatisasi tugas manual seperti pengalihan panggilan, penjadwalan janji, dan entri data pelanggan, tetapi juga dapat menyediakan pengalaman self-service yang pelanggan inginkan dan harapkan – lengkap dengan komunikasi yang hiper-personalisasi, akurasi respons yang ditingkatkan, dan resolusi yang lebih cepat.

Apakah Anda dapat menjelaskan mengapa layanan terkait AI harus menyeimbangkan kreativitas dengan akurasi?

Menyeimbangkan kreativitas dengan akurasi dan prediktabilitas sangat penting dalam membangun kepercayaan pada layanan dan solusi yang ditenagai AI – salah satu tantangan terbesar yang mengelilingi teknologi AI saat ini. Pertama dan terutama, harus dikatakan bahwa setiap solusi AI harus berusaha untuk mencapai tingkat akurasi tertinggi yang mungkin untuk menyediakan output yang tepat yang diperlukan untuk semua input. Tetapi menciptakan pengalaman yang baik dengan AI melampaui sekadar menyediakan informasi yang benar kepada pengguna akhir; ini juga termasuk memungkinkan pengiriman informasi yang benar kepada mereka, yang membutuhkan sejumlah kreativitas untuk dieksekusi dengan sukses. Misalnya, dalam interaksi layanan pelanggan, solusi komunikasi yang didorong oleh AI harus dapat secara otomatis mencocokkan nada pelanggan dan menyesuaikannya secara real-time, memberikan kepada mereka tepat apa yang mereka butuhkan dengan cara yang akan mencapai mereka pada saat itu. AI juga harus berkomunikasi dengan cara yang hidup untuk membuat pelanggan merasa lebih nyaman, tetapi tidak terlalu banyak sehingga menipu mereka untuk berpikir bahwa mereka berbicara dengan manusia ketika sebenarnya tidak. Lagi, semua ini kembali ke membangun kepercayaan pada AI, yang pada akhirnya akan mengarah pada adopsi dan penggunaan teknologi yang lebih luas.

Apa peran data dalam memastikan akurasi respons AI, dan bagaimana Anda mengelola data untuk mengoptimalkan kinerja AI?

Data yang baik menciptakan AI yang baik. Dengan kata lain, kualitas data yang dimasukkan ke dalam model AI berkorelasi langsung dengan kualitas informasi yang dihasilkan oleh model tersebut. Dalam layanan pelanggan, data interaksi pelanggan adalah kunci untuk menemukan celah dalam perjalanan pelanggan. Dengan menganalisis data ini lebih dalam, organisasi dapat mulai memahami niat pelanggan dan kemudian menggunakan informasi tersebut untuk menyederhanakan dan meningkatkan keterlibatan yang didorong oleh AI, mengubah perjalanan pelanggan dan pengalaman secara keseluruhan. Tetapi organisasi harus memiliki arsitektur data yang tepat untuk memproses dan mengekstrak wawasan dari jumlah data yang besar yang terkait dengan solusi AI.

Solusi AI IntelePeer menggunakan konten dan konteks interaksi untuk menentukan tindakan terbaik di setiap kesempatan. Selama interaksi, jika pertanyaan diajukan oleh pelanggan yang memerlukan jawaban spesifik untuk proses bisnis, alur kerja AI secara otomatis menggunakan basis pengetahuan yang mencakup data bisnis seperti dokumen FAQ, bahan pelatihan agen, data situs web, kebijakan, dan informasi bisnis lainnya untuk merespons secara tepat. Serupa, jika pertanyaan atau permintaan dibuat yang bisnis tidak ingin AI merespons secara langsung, alur kerja AI akan mengeskalasi kueri ke agen manusia jika diperlukan. Interaksi yang tersisa dapat secara otomatis ditambahkan ke pasangan Q&A untuk meningkatkan respons dalam interaksi pelanggan berikutnya atau diserahkan kepada otoritas pengawas untuk persetujuan sebelum dimasukkan.

Bagaimana Anda memprediksi peran agen garis depan akan berkembang dengan peran AI yang meningkat dalam dukungan pelanggan?

Kami di IntelePeer memprediksi penurunan dramatis dalam ketergantungan pada agen garis depan karena evolusi teknologi AI. Dengan kemajuan besar dalam pengandungan panggilan yang didorong oleh AI, yang terus membaik dalam kualitas dan tumbuh dalam volume, organisasi saat ini dapat mengotomatisasi hingga 90% interaksi pelanggannya. Ini memungkinkan mereka untuk mengoptimalkan staf garis depan dan menghemat biaya operasional secara signifikan – sambil memberikan pengalaman yang lebih baik bagi pelanggan yang mereka layani.

Sementara beberapa tugas diotomatisasi, peran CX terampil apa yang Anda percaya akan tetap kritis meskipun kemajuan AI?

Meskipun AI akan mengurangi jumlah agen garis depan yang dibutuhkan dalam peran layanan pelanggan, elemen manusia akan selalu diperlukan dalam operasi CX. Misalnya, model komunikasi yang didorong oleh AI harus dilatih, dikonfigurasi, dan dikelola dengan pengawasan manusia untuk memastikan akurasi dan eliminasi bias. Sentuhan manusia juga diperlukan untuk menyelaraskan komunikasi pelanggan yang otomatis dengan pesan dan kepribadian organisasi atau merek yang mereka wakili, yang berkontribusi pada kenyamanan pelanggan dan membantu membangun kepercayaan pada teknologi. Peran teknis yang lebih berorientasi pada AI ini akan mengambil alih peran garis depan yang khas di tahun-tahun mendatang.

Halusinasi AI adalah kekhawatiran dalam mempertahankan interaksi pelanggan yang akurat. Apa yang spesifik yang telah IntelePeer lakukan untuk mencegah AI memfabrikasi fakta?

Bisnis perlu mengimplementasikan kecerdasan buatan generatif hari ini untuk tetap relevan di tengah revolusi yang sedang berlangsung sambil menghindari peluncuran yang terburu-buru dan bencana. Untuk melakukan itu secara bertanggung jawab, perusahaan harus memulai dengan mengimplementasikan pola Generasi yang Diperkuat Pencarian (RAG) untuk membantu antarmuka gen AI mereka menganalisis dataset perusahaan yang besar. Untuk interaksi layanan pelanggan yang otomatis, merek harus membuat loop umpan balik manusia untuk menganalisis interaksi sebelumnya dan meningkatkan kualitas dataset yang digunakan untuk penyetelan halus dan augmentasi pencarian. Lebih lanjut, untuk menghilangkan halusinasi AI, organisasi harus fokus pada:

• mengimplementasikan pengaman dengan menganalisis data interaksi pelanggan dan mengembangkan basis pengetahuan yang komprehensif dan dinamis;
• berinvestasi dalam pemantauan dan pembaruan terus-menerus dari sistem ini untuk beradaptasi dengan kueri baru dan mempertahankan akurasi; dan
• melatih staf untuk mengenali dan mengelola permutasi yang tidak dapat diidentifikasi untuk memastikan proses eskalasi dan resolusi yang lancar.

Bagaimana Anda memastikan bahwa model bahasa besar (LLM) menafsirkan konteks dengan benar dan memberikan respons yang dapat diandalkan?

Pendekatan yang ceroboh terhadap implementasi gen AI dapat menghasilkan masalah kualitas output, halusinasi, pelanggaran hak cipta, dan algoritma yang bias. Oleh karena itu, bisnis perlu memiliki pengaman respons ketika menerapkan gen AI dalam lingkungan layanan pelanggan. IntelePeer menggunakan generasi yang diperkuat pencarian (RAG), yang memberikan konteks data ke LLM untuk mendapatkan respons yang didasarkan pada dataset yang disediakan oleh pelanggan. Sepanjang proses, dari saat data disiapkan hingga LLM mengirimkan respons ke klien, pengaman yang diperlukan mencegah informasi sensitif dari being exposed. RAG IntelePeer dimulai ketika pelanggan mengajukan pertanyaan kepada bot yang didorong oleh AI. Bot melakukan pencarian pertanyaan di basis pengetahuan. Jika tidak dapat menemukan jawaban, akan ditransfer ke agen dan menyimpan pertanyaan ke database Q&A. Nantinya, manusia akan meninjau pertanyaan baru ini, melakukan impor dataset, dan menyimpan jawaban ke basis pengetahuan. Akhirnya, tidak ada pertanyaan yang tidak terjawab. Dengan proses RAG di tempat, bisnis dapat mempertahankan kontrol atas set respons untuk otomatisasi interaksi.

Menghadap ke depan, apa tren yang Anda antisipasi dalam peran AI dalam pengalaman pelanggan?

Di IntelePeer, kami sangat percaya bahwa kecerdasan buatan generatif adalah alat yang kuat yang akan meningkatkan kemampuan komunikasi manusia, membuka peluang baru dan mengatasi hambatan lama. AI akan terus meningkatkan komunikasi layanan pelanggan dengan menyederhanakan interaksi layanan pelanggan, menawarkan bantuan sepanjang waktu dan menyediakan kemampuan jembatan bahasa. Lebih lanjut, asisten virtual yang dilatih pada model bahasa besar (LLM) akan dapat menarik dari jutaan percakapan manusia untuk mendeteksi emosi dengan cepat dan memodifikasi nada, sentimen dan pilihan kata. Akan ada lebih banyak bukti bahwa bisnis yang berhasil menggunakan AI untuk meningkatkan koneksi manusia akan melihat pengembalian investasi yang signifikan dan efisiensi serta produktivitas yang ditingkatkan. Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi IntelePeer.