Ashish Nagar, CEO e fondatore di Level AI – Serie di interviste

Ashish Nagar è il CEO e fondatore di Level AI, che ha utilizzato la sua esperienza presso Amazon (AMZN ) nel team di Alexa per utilizzare l’intelligenza artificiale per trasformare le operazioni dei centri di contatto. Con una solida formazione tecnologica e imprenditoriale, Ashish ha svolto un ruolo determinante nel guidare la missione dell’azienda per migliorare l’efficienza e l’efficacia delle interazioni di servizio clienti attraverso soluzioni di intelligenza artificiale avanzate. Sotto la sua guida, Level AI è diventata un attore chiave nello spazio dei centri di contatto guidati dall’AI, noto per i suoi prodotti all’avanguardia e la superiore implementazione dell’intelligenza artificiale.

Cosa ti ha ispirato a lasciare Amazon e fondare Level AI? Puoi condividere i punti dolenti specifici nel servizio clienti che hai cercato di affrontare con la tua tecnologia?

La mia formazione è stata quella di costruire prodotti all’intersezione tra tecnologia e business. Sebbene abbia una laurea in Fisica applicata, il mio lavoro si è sempre concentrato su ruoli di prodotto e sulla creazione, lancio e sviluppo di nuove aziende. La mia passione per la tecnologia e il business mi ha portato all’AI.

Ho iniziato a lavorare sull’AI nel 2014, quando stavamo costruendo una società di ricerca mobile di nuova generazione chiamata Rel C, simile a ciò che Perplexity AI è oggi. Quell’esperienza ha innescato il mio percorso nel software AI, e alla fine quella società è stata acquisita da Amazon. Presso Amazon, sono stato un leader di prodotto nel team di Alexa, cercando costantemente opportunità per affrontare problemi di intelligenza artificiale più complessi.

Nel mio ultimo anno ad Amazon, nel 2018, ho lavorato su un progetto che chiamavamo il “computer di Star Trek”, ispirato alla famosa serie di fantascienza. L’obiettivo era sviluppare un computer in grado di comprendere e rispondere a qualsiasi domanda gli venisse posta. Questo progetto è diventato noto come il premio Alexa, con l’obiettivo di consentire a chiunque di sostenere una conversazione di 20 minuti con Alexa su qualsiasi argomento sociale. Ho guidato un team di circa 10 scienziati e lo abbiamo lanciato come una sfida di intelligenza artificiale a livello mondiale. Ho lavorato a stretto contatto con menti leader di istituzioni come MIT, CMU, Stanford e Oxford. Una cosa è diventata chiara: all’epoca, nessuno poteva risolvere completamente il problema.

Anche allora, potevo percepire una ondata di innovazione che avrebbe reso possibile tutto ciò. Proiettiamoci nel 2024 e tecnologie come ChatGPT stanno facendo gran parte di ciò che avevamo immaginato. Ci sono stati rapidi progressi nell’elaborazione del linguaggio naturale con aziende come Amazon, Google (GOOGL ), OpenAI e Microsoft (MSFT ) che costruiscono grandi modelli e l’infrastruttura sottostante. Tuttavia, non stavano necessariamente affrontando i flussi di lavoro end-to-end. Abbiamo riconosciuto questo gap e abbiamo voluto affrontarlo.

Il nostro primo prodotto non era una soluzione di servizio clienti; era un assistente vocale per lavoratori di prima linea, come tecnici e dipendenti di negozi di vendita al dettaglio. Abbiamo raccolto 2 milioni di dollari di finanziamenti iniziali e abbiamo mostrato il prodotto a potenziali clienti. Hanno richiesto in modo schiacciante che adattassimo la tecnologia per i centri di contatto, dove già avevano flussi di voce e dati ma mancavano dell’architettura di intelligenza artificiale generativa moderna. Ciò ci ha portato a capire che le aziende esistenti in questo settore erano bloccate nel passato, lottando con il classico dilemma dell’innovatore su come sovrascrivere i sistemi legacy o costruire qualcosa di nuovo. Siamo partiti da una tabula rasa e abbiamo costruito la prima piattaforma di intelligenza del cliente e automazione del servizio basata su un modello linguistico grande (LLM) nativo.

Il mio profondo interesse per le complessità del linguaggio umano e per quanto sia difficile risolvere questi problemi da un punto di vista di ingegneria dei computer, ha svolto un ruolo significativo nel nostro approccio. La capacità dell’AI di comprendere il linguaggio umano è cruciale, in particolare per l’industria dei centri di contatto. Ad esempio, utilizzare Siri spesso rivela quanto sia difficile per l’AI comprendere l’intento e il contesto nel linguaggio umano. Anche le semplici query possono inceppare l’AI, che lotta per interpretare ciò che stai chiedendo.

L’AI lotta per comprendere l’intento, mantenere il contesto durante lunghe conversazioni e possedere conoscenze rilevanti del mondo. Anche ChatGPT ha limitazioni in queste aree. Ad esempio, potrebbe non conoscere le ultime notizie o comprendere gli argomenti in evoluzione all’interno di una conversazione. Queste sfide sono direttamente rilevanti per il servizio clienti, dove le conversazioni spesso coinvolgono più argomenti e richiedono all’AI di comprendere conoscenze specifiche di dominio. Stiamo affrontando queste sfide nella nostra piattaforma, progettata per gestire le complessità del linguaggio umano in un ambiente di servizio clienti.

La tecnologia NLU di Level AI va oltre il semplice abbinamento di parole chiave. Puoi spiegare come il tuo AI comprende l’intento del cliente più in profondità e quali sono i vantaggi che questo porta al servizio clienti? Come Level AI assicura l’accuratezza e l’affidabilità dei suoi sistemi di intelligenza artificiale, soprattutto nella comprensione delle interazioni dei clienti?

Abbiamo sei o sette diverse pipeline di intelligenza artificiale personalizzate per compiti specifici, a seconda del lavoro da svolgere. Ad esempio, un flusso di lavoro potrebbe coinvolgere l’identificazione dei driver delle chiamate e la comprensione dei problemi che i clienti hanno con un prodotto o servizio, che chiamiamo la “voce del cliente”. Un altro potrebbe essere il punteggio automatico delle schede di qualità per valutare le prestazioni degli agenti. Ogni flusso di lavoro o servizio ha la sua pipeline di intelligenza artificiale, ma la tecnologia sottostante rimane la stessa.

Per tracciare un’analogia, la tecnologia che utilizziamo si basa su modelli linguistici grandi (LLM) simili a quelli di ChatGPT e altri strumenti di intelligenza artificiale generativa. Tuttavia, utilizziamo LLM specifici per il servizio clienti che abbiamo addestrato in-house per questi flussi di lavoro specializzati. Ciò ci consente di raggiungere un’accuratezza superiore all’85% già nei primi giorni di onboarding dei nuovi clienti, risultando in un tempo di valore più rapido, minori servizi professionali e un’accuratezza, sicurezza e fiducia senza pari.

I nostri modelli hanno una profonda e specifica competenza nel servizio clienti. Il vecchio paradigma coinvolgeva l’analisi delle conversazioni individuando parole chiave o frasi come “annulla il mio account” o “non sono felice”. Ma la nostra soluzione non si basa su tutte le possibili variazioni di frasi. Invece, applica l’AI per comprendere l’intento dietro la domanda, rendendolo molto più rapido ed efficiente.

Ad esempio, se qualcuno dice “Voglio annullare il mio account”, ci sono innumerevoli modi in cui potrebbe esprimere questo, come “Sono stanco di voi” o “Sto passando a qualcun altro”. Il nostro AI comprende l’intento della domanda e lo collega al contesto, ed è per questo che il nostro software è più veloce e preciso.

Un’analogia utile è che l’AI vecchia era come un libro di regole – costruivi questi rigidi libri di regole, con istruzioni if-then-else, che erano inflessibili e richiedevano costantemente manutenzione. La nuova AI, d’altra parte, è come un cervello dinamico o un sistema di apprendimento. Con solo pochi punti di riferimento, impara dinamicamente il contesto e l’intento, migliorando costantemente sul volo. Un libro di regole ha un ambito limitato e si rompe facilmente quando qualcosa non si adatta alle regole predefinite, mentre un sistema di apprendimento dinamico continua a espandersi, crescere e ha un impatto molto più ampio.

Un ottimo esempio da un punto di vista del cliente è una grande azienda di e-commerce. Hanno migliaia di prodotti e è impossibile tenere il passo con gli aggiornamenti costanti. Il nostro AI, tuttavia, può comprendere il contesto, come se stessi parlando di un divano specifico, senza dover costantemente aggiornare una scheda di punteggio o una rubrica con ogni nuovo prodotto.

Quali sono le principali sfide nell’integrare la tecnologia di Level AI con i sistemi di servizio clienti esistenti e come le affronti?

Level AI è una piattaforma di intelligenza del cliente e automazione del servizio. In quanto tale, integriamo con la maggior parte del software CX nel settore, sia che si tratti di un CRM, CCaaS, soluzione di survey o strumenti. Ciò ci rende il centro di raccolta dei dati da tutte queste fonti e il livello di intelligenza su di esse.

Tuttavia, la sfida è che alcuni di questi sistemi si basano su tecnologia non cloud, on-premise, o anche tecnologia cloud che manca di API o integrazioni di dati puliti. Lavoriamo a stretto contatto con i nostri clienti per affrontare questo, sebbene l’80% delle nostre integrazioni sia ormai basato su cloud o nativo API, il che ci consente di integrare rapidamente.

Come Level AI fornisce intelligenza e insight azionabili in tempo reale per gli agenti di servizio clienti? Puoi condividere alcuni esempi di come questo ha migliorato le interazioni con i clienti?

Ci sono tre tipi di intelligenza e insight azionabili in tempo reale che forniamo ai nostri clienti:

1. Automazione dei flussi di lavoro manuali: I rappresentanti del servizio spesso hanno un tempo limitato (6-9 minuti) e molti compiti manuali. Level AI automatizza compiti noiosi come la presa di appunti durante e dopo le conversazioni, generando sommari personalizzati per ogni cliente. Ciò ha risparmiato ai nostri clienti dal 10% al 25% del tempo di gestione delle chiamate, portando a una maggiore efficienza.
2. CX Copilot per rappresentanti del servizio: I rappresentanti del servizio affrontano un alto tasso di turnover e sfide di onboarding. Immagina di essere catapultato in un centro di contatto senza conoscere le politiche dell’azienda. Level AI agisce come un esperto di AI seduto accanto al rappresentante, ascoltando le conversazioni e offrendo una guida in tempo reale. Ciò include la gestione delle obiezioni, la fornitura di conoscenze e la trascrizione intelligente. Questa funzionalità ha aiutato i nostri clienti a onboarding e formare i rappresentanti del servizio dal 30% al 50% più velocemente.
3. Manager Copilot: Questa funzionalità unica fornisce ai manager una visibilità in tempo reale su come sta performando il loro team. Level AI fornisce insight secondo per secondo sulle conversazioni, consentendo ai manager di intervenire, rilevare il sentimento e l’intento e supportare i rappresentanti in tempo reale. Ciò ha migliorato la produttività degli agenti dal 10% al 15% e ha aumentato la soddisfazione degli agenti, che è cruciale per ridurre i costi. Ad esempio, se un cliente inizia a insultare un rappresentante, il sistema lo segnala e il manager può prendere il controllo della chiamata o fornire indicazioni sussurrate al rappresentante. Questo tipo di intervento in tempo reale sarebbe impossibile senza questa tecnologia.

Puoi elaborare su come funziona l’analisi del sentimento di Level AI e come aiuta gli agenti a rispondere più efficacemente ai clienti?

La nostra analisi del sentimento rileva sette diverse emozioni, che vanno dalla frustrazione estrema all’entusiasmo, consentendoci di misurare gradi diversi di emozioni che contribuiscono al nostro punteggio di sentimento complessivo. Questa analisi considera sia le parole pronunciate che la tonalità della conversazione. Tuttavia, abbiamo scoperto attraverso i nostri esperimenti che le parole pronunciate svolgono un ruolo molto più significativo della tonalità. Puoi dire le cose più cattive con un tono piatto o cose molto carine con un tono strano.

Forniamo un punteggio di sentimento su una scala da 1 a 10, con 1 che indica un sentimento molto negativo e 10 che indica un sentimento molto positivo. Analizziamo il 100% delle conversazioni dei nostri clienti, offrendo un’approfondita comprensione delle interazioni con i clienti.

La comprensione del contesto è anche cruciale. Ad esempio, se una chiamata inizia con un sentimento molto negativo ma termina positivamente, anche se l’80% della chiamata era negativa, l’interazione complessiva è considerata positiva. Ciò perché il cliente ha iniziato arrabbiato, l’agente ha risolto il problema e il cliente è uscito soddisfatto. D’altra parte, se la chiamata inizia positivamente ma termina negativamente, è una storia diversa, nonostante il fatto che l’80% della chiamata potrebbe essere stato positivo.

Questa analisi aiuta sia il rappresentante che il manager a identificare aree di formazione, concentrandosi sulle azioni che si correlano con un sentimento positivo, come salutare il cliente, riconoscere le loro preoccupazioni e mostrare empatia – elementi cruciali per interazioni di successo.

Come Level AI affronta le preoccupazioni relative alla privacy e alla sicurezza dei dati, soprattutto considerata la natura sensibile delle interazioni con i clienti?

Fin dal primo giorno, abbiamo dato priorità alla sicurezza e alla privacy. Abbiamo costruito il nostro sistema con principi di sicurezza e privacy a livello aziendale. Non esternalizziamo alcuna delle nostre capacità di intelligenza artificiale generativa a fornitori terzi. Tutto è sviluppato in-house, il che ci consente di addestrare modelli di intelligenza artificiale specifici per i clienti senza condividere dati al di fuori del nostro ambiente. Offriamo anche una personalizzazione estensiva, consentendo ai clienti di avere i propri modelli di intelligenza artificiale senza alcuna condivisione di dati tra diverse parti del nostro flusso di dati.

Per affrontare una preoccupazione attuale dell’industria, i nostri dati non vengono utilizzati da modelli esterni per l’addestramento. Non consentiamo che i nostri modelli siano influenzati da dati di intelligenza artificiale generati da altre fonti. Questo approccio evita i problemi che alcuni modelli di intelligenza artificiale stanno affrontando, dove l’addestramento con dati di intelligenza artificiale generati li porta a perdere accuratezza. In Level AI, tutto è di prima parte e non condividiamo o estraiamo dati esternamente.

Con il recente finanziamento di 39,4 milioni di dollari di Serie C, quali sono i tuoi piani per espandere la piattaforma di Level AI e raggiungere nuovi segmenti di clienti?

L’investimento di Serie C alimenta le nostre iniziative di crescita strategica e innovazione in aree critiche, tra cui lo sviluppo del prodotto, il miglioramento dell’ingegneria e la ricerca e lo sviluppo rigorosi. Ci proponiamo di reclutare talenti di alto livello in tutta l’organizzazione, consentendoci di continuare a sviluppare tecnologie all’avanguardia del settore che superino le aspettative dei clienti e soddisfino le esigenze dinamiche del mercato.

Come vedi il ruolo dell’AI nel trasformare il servizio clienti nel prossimo decennio?

Mentre l’attenzione generale è spesso sull’aspetto dell’automazione, prevedendo un futuro in cui i bot gestiscono tutto il servizio clienti, la nostra visione è più sfumata. La portata dell’automazione varia a seconda del settore. Ad esempio, nel settore bancario o finanziario, l’automazione potrebbe essere più bassa, mentre in altri settori potrebbe essere più alta. In media, crediamo che raggiungere più del 40% di automazione in tutti i settori sia una sfida. Ciò è perché i rappresentanti del servizio fanno più che rispondere alle domande – agiscono come risolutori di problemi, consulenti di vendita e altro, ruoli che non possono essere completamente replicati dall’AI.

C’è anche un grande potenziale nell’automazione dei flussi di lavoro, su cui Level AI si concentra. Ciò include compiti di back-office come la garanzia di qualità, la categorizzazione dei biglietti e il monitoraggio degli schermi. Qui, l’automazione può superare l’80% utilizzando l’intelligenza artificiale generativa. L’intelligenza e gli insight dei dati sono cruciali. Siamo unici nell’utilizzo dell’intelligenza artificiale generativa per ottenere insight dai dati non strutturati. Questo approccio può migliorare notevolmente la qualità degli insight, riducendo il bisogno di servizi professionali del 90% e accelerando il tempo di valore del 90%.

Un’altra considerazione importante è se il volto della tua organizzazione dovrebbe essere un bot o una persona. Oltre alle funzioni di base che svolgono, una connessione umana con i clienti è cruciale. Il nostro approccio è quello di rimuovere i compiti eccessivi dal carico di lavoro di una persona, consentendo loro di concentrarsi su interazioni significative.

Crediamo che gli esseri umani siano più adatti per la comunicazione diretta e dovrebbero continuare a essere in quel ruolo. Tuttavia, non sono ideali per compiti come la presa di appunti, la trascrizione delle interazioni o la registrazione dello schermo. Gestendo questi compiti per loro, liberiamo il loro tempo per impegnarsi con i clienti in modo più efficace.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Level AI.