Dan O’Connell, Chief Strategy Officer di Dialpad – Serie di Interviste

Dan è il Chief Revenue Officer di Dialpad. In precedenza, è stato il CEO di TalkIQ, una start-up di riconoscimento vocale e elaborazione del linguaggio naturale in tempo reale che Dialpad ha acquisito nel maggio 2018. Prima di TalkIQ, ha ricoperto vari ruoli di leadership nelle vendite presso AdRoll e Google (GOOGL ).

Dialpad è una piattaforma di comunicazione cloud basata su intelligenza artificiale che rende più facile e efficiente connettersi e collaborare con il proprio team

Lei è stato in precedenza il CEO di TalkIQ, una start-up di riconoscimento vocale e elaborazione del linguaggio naturale in tempo reale che Dialpad ha acquisito nel maggio 2018. Qual è stato il segreto di questo successo nella tecnologia di riconoscimento vocale?

È stato un mix di diversi fattori: tempistica, persone e focalizzazione. La tecnologia di riconoscimento vocale automatizzato (ASR) non è nuova, esiste da decenni – molto più a lungo di quanto la gente pensi. Durante questo periodo (e, ancora di più, negli ultimi cinque anni), la tecnologia ASR ha beneficiato dell’aumento della potenza di calcolo, del cloud, della disponibilità di set di dati e dell’adozione di massa di altoparlanti intelligenti nei mercati dei consumatori. Tutti questi fattori hanno portato a un aumento dell’accuratezza delle trascrizioni.

In aggiunta a queste tendenze, abbiamo anche avuto la fortuna di combinare specialisti (come linguisti) con “hacker”. E quando dico “hacker”, intendo ingegneri che possono portare rapidamente i prodotti sul mercato – guidano l’innovazione e risolvono problemi rapidamente. E mentre le loro soluzioni potrebbero non essere sempre le più eleganti, sono generalmente le più veloci e ci permettono di essere visti come innovatori sulla cresta dell’onda – il che diventa qualcosa che puoi sfruttare dal punto di vista del marketing e delle vendite. Questa storia funziona bene quando stai costruendo la tua start-up e cerchi di raccogliere fondi.

Quindi, abbiamo avuto esperti nel settore, tendenze di mercato, un vasto oceano blu quando si tratta di applicare la tecnologia nell’impresa e un team con un record di portare tecnologie innovative sul mercato con movimenti ripetibili.

Infine, abbiamo adottato un approccio diverso per risolvere il problema. I motori di trascrizione tradizionali funzionavano come registrazioni su nastro. Registri una chiamata; salvi il file audio; lo metti attraverso il tuo motore di trascrizione; e dopo un po’ di tempo ottieni il tuo output. Inizialmente, una chiamata di 30 minuti avrebbe richiesto 30 minuti per la trascrizione, quindi stiamo parlando di ritardi reali su larga scala.

Volevamo risolvere quel problema e costruire un motore di trascrizione in streaming o in tempo reale che non richieda un file audio. Questo potrebbe sembrare un po’ innovativo oggi, ma anni fa non c’era un motore di streaming che potesse gestire l’audio a lungo termine in tempo reale (8khz, che è il mio modo elegante di dire audio di bassa qualità, cioè non stereo – 44khz). Non volevamo costruire un registratore.

Volevamo costruire un motore in tempo reale per comprendere e analizzare le conversazioni. Se potevamo farlo, allora le opportunità sarebbero state infinite perché si potrebbe iniziare ad automatizzare i flussi di lavoro e fare tutti i tipi di cose cool che non sono state fatte prima. E grandi complimenti a Jim Palmer, Etienne Manderscheid, Kevin James, Noah Gaspar e molti altri per essere stati i primi a costruire questo tipo di motore in tempo reale.

Potrebbe discutere il periodo di transizione dopo che Dialpad ha acquisito TalkIQ nel maggio 2018?

La fase di acquisizione è stata in realtà super senza problemi. Dialpad era un partner di TalkIQ e i nostri team di prodotto erano già sul posto presso Dialpad ogni settimana. E, avevo lavorato in precedenza con i co-fondatori Craig Walker e Brian Peterson a Google e ero entusiasta della prospettiva di unirmi a loro.

Noi tutti vedevamo il futuro nello stesso modo, nel senso che queste tecnologie (ASR/NLP) incorporate in una piattaforma di comunicazione/collaborazione potevano essere innovative per il mercato e rivoluzionarie per le aziende. Questo è parte del motivo per cui, quasi immediatamente dopo la chiusura dell’acquisizione, abbiamo raccolto 50 milioni di dollari in una serie di finanziamenti guidata da ICONIQ. Gli investitori hanno visto l’opportunità nel futuro applicazione di queste tecnologie e del team che lavora su questi problemi.

A TalkIQ, eravamo fondamentalmente una start-up che cercava di essere tre diverse start-up contemporaneamente: stavamo costruendo il nostro próprio stack di telefonia, motore di riconoscimento vocale e tecnologia NLP in-house. Questi sono tre problemi difficili da risolvere. Dialpad aveva già risolto con successo l’aspetto della telefonia, quindi quando è arrivata l’offerta di acquisizione, è stata una decisione facile. Noi vedevamo Dialpad come la piattaforma di comunicazione aziendale più innovativa nello spazio, e la nostra visione per il futuro della comunicazione aziendale si allineava molto bene.

Quali sono alcune delle diverse tecnologie di apprendimento automatico utilizzate a Dialpad?

Il nostro motore Voice Intelligence (Vi) nativo sfrutta l’intelligenza artificiale e l’apprendimento automatico per aiutare le organizzazioni a guidare le vendite, ottenere informazioni competitive, elevare il servizio clienti e avere riunioni online più efficienti.

Le tecnologie ASR e NLP di TalkIQ vengono utilizzate per acquisire le conversazioni da chiamate vocali e video in tempo reale. Allo stesso tempo, la nostra tecnologia proprietaria ci consente di elaborare i dati delle conversazioni in entrata e di catturare e trascrivere con accuratezza i dati in un formato facile da leggere.

L’apprendimento automatico integrato aiuta Vi a migliorare nel tempo. Più si utilizza Vi, più impara e migliora nel processare le conversazioni. Col tempo, le trascrizioni delle chiamate aumenteranno di accuratezza e Vi sarà in grado di processare le sfumature più sottili delle conversazioni.

Dialpad ha recentemente raggiunto un importante traguardo nell’intelligenza artificiale dopo aver analizzato oltre un miliardo di minuti di voce, i test di benchmark hanno mostrato che il modello di trascrizione di Dialpad ha superato i principali concorrenti, compreso il modello di telefonia avanzato di Google. Quali tipi di test sono stati eseguiti per quantificare questi risultati?

Abbiamo una raccolta di set di test che contengono audio e la trascrizione corrispondente considerata la verità di ciò che è stato detto nell’audio. Inviamo lo stesso audio a ciascun concorrente e riceviamo una trascrizione di ritorno, che confrontiamo con la verità. Calcoliamo il numero di errori per determinare una percentuale di accuratezza. Abbiamo confrontato noi stessi con Google dal momento dell’acquisizione di TalkIQ nell’aprile 2018 e abbiamo sempre avuto un’accuratezza inferiore fino ad ora.

Quali sono alcuni dei principali fattori di differenziazione dietro il motore di intelligenza vocale (Vi) proprietario di Dialpad e i motori concorrenti?

Uno dei principali fattori di differenziazione è che abbiamo fatto questo più a lungo dei concorrenti, il che significa che abbiamo analizzato più dati per assicurarci che la nostra tecnologia sia la più precisa. Abbiamo analizzato oltre un miliardo di minuti di comunicazione vocale e continuiamo a elaborare circa 90 milioni di minuti al mese con il nostro motore Vi. In questo senso, siamo letteralmente anni avanti rispetto alla concorrenza.

Un altro fattore di differenziazione è il nostro approccio personalizzato e scalabile ai modelli linguistici. Per ogni cliente, costruiamo un database di parole chiave specifiche dell’azienda in modo da poter eseguire il boosting delle parole chiave per migliorare l’accuratezza. Ad esempio, per un utente che scrive il proprio nome “Kathryn” e lavora in un’azienda chiamata Skribbl, il nostro sistema scriverebbe i nomi propri correttamente, mentre altri modelli li scriverebbero come suonano (ad esempio “Katherine” e “scribble”).

Quali sono le sue opinioni personali sul futuro dell’elaborazione del linguaggio naturale? Quanto tempo ci vorrà perché l’intelligenza artificiale raggiunga un’accuratezza vicina al 100% o addirittura del 100%?

L’accuratezza perfetta è quasi irraggiungibile. Forse, un giorno sarò sorpreso (spero di sì!). Penso che ci avvicineremo molto, ma non sarà perfetta. Il motivo è che il riconoscimento vocale automatico (e successivamente l’elaborazione del linguaggio naturale) ha problemi quasi infiniti da risolvere: accenti, prossimità ai microfoni, rumore di fondo, problemi di connessione, tipi di microfoni diversi, velocità di parlata, pronuncia, contesto (Sara vs Sarah vs Serra), acronimi, slang e così via. Mentre mi piacerebbe dire che ci arriveremo, penso che potremmo avvicinarci molto, ma l’ultimo miglio, o l’1-2% in termini di accuratezza, sarà impegnativo.

Detto questo, penso che ci saranno alcuni sviluppi interessanti nella leggibilità. Oggi, quando si esamina una trascrizione di una conversazione, può sembrare un flusso di coscienza. Parliamo naturalmente in modo fluido, usiamo frasi continue, ripetiamo parole, riavviamo le frasi – facciamo tutte queste cose che non faremmo in una forma scritta. Ci sono alcune opportunità uniche quando si tratta di avere una versione più leggibile di una trascrizione – una che rimuova le ridondanze, preveda o migliori la punteggiatura e ottimizzi o perfezioni la trascrizione per renderla più leggibile.

Nella mia mente, ci sono due versioni: la versione verbatim, che è il più vicina al 100% possibile di una conversazione (con frasi continue e tutto il resto), e poi c’è la versione migliorata, che è molto più facile da digerire grazie alla punteggiatura e alle ottimizzazioni.

E questo ci porta sulla strada della possibilità di sintetizzare una conversazione alle sue parti più significative? Hai bisogno di una trascrizione completa o hai bisogno di una sintesi accurata formattata per la leggibilità?

Certamente dipende dal tuo caso d’uso, ma questo è ciò che è interessante e emozionante in questo spazio. Siamo forse nel terzo inning di ciò che è possibile e non abbiamo ancora iniziato a innovare nei flussi di lavoro dove vedremo l’elaborazione del linguaggio naturale diventare più “consapevole del contesto”, come utilizzare conversazioni precedenti per migliorare l’accuratezza.

La maggiore specificità del contesto che i modelli hanno da imparare, meglio è. Pensare a condividere lo stesso contesto su più conversazioni e adattarlo continuamente per rendere l’apprendimento automatico più intelligente. La tecnologia consapevole del contesto è anche importante per migliorare l’accuratezza considerando le grandi differenze nel modo in cui comunichiamo. Ciò che può sembrare una sottile differenza linguistica per gli esseri umani è molto difficile da addestrare un modello di apprendimento automatico a duplicare.

Quali sono alcuni dei servizi che Dialpad attualmente offre ai clienti?

Dialpad è un modo più intelligente per lavorare. Abbiamo costruito la piattaforma per la forza lavoro moderna e ibrida di oggi – potenziando le persone e i team per essere più efficienti, efficaci e coinvolti da qualsiasi parte del mondo. Forniamo un’esperienza di comunicazione aziendale senza soluzione di continuità – chiamate, chat, videoconferenze e call center – con una qualità, sicurezza e affidabilità senza pari. Dialpad offre quell’esperienza come piattaforma cloud unificata che è economica, semplice da distribuire e facile da gestire.

C’è qualcos’altro che lei vorrebbe condividere su Dialpad?

Il 2020 è stato un anno monumentale per l’azienda, il che è veramente incredibile considerando ciò che il mondo ha sperimentato (e continua a sperimentare). Abbiamo raddoppiato il nostro organico, assicurato 100 milioni di dollari di finanziamenti, acquisito un’azienda e fatto tutto ciò mentre la nostra base di clienti cresceva esponenzialmente.

Con il lavoro da remoto che è qui per rimanere, ci aspettiamo che questa crescita continui e siamo entusiasti per l’anno che verrà. Crediamo che il movimento di lavoro da qualsiasi parte aumenterà la necessità di tecnologie innovative che aiutino i dipendenti a lavorare in modo più intelligente – non più duramente. Le aziende si rivolgeranno all’intelligenza artificiale per razionalizzare le efficienze, eliminare le mansioni banali e permettere ai dipendenti di concentrarsi su priorità più grandi. Dialpad è ben posizionata per soddisfare queste esigenze.

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