Nikola Mrksic, Co-fondatore e Amministratore Delegato di PolyAI – Serie di Interviste

Nikola Mrksic è co-fondatore e amministratore delegato di PolyAI, un importante fornitore di assistenti vocali pronti per l’impresa per il servizio clienti automatizzato.

Cosa ti ha inizialmente attirato verso l’AI?

Ho sempre avuto una passione per la matematica e l’informatica fin da molto giovane. Durante i miei studi a Cambridge, ho avuto l’opportunità di lavorare con diversi importanti ricercatori di apprendimento automatico, tra cui Steve Young e Zoubin Ghahramani. Steve mi ha convinto a unirmi alla sua startup, VocalIQ, per lavorare sulla costruzione di sistemi di dialogo parlato. In seguito, ho anche fatto un dottorato con Steve, lavorando sulla costruzione di modelli di comprensione del linguaggio basati sui dati che funzionano in diversi casi d’uso e lingue. L’AI conversazionale è un campo di lavoro realmente difficile e complesso, con molte scoperte scientifiche e ingegneristiche ancora davanti a noi, e mi ha tenuto occupato da allora.

Nel 2017, hai lanciato PolyAI, una società di AI conversazionale, potresti discutere la storia di genesi di PolyAI?

I miei co-fondatori, Shawn Wen, Eddy Su e io abbiamo fatto i nostri dottorati a Cambridge allo stesso tempo. Avevamo lavorato su sistemi di dialogo per anni, ma presto ci siamo resi conto che i tipi di sistemi sofisticati su cui stavamo lavorando avevano molto poche applicazioni commerciali. Quindi ci siamo riuniti per creare una soluzione di AI conversazionale che sarebbe stata benefica nel mondo reale. Abbiamo visto un’opportunità per sistemi di dialogo realmente conversazionali, multi-turn, transazionali che potessero interagire con persone reali nella vita di tutti i giorni.

Ci siamo concentrati sul servizio clienti perché sentivamo che le capacità tecnologiche attuali e le esigenze dei clienti erano ben abbinate.

Potresti discutere alcune delle tecnologie di apprendimento automatico e di elaborazione del linguaggio naturale utilizzate?

Il nostro segreto principale è il nostro insieme di diversi modelli di encoder proprietari. Li abbiamo pre-addestrati su miliardi di conversazioni naturali, quindi possono estrarre l’intento anche quando l’input vocale utilizza slang o idiomi, ad esempio. Ciò è incredibilmente importante per la comunicazione telefonica. I clienti non parlano in parole chiave; raccontano storie, si interrompono, fanno domande e generalmente vogliono prendere il controllo della conversazione.

Abbiamo recentemente annunciato il nostro modello ConVEx, un estrattore di entità estremamente efficiente in termini di dati, che ci consente di estrarre valori dalle conversazioni con precisione.

Il nostro processo di orchestrazione ASR coinvolge l’utilizzo di piattaforme di riconoscimento vocale con fine-tuning per neutralizzare il rumore causato da diversi accenti, nonché il fine-tuning per diversi contesti.

Abbiamo anche sviluppato una libreria di politiche di dialogo abbastanza robusta con casi d’uso pre-progettati che includono tutte le transazioni di servizio clienti comuni, quindi possiamo avviare un nuovo assistente vocale per i clienti estremamente velocemente.

Secondo te, cosa differenzia un buon prodotto di AI conversazionale da uno scarso?

Un buon prodotto capirà costantemente cosa intendono gli utenti e non li farà mai ripetere. Le chiamate spesso avvengono in ambienti rumorosi, quindi i prodotti devono essere resilienti agli input confusi. Poiché i marchi si rivolgono a grandi mercati, i prodotti devono comprendere una varietà di accenti e modi di esprimere intenzioni. Entrambi questi aspetti richiedono che i prodotti garantiscano capacità di riconoscimento vocale robuste, classificazione di intenti resilienti ed estrazione di entità.

Un grande prodotto sarà attivamente coinvolgente per gli utenti. Seguirà il flusso di pensieri dell’utente e sarà in grado di gestire casi complessi e quotidiani in cui gli utenti possono condividere più intenzioni e pezzi di informazione simultaneamente, e potrebbero saltare tra diversi contesti. Ciò richiede una classificazione multi-etichetta robusta e una gestione del contesto.

Un prodotto coinvolgente mostrerà caratteristiche umane senza essere inquietante o troppo robotico. Ciò significa interazioni rapide, voci autentiche, feedback continui e un certo grado di casualità e imperfezioni.

Infine, un grande prodotto di AI conversazionale interagirà con gli utenti ovunque si trovino e offrirà un’esperienza senza soluzione di continuità, specifica della piattaforma, che potrebbe estendersi attraverso voce, SMS, chat o piattaforme di messaggistica sociale. Il paradigma di interazione dovrebbe abbracciare la specificità di ogni piattaforma di comunicazione.

Quali sono alcuni dei vantaggi delle aziende che utilizzano l’AI conversazionale invece di cercare di dirottare le richieste ai chatbot?

L’esperienza del cliente è fondamentale e diventata un fattore chiave per la fidelizzazione. La priorità assoluta dovrebbe essere rendere facile per i clienti fare ciò che devono fare.

Il telefono è ancora il canale preferito dalla maggior parte dei clienti per contattare un’azienda. Fino al 65% di tutte le interazioni dei clienti avviene ancora al telefono. Durante la pandemia di COVID-19, i centri di contatto sono stati spinti all’estremo con più clienti che mai che chiamano per supporto.

Certo, un’esperienza di grande qualità consente ai clienti di comunicare come preferiscono, quindi per chiunque preferisca le comunicazioni asincrone, rendiamo semplice per i marchi offrire lo stesso livello di esperienza attraverso canali testuali.

Quanto è difficile rilevare l’intento di ciò che un cliente sta cercando di dire?

C’è una serie di sfide nel comprendere i clienti attraverso canali vocali. Comprendere con precisione e costantemente il significato degli utenti richiede che numerosi componenti funzionino bene insieme.

Innanzitutto, il riconoscimento vocale è difficile, specialmente quando le persone chiamano da ambienti rumorosi come quando sono in vivavoce, o quando guidano attraverso il traffico o i tunnel. Il riconoscimento vocale può anche essere difficile in regioni con accenti e dialetti diversi. Abbiamo sviluppato un modo efficace per orientare i modelli di riconoscimento vocale per il contesto dato al fine di ottimizzare il riconoscimento vocale.

Perché il nostro modello ConveRT è stato addestrato su una quantità così grande di dati conversazionali, è in grado di rilevare l’intento anche su segnali deboli, proprio come noi esseri umani possiamo generalmente capire cosa dice qualcuno, anche se ci perdiamo una parola o due.

Un’altra considerazione è comprendere quando gli utenti vogliono eseguire più azioni contemporaneamente. Ad esempio, qualcuno potrebbe dire: “Ho perso la mia carta. Potresti dirmi se è stata utilizzata e bloccarla?”. In questo caso, il modello deve riconoscere due intenzioni e agire su di esse in un ordine che abbia senso.

Il modello deve anche essere in grado di estrarre e comprendere gli elementi che i clienti forniscono. Ad esempio, “Avete un tavolo per sabato a pranzo per me, mia moglie e i nostri 2 bambini?”. L’intenzione a livello di superficie qui è controllare la disponibilità di un tavolo, ma il modello deve estrarre la data (sabato) e il numero di persone (4) e qualsiasi altra informazione potenzialmente rilevante (forse i bambini sono ammessi solo nell’area del ristorante e non possono essere seduti al bar).

Infine, la conversazione non è sempre lineare. I clienti possono interrompere con domande non correlate al prompt dell’assistente vocale, quindi l’assistente deve essere in grado di “ascoltare” un tipo di input, mentre rimane aperto a diversi trigger come FAQ o modifiche alle informazioni precedentemente fornite dall’utente.

Qual è il processo e il cronogramma richiesti per un’azienda che desidera lanciare un bot di AI conversazionale con PolyAI?

Siamo qui per fornire assistenti vocali che hanno un impatto aziendale tangibile. Quindi, iniziamo ogni coinvolgimento con una scoperta in cui aiutiamo i clienti a identificare e articolare i loro obiettivi di esperienza del cliente, metriche chiave e processi di supporto. È qui che definiamo i percorsi che l’assistente vocale dovrà guidare i clienti attraverso. Ciò, più il nostro modello ConveRT pre-addestrato, significa che non abbiamo bisogno di grandi quantità di dati conversazionali dai clienti.

Da lì, siamo in grado di sviluppare un assistente vocale con molto poco input necessario dal cliente, quindi non è affatto impegnativo per i team IT interni.

A seconda della complessità, possiamo avviare una prova del valore in sole 2 settimane e un deploy completo in 2 mesi.

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