Ofer Ronen, Co-Fondatore e Amministratore Delegato di Tomato.ai – Serie di Interviste

Ofer Ronen è il Co-Fondatore e Amministratore Delegato di Tomato.ai, una piattaforma che offre un filtro vocale alimentato da intelligenza artificiale per ammorbidire gli accenti per le voci degli agenti offshore mentre parlano, con il risultato di migliorare i metrici di CSAT e di vendita.

Ofer in precedenza ha venduto tre startup tecnologiche, due a Google (GOOGL ) e una a IAC. Ha trascorso gli ultimi cinque anni a Google costruendo soluzioni di intelligenza artificiale per i centri di contatto all’interno dell’incubatore Area 120. Ha chiuso oltre 500 milioni di dollari in accordi per queste nuove soluzioni. Ha un master in Ingegneria Informatica con un focus sull’intelligenza artificiale presso l’Università del Michigan e un MBA presso Cornell.

Cosa ti ha inizialmente attratto verso il machine learning e l’intelligenza artificiale?

L’intelligenza artificiale ha avuto una lunga storia di inizi e interruzioni. Periodi in cui c’era molta speranza per la tecnologia di trasformare le industrie, seguiti da periodi di disillusione perché non ha mantenuto le aspettative.

Quando stavo facendo un master in intelligenza artificiale un paio di decenni fa, all’Università del Michigan, era un periodo di disillusione, in cui l’intelligenza artificiale non stava avendo un impatto. Ero intrigato dall’idea che i computer potessero essere insegnati a eseguire compiti attraverso esempi rispetto alle tradizionali euristiche, che richiedono di pensare a quali istruzioni esplicite fornire. All’epoca stavo lavorando in un laboratorio di ricerca sull’intelligenza artificiale su agenti virtuali che aiutavano gli insegnanti a trovare risorse online per le loro classi. Allora non avevamo i grandi dati, le risorse di calcolo potenti o le reti neurali avanzate che abbiamo oggi, quindi le capacità che abbiamo costruito erano limitate.

Da il 2016 al 2019 hai lavorato all’incubatore Area 120 di Google per progettare agenti virtuali molto robusti per i più grandi centri di contatto. Qual era esattamente questa soluzione?

Più recentemente ho lavorato all’incubatore Area 120 di Google su alcuni dei più grandi progetti di agenti virtuali vocali, tra cui un paio di progetti per aziende Fortune 50 con oltre cento milioni di chiamate di supporto all’anno.

Per costruire agenti virtuali vocali più robusti che possano gestire conversazioni complesse, abbiamo preso milioni di conversazioni storiche tra esseri umani e le abbiamo utilizzate per rilevare il tipo di domande di follow-up che i clienti hanno oltre al loro problema iniziale dichiarato. Analizzando le domande di follow-up e analizzando i diversi modi in cui i clienti formulano ogni domanda, siamo stati in grado di costruire agenti virtuali flessibili che possono avere conversazioni tortuose. Ciò ha riflesso meglio il tipo di conversazioni che i clienti hanno con gli agenti umani. Il risultato finale è stato un aumento significativo delle chiamate gestite interamente dagli agenti virtuali.

Nel 2021 e nel 2022, hai costruito una seconda startup all’interno di Area 120, potresti condividere cosa era questa azienda e cosa hai imparato da questa esperienza?

La mia seconda startup all’interno di Area 120 si concentrava nuovamente sui centri di contatto. La nostra soluzione si concentrava sulla riduzione della churn dei clienti contattandoli proattivamente subito dopo una chiamata di supporto fallita in cui il cliente ha espresso il suo problema ma non ha raggiunto una risoluzione. Il contatto sarebbe stato effettuato da agenti virtuali addestrati ad affrontare quei problemi aperti. Cosa ho imparato da questa esperienza è che la churn è un metrica difficile da misurare in modo tempestivo. Ci vogliono 6 mesi per ottenere risultati statisticamente significativi per i cambiamenti nella churn. Ciò rende difficile ottimizzare un’esperienza abbastanza velocemente e convincere i clienti che una soluzione funziona.

Potresti condividere la storia di genesi dietro la tua terza startup di intelligenza artificiale per i centri di contatto, Tomato.ai, e perché hai scelto di farlo da solo anziché lavorare all’interno di Google?

L’idea per Tomato.ai, la mia terza startup di intelligenza artificiale per i centri di contatto, è venuta da James Fan, il mio co-fondatore e CTO. James pensava che sarebbe stato più efficace vendere vino con un accento francese, e cosa succederebbe se chiunque potesse essere reso a suonare francese?

Questo è stato il seme dell’idea, e da lì il nostro pensiero è evoluto. Mentre investigavamo ulteriormente, abbiamo trovato un punto dolente più acuto sentito dai clienti quando parlano con agenti offshore con accenti. I clienti avevano problemi di comprensione e fiducia. Ciò rappresentava un’opportunità di mercato più grande. Data la nostra esperienza, abbiamo realizzato l’impatto significativo che avrebbe avuto sui centri di contatto, aiutandoli a migliorare le loro metriche di vendita e supporto. Ora ci riferiamo a questo tipo di soluzione come “Amorzamento degli accenti”.

James e io in precedenza abbiamo guidato e venduto startup, tra cui ciascuno di noi ha venduto una startup a Google.

Abbiamo deciso di lasciare Google per fondare Tomato.ai perché, dopo molti anni a Google, eravamo ansiosi di tornare a fondare e guidare la nostra azienda.

Tomato.ai risolve un punto dolente importante per i centri di contatto, che è l’ammorzamento degli accenti per gli agenti. Potresti discutere perché i filtri vocali sono una soluzione preferita all’addestramento degli agenti?

In Tomato.ai, comprendiamo l’importanza della comunicazione chiara nei centri di contatto, dove gli accenti possono a volte creare barriere. Invece di affidarsi solo all’addestramento tradizionale degli agenti, abbiamo sviluppato filtri vocali, o ciò che chiamiamo “ammorzamento degli accenti”. Questi filtri aiutano gli agenti a mantenere la loro voce unica, mentre riducono i loro accenti, migliorando la chiarezza per i chiamanti. Utilizzando i filtri vocali, ci assicuriamo una migliore comunicazione e costruiamo fiducia tra gli agenti e i chiamanti, rendendo ogni interazione più efficace e soddisfacente per il cliente. Quindi, rispetto ai programmi di addestramento estensivi, i filtri vocali offrono una soluzione più semplice e immediata per affrontare le sfide legate agli accenti nei centri di contatto.

Mentre gli agenti esistenti utilizzano questi strumenti per migliorare le loro prestazioni, saranno in grado di comandare tariffe più elevate, riflettendo il loro valore aumentato nel fornire esperienze di customer exceptional. Allo stesso tempo, l’effetto democratizzante dell’intelligenza artificiale generativa porterà nuovi agenti di livello entry nel settore, espandendo la piscina di talenti e riducendo le tariffe orarie. Questa dicotomia rappresenta una trasformazione fondamentale nella dinamica dei servizi di contatto, dove la tecnologia e l’esperienza umana ridisegnano il paesaggio dell’industria, aprendo la strada a un futuro più inclusivo e competitivo.

Quali sono alcune delle diverse tecnologie di machine learning e intelligenza artificiale utilizzate per abilitare il filtro vocale?

Questo tipo di soluzione di filtro vocale in tempo reale non sarebbe stato possibile solo un paio di anni fa. I progressi nella ricerca sul discorso combinati con nuove architetture come il modello transformer e le reti neurali profonde, e hardware di intelligenza artificiale più potenti (come TPUs di Google e GPU di NVidia) rendono possibile costruire soluzioni del genere oggi. È ancora un problema molto difficile che richiede al nostro team di inventare nuove tecniche per l’addestramento di modelli di discorso-discorso a bassa latenza e alta qualità.

Qual è il tipo di feedback ricevuto dai centri di contatto e come ha impattato sui tassi di churn degli impiegati?

Abbiamo una forte domanda da parte di grandi e piccoli centri di contatto offshore per provare la nostra soluzione di ammorzamento degli accenti. Quei centri di contatto riconoscono che Tomato.ai può aiutare con i loro due problemi principali (1) le metriche di prestazione degli agenti offshore non sono all’altezza di quelle degli agenti onshore (2) è difficile trovare abbastanza agenti qualificati per assumere nei mercati offshore come l’India e le Filippine.

Ci aspettiamo che nelle prossime settimane avremo casi di studio che evidenziano il tipo di impatto che i centri di contatto sperimentano utilizzando l’ammorzamento degli accenti. Ci aspettiamo che le chiamate di vendita vedano un immediato aumento dei principali metrici come entrate, tassi di chiusura e tassi di qualificazione dei lead. Allo stesso tempo, ci aspettiamo che le chiamate di supporto vedano tempi di gestione più brevi, meno richiami e una migliore soddisfazione del cliente.

Come menzionato sopra, i tassi di churn richiedono più tempo per essere convalidati, quindi i casi di studio con quei miglioramenti arriveranno in una data successiva.

Tomato.ai ha recentemente raccolto un finanziamento di 10 milioni di dollari, cosa significa questo per il futuro dell’azienda?

Mentre Tomato.ai si prepara per il lancio del suo prodotto inaugurale, il team rimane saldo nel suo impegno a ridisegnare il paesaggio della comunicazione globale e il futuro del lavoro, una conversazione alla volta.

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