Yandong Liu, Co-fondatore e CTO di Connectly – Serie di interviste

Yandong Liu è il co-fondatore e CTO di Connectly.ai. In precedenza ha lavorato presso Strava come CTO. Yandong Liu ha frequentato la Carnegie Mellon University.

Fondata nel 2021, Connectly è il leader nell’intelligenza artificiale conversazionale (AI). Utilizzando modelli di intelligenza artificiale proprietari, la piattaforma di Connectly automatizza la comunicazione tra le aziende e i loro clienti e la vendita dei prodotti su qualsiasi piattaforma di messaggistica. Connectly consente di condurre l’intero percorso del cliente – dalla vendita e dal marketing all’esperienza del cliente e al supporto – all’interno della piattaforma di messaggistica preferita dal cliente.

Puoi condividere la storia dietro la nascita di Connectly?

Connectly è nata dalla visione di diventare il leader nell’intelligenza artificiale conversazionale. Il mio co-fondatore, Stefanos, e io ci siamo conosciuti attraverso un amico comune nella comunità dei fondatori e ci siamo legati per la nostra passione condivisa per il futuro della messaggistica. Con la mia esperienza nel guidare team tecnici presso Strava e Uber e l’esperienza di Stefanos nella supervisione di Facebook (META ) Messenger, abbiamo deciso di creare l’infrastruttura di intelligenza artificiale del futuro, aiutando le aziende a sfruttare al meglio i messaggi dei clienti in un ecosistema sempre più complesso.

Cosa sono esattamente i Modelli Linguistici di Piccole Dimensioni (SLM) e come differiscono dai Modelli Linguistici di Grande Dimensione (LLM)?

Gli SLM sono modelli di intelligenza artificiale progettati per comprendere e generare linguaggio umano, ma con meno parametri e requisiti computazionali rispetto ai Modelli Linguistici di Grande Dimensione. Nel contesto delle soluzioni di marketing basate sull’intelligenza artificiale per piattaforme di messaggistica come WhatsApp e Instagram, gli SLM forniscono tempi di risposta più rapidi e possono essere facilmente distribuiti su una varietà di dispositivi, rendendoli ideali per interazioni con i clienti in tempo reale. La loro dimensione più piccola consente prestazioni efficienti senza compromettere la qualità delle risposte.

Puoi discutere come gli SLM riducono la probabilità di “allucinazioni” e migliorano l’affidabilità delle risposte dell’intelligenza artificiale?

Gli SLM riducono la probabilità di “allucinazioni” – casi in cui l’intelligenza artificiale genera informazioni errate o insensate – concentrandosi su un set di parametri più piccolo e gestibile. Per le soluzioni di marketing basate sull’intelligenza artificiale per piattaforme di messaggistica, questo approccio focalizzato garantisce risposte più prevedibili e affidabili, aumentando la fiducia e l’engagement del cliente. La complessità ridotta degli SLM minimizza le possibilità di generare contenuti fuori tema o errati, migliorando così l’affidabilità complessiva delle interazioni con l’intelligenza artificiale.

Puoi spiegare perché gli SLM sono particolarmente vantaggiosi per i dettaglianti, specialmente nel contesto dei chatbot?

A causa della grande quantità di dati che i LLM sono alimentati, sono spesso lenti. Tuttavia, la messaggistica e il commercio conversazionale richiedono tempi di risposta più rapidi per servire meglio e più precisamente i clienti. Per i dettaglianti, gli SLM sono più pratici e vantaggiosi a causa del livello di dettaglio che possono fornire nel settore retail. Inoltre, gli SLM sono spesso più economici perché sono più agili, il che significa che ogni azienda di retail, dalle piccole startup ai grandi rivenditori online, può utilizzarli.

Come gli SLM offrono esperienze più personalizzate per i clienti rispetto ai LLM?

Gli SLM offrono esperienze più personalizzate per i clienti perché sono più facili da adattare per compiti e domini specifici. La loro dimensione più piccola consente una personalizzazione più rapida e efficiente, consentendo alle aziende di adattare i modelli alle esigenze e preferenze uniche dei loro clienti. Questa personalizzazione focalizzata porta a interazioni più rilevanti e personalizzate, migliorando l’esperienza del cliente.

Come Connectly integra gli SLM nella sua piattaforma per migliorare le capacità di e-commerce?

Noi integriamo gli SLM nella nostra piattaforma per migliorare le capacità di e-commerce sfruttando la loro efficienza e adattabilità. Questi modelli consentono interazioni con i clienti rapide e accurate su piattaforme di messaggistica come WhatsApp e Instagram, fornendo raccomandazioni di prodotti personalizzate e supporto clienti istantaneo. La natura leggera degli SLM garantisce che le risposte siano rapide e rilevanti, migliorando l’esperienza del cliente e aumentando l’engagement.

Ci sono esempi specifici di come i dettaglianti hanno implementato con successo gli SLM nelle loro operazioni?

I nostri clienti stanno avendo un grande successo con gli SLM. Un rivenditore di moda sta utilizzando gli SLM per fornire consigli di stile personalizzati attraverso WhatsApp, raccomandando outfit in base agli acquisti e alle preferenze precedenti del cliente. Allo stesso modo, un rivenditore di elettronica ha distribuito gli SLM su Instagram per rispondere alle domande dei clienti sulle caratteristiche e la disponibilità dei prodotti in tempo reale, migliorando l’esperienza di shopping e riducendo il carico sui team di supporto clienti.

Perché i dettaglianti dovrebbero considerare il passaggio dai LLM agli SLM per le loro applicazioni aziendali specifiche?

I dettaglianti dovrebbero considerare il passaggio dai LLM agli SLM per le loro applicazioni aziendali specifiche a causa della maggiore efficienza e del minor costo degli SLM. Gli SLM sono più rapidi, richiedono meno potenza computazionale e possono essere facilmente adattati per compiti specifici, rendendoli ideali per interazioni con i clienti in tempo reale su piattaforme di messaggistica come WhatsApp e Instagram. Questo passaggio può portare a un servizio clienti più reattivo e personalizzato, riducendo allo stesso tempo i costi operativi.

Quali sono le prossime innovazioni nella tecnologia SLM che ti entusiasmano di più?

Sono entusiasta delle innovazioni nella tecnologia SLM che miglioreranno ulteriormente la loro efficienza e precisione. Ad esempio, i progressi nell’apprendimento trasferito e nelle tecniche di adattamento consentiranno agli SLM di diventare ancora più abili in compiti specifici con un minimo di dati. Inoltre, l’integrazione degli SLM con capacità multimodali – combinando testo, voce e dati di immagine – consentirà esperienze clienti più ricche e interattive su piattaforme come WhatsApp e Instagram. Queste innovazioni renderanno gli SLM ancora più preziosi per i dettaglianti che cercano di fornire interazioni con i clienti personalizzate e coinvolgenti.

Come vedi l’adozione degli SLM evolversi nel prossimo futuro nel settore retail?

Vedo l’adozione degli SLM nel settore retail crescere notevolmente. Mentre i dettaglianti continuano a cercare modi più efficienti e economici per interagire con i clienti, la velocità e l’adattabilità degli SLM diventeranno sempre più preziose. Gli SLM saranno integrati più ampiamente nelle piattaforme di servizio clienti, nelle campagne di marketing e nelle esperienze di shopping personalizzate su app di messaggistica come WhatsApp e Instagram, anche su TikTok. Questo spostamento aiuterà i dettaglianti a fornire interazioni più rapide e personalizzate, migliorando la soddisfazione e la fedeltà del cliente.

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