インタビュー
アシッシュ・ナガー、Level AIのCEO兼創設者 – インタビュー・シリーズ
アシッシュ・ナガーは、Level AIのCEO兼創設者で、アマゾンのAlexaチームでの経験を活かし、人工知能を利用してコンタクトセンターの運用を変革しています。テクノロジーと起業家精神の強い背景を持つアシッシュは、企業の使命を推進し、先進的なAIソリューションを通じて顧客サービスインタラクションの効率と有効性を高めることに尽力しています。彼の指導の下、Level AIは、AI駆動のコンタクトセンターの重要なプレーヤーとなり、先端の製品と人工知能の優れた実装で知られています。
アマゾンを離れてLevel AIを創設したことの背景は何ですか？顧客サービスにおける特定の痛み点を解決しようとした技術について、詳しくお話しください。
私の背景は、テクノロジーとビジネスの交差点で製品を構築することです。応用物理学の学士号を持っていますが、私の仕事は一貫して製品ロールと新しいビジネスの立ち上げ、構築に焦点を当てています。テクノロジーとビジネスへの情熱が私をAIに導きました。
2014年に、次世代のモバイル検索会社であるRel Cを立ち上げ、現在のPerplexity AIに似たものを構築しました。那時の経験が私をAIソフトウェアの道へ導き、最終的にその会社はアマゾンに買われました。アマゾンでは、Alexaチームの製品リーダーとして、より複雑なAIの問題に取り組む機会を求め続けました。
アマゾンでの最後の1年間、2018年、私は「スタートレック・コンピューター」と呼ばれるプロジェクトに取り組みました。これは、有名なSFフランチャイズにインスパイアされたもので、どんな質問にも答えることができるコンピューターを開発することを目標としていました。このプロジェクトは、Alexa Prizeとして知られ、誰でもAlexaと任意のソーシャルトピックについて20分間の会話をすることを可能にすることを目指しました。私は約10人の科学者チームを率いて、このプロジェクトを世界的なAIチャレンジとして立ち上げ、MIT、CMU、スタンフォード、オックスフォードなどの機関の第一人者と密接に協力しました。明らかになったのは、当時、誰も完全に問題を解決することができなかったということです。
しかし、当時から、可能にするためのイノベーションの波が来ることが感じられました。2024年まで時間を飛ばすと、ChatGPTのようなテクノロジーが私たちが想定していたことを多く実現しています。アマゾン、Google、OpenAI、Microsoftなどの企業が大規模なモデルと基盤となるインフラストラクチャを構築することで、自然言語処理における急速な進歩が見られました。しかし、彼らは必ずしもエンドツーエンドのワークフローに取り組んでいませんでした。私たちはこのギャップを認識し、解決しようとしました。
私たちの最初の製品は、顧客サービス・ソリューションではありませんでした。技術者や小売店員のようなフロントライン・ワーカー向けのボイス・アシスタントでした。200万ドルのシード資金を調達し、製品を潜在的な顧客に披露しました。彼らは圧倒的に、既存の音声とデータ・ストリームがあるコンタクト・センターでこのテクノロジーを適応させてほしいと求めましたが、そこでは最新の生成的なAIアーキテクチャが欠けていました。これにより、私たちは、既存の企業が過去に縛られていることを認識し、レガシーシステムを刷新するか、新しいものを構築するかというイノベーターのジレンマに直面していることを理解しました。私たちは白紙の状態から始め、最初のネイティブ・ラージ・ランゲージ・モデル（LLM）カスタマー・エクスペリエンス・インテリジェンスおよびサービス・オートメーション・プラットフォームを構築しました。
人間の言語の複雑さと、コンピューター・エンジニアリングの観点からこれらの問題を解決することの難しさへの私の深い関心が、私たちのアプローチに大きな役割を果たしました。特にコンタクト・センター・インダストリーでは、AIが人間の話し手の声に耳を傾ける能力は極めて重要です。例えば、Siriを使用すると、AIが人間の言語の意図とコンテキストを理解することの難しさが明らかになります。単純な質問でも、AIは何を尋ねているのかを解釈するのに苦労します。
AIは、意図を理解し、長い会話の中でコンテキストを維持し、世界に関する関連知識を持つことが苦手です。ChatGPTも、これらの分野に限界があります。例えば、最新のニュースを知らないか、会話の中でトピックの移り変わりを理解できない場合があります。これらの課題は、会話が複数のトピックを扱い、ドメイン関連の知識を必要とする顧客サービスに直接関連しています。私たちのプラットフォームは、これらの課題に対処し、顧客サービス環境における人間の言語の複雑さを処理するように設計されています。
Level AIのNLUテクノロジーは、基本的なキーワード・マッチングを超えています。顧客の意図をより深く理解する方法と、それが顧客サービスに与える利点について説明してください。Level AIは、顧客とのやり取りを理解する際に、AIシステムの精度と信頼性を確保する方法は何ですか?
私たちには、特定のタスクに合わせて調整された6つまたは7つの異なるAIパイプラインがあります。たとえば、1つのワークフローには、顧客が製品またはサービスに抱く問題を特定する「顧客の声」と呼ばれるものがあります。別のものは、エージェントのパフォーマンスを評価するための自動化された品質スコアカードのスコアリングです。各ワークフローまたはサービスには独自のAIパイプラインがありますが、基礎となるテクノロジーは同じです。
類推的に言えば、私たちが使用するテクノロジーは、ChatGPTやその他の生成的なAIツールの背後にあるテクノロジーに基づいています。しかし、私たちはこれらの特殊なワークフローに特化した、顧客サービス用のLLMをインハウスでトレーニングしています。これにより、顧客のオンボーディング後わずか数日で85％以上の精度を達成し、迅速な価値提供、最小限のプロフェッショナル・サービス、並びに無比の精度、セキュリティ、信頼性を実現しています。
私たちのモデルは、顧客サービスに深い、特定の専門知識を持っています。古いパラダイムでは、会話を分析するために、特定のフレーズやキーワードを拾い出していました。しかし、私たちのソリューションは、すべての可能なフレーズのバリエーションを捉えることに頼るのではなく、質問の背後にある意図を理解するためにAIを適用し、より迅速で効率的なものにします。
例えば、誰かが「あなたの会社を辞めたい」と言います。彼らがそれを表現する方法は数えきれません。「あなたたちと終わった」とか「あなたたちに別れる」とかです。私たちのAIは、質問の意図を理解し、それをコンテキストに結び付けるため、私たちのソフトウェアはより迅速で正確です。
役立つ類推として、古いAIはルールブックのように機能しました。柔軟性のない、if-then-else文のルールブックを構築し、常にメンテナンスが必要でした。一方、新しいAIは、ダイナミックな脳や学習システムのようです。わずかな指示で、ダイナミックにコンテキストと意図を学び、飛躍的に改善します。ルールブックには限られたスコープがあり、事前に定義されたルールに合わないものが出てきたら簡単に壊れます。一方、ダイナミックな学習システムは拡大し続け、成長し、より広範な影響を及ぼします。
大手ECブランドからの顧客の例が挙げられます。彼らは数千の製品を持っており、新しい製品の更新を追跡することは不可能です。しかし、私たちのAIは、特定のソファについて話しているかどうかを理解できます。スコアカードやルーブリックを毎回更新する必要はありません。
Level AIのテクノロジーを既存の顧客サービス・システムに統合する際の主な課題は何ですか？それらをどのように解決しますか?
Level AIは、顧客エクスペリエンス・インテリジェンスおよびサービス・オートメーション・プラットフォームです。したがって、私たちは業界のほとんどのCXソフトウェアと統合します。CRM、CCaaS、サーベイ、ツール링・ソリューションなどです。これにより、私たちは中央ハブとなり、これらのソースからのデータを収集し、上位のインテリジェンス・レイヤーとして機能します。
しかし、課題は、これらのシステムのうち一部がクラウド以外のオンプレミス・テクノロジー、またはAPIやクリーンなデータ統合が不足しているクラウド・テクノロジーに基づいていることです。私たちは、顧客と密接に協力してこれに対処していますが、現在、私たちの統合の80％はクラウドベースまたはAPIネイティブとなっており、迅速な統合が可能です。
Level AIは、顧客サービス・エージェントにリアルタイムのインテリジェンスとアクション可能なインサイトを提供する方法について説明してください。顧客とのやり取りが改善された具体的な例をいくつか共有してください。
私たちが顧客に提供するリアルタイムのインテリジェンスとアクション可能なインサイトは、3つの種類あります。
- マニュアル・ワークフローの自動化：サービス・レップには限られた時間（6～9分）があり、複数のマニュアル・タスクがあります。Level AIは、会話中および会話後にノートを取るような退屈なタスクを自動化し、各顧客にカスタマイズされたサマリーを生成します。これにより、私たちの顧客はコール・ハンドリング・タイムを10～25％削減し、効率性が向上しました。
- CXコパイロット・サービス・レップ：サービス・レップは、高いターンオーバー率とオンボーディングの課題に直面しています。会社のポリシーを知らないままコンタクト・センターに投入されたと想像してください。Level AIは、会話を傍聴し、リアルタイムのガイダンスを提供する、エージェントの隣に座る専門家AIとして機能します。これには、反論の処理、知識の提供、スマート・トランスクリプションが含まれます。この機能により、私たちの顧客はサービス・レップのオンボーディングとトレーニングを30～50％高速化することができました。
- マネージャー・コパイロット：このユニークな機能により、マネージャーはチームのパフォーマンスに関するリアルタイムの可視性を得ることができます。Level AIは、会話ごとにセカンド・バイ・セカンドのインサイトを提供し、マネージャーが介入し、センチメントや意図を検出し、リアルタイムでレップをサポートできるようにします。これにより、エージェントの生産性が10～15％向上し、エージェントの満足度も向上しました。これは、コスト削減に重要です。例えば、顧客がレップに怒鳴った場合、システムはそれをフラグし、マネージャーはコールを引き継ぐか、レップにガイダンスをささやくことができます。このようなリアルタイムの介入は、このテクノロジーがなければ不可能です。
Level AIのセンチメント分析の仕組みと、エージェントが顧客に効果的に対応するのを支援する方法について説明してください。
私たちのセンチメント分析では、極度の苛立ちから歓喜までの7つの異なる感情を検出し、感情の程度を測定します。これにより、全体的なセンチメント・スコアに貢献するさまざまな感情を測定できます。これには、会話の言葉とトーンの両方が考慮されます。しかし、私たちの実験では、言葉がトーンよりもはるかに重要な役割を果たしていることがわかりました。誰かが冷静なトーンでひどいことを言ったり、奇妙なトーンで親切なことを言ったりすることができます。
私たちは、1から10までのスケールでセンチメント・スコアを提供します。1は非常に悪いセンチメント、10は非常に良いセンチメントを示します。私たちは、顧客の会話の100％を分析し、顧客とのやり取りに関する深い洞察を提供しています。
コンテキストの理解も非常に重要です。たとえば、コールが非常に悪いセンチメントで始まって終わった場合、コールの80％が悪いセンチメントであったとしても、全体的なやり取りは肯定的なものとみなされます。これは、顧客が最初は怒っていたが、エージェントが問題を解決し、顧客が満足して終了したからです。一方、コールが肯定的に始まって否定的に終わった場合、それは別の話です。コールの80％が肯定的なものであったとしてもです。
この分析により、レップとマネージャーは、トレーニングに焦点を当てるべき領域を特定し、肯定的なセンチメントに関連するアクション、たとえば顧客に挨拶したり、顧客の懸念を認めたり、共感を示したりすることに重点を置くことができます。これらの要素は、成功したやり取りに不可欠です。
Level AIは、特に顧客とのやり取りがデリケートな場合に、データのプライバシーとセキュリティの懸念に対処する方法は何ですか?
私たちは最初から、セキュリティとプライバシーを優先してきました。企業レベルのセキュリティとプライバシーを基本原則としてシステムを構築しました。私たちは、第三者ベンダーに生成的なAI能力をアウトソーシングしません。すべてがインハウスで開発されており、顧客固有のAIモデルをデータを外部に共有せずにトレーニングできます。また、データを共有せずに顧客が独自のAIモデルを持つことを可能にするための広範なカスタマイズを提供しています。
現在の業界の懸念事項に対処するために、私たちのデータは外部モデルによるトレーニングに使用されません。私たちのモデルは、他のソースからのAI生成データによって影響を受けることを許可しません。これにより、AI生成データでトレーニングされたことにより精度を失う問題に直面している一部のAIモデルが抱える問題を回避します。Level AIでは、すべてがファーストパーティーであり、データを外部に共有したり、外部からデータを取得したりしません。
最近の3,940万ドルのシリーズC資金調達に伴い、Level AIのプラットフォームを拡大し、新しい顧客セグメントにリーチする計画は何ですか?
シリーズCの投資は、戦略的成長とイノベーションの重要な分野、たとえば製品開発の進歩、エンジニアリングの強化、徹底的な研究開発への取り組みを推進するために利用されます。私たちは、組織のすべてのレベルでトップレベルの才能を募集し、業界をリードするテクノロジーを継続的に開発し、クライアントの期待を超え、ダイナミックな市場の需要に応えることを目指しています。
次の10年間で、AIが顧客サービスを変革する役割についてどう見ていますか?
一般的な焦点は、ボットがすべての顧客サービスを処理する未来を予測することにあるかもしれませんが、私たちの見解はより微妙です。自動化の程度は、垂直によって異なります。たとえば、銀行や金融では自動化の程度が低いかもしれませんが、他の業界では高い可能性があります。全体的な平均では、40％を超える自動化を達成することは困難です。これは、サービス・レップが質問に答えるだけでなく、トラブルシューティング、セールス・アドバイザーなど、ボットによって完全に再現できない役割も担っているからです。
ワークフロー・オートメーションの潜在性もあります。Level AIはここに焦点を当てています。これには、品質保証、チケットのトライエージング、スクリーン・モニタリングなどのバックオフィス・タスクが含まれます。ここでは、生成的なAIを使用して80％を超える自動化を達成できます。インテリジェンスとデータ・インサイトは極めて重要です。私たちは、非構造化データからインサイトを得るために生成的なAIを使用する点でユニークです。このアプローチにより、インサイトの品質を大幅に改善し、プロフェッショナル・サービスへの需要を90％削減し、価値提供までの時間を90％短縮できます。
別の重要な考慮事項は、組織の顔はボットなのか、人間なのかということです。顧客との人間的なつながりは極めて重要です。私たちのアプローチは、人間のワークロードから余分なタスクを除去し、顧客とのより意味のあるやり取りに焦点を当てることです。
人間は、直接のコミュニケーションに最も適していますが、ノートを取ったり、会話をトランスクリプトしたり、スクリーンをレコーディングしたりするようなタスクには適していません。これらのタスクを代行することで、顧客とのやり取りに効果的に関わる時間を増やします。
素晴らしいインタビュー、詳しく知りたい読者はLevel AIを訪問してください。
