ニラージ・ランジャン、Hiverの創設者兼CEO – インタビュー・シリーズ

ニラージ・ランジャン、Hiverの創設者兼CEOは、ソフトウェアエンジニアリング、製品開発、カスタマーエクスペリエンスの交差点でキャリアを築いた経験豊富な起業家兼テクノロジストです。彼は2017年にHiverを設立し、カスタマーサービス・ソフトウェアを再考するために、以前のMobiculesでの共同創設者の経験を活かし、35人のチームを率いて小さなチームから運営しました。起業家になる前に、FPGAベースのシステム用の高度なエミュレーション・ソフトウェアを開発したMentor Graphicsで約5年間働き、高性能でスケーラブルな製品を構築し、強力なエンジニアリング・カルチャーを育むためのアプローチを形作りました。

Hiverは、電子メール、チャット、ボイス、メッセージングなどのコミュニケーション・チャンネルを1つのワークスペースに統合するように設計されたモダンなAI駆動のカスタマー・サポート・プラットフォームです。共有された受信トレイを管理し、ワークフローを自動化し、リアルタイムで共同作業を行うことができます。AIは、チケットのルーティング、応答の作成、データ分析などの繰り返しのタスクを処理します。プラットフォームは、より直感的でスケーラブルなソリューションでレガシーのヘルプデスク・システムを置き換えるように設計されており、組織が応答時間を改善し、パフォーマンス・メトリックを追跡し、チャンネル全体で一貫したカスタマー・エクスペリエンスを提供するのに役立ち、10,000を超えるチームが世界中で信頼しています。

あなたのキャリアの初期段階で、Mentor Graphicsでの高度なハードウェア・エミュレーション・システムの作業は、物理的に構築される前に複雑な電子設計をシミュレートするために使用されました。後に、Mobiculesを共同設立し、3人のスタートアップから35人の会社に成長させ、Hiverを立ち上げました。これらの深い技術的基礎と初期のスケーリング・経験は、リアルなサポート・環境で信頼性の高いAIを構築するためのあなたのアプローチをどのように形作りましたか。

ハードウェア・エミュレーション・システムで働くことは、信頼性についてどう考えるかを形作ります。そのようなシステムは、複雑な設計が実際の条件に出会ったときに異なる動作をするため存在します。エッジ・ケースが現れ、コンポーネント間の相互作用が結果を変更し、クリーンなモデルが崩壊します。そのマインドセットは、カスタマー・サポート・環境に直接適用されます。会話は、コンテキストが不足している、感情的な緊急性、内部システム全体にわたる依存関係とともに到着します。

会社のスケーリングは、別の複雑さの層を公開します。チームが成長するにつれて、運用上の摩擦が非常に目立つようになります。エージェントは、応答する前に、さまざまなツールから情報を組み立て、内部で調整する時間を費やします。その経験は、Hiverでの私たちの考え方を形作りました。私たちは、サポート・ライフサイクル全体を見て、リクエストが到着して解決されるまでのポイントで、AIがどのようにしてその摩擦を除去できるかを考えています。チームは、問題を解決することにエネルギーを費やすことができます。

Hiverは、人間の判断や共感を置き換えるのではなく、忙しい作業を除去するためにAIを使用することを強調しています。カスタマー・サポートで、有用な自動化と過剰な自動化の間の線をどこで引くべきですか。

サポート・ワークには、最終的な応答に現れない多くの運用上の努力が含まれます。エージェントは、リクエストをカテゴリ化し、ポリシーを検索し、口座情報を取得し、長い会話の履歴をトレースする必要があります。AIは、その土台をうまく処理します。システムがスレッドを要約したり、正しいナレッジ・アーティクルを適切なタイミングで提示したりできる場合、エージェントは状況をより明確に理解した状態で会話を開始できます。

判断は、会話が感情、説明責任、または曖昧性を伴うときに重要になります。怒った顧客やサービス・障害には、応答のフレーミングに解釈とケアが必要です。AIは、そのような瞬間にコンテキストと提案を提供できますが、最終的な決定については、顧客エクスペリエンスを担当する人に責任があります。

多くのAIツールは、製品デモでは印象的ですが、毎日の生産使用で苦労しています。AIがデモでうまく機能することと、高容量のサポート・受信トレイ内で一貫して機能することの間のギャップについて、どのようなことを学びましたか。

デモでは、クリーンなシナリオがキャプチャされます。質問は予測可能で、ナレッジベースは整理されており、システムは応答を生成します。実際のサポート・ワークは、ほとんどそう簡単には進みません。リクエストは部分的な情報とともに到着し、会話は複数のやり取りにわたって展開し、エージェントは状況が明確になるまでに他のチームまたはシステムからの入力を必要とします。

1つの教訓は、生産環境では明らかになるというものです。応答自体は、仕事の1つの部分にすぎません。多くの努力は、状況を理解し、問題をどのように進めるかを決定することに費やされます。AIは、作業の流れをサポートするときに、はるかに良く機能します。エージェントが会話のコンテキストをすばやく理解することを助けることは、受信トレイが埋まってくると、重要な違いを生み出します。

Hiverは、チームを完全に新しいシステムに強制するのではなく、既存のコミュニケーション・ワークフローに統合するように設計されています。高速な環境でAIを展開する際に、「ユーザーがすでに作業している場所で出会う」哲学はどれほど重要ですか。

それは、サポート・チームがすでに圧力の下で作業しているため、非常に重要です。新しいツールがチームに作業のやり方を変えることを要求すると、摩擦がすぐに現れます。ほとんどのサポート・会話はまだ電子メールで始まり、その会話の周りの作業には、他のシステムからのコンテキストを取得し、同僚と内部で調整することが含まれます。AIがその環境の外側にある場合、エージェントは技術を使用するために余分な作業をすることになります。

私たちは、チームが既存のワークフロー内でインテリジェンスを使用するときに、はるかに迅速に進むことを観察しています。エージェントが長い電子メール・スレッドを開くことができ、すぐに会話の要約、関連する顧客のコンテキスト、および問題を進めるのに役立つ提案を表示できる場合、時間を節約できます。その小さなシフトにより、エージェントは問題自体を解決することに集中できるスペースが増えます。

サポート・チームは、怒った顧客や緊急事態と対処するときに、特に激しい圧力の下で作業します。サポート・チームは、認知的負担を減らすのではなく、摩擦を加えるAIシステムをどのように設計しますか。

サポート・ワークは、継続的な注意の要求を課します。エージェントは、各会話に独自のトーン、緊急性、歴史を持つ複数の会話を同時に処理することができます。精神的な努力の多くは、状況を再構築することです。

AIは、エージェントが状況を理解する時間を減らすことで最も役立ちます。スレッドを開き、すぐに明確な要約または関連するナレッジ・アーティクルを表示することで、会話の出発点が変わります。エージェントは、問題を解決する方法について考える時間を費やすことができます。

Hiverは、10,000以上のチームが世界中で使用しています。AIの導入後、AIの採用がどのように進化するパターンを観察していますか。AIを日常のワークフローに真正に統合するチームと、AIをオプションのアドオンとして扱うチームを区別するのは何ですか。

AIの真の価値を認識するチームは、通常、ワークフロー内の特定の瞬間から始めます。エージェントが毎日時間を浪費する会話の要約は、良い例です。エージェントが長いスレッドを開き、すぐに状況を理解できる場合、会話は別の方法で始まります。同じことが、システムが正しいヘルプ・アーティクルまたはポリシーを適切なタイミングで提示する場合にも当てはまります。そうした瞬間が本当に役立つ場合、エージェントはAIを自然に使用し始めます。なぜなら、それが彼らの1日をより簡単にしているからです。

別の要因は、システムの背後にあるナレッジの品質です。AIの提案は、システムが引き出されるドキュメントとプロセスに大きく依存しています。明確で、整備されたナレッジベースを持つチームは、提案が役立つ且つ信頼できるものであるため、より強力な採用を実現しています。時間の経過とともに、AIはチームの作業の一部となります。なぜなら、それが会話をより明確に進めるのを助けるからです。

製品戦略の観点から、AIの革新のスピードと信頼性のバランスをとる方法は何ですか。特に、間違いが顧客関係を損なう可能性のある環境では、どのようにしますか。

カスタマー・サポートは、間違いが顧客関係に大きな影響を与える可能性のある環境の1つです。請求に関する問題を誤解した返信や怒った顧客は、チームにとって多くの作業を生み出し、すぐに信頼を損なう可能性があります。その現実は、AIが行動を起こす場所と、人間のエージェントをサポートする場所を非常に慎重に検討することを強制します。カテゴリ化や会話の要約などのタスクは、高度な自動化を許容できます。収入、ポリシーの解釈、顧客関係に影響を与える決定には、はるかに高いレベルの確実性が必要です。

製品戦略は、AIの能力とタスクの信頼性のレベルをマッチングすることの練習になります。新しいモデルやテクニックが不断に登場しますが、実際のテストは、日常のサポート・オペレーションの中で一貫して実行できるかどうかです。システムを構築するチームは、実際にエージェントがどのように作業するかを近くで見ていなければなりません。そのフィードバックを、次に何を出荷するべきかという主な信号として扱う必要があります。

次の5年間で、AIはサポート・チームの構造をどのように変えると考えていますか。監視と判断の方向にシフトするでしょうか、またはまったく新しい作業カテゴリが登場するでしょうか。

サポート・チームの構造は、おそらく、繰り返しのチケット処理を扱う人数が減り、複雑な問題を解決する人数が増える方向にシフトするでしょう。AIが会話の要約、受信リクエストの整理、応答の作成などのタスクを処理するにつれて、エージェントは状況を理解し、他のチームと調整して問題を解決することに時間を費やすことになります。会話の管理ではなく、顧客の問題の結果を所有することに重点が置かれます。

チームは、AIを有用にするシステムを担当する人も必要になります。AIアシスト・サポートは、正確なドキュメント、明確なプロセス、信頼性の高いナレッジ・ソースに大きく依存します。システムを維持することは、継続的な仕事になります。サポート・組織は、ナレッジを管理し、ワークフローを改善し、AIが製品やポリシーの進化に伴って役立つガイダンスを提供し続けることを保証することに重点を置く必要があります。

Hiverは、競合するヘルプデスク・マーケットで運営しています。顧客の期待の基本的な変化について、どのようなことが伝わっていますか。レガシー・プラットフォームは、これらの変化に適応できませんでした。

顧客は、サポートに問い合わせたときに、一貫性を期待するようになっています。組織は、以前のやり取りを覚えておき、会話全体を通じてコンテキストを保持することを望みます。複数のやり取りで情報を繰り返すと、すぐに苛立たしいものになります。

サポート・問題は、サポート・チーム自体を超えています。製品チーム、運用チーム、_ACCOUNT マネージャーが解決に貢献することがあります。コミュニケーションと運用上のコンテキストを同じワークフローにまとめるプラットフォームは、問題の所有権を始末から終了まで明確に保持することを容易にします。

先を見て、AIファーストの世界での「素晴らしいカスタマー・サポート」はどのように見えますか。会社が繁栄するか、後れを取るかを区別する機能は何ですか。

AIファーストの世界での素晴らしいサポートは、単に顧客にとってより簡単に感じられるでしょう。顧客は問い合わせて、チームはすぐに状況を理解し、会話は余分なやり取りなしに進みます。背後にあるテクノロジーは、ほとんど目に見えません。顧客が気づくのは、問題が理解され、不要な労力なしに解決されることです。

サポートを実行するチームにとって、そのエクスペリエンスは、会話が開始される際に正しいコンテキストが利用可能であることから来ます。AIは情報を整理し、状況に関連するものを提示するのに役立ちますが、顧客を理解し、問題を解決することに焦点を当てるエージェントが、会話を進める必要があります。問題を理解し、解決することに集中できる会社は、サポート・オペレーションを、その明確性と継続性の周りに構築することで、繁栄するでしょう。感謝の気持ちを込めて、この素晴らしいインタビューをしてくださりました。さらに詳しく知りたい読者は、Hiverを訪問してください。