Level AI의 CEO 및 창립자 인 아시시 나가르 – 인터뷰 시리즈

아시시 나가르는 Level AI의 CEO이자 창립자입니다. 그는 아마존의 Alexa 팀에서 얻은 경험을 활용하여 인공 지능을 통해 고객 센터 운영을 변革하고 있습니다. 기술과 기업가정신에 대한 강한 배경을 가지고 있는 아시시 나가르는 고객 서비스 상호 작용의 효율성과 효과성을 향상시키기 위한 회사 미션을 주도하는 데 중요한 역할을 했습니다. 그의 리더십 아래, Level AI는 인공 지능 기반 고객 센터 공간에서 핵심 플레이어가 되었습니다. 이는 최첨단 제품과 인공 지능의 우수한 구현으로 알려져 있습니다.

아마존을 떠나 Level AI를 시작한 계기는 무엇인가? 고객 서비스에서 해결하려던 구체적인 문제점은 무엇인가?

제 배경은 기술과 비즈니스 교차점에서 제품을 구축하는 것입니다. 물리학을 전공했지만, 제 작업은 일관되게 제품 역할과 새로운 비즈니스를 설정하고 출시하고 구축하는 데 중점을 두었습니다. 기술과 비즈니스에 대한 제 열정은 인공 지능으로 이끌었습니다.

2014년에 인공 지능 소프트웨어를 구축하기 시작했습니다. 당시에 우리는 다음 세대 모바일 검색 회사인 Rel C를 구축하고 있었는데, 이는 현재의 Perplexity AI와 비슷했습니다. 이 경험은 제 인공 지능 소프트웨어 여정을 시작했습니다. 결국, 이 회사는 아마존에 인수되었습니다. 아마존에서 저는 Alexa 팀의 제품 리더였으며, 더 복잡한 인공 지능 문제를 해결하기 위한 기회를不断적으로 찾고 있었습니다.

아마존에서 마지막 해인 2018년에, 우리는 “스타 트렉 컴퓨터”라는 프로젝트를 진행했습니다. 이 프로젝트는 사용자가 컴퓨터에 질문을 하면 컴퓨터가 이해하고 응답할 수 있는 컴퓨터를 개발하는 것이었습니다. 이 프로젝트는 Alexa Prize로 알려졌으며, 누구든지 20분간의 대화에서 어떤 사회적 주제에 대해서든 Alexa와 대화할 수 있도록 하는 것을 목표로 했습니다. 저는 약 10명의 과학자 팀을 이끌었고, MIT, CMU, 스탠퍼드, 옥스퍼드 등에서 선도적인 지성을 가진 사람들과密接하게 협력했습니다. 당시에는 아무도 이 문제를 완전히 해결할 수 없다는 것이 명백했습니다.

그러나 당시에도 이 문제를 해결할 수 있는 혁신의 물결이 다가오고 있다는 것을 느낄 수 있었습니다. 2024년으로 접어들면서, ChatGPT와 같은 기술이 우리가 상상했던 것을 많이 구현하고 있습니다. 자연어 처리에서 빠른 발전이 있었으며, 아마존, 구글, 오픈AI, 마이크로소프트 등이 대형 모델과 기본 인프라를 구축했습니다. 그러나 그들은 종종 엔드투엔드 워크플로우를 다루지 않았습니다. 우리는 이 격차를 인식하고 해결하려고 했습니다.

우리의 첫 제품은 고객 서비스 솔루션이 아니었습니다.それは 프론트라인 워커를 위한 보이스 어시스턴트였습니다. 예를 들어, 기술자나 소매점 직원과 같은 사람들을 위해 구축했습니다. 우리는 200만 달러의 시드 자금을 조달하고 잠재 고객에게 제품을 보여주었습니다. 그들은 압도적으로 우리에게 기술을 고객 센터에 적용해 줄 것을 요청했습니다. 그곳에서 이미 음성 및 데이터 스트림이 있었지만, 현대적인 생성적 인공 지능 아키텍처가 부족했습니다. 이것은 기존 회사들이 과거에 머물러 있음을 깨닫게 해주었습니다. 그들은 전통적인 혁신者的 딜레마에 직면해 있었는데, 그것은 기존 시스템을 개조할지, 아니면 새로 구축할지에 대한 것이었습니다. 우리는 빈 페이지에서 시작하여 첫 번째 네이티브 대형 언어 모델(Large Language Model, LLM) 고객 경험 지능 및 서비스 자동화 플랫폼을 구축했습니다.

인간 언어의 복잡성과 컴퓨터 공학의 관점에서 이러한 문제를 해결하는 것이 얼마나 어려운지에 대한 제 깊은 관심은 우리의 접근 방식에 중요한 역할을 했습니다. 특히 고객 센터 산업에서 인공 지능이 인간 언어를 이해하는 능력은 매우 중요합니다. 예를 들어, 시리를 사용하면 인공 지능이 의도와 상황을 이해하는 것이 얼마나 어려운지 알 수 있습니다. 심지어 간단한 질의도 인공 지능을 실수하게 할 수 있으며, 인공 지능은 당신이 묻는 것을 이해하는 데 어려움을 겪습니다.

인공 지능은 의도, 상황을 유지하는 것, 그리고 세계에 대한 관련 지식을 이해하는 데 어려움을 겪습니다. 심지어 ChatGPT도 이러한 분야에서 한계를 가지고 있습니다. 예를 들어, 최신 뉴스나 대화 내의 주제를 이해하는 데 어려움을 겪을 수 있습니다. 이러한 도전은 고객 서비스와 직접 관련되어 있으며, 대화에서 여러 주제를 다루고 특정 도메인 관련 지식을 이해하는 데 인공 지능이 필요합니다. 우리는 이러한 도전을 해결하기 위해 고객 서비스 환경에서 인간 언어의 복잡성을 다룰 수 있는 플랫폼을 설계했습니다.

Level AI의 NLU 기술은 기본적인 키워드 매칭을 넘어섭니다. 고객의 의도를 더 깊이 이해하는 방법과 이를 통해 고객 서비스에 제공하는ประโยชน에 대해 설명해 주시겠습니까? Level AI는 어떻게 인공 지능 시스템의 정확성과 신뢰성을 보장합니까?

우리는 특정 작업에 맞게 조정된 6~7개의 다른 인공 지능 파이프라인을 가지고 있습니다. 예를 들어, 하나의 워크플로는 고객의 목소리를 이해하고 제품이나 서비스와 관련된 문제를 식별하는 것입니다. 우리는 이를 “고객의 목소리”라고 부릅니다. 또 다른 워크플로는 자동화된 품질 점수 카드를 생성하여 에이전트의 성능을 평가하는 것입니다. 각 워크플로우 또는 서비스에는 자신의 인공 지능 파이프라인이 있지만, 기본 기술은 동일합니다.

비유를 들어 설명해 보겠습니다. 우리가 사용하는 기술은 ChatGPT와 같은 생성적 인공 지능 도구 뒤에 있는 기술과 유사합니다. 그러나 우리는 고객 서비스에 특화된 LLM을 사용하며, 이를 위해 우리는 내부에서 고객 서비스 특화 워크플로우를 위한 인공 지능 모델을 훈련했습니다. 이를 통해 고객 온보딩 후 단지 몇 일 내에 85%의 정확도를 달성할 수 있으며, 이는 빠른 가치 실현과 최소한의 전문 서비스, 그리고 무제한의 정확성, 보안, 신뢰를 제공합니다.

우리의 모델은 고객 서비스에 깊은 전문 지식을 가지고 있습니다. 이전 패러다임에서는 대화에서 키워드나 구문을 분석했습니다. 그러나 우리의 솔루션은 모든 가능한 구문의 변형을 포착하는 것에 의존하지 않습니다. 대신, 질문背后的 의도를 이해하고, 이는 훨씬 더 빠르고 효율적인 방식입니다.

예를 들어, 누군가 “저는 계정을 취소하고 싶습니다”라고 말할 때, 그들은 “저는你们와 더 이상 함께하지 않겠습니다” 또는 “저는 다른 곳으로 이동하겠습니다”와 같은 다양한 방식으로 표현할 수 있습니다. 우리의 인공 지능은 질문의 의도를 이해하고, 이는 우리의 소프트웨어가 더 빠르고 정확하게 작동하는 이유입니다.

유용한 비유는 이전 인공 지능이 규칙 책과 같은 것이었다는 것입니다. 규칙 책은 inflexible하고, 끊임없이 유지 보수가 필요했습니다. 새로운 인공 지능은 다이나믹 브레인이나 학습 시스템과 같습니다. 몇 가지 포인터만으로, 그것은 동적으로 컨텍스트와 의도를 학습하며, 끊임없이 개선됩니다. 규칙 책은 제한된 범위가 있으며, 미리 정의된 규칙에 따라 작동하지만, 다이나믹 학습 시스템은 확장되고, 성장하며, 더 넓은 영향을 미칩니다.

대형 이커머스 브랜드의 예를 들어보겠습니다. 그들은 수천 개의 제품을 가지고 있으며, 끊임없이 업데이트를 유지하는 것은 불가능합니다. 그러나 우리의 인공 지능은 컨텍스트를 이해할 수 있습니다. 예를 들어, 특정 소파에 대해 이야기하고 있는지 여부를 알 수 있습니다. 이는 규칙 책이나 점수를 업데이트할 필요 없이, 새로운 제품이 출시될 때마다 업데이트를 계속할 필요 없이 작동합니다.

Level AI의 기술을 기존 고객 서비스 시스템과 통합하는 데 주요 도전은 무엇이며, 어떻게 해결합니까?

Level AI는 고객 경험 지능 및 서비스 자동화 플랫폼입니다. 따라서 우리는 산업에서 대부분의 CX 소프트웨어와 통합합니다. 이는 CRM, CCaaS, 설문, 도구 솔루션 등이 포함됩니다. 이것은 우리를 중앙 허브로 만듭니다. 모든 이러한 소스에서 데이터를 수집하고, 그 위에 지능 계층을 제공합니다.

그러나 도전은 일부 시스템이 클라우드가 아닌 온프레미스 기술 또는 클라우드 기술이지만, 깨끗한 데이터 통합이나 API가 부족하다는 것입니다. 우리는 고객과密接하게 협력하여 이를 해결합니다. 현재 80%의 통합이 클라우드 기반 또는 API 네이티브로, 빠른 통합을 가능하게 합니다.

Level AI는 고객 서비스 에이전트에게 실시간 지능과 행동 가능한 통찰력을 제공하는 방법은 무엇입니까? 고객 상호 작용을 개선한 예를 공유해 주시겠습니까?

우리는 고객에게 세 가지 종류의 실시간 지능과 행동 가능한 통찰력을 제공합니다:

1. 수동 워크플로우 자동화: 서비스 대표자는 제한된 시간(6~9분)이 있으며, 여러 수동 작업을 수행해야 합니다. Level AI는 대화 중과 대화 후에 노트 작성과 같은 단조로운 작업을 자동화하여, 각 고객을 위한 맞춤형 요약을 생성합니다. 이는 고객에게 10~25%의 콜 핸들링 시간을 절약하고, 효율성을 높입니다.
2. CX Copilot for Service Reps: 서비스 대표자는 높은 이직률과 온보딩 도전을 겪습니다. 고객 센터에 들어가서 회사 정책을 모르는 경우를 상상해 보십시오. Level AI는 전문가 인공 지능과 같이 작동하여, 대화를 듣고, 실시간 지침을 제공합니다. 이는 반대에 대한 대처, 지식 제공, 스마트 전사 등이 포함됩니다. 이는 고객 온보딩과 교육을 30~50% 빠르게 합니다.
3. Manager Copilot: 이 고유한 기능은 관리자에게 팀의 성과에 대한 실시간 가시성을 제공합니다. Level AI는 대화에 대한 초당별 통찰력을 제공하여, 관리자가 개입하고, 감정과 의도를 감지하고, 실시간으로 대표자에게 지원할 수 있습니다. 이는 에이전트 생산성을 10~15% 향상시키고, 에이전트 만족도를 높여, 비용을 줄이는 데 중요한 역할을 합니다. 예를 들어, 고객이 대표자에게 욕을 할 경우, 시스템이 이를 표시하고, 관리자가 콜을 인수하거나 대표자에게 속삭임으로 지침을 제공할 수 있습니다. 이러한 실시간 개입은 이 기술 없이 불가능합니다.

Level AI의 감정 분석은 어떻게 작동하며, 에이전트가 고객에게 더 효과적으로 응답하도록 어떻게 도와줍니까?

우리의 감정 분석은 7가지 다른 감정을 감지하며, 이는 극도의 좌절에서부터 기쁨까지입니다. 이는 고객 상호 작용에서 다양한 감정의 정도를 측정할 수 있도록 합니다. 이는 발화된 단어와 대화의 음调를 모두 고려합니다. 그러나 우리의 실험을 통해, 발화된 단어가 음调보다 훨씬 더 중요한 역할을 한다는 것을 알게 되었습니다. 당신은 평평한 음调로 악한 말을 할 수 있거나, 이상한 음调로 좋은 말을 할 수 있습니다.

우리는 1에서 10까지의 감정 점수를 제공하며, 1은 매우 부정적인 감정, 10은 매우 긍정적인 감정을 나타냅니다. 우리는 100%의 고객 대화를 분석하여, 고객 상호 작용에 대한 깊은 통찰력을 제공합니다.

컨텍스트 이해는 또한 중요합니다. 예를 들어, 콜이 매우 부정적인 감정으로 시작하지만 긍정적으로 끝난다면, 콜의 80%가 부정적인 경우에도, 전체 상호 작용은 긍정적으로 간주됩니다. 이는 고객이 처음에는 화가 났지만, 에이전트가 문제를 해결하고, 고객이 만족하여 끝냈기 때문입니다. 반면에, 콜이 긍정적으로 시작하지만 부정적으로 끝난다면, 이는 다른 이야기입니다. 콜의 80%가 긍정적일지라도 말입니다.

이 분석은 에이전트와 관리자 모두에게 훈련에 대한 영역을 식별하는 데 도움이 되며, 긍정적인 감정과 관련된 행동에 집중할 수 있습니다. 예를 들어, 고객을迎接하는 것, 고객의 우려를 인정하는 것, 그리고 공감을 보여주는 것과 같은 요소는 성공적인 상호 작용에 중요합니다.

Level AI는 어떻게 데이터 개인 정보 보호와 보안 문제를 해결합니까? 특히 고객 상호 작용의 민감한 성격을 고려할 때?

우리는 첫날부터 보안과 개인 정보 보호를 우선시했습니다. 우리는 기업 수준의 보안과 개인 정보 보호를 핵심 원칙으로 시스템을 구축했습니다. 우리는 외부 제3자 공급업체에게 우리의 생성적 인공 지능 기능을 아웃소싱하지 않습니다. 모든 것이 내부에서 개발되므로, 고객별 인공 지능 모델을 훈련할 수 있으며, 데이터를 외부 환경으로 공유할 필요가 없습니다. 또한, 고객별로 자신의 인공 지능 모델을 가질 수 있도록 광범위한 사용자 정의를 제공합니다.

현재 산업의 우려에 대한 대응으로, 우리의 데이터는 외부 모델에 의해 훈련되지 않습니다. 우리는 외부 소스에서 생성된 인공 지능 데이터에 의해 우리의 모델이 영향을 받지 않도록 합니다. 이는 일부 인공 지능 모델이 외부에서 생성된 데이터로 훈련될 때 정확성을 잃는 문제를 방지합니다. Level AI에서 모든 것은 1차원이며, 우리는 데이터를 외부로 공유하거나 가져오지 않습니다.

최근 3,940만 달러의 시리즈 C 자금 조달을 통해, Level AI 플랫폼을 확장하고 새로운 고객 세그먼트에 도달하는 계획은 무엇입니까?

시리즈 C 투자는 우리의 전략적 성장과 혁신을 위한 주요 영역에서 제품 개발, 엔지니어링 강화, 그리고 철저한 연구 및 개발 노력을 가속화하는 데 사용될 것입니다. 우리는 조직의 모든 수준에서 최상위 인재를 모집하여, 고객의 기대와 동적인 시장 요구를 충족하는 산업을 선도하는 기술을 계속 발전시킬 수 있도록 할 것입니다.

앞으로 10년 동안 고객 서비스를 변革하는 인공 지능의 역할은 어떻게 될 것이라고 생각합니까?

일반적으로 인공 지능은 고객 서비스를 자동화하는 데 중점을 두고 있으며, 봇이 모든 고객 서비스를 처리하는 미래를 예상합니다. 그러나 우리의 관점은 더 미묘합니다. 자동화의 정도는 수직으로 다를 수 있습니다. 예를 들어, 은행이나 금융과 같은 분야에서는 자동화가 더 낮을 수 있으며, 다른 분야에서는 더 높을 수 있습니다. 평균적으로, 모든 수직에서 40% 이상의 자동화를 달성하는 것은 어려울 것입니다. 이는 서비스 대표자가 단순히 질문에 답변하는 것 이상의 역할을 하기 때문입니다. 그들은 문제 해결자, 판매 자문가, 그리고 더 많은 역할을 합니다. 이러한 역할은 인공 지능으로 완전히 복제할 수 없습니다.

또한 워크플로 자동화에는 상당한 잠재력이 있습니다. Level AI는 이를 중점으로 합니다. 이는 품질 보증, 티켓 분류, 스크린 모니터링과 같은 백오피스 작업을 포함합니다. 여기서 자동화는 80% 이상으로 인공 지능을 사용하여 달성할 수 있습니다. 지능과 데이터 통찰력은 중요합니다. 우리는 구조화되지 않은 데이터에서 통찰력을 얻기 위해 생성적 인공 지능을 사용하는 데 독특합니다. 이는 통찰력의 품질을 크게 향상시키고, 전문 서비스의 필요성을 90% 줄이며, 가치 실현을 90% 가속화할 수 있습니다.

또한 조직의 얼굴이 봇인지, 사람인지에 대한 고려가 중요합니다. 기본적인 기능을 넘어서, 고객과의 인간적인 연결은 중요합니다. 우리의 접근 방식은 사람의 업무량에서 과도한 작업을 제거하여, 의미 있는 상호 작용에 집중할 수 있도록 합니다.

우리는 인간이 직접적인 커뮤니케이션에 가장 적합하다고 믿습니다. 그러나 노트 작성, 상호 작용 기록, 스크린 녹화와 같은 작업에는 적합하지 않습니다. 이러한 작업을 처리함으로써, 우리는 그들이 고객과 더 효과적으로 상호 작용할 수 있는 시간을 해방시킵니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자들은 Level AI를 방문해야 합니다.