SupportLogic의 Krishna Raj Raja, CEO 및 설립자 – 인터뷰 시리즈

Krishna Raj Raja는 SupportLogic의 CEO이자 설립자입니다. SupportLogic는 세계 최초의 연속적인 서비스 경험(SX) 관리 플랫폼으로, 기업이 고객의 목소리를 실시간으로 이해하고 행동할 수 있도록 해줍니다. 이를 통해 서비스 제공을 즉시 개선하고 건강하고 이익이 되는 고객 관계를 구축할 수 있습니다.

당신은 자신을 “과학 신비주의자”라고 소개합니다. 과학 세계에 대한 당신의 관심은 무엇입니까?

저에게 과학은 세상의 작동 방식과 패턴에 대한 호기심입니다. 저는 어린 시절부터 이러한 호기심을 가지고 있었고, 그것은 제 전문 생활에도 영향을 미쳤습니다. SupportLogic에서 우리는 자연어에서 패턴을 찾고, 그 패턴을 사용하여 예측하고, 추천을 제공합니다. 이것은 과학과 비슷합니다. 과학은 패턴을 예측하고, 추천을 제공하고, 세상의 작동 방식을 설명합니다. 저는 제 삶에서 많은 것을 스스로 배웠으며, 그것은 제 자연스러운 호기심에서 비롯되었습니다.

당신은 화학 공학을 전공했지만, 컴퓨터 과학과 기계 학습을 추구했습니다. 이러한 전환에 대해 설명해 주세요.

제 아버지는 성공한 사업가였으며, 저에게 가족 사업을 물려받기를希望했습니다. 따라서 저는 화학 공학을 공부했습니다. 그러나 컴퓨터 과학은 저에게 오랜 시간 동안 관심이 있었던 분야였습니다. 실제로 제 화학 공학 학위 논문은 화학 반응기 설계를 위한 소프트웨어 프로그램을 개발하는 것이었습니다.

제 화학 공학 학위를 마친 후, 저는 컴퓨터 과학이 제真正의 열정임을 깨달았습니다. 제 컴퓨터 과학 기술은 모두 스스로 배운 것입니다. VMware에서 저는 제 동료들과 함께 일했으며, 그들은 모두 아이비 리그 학교에서 컴퓨터 과학 박사 학위를 가지고 있었습니다. 저는 제 팀에서 가장 자격이 낮은 사람이었지만, 저는 제 열정과 노력으로 성공할 수 있었습니다.

VMware에서 지원 및 서비스 팀의 제품 지원 엔지니어로 일했습니다. 어떤 개선할 수 있는 영역을 관찰했나요?

저는 소프트웨어 엔지니어에서 제품 지원 엔지니어로 전환했습니다. VMware의 기술이 매력적이었기 때문에 그곳에서 일했습니다. 저는 다른 운영 체제 개발자가 VMware 제품을 사용하는 것을 도왔습니다. 제 배경으로 인해, 저는 두 가지 관점에서 문제를看着했습니다. 첫째, 고객을 어떻게 행복하게하고, 문제를 어떻게 해결할 수 있을까? 둘째, 소프트웨어에서 문제가 왜 발생하는지, 어떻게 고칠 수 있을까? 저는 제품 측면에서 지원 문제를看着했습니다. 처음에 저는 제품 팀이 제품을 개발할 때, 실제로 고객이 어떻게 사용할지, 어떤 문제가 발생할지 예상하지 못한다는 것을 알았습니다. 그러나 지원 팀은 이러한 문제를 잘 알고 있으며, 제품 팀과 다른 부서에 유용한 피드백을 제공할 수 있습니다. 하지만 이러한 피드백은通常 지원 팀이 고객 문제를 해결한 후에 다음 문제로 넘어가기 때문에 잃어버립니다.

SupportLogic의 기원에 대해 설명해 주세요.

저는 SupportLogic을 시작할 때, 지원 산업의 시장 상황을看着했습니다. 모든 혁신은 케이스 디펠렉션에 초점이 맞춰져 있었습니다. 즉, 지원 문제를 해결하는 가장好的 방법은 지원 엔지니어와 고객으로부터 문제를 디펠렉션하는 것입니다. 그러나 저는 제품 지원 엔지니어로서, 고객과의 모든 상호작용이 고객에 대해 배우고, 제품에 대해 배우는 기회라는 것을 알았습니다. 그러나 이러한 문제를 해결하는 도구가 없다는 것을 알았습니다. 그래서 저는 큰 기회를 보았습니다.

또한, 저는 지원이 종종 비용 센터로 취급된다는 것을 알았습니다. 그러나 저는 이것이 짧은 시야로 보는 방식이라고 생각했습니다. 지원을 이익 센터 또는 회사の中央 신경계로 본다면, 실제로 조직을変革하고, 고객 중심의 회사로 만들 수 있습니다. 이것이 SupportLogic을 시작한 이유입니다.

SupportLogic에서 사용하는 기계 학습 기술에 대해 설명해 주세요.

회사를 시작했을 때, 저는 공개된 기계 학습 API를 사용할 수 있다고 생각했습니다. 아마존, 마이크로소프트, HPE 등에서 제공하는 API가 있습니다. 그러나 이러한 기계 학습 모델이 고객 지원 데이터와 호환되지 않는다는 것을 알았습니다. 그러나 이것은 기회였습니다. 저는 “왜 우리가 직접 만들지 않습니까?”라고 생각했습니다. 우리는 기존의 ML 기술을 사용하여 직접 만들기 시작했습니다. 스탠퍼드 대학교의 spaCy와 Google (GOOGL ) BERT를 사용했습니다. 그리고 우리는独自의 “비밀 소스”를 추가했습니다. 우리는 또한 각 고객의 데이터 세트에 맞게 모델을 미세 조정했습니다.

SupportLogic이 고객과 연결하는 방법에 대해 설명해 주세요.

우리가 하는 주요 일은 고객 컨텍스트를 추출하는 것입니다. 우리는 태깅 프로세스에서 컨텍스트가 손실되는 것을 방지합니다. 우리는 고객이 무엇에 대해 화가 나 있는지, 제품이나 지원에 대한 고객의 인상을 무엇인지, 고객이 제품을 사용하려고 하는지 등을 추출합니다. 우리는 이러한 신호를 실시간으로 추출하고, 워크플로우를 생성하여, 회사가 고객의 신호에 반응하고, 문제를 예방할 수 있도록 합니다.

SupportLogic 소프트웨어의 다른 기능에 대해 설명해 주세요.

고객 신호를 추출하면, 그것은 분석을 위해 매우 강력한 도구가 됩니다. 우리는 분석 모듈을 가지고 있으며, 고객의 목소리를 기반으로 분석을 제공합니다. 우리는 예측도 제공합니다. 우리는 특정 고객 계정에서 무슨 일이 발생할지 예측할 수 있습니다. 우리는 또한 고객 상황에 따라 회사의 전문가가 누구인지 예측할 수 있습니다. 그리고 우리는 고객을 그 전문가와 매칭시킬 수 있습니다.

또한, 우리는 서비스 에이전트에게 고객과의 상호작용에서 무엇을 더 잘해야 하는지, 무엇을 덜해야 하는지에 대한 지침을 제공할 수 있습니다. 이것은 서비스 에이전트가 고객과의 상호작용에서 더 나은 성과를 내도록 도와주는 훌륭한 코칭 도구입니다.

SupportLogic에 대해 더 알고 싶은 것이 있나요?

人们이 가지고 있는 일반적인 오해 중 하나는 AI가 매우 복잡하고,大量의 투자가 필요하며, 1년 이상의 시간이 필요하다는 것입니다. 그러나 실제로, AI와 ML 기술은 많이 성숙했습니다. 그리고 기존의 데이터 세트에서 작동할 수 있습니다. 그리고 몇 개월 안에 결과를 볼 수 있습니다. 따라서, 지금이 AI에 투자할 때입니다. 몇 개월 안에 놀라운 결과를 볼 수 있으며, 그것은 조직에 큰 이익을 가져다줄 것입니다.

감사합니다. 더 알고 싶은 독자는 SupportLogic을 방문하세요.