마이크 클리프턴, 알로리카의 공동 CEO – 인터뷰 시리즈

마이크 클리프턴은 디지털로 구동되는 고객 경험(CX)의 글로벌 리더인 알로리카의 공동 CEO입니다. 이 역할에서 마이크는 최적의 CX를 제공하기 위한 회사의 디지털 변환 전략, 包括 수상한 AI 제품을 giám sát합니다. 음성, 채팅, 웹 등 다양한 채널과 산업을 통해 포춘 500 브랜드를 대신하여. 디지털 혁신, AI 및 엔터프라이즈 기술에 대한 전문 지식과 경험을 보유하고 있는 마이크는 시장의需求에 따라 확장 가능한 기술 솔루션을 통합하여 수익성 있는 성장을 추진하는 것을 증명했습니다.

알로리카는 고객 경험과 비즈니스 프로세스 아웃소싱의 글로벌 리더로, 기술이 지원되는 인간 중심의 솔루션을 은행, 헬스케어, 소매, 통신 등 산업에 제공합니다. 17개 이상의 국가에 걸쳐 10만 명이 넘는 직원을 보유하고 있는 회사는 매년 75개 이상의 언어로 수십억 건의 상호작용을 관리하며, 연락 센터, 분석, AI 솔루션, 콘텐츠 모더레이션, 백오피스 운영 등 다양한 서비스를 제공하여 고객에게 측정 가능한 결과를 제공합니다.

산업은 자동화보다 증강으로 이동하고 있습니다. 알로리카의 전략은 이 하이브리드 모델을 어떻게 반영합니까?

알로리카의 전략은 인간 에이전트의 성능을 AI 도구로 강화하는 것에 중점을 두어 자동화보다 증강을 반영합니다. 이 접근 방식은 인간이 고객 상호작용의 핵심에 남아 있음을 보장하며, 효율성과 효과성을 개선하기 위한 고급 기술을 지원합니다.

예를 들어, 알로리카는 evoAI, 지식 IQ, 디지털 신뢰 및 안전 모델 및 CX2GO와 같은 고급 솔루션을 출시했습니다. 이러한 도구는 실시간, 상황 인식 상호작용을 제공하여 지식 관리를 개선하고 디지털 신뢰 및 안전을 보장하는 에이전트 성능을 증폭하도록 설계되었습니다.

AI 도구가 인간 에이전트를 대체하는 것이 아니라 증강하는 구체적인 예를 공유할 수 있습니까?

증폭된 예가 많습니다. 하나는 에이전트가 실시간 음성과 자동 응답 엔진을.prompt하는 지식 엔진과 상호작용할 수 있는 기능입니다. 이것은 강력한 예측 도구입니다. 또 다른 예는 에이전트를 가장 어려운 고객 시나리오에 대한 대화형 AI 엔진으로 교육하는 것입니다. 실시간 상호작용의 AI 구동 시뮬레이션을 실행함으로써 우리는 스트레스를 줄이고, 모델이 경험을 얻을수록 감정과 공감을 업데이트하는 방식으로 에이전트를 교육합니다.

이러한 AI 도구의 성능 영향은 어떻게 추적합니까? 예를 들어, 첫 번째 접촉 해결, 처리 시간 또는 에이전트 효율성과 같은 경우입니다.

AI 도구의 추적은 에이전트에게 할당된 메트릭과 동일합니다. 차이점은 더 많은 호출을 더 높은 만족도 수준으로 처리할 수 있는 능력과 더 나은 워크フォ스 전략을 예측할 수 있는 능력에 있습니다.

올해 여러 고급 솔루션을 출시했습니다. evoAI, 지식 IQ, 디지털 신뢰 및 안전 모델, CX2GO. 에이전트에게 가장 즉각적인 “슈퍼파워” 효과를 가진 것은 무엇이며, 이유는 무엇입니까?

evoAI는 에이전트가 상황 인식이 높은 모의 호출을 사용하여 훈련할 수 있는 능력을 제공하여 가장 큰 영향을 미칩니다. 지식 IQ는 에이전트가 올바른 답변을 찾는 능력을 강화합니다. 이 두 가지가 우리 직원에게 게임 체인저였습니다.

기계 학습 관점에서 고객의 필요, 언어 및 시장 조건이 변경됨에 따라 모델을 어떻게 훈련하여 정확성과 적응성을 유지합니까?

연속적인 훈련과 정련을 통해 모델의 정확성과 적응성을 유지합니다.

• 연속적인 학습: 모델은 새로운 데이터에서 연속적으로 학습하도록 설계되었습니다. 이는 최근 상호작용, 피드백 및 시장 동향을 포함한 훈련 데이터 세트를 정기적으로 업데이트하는 것을 포함합니다. 최신 정보를 통합함으로써 모델은 고객의 선호도와 새로운 시장 조건에 적응할 수 있습니다.
• 다양한 데이터 소스: 고객 상호작용, 소셜 미디어, 시장 보고서 등 다양한 데이터 소스를 사용하여 모델을 훈련합니다. 이러한 다양성은 모델이 다양한 시나리오와 언어적 뉴앙스를 이해하고 정확하게 응답할 수 있도록 합니다.
• 피드백 루프: 고객 상호작용과 에이전트 입력을 사용하여 모델을 미세 조정하는 강력한 피드백 루프를 구현합니다. 이 실시간 피드백은 모델이 관련性과 효과성을 유지하도록 합니다.
• 다국어 기능: 모델은 다국어 데이터 세트에서 훈련되어 여러 언어에서 상호작용을 처리할 수 있습니다. 이는 세계적인 고객 기지에 대해 정확하고 현지화된 응답을 제공하는 데 중요합니다.
• 정기적인 감사 및 평가: 모델의 성능을 평가하기 위해 정기적인 감사를 수행합니다. 이는 벤치마크 데이터 세트와 실제 시나리오에 대한 테스트를 포함하여 모델이 정확성과 적응성 표준을 충족하는지 확인합니다.
• 인간의 개입: 인간의 개입을 유지하여 복잡한 쿼리를 관리하고 기술이 인간의 전문 지식에서 배우고 성능을 개선하는 데 도움이 됩니다.
• 작은 언어 모델 사용: 효율성을 위해 작은 언어 모델을 훈련하고 상용 LLM과 함께 사용합니다.

이러한 전략을 통해 모델의 정확성과 적응성을 유지하여 동적 환경에서 높은 수준의 고객 경험을 제공할 수 있습니다.

evoAI는 120개 이상의 언어로 실시간 응답 시간과 함께 감정적으로 지능적이고 상황 인식적인 상호작용을 제공합니다. 이 실시간 응답성은 에이전트 지원과 고객 결과에 어떻게 반영되나요?

evoAI는 여러 가지 방법으로 에이전트 지원과 고객 결과를 개선합니다:

• 성능: 상황 인식적인 상호작용은 에이전트 쿼리에 대한 정보를 신속하게 찾고 정렬하는 데 도움이 됩니다.
• 개인화: 다국어 적응성을 제공하여 고객이 입력 언어와 출력 언어를 실시간으로 선택할 수 있습니다.
• 효율성: 응답 시간을 줄이고 종종 인간의 응답 필요성을 제거합니다.
• 감정 지능: 에이전트가 상황 인식에 따라 옵션을 조정할 수 있도록 하여 더 빠른 탈출을 가능하게 합니다.

에이전트 AI가 트랙션을 얻고 있는 동안, 홀루시네이션, 편향 또는 제어 손실과 같은 위험을 어떻게 관리합니까?

알로리카에서는 기술 뒤에 있는 아키텍처가 모든 차이를 만든다고 믿습니다. 따라서 에이전트 AI의 위험을 관리하려면 모든 수준의 AI 작동에 구축된 다층 거버넌스 프레임워크가 필요합니다.

각각의 중요한 위험에 대해 다음과 같이 해결합니다:

• 홀루시네이션 완화: 홀루시네이션을 최소화하기 위해 3단계 확인 시스템을 사용합니다. 첫째, 모델은 검증된 지식 베이스와 실시간 데이터 소스에 기반한 응답을 생성하도록 설계되었습니다. 둘째, AI 생성된 모든 제안에 대한 信頼도 점수를 구현하여 80% 미만의 信頼도 점수인 경우 자동으로 인간의 검토를 트리거합니다. 셋째, 모델은 각 클라이언트의 비즈니스 규칙과 사실 영역에 특정된 매개변수 공간 내에서 작동하도록 제한됩니다.
• 편향 탐지 및 예방: 편향 관리 전략은 AI의 전체 수명주기에 걸쳐 작동합니다. 모델 훈련 중에 적대적 편향 제거 기술과 공평성 인식 학습 알고리즘을 사용합니다. 우리는 인구 통계적 평형 메트릭을 유지하고 매월 공평성 지표 및 차별적 영향 평가를 사용하여 감사합니다.
• 인간의 제어 유지: “AI as Advisor” 아키텍처를 통해 인간 에이전트가 최종 결정권을 유지합니다. AI 시스템은 설명 가능한 추천을 제공하며 에이전트는 추천이 왜 제안되었는지, 어떤 요소를 고려했는지, 어떤 대안이 있는지 확인할 수 있습니다.
• 연속적인 모니터링 및 종료 스위치: 모든 AI 상호작용은 모델 성능 관측소에서 로그인 및 모니터링되며 모델의 기대된 행동에서 편차를 실시간으로 추적합니다. 우리는 모델 구성 요소, 전체 모델 또는 시스템 와이드 AI 기능을 비활성화할 수 있는 즉시 롤백 기능과 “kill 스위치”를 유지합니다.
• 인간의 피드백 통합: 인간의 피드백 프로토콜을 통해 최상위 에이전트가 에지 케이스를 정기적으로 검토하고 수정 피드백을 제공하여 인간의 전문 지식이 지속적으로 AI의 능력을 향상시키는 순환 고리를 만듭니다.
• 책임성 및 감사 트레일: AI에 영향을 받은 모든 결정은 완전한 감사 트레일을 유지하여 AI의 추천, 信頼도 수준, 사용된 데이터 소스 및 에이전트의 최종 결정이 포함됩니다. 이는 책임성을 보장하고 모델을 지속적으로 개선할 수 있도록 합니다.

이러한 완전한 안전 장치를 구현함으로써, 우리는 에이전트 AI 시스템이 인간의 능력을 강화하면서도 인간의 주도권, 윤리적 표준 및 운영 제어를 유지할 수 있도록 합니다.

모델 재훈련 및 연속적인 학습을 어떻게 접근합니까? 규제 요구 사항과 고객 감정의细微한 차이를 모두 충족하면서 AI 시스템을 유지하는 방법은 무엇입니까?

알로리카 IQ의 MLOps 프레임워크를 기반으로 모델 재훈련 및 연속적인 학습에 접근합니다. 규제 요구 사항과 고객 감정의细微한 차이를 모두 충족하는 것을 목표로 합니다.

다음과 같은 접근 방식을 사용합니다:

• 규제 지능 계층: 규제 지능 계층을 구현하여 모델의 출력을 지속적으로 검증하고 규제 요구 사항을 충족하는지 확인합니다.
• 문화 지능 팀: 문화 지능 팀을 통해 모델의 출력을 지속적으로 검토하고 문화적细微한 차이를 이해합니다.
• 연속적인 피드백: 고객의 피드백을 수집하고 모델을 지속적으로 개선하여 고객의 감정과 요구 사항을 충족하는지 확인합니다.

이러한 접근 방식을 통해 규제 요구 사항과 고객 감정의细微한 차이를 모두 충족하는 모델을 개발할 수 있습니다.

2025년을 넘어 인간 중심 AI의 다음 전선은 무엇입니까?

다음 전선은 대화형 AI, 에이전트 AI 및 신경망의 융합으로 이전에 생각할 수 없었던 수준의 결과를 설계하는 것입니다. 이것은 비즈니스를 다시 설계할 것입니다. 오케스트레이션은 더 이상 인간-기계가 아니라 기계-기계 또는 동시에 수천 대의 기계입니다.

예를 들어, 비즈니스 여행을 계획하는 경우 웹사이트에서 항공편을 선택하고, 호텔을 예약하고, 교통 수단을安排하고, 저녁 식사를 예약하고, 귀국을 계획합니다. 이것은 단순한 예입니다. 한 번 프롬프트하고 통합 봇이 모든 옵션을 처리하여 선택할 수 있는 멀티 초이스 응답을 생성하는 것입니다. 이 모델에서 오케스트레이션은 신경망이고, 에이전트 AI는 봇을 구동하며, 대화는 응답입니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 알로리카를 방문해야 합니다.