Ofer Ronen, Co-Founder en CEO van Tomato.ai – Interview Serie

Ofer Ronen is de Co-Founder en CEO van Tomato.ai, een platform dat een AI-gepowered stemfilter aanbiedt om accenten te verzachten voor offshore agentenstemmen terwijl ze spreken, waardoor de CSAT en verkoopstatistieken verbeteren.

Ofer heeft eerder drie technologie-startups verkocht, twee aan Google, en een aan IAC. Hij heeft de afgelopen vijf jaar bij Google gewerkt aan het opbouwen van contactcenter AI-oplossingen binnen de Area 120-incubator. Hij heeft meer dan 500 miljoen dollar aan deals gesloten voor deze nieuwe oplossingen. Hij heeft een master in Computer Engineering met een focus op AI van de University of Michigan, en een MBA van Cornell.

Wat trok je aanvankelijk aan tot machine learning en AI?

AI heeft een lange geschiedenis van starts en stops. Perioden waarin er veel hoop was voor de technologie om industrieën te transformeren, gevolgd door perioden van teleurstelling omdat het niet helemaal aan de hype voldeed.

Toen ik een paar decennia geleden een master in AI deed aan de University of Michigan, was het een periode van teleurstelling, waarin AI nog niet echt impact had. Ik was geïnteresseerd in het idee dat computers konden worden geleerd taken uit te voeren door middel van voorbeelden in plaats van de traditionele heuristiek, die vereist dat je nadenkt over welke expliciete instructies je moet geven. Toen werkte ik in een AI-onderzoekscentrum aan virtuele agenten die leraren helpen om online bronnen voor hun klassen te vinden. Destijds hadden we geen big data, geen krachtige compute-resources of geavanceerde neurale netwerken zoals we die nu hebben, dus de mogelijkheden die we bouwden waren beperkt.

Van 2016 tot 2019 werkte je bij Google’s Area 120-incubator aan het ontwerpen van zeer robuuste virtuele agenten voor de grootste contactcenters. Wat was deze oplossing precies?

Onlangs werkte ik bij Google’s Area 120-incubator aan enkele van de grootste voice-virtuele agenten-implementaties, waaronder een paar projecten voor Fortune 50-bedrijven met meer dan honderd miljoen ondersteuningsgesprekken per jaar.

Om meer robuuste voice-virtuele agenten te bouwen die complexe gesprekken kunnen afhandelen, hebben we miljoenen historische gesprekken tussen mensen gebruikt en die gesprekken gebruikt om het type follow-up vragen te detecteren dat klanten hebben naast hun initiële vermelde probleem. Door follow-up vragen en door verschillende manieren waarop klanten elke vraag formuleren te mijnen, konden we flexibele virtuele agenten bouwen die meanderende gesprekken kunnen voeren. Dit weerspiegelde beter de soort gesprekken die klanten hebben met menselijke agenten. Het eindresultaat was een materiaal toename in het totale aantal gesprekken dat volledig door de virtuele agenten werd afgehandeld.

In 2021 en 2022 bouwde je een 2e startup bij Area 120, kun je vertellen wat dit bedrijf was en wat je van de ervaring hebt geleerd?

Mijn tweede startup binnen Area 120 was opnieuw gericht op callcenters. Onze oplossing was gericht op het verminderen van klantverloop door proactief contact op te nemen met klanten recht na een mislukt ondersteuningsgesprek waarin de klant zijn probleem uitdrukte maar geen oplossing vond. Het contact zou worden gedaan door virtuele agenten die waren getraind om die openstaande problemen aan te pakken. Wat ik van deze ervaring heb geleerd, is dat verloop een moeilijke maatstaf is om in een tijdige manier te meten. Het kan zes maanden duren om statistisch significante resultaten te krijgen voor veranderingen in verloop. Dat maakt het moeilijk om een ervaring snel genoeg te optimaliseren en om klanten te overtuigen dat een oplossing werkt.

Kun je het verhaal achter je derde contactcenter AI-startup Tomato.ai delen en waarom je ervoor koos om het zelf te doen in plaats van te werken binnen Google?

Het idee voor Tomato.ai, mijn derde contactcenter startup, kwam van James Fan, mijn co-founder en CTO. James dacht dat het effectiever zou zijn om wijn te verkopen met een Franse accent, en dus, wat als iedereen Frans kon klinken?

Dit was het zaad van het idee, en van daaruit is ons denken geëvolueerd. Toen we het verder onderzochten, vonden we een acuter pijnlijk punt dat klanten ervaren wanneer ze spreken met geaccentueerde offshore-agenten. Klanten hadden problemen met begrip en vertrouwen. Dit vertegenwoordigde een grotere marktkans. Gezien onze achtergronden, realiseerden we ons de aanzienlijke impact die het zou hebben op callcenters, waardoor ze hun verkoop- en ondersteuningsstatistieken kunnen verbeteren. We noemen dit type oplossing nu Accent Softening.

James en ik hebben eerder startups geleid en verkocht, waaronder elk van ons een startup verkocht aan Google.

We besloten om Google te verlaten om Tomato.ai te starten omdat we, na veel jaar bij Google, ernaar verlangden om terug te keren naar het starten en leiden van ons eigen bedrijf.

Tomato.ai lost een belangrijk pijnlijk punt op voor callcenters, namelijk het verzachten van accenten voor agenten. Kun je discussiëren waarom voice-filters een bevordeelde oplossing zijn voor agententraining?

Bij Tomato.ai begrijpen we het belang van duidelijke communicatie in callcenters, waar accenten soms barrières kunnen creëren. In plaats van te vertrouwen op traditionele agententraining, hebben we voice-filters ontwikkeld, of wat we “accent softening” noemen. Deze filters helpen agenten hun unieke stem te behouden, terwijl ze hun accenten verminderen, waardoor de communicatie voor bellers verbetert. Door voice-filters te gebruiken, garanderen we betere communicatie en bouwen we vertrouwen op tussen agenten en bellers, waardoor elke interactie effectiever en bevredigender is voor de klant. Dus, in vergelijking met uitgebreide trainingsprogramma’s, bieden voice-filters een eenvoudigere en meer onmiddellijke oplossing voor accent-gerelateerde uitdagingen in callcenters.

Terwijl bestaande agenten deze tools gebruiken om hun prestaties te verbeteren, zullen ze in staat zijn om hogere tarieven te eisen, wat hun toegenomen waarde weerspiegelt in het leveren van uitzonderlijke klantervaringen. Tegelijkertijd zal het democratiserende effect van generatieve AI nieuwe instroomagenten binnenhalen, waardoor het talentenpool uitbreidt en de uurtarieven verlaagt. Deze dichotomie vertegenwoordigt een fundamentele transformatie in de dynamiek van callcenterdiensten, waar technologie en menselijke expertise het landschap van de industrie herschikken, waardoor een meer inclusieve en concurrerende toekomst mogelijk wordt.

Wat zijn enkele van de verschillende machine learning- en AI-technologieën die worden gebruikt om voice-filtering mogelijk te maken?

Dit type real-time voice-filteroplossing zou een paar jaar geleden niet mogelijk zijn geweest. Vooruitgang in spraakonderzoek in combinatie met nieuwe architectuur zoals het transformer-model en Deep Neural Networks, en krachtigere AI-hardware (zoals TPUs van Google en GPUs van NVidia) maken het mogelijk om dergelijke oplossingen te bouwen. Het is nog steeds een zeer moeilijk probleem dat vereist dat ons team nieuwe technieken uitvindt voor het trainen van speech-to-speech-modellen die laag latentie en hoge kwaliteit hebben.

Wat voor soort feedback is ontvangen van callcenters en hoe heeft het de medewerkersturnover beïnvloed?

We hebben een sterke vraag van grote en kleine offshore callcenters om onze accent-verzachtingoplossing uit te proberen. Die callcenters realiseren zich dat Tomato.ai kan helpen met hun twee belangrijkste problemen (1) de prestatie van offshore-agenten is niet op het niveau van onshore-agenten (2) het is moeilijk om genoeg gekwalificeerde agenten te vinden om in te huren in offshore-markten zoals India en de Filippijnen.

We verwachten in de komende weken case-studies te hebben die het type impact laten zien dat callcenters ervaren met het gebruik van Accent Softening. We verwachten dat verkoopgesprekken een onmiddellijke lift zullen zien in belangrijke statistieken zoals omzet, sluitingspercentages en lead-kwalificatiepercentages. Tegelijkertijd verwachten we dat ondersteuningsgesprekken kortere afhandeltijden, minder callbacks en verbeterde CSAT zullen zien.

Zoals hierboven vermeld, nemen verloopcijfers langer de tijd om te valideren, en dus zullen case-studies met die verbeteringen op een later tijdstip verschijnen.

Tomato.ai heeft onlangs een financieringsronde van 10 miljoen dollar opgehaald, wat betekent dit voor de toekomst van het bedrijf?

Terwijl Tomato.ai zich voorbereidt op de lancering van zijn eerste product, blijft het team toegewijd aan het herschikken van het landschap van wereldwijde communicatie en de toekomst van werk, één gesprek tegelijk.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Tomato.ai.