Ofer Ronen, mede-oprichter en CEO van Tomato.ai – Interviewreeks

Ofer Ronen is de mede-oprichter en CEO van Tomato.ai, een platform dat een AI-gepowered stemfilter aanbiedt om accenten te verzachten voor offshore agenten als ze spreken, waardoor de CSAT- en verkoopmetrics verbeteren.

Ofer heeft eerder drie technologie-startups verkocht, twee aan Google (GOOGL ) 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 computerengineering met een focus op AI van de University of Michigan en een MBA van Cornell.

Wat trok je aanvankelijk aan naar 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 ontgoocheling omdat het niet helemaal aan de hype voldeed.

Toen ik een master in AI deed, een paar decennia geleden, aan de University of Michigan, was het een periode van ontgoocheling, waarin AI niet helemaal de impact had die het had kunnen hebben. Ik was geïnteresseerd in het idee dat computers konden worden geleerd om taken uit te voeren via voorbeelden in plaats van de traditionele heuristieken, die vereisen dat je nadenkt over welke expliciete instructies je moet geven. Toen werkte ik in een AI-onderzoekscentrum aan virtuele agenten die leraren hielpen om bronnen online te vinden voor hun klassen. We hadden toen niet de grote hoeveelheden gegevens, de krachtige compute-bronnen of de geavanceerde neurale netwerken die we nu hebben, dus de mogelijkheden die we bouwden waren beperkt.

Van 2016 tot 2019 werkte je bij Google’s Area 120-incubator om zeer robuuste virtuele agenten te ontwerpen 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 die klanten hebben na hun initiële gestelde 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 materieel hogere totale gesprekken die volledig door de virtuele agenten werden 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. De uitbreiding zou worden gedaan door virtuele agenten die zijn getraind om die openstaande problemen aan te pakken. Wat ik van deze ervaring heb geleerd, is dat verloop een moeilijke meting 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 binnen Google te werken?

Het idee voor Tomato.ai, mijn derde contactcenter startup, kwam van James Fan, mijn mede-oprichter en CTO. James dacht dat het effectiever zou zijn om wijn te verkopen met een Frans accent, en 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 acute pijnplek die klanten voelden wanneer ze spraken met offshore-agenten met accenten. 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 ondersteuningsmetrics konden 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 onze eigen onderneming te starten en te leiden.

Tomato.ai lost een belangrijk probleem op in callcenters, namelijk het verzachten van accenten voor agenten. Kun je uitleggen waarom stemfilters de voorkeur hebben boven 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 stemfilters 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 stemfilters te gebruiken, waarborgen we betere communicatie en bouwen we vertrouwen op tussen agenten en bellers, waardoor elke interactie effectiever en bevredigender is voor de klant. In vergelijking met uitgebreide trainingsprogramma’s bieden stemfilters een eenvoudigere en directere 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 verhoogde waarde weerspiegelt in het leveren van uitzonderlijke klantervaringen. Tegelijkertijd zal het democratiserende effect van generatieve AI nieuwe instroomagenten aantrekken, waardoor het talentenpool uitbreidt en de uurtarieven verlaagt. Deze dichotomie markeert een fundamentele transformatie in de dynamiek van de callcenterindustrie, 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 stemfiltering mogelijk te maken?

Dit type real-time stemfilteroplossing zou een paar jaar geleden niet mogelijk zijn geweest. De vooruitgang in spraakonderzoek, gecombineerd met nieuwere architectuur zoals het transformatiemodel en diepe neurale netwerken, en krachtigere AI-hardware (zoals TPUs van Google en GPUs van NVidia), maken het nu 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 spraak-naar-spraakmodellen die laaglatentie en hoge kwaliteit hebben.

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

We hebben een sterke vraag van grote en kleine offshore callcenters om onze accent softening-oplossing uit te proberen. Deze callcenters realiseren zich dat Tomato.ai kan helpen met hun twee belangrijkste problemen (1) de prestatie van offshore-agenten is niet op hetzelfde niveau als die 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 de impact laten zien die callcenters ervaren met het gebruik van Accent Softening. We verwachten dat verkoopgesprekken een onmiddellijke stijging zullen zien in belangrijke metrics zoals omzet, sluitingspercentages en kwalificatiepercentages van leads. Tegelijkertijd verwachten we dat ondersteuningsgesprekken kortere afhandeltijden, minder callbacks en verbeterde CSAT zullen zien.

Zoals eerder vermeld, duurt het langer om verlooppercentages te valideren, en dus zullen case-studies met die verbeteringen later volgen.

Tomato.ai heeft onlangs een financieringsronde van 10 miljoen dollar ontvangen, 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 zijn missie om het landschap van de mondiale communicatie en de toekomst van werk te herschikken, één gesprek tegelijk.

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