Sharone Ben-Levi, VP van Global Sales en Business Development, Contact Center, AudioCodes – Interviewreeks

Sharone Ben-Levi, VP van Global Sales en Business Development, Contact Center, AudioCodes (AUDC ), is een ervaren communicatietechnologie-executive met meer dan 25 jaar ervaring in verkoop, marketing, business development en contactcenterinnovatie. Gedurende zijn carrière, die meer dan twee decennia bij AudioCodes omvat, heeft hij verschillende senior leiderschapsposities bekleed die zich richtten op het stimuleren van groei in ondernemingscommunicatie, klantbelevingsoplossingen en AI-gebaseerde contactcentertechnologieën. Voordat hij bij AudioCodes kwam, werkte hij bij NICE Systems, waar hij waardevolle ervaring opdeed in klantbetrokkenheid en ondernemingssoftware. Gedurende zijn carrière heeft Ben-Levi zich gericht op het helpen van organisaties om klantinteracties te moderniseren via cloudcommunicatie, automatisering en conversational AI, waardoor hij een erkende stem is in de evolutie van contactcentertechnologie.

AudioCodes is een communicatietechnologiebedrijf dat zich specialiseert in ondernemingsstem, contactcenter en AI-gedreven klantbelevingsoplossingen. Opgericht in 1993, is het bedrijf geëvolueerd van een aanbieder van spraaknetwerken en VoIP-infrastructuur tot een leider in intelligente spraakcommunicatie, waardoor organisaties klant- en medewerkerinteracties kunnen moderniseren in cloud-, hybride en on-premisesomgevingen. Het portfolio omvat spraak-AI-platforms, conversational AI-oplossingen, sessiegrenstoestellen, Microsoft Teams-voice-integraties, CPaaS-aanbod en contactcentermodernisatietools. Met platforms zoals VoiceAI Connect en Live Hub, stelt AudioCodes ondernemingen in staat om spraakbots, AI-agents, agentondersteuningsmogelijkheden, conversational IVR-oplossingen en real-time communicatiediensten te implementeren, terwijl ze integreren met bestaande telefoon- en contactcenterinfrastructuur. De technologieën van het bedrijf worden gebruikt door ondernemingen en dienstverleners over de hele wereld om klantbelevingen te verbeteren, workflows te automatiseren en digitale transformatie-initiatieven te ondersteunen.

U heeft meer dan twee decennia bij AudioCodes gewerkt, waar u bent geëvolueerd van embedded systems engineering tot het leiden van productiviteitsapplicaties. Hoe heeft die reis uw perspectief beïnvloed op wat nodig is om spraak-AI betrouwbaar te maken in ondernemingsomgevingen?

Ik heb ondernemingscommunicatie vanuit meerdere perspectieven gezien, en die reis heeft één kernles versterkt: betrouwbaarheid moet vanaf het begin in elke laag van het systeem worden ingebouwd.

Werken aan embedded systems heeft me geleerd dat de duivel in de details zit, kleine technische beslissingen hebben een onevenredig grote impact in productieomgevingen. Latentie, audiokwaliteit, transscriptie-accuratesse, natuurlijke beurtname en elk ander element moeten met betrouwbaarheid in het achterhoofd worden ontworpen, omdat als een van hen faalt, het hele systeem faalt. U kunt niet beweren dat een spraak-AI-systeem werkt als het alleen onder ideale omstandigheden werkt.

Leiderschap maken heeft dat nog duidelijker gemaakt. Ondernemingen ondersteunen duizenden gebruikers over complexe infrastructuur met strikte uptime-eisen. Een systeem dat goed presteert in een proef, maar degradeert onder een echte werklast, heeft het probleem niet opgelost.

Dat is uiteindelijk wat mijn carrière me heeft geleerd: de lat voor spraak-AI in het bedrijfsleven is vertrouwen. En vertrouwen wordt alleen opgebouwd wanneer organisaties kunnen vertrouwen op het systeem om betrouwbaar genoeg te presteren om onderdeel te worden van hun kritieke bedrijfsprocessen.

Veel organisaties hebben geëxperimenteerd met chatbots, maar spraak introduceert een andere laag van complexiteit. Wat zijn de grootste technische uitdagingen bij het overstappen van tekstgebaseerde AI naar volledig conversational voice-systemen?

De grootste uitdaging is de complexiteit van ondernemingsstemomgevingen, die vaak gefragmenteerd zijn in afzonderlijke “eilanden” die bemiddeling tussen SIP-gebaseerde telefoonprotocollen en AI-HTTP/SSE-gebaseerde API’s vereisen. Het komt zelfs neer op mensen. Zeer weinig ingenieurs kennen zowel SIP als HTTP/SSE. Bovendien vereist spraak, in tegenstelling tot tekstgebaseerde systemen, real-time verwerking en orkestratie, inclusief het omzetten tussen verschillende protocollen zodat deze systemen naadloos kunnen communiceren. Deze toegevoegde urgentie en interoperabiliteit maakt het leveren van een soepele, conversational ervaring aanzienlijk veeleisender vanuit een technologisch oogpunt. Latentie, achtergrondruis, accent en crosstalk zijn nu in de mix gegooid. Deze variabelen bestonden niet met alleen tekst.

AudioCodes richt zich op het verbinden van traditionele telefoonsystemen met moderne AI-platforms. Kun je uitleggen hoe oplossingen zoals VoiceAI Connect legacy-infrastructuur integreren met geavanceerde AI-modellen?

VoiceAI Connect is de brug die traditionele klantcontactpunten (telefoonnummers, SIP-trunks en contactcenter-telefonie) rechtstreeks verbindt met derdepartij-conversationele AI-platforms zoals Google (GOOGL ) CX Agent Studio, Amazon (AMZN ) Lex, Microsoft Copilot en meer dan 30 anderen. Het behandelt de complexe real-time spraakorkestratie, inclusief spraak-naar-tekst en tekst-naar-spraak en botframework-routing, waardoor ondernemingen hun gekozen AI-bots gemakkelijk kunnen inschakelen zonder hun legacy-telefonie-installaties te verlaten. Legacy-platforms ontbreken meestal API-integraties van hun media-servers naar de nieuwe Voice AI-aanbod. We omzeilen dit door verbinding te maken met hen via hun SIP-telefonie-interfaces en verbinding te maken met moderne AI-interfaces.

Ondernemingen hebben vaak moeite om verder te gaan dan proefprojecten. Wat zijn de belangrijkste architecturale of operationele barrières die voorkomen dat spraak-AI zich uitbreidt over hele organisaties?

Spraak-AI is nog in ontwikkeling. Door de tijd dat een onderneming een AI-technologie test, komt er een nieuwere en betere op. Aangezien Audiocodes constant integreert met de nieuwste spraak-AI-oplossingen, stelt dit ondernemingen in staat om te mixen en matchen en hun omgeving toekomstbestendig te maken. De orkestratie van Audiocodes stelt hen in staat om verschillende bots voor verschillende doeleinden te proberen, rekening houdend met prestaties, kosten, taal en naleving. Dit verhoogt de kans op een succesvolle overgang naar productie.

Andere productieorkestratie-overwegingen zijn gerelateerd aan schaalbaarheid, bedrijfscontinuïteit en verbinding met meerdere contactcenteromgevingen over de hele wereld.

In real-world-implementaties, hoe ziet een succesvolle AI-gebaseerde bel-ervaring eruit vanuit het perspectief van de eindgebruiker, en hoe dicht zijn we bij het bereiken van mensachtige interacties op grote schaal?

We hebben verschillende zeer grote klanten die bij ons begonnen rond 2020 en 2021. Zij zijn het bewijs dat mensachtige interacties op grote schaal al goed werken. Real-life use cases omvatten klantgerichte taken zoals call steering, afspraken plannen en geldoverdrachten, evenals agentgerichte tools zoals AI-call-samenvatting, real-time kennisbegeleiding en live stemvertaling.

Vanuit het perspectief van de eindgebruiker voelt een AI-gebaseerde bel-ervaring frictieloos aan. In plaats van te navigeren door rigide menu’s (druk 1 voor dit, druk 2 voor dat), kunnen bellers natuurlijk spreken in hun eigen woorden via conversational IVR-systemen die intentie begrijpen en dienovereenkomstig reageren. Dit creëert een meer intuïtieve en efficiënte interactie vanaf het eerste contactpunt.

Hoewel de industrie nog niet op het niveau is van volledig mensachtige complexe interacties op grote schaal, brengen deze capaciteiten ondernemingen aanzienlijk dichter bij het bereiken van dit doel. Door AI en automatisering te combineren met menselijke ondersteuning, kunnen ondernemingen meer accurate en meer gepersonaliseerde ervaringen leveren.

Spraak-AI is afhankelijk van spraakherkenning, natuurlijke taalbegrip en real-time verwerking. Waar zie je de grootste bottlenecks vandaag, en hoe worden deze aangepakt?

Een grote ondernemingsbottleneck bij het adopteren van Spraak-AI kaart terug naar integratie. Volgens een recent rapport van Opus Research zegt slechts 38% van de ondernemingen dat kosten een barrière zijn voor het adopteren van spraak-AI. Echter, 65% zegt dat integratie binnen bestaande systemen en 60% zegt dat integratiecomplexiteit een barrière vormt.

CCaaS-vendors verhogen steeds vaker barrières voor een bring-your-own-bot-model door integraties te blokkeren of financieel niet haalbaar te maken. Oudere systemen hebben eenvoudigweg geen bijgewerkte API-integraties. Oplossingen zoals AudioCodes’ Voice AI Connect verbinden met bestaande contactcenteromgevingen via standaard SIP en hebben AIP-integraties met meer dan 30 voice AI-botframeworks en meer dan 20 Speech-to-Text (STT) en Text-to-Speech (TTS) engines, waardoor de noodzaak om deze API’s handmatig te schrijven wordt geëlimineerd.

Hetzelfde rapport benadrukt de algehele prestatiekwaliteit (spraakkwaliteit, conversatieflow, enz.) als de belangrijkste reden (72%) die de adoptie vertraagde. Wat Voice AI Connect mogelijk maakt, is het mixen en matchen van botframeworks, STT’s en TTS om implementaties te optimaliseren, aangezien niet elke AI past bij elke use case en variaties ook nodig zijn voor jargon en talen. Bovendien evolueert de AI-industrie snel, waardoor het gemakkelijk is om over te schakelen naar een nieuwe AI-aanbieder naarmate de technologie verbetert.

Integratie moet laag-latent, betaalbaar en naadloos zijn om te implementeren. Het moet ook beveiliging en debugging verbeteren, bedrijfscontinuïteit garanderen en een on-premises-optie bieden.

AudioCodes promoot een flexibele aanpak die meerdere AI- en spraakproviders verbindt. Hoe belangrijk is flexibiliteit van de leverancier bij het opbouwen van robuuste en toekomstbestendige spraak-AI-systemen?

Leveranciersflexibiliteit is kritiek omdat ondernemingen zelden in een single-vendor-omgeving opereren, en er zijn veel verschillende AI-, spraak-, telefonie- en communicatieoplossingen op de markt. Om een echt geïntegreerde spraak-AI-strategie te creëren, moeten organisaties in staat zijn om deze verschillende oplossingen samen te brengen en interoperabiliteit over allemaal te garanderen, terwijl ze kosten, latentie, use-case-prestaties, taalondersteuning en jargon optimaliseren.

Een flexibele aanpak stelt ondernemingen in staat om te integreren met meerdere providers, de juiste technologieën voor verschillende use cases te kiezen en aan te passen naarmate de markt evolueert.

In gereguleerde industrieën zoals financiën of gezondheidszorg, hoe verschilt het verzamelen en analyseren van spraakinteractiegegevens van typische cloud-gebaseerde AI-workflows?

Spraakgegevensbeheer wordt beheerst door strikte privacy- en nalevingsvereisten die het gebruik van cloud-gebaseerde AI-hulpmiddelen aanzienlijk beperken. Om dit te beheren, nemen veel gereguleerde organisaties on-premises-implementaties om ervoor te zorgen dat gevoelige gegevens binnen gecontroleerde omgevingen blijven en nooit de infrastructuur verlaten.

Nalevingsnormen vereisen ook dat spraakinteracties worden opgenomen en opgeslagen in specifieke formaten voor jaren, met highly accurate, letterlijke transcripten gestructureerd voor auditeerbaarheid. Bijvoorbeeld, in de financiële sector, moet een handelsfirma elke opgenomen oproep en transcript exact opnemen zoals gesproken voor regulatoire audits—gegevens mogen niet worden gewijzigd of samengevat. In de gezondheidszorg moet een zorgverlener die patiëntoproepen afhandelt, opnames en transcripten volledig beveiligen en HIPAA-compliant houden. Over het algemeen moeten gegevens vaak on-premises worden verwerkt om te voorkomen dat beschermd informatie wordt blootgesteld aan externe cloudservices.

Naarmate ondernemingen AI-agents beginnen te implementeren die acties kunnen uitvoeren in plaats van alleen te reageren, hoe verandert dit de rol van spraakinterfaces in klantenservice en interne operaties?

Spraakinterfaces evolueren van passieve hulpmiddelen tot proactieve, intelligente systemen die in real-time kunnen analyseren en handelen. In plaats van alleen opnames of gespreksrouting, kunnen AI-gebaseerde spraaksystemen nu intentie begrijpen en onmiddellijk actie ondernemen, zoals het oplossen van klantproblemen, het triggeren van backend-processen of het helpen van een medewerker om een IT-probleem op te lossen. Deze verschuiving is vooral krachtig omdat spraak vaak het eerste en meest natuurlijke contactpunt is.

AI-agents kunnen nu proactief contact opnemen met een menselijke supervisor—bijvoorbeeld om een korting voor een klant goed te keuren. Ze kunnen ook directe acties uitvoeren, zoals items toevoegen aan de webwagen van een klant. En ze kunnen samenwerken met andere bots die gespecialiseerde vaardigheden hebben, zoals het analyseren van foto’s die door klanten zijn gedeeld om context beter te begrijpen. Elk van deze vertegenwoordigt een niveau van geavanceerdheid dat eerder niet bestond. 

Kijkend naar de toekomst, zie je spraak als een primaire interface voor ondernemings-AI-systemen, of zal het deel blijven van een bredere multimodale ervaring?

Laat me een persoonlijk voorbeeld gebruiken om mijn punt te maken. Ik heb twee tienerkinderen. Zij zouden liever niet met een menselijke klantenservicemedewerker omgaan als dat mogelijk is. Echter, zij zouden veel liever met een bot praten dan tekst met hem wisselen. Spraak is al miljoenen jaren de natuurlijke manier van communicatie voor mensen. Het is de voorkeur boven een toetsenbord of muis, tenminste totdat gedachtelezing werkelijkheid wordt.

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