Rana Gujral, administrerende direktør i Behavioral Signals – Intervju-serie

Rana Gujral er administrerende direktør i Behavioral Signals, et selskap som brobygger kommunikasjonsgapet mellom mennesker og maskiner ved å introdusere emosjonell intelligens, fra tale, inn i samtaler med AI.

Behavioral Signals er et relativt ungt startup som ble lansert i 2016. Kan du dele opphavshistorien?

Drevet av en lidenskap for å bringe selskapets banebrytende patenterte tale-til-emosjon og tale-til-atferd-teknologier til markedet, grunnla CTO, Alex Potamianos og Chief Scientist, Shri Narayanan Behavioral Signals i 2016. Shri er en Andrew J. Viterbi Professor of Engineering ved University of Southern California (USC). Han grunnla og leder nå Signal Analysis and Interpretation Laboratory (SAIL) ved USC. Alex er en anerkjent innovator innen tale- og naturlig språkbehandling, interaktivt tale-svar-system og atferdsinformatikk. Han har over 20 års ledererfaring både i bedrifts- og entreprenørsiden av forretningen, mens hans bakgrunn inkluderer arbeid ved AT&T Labs-Research, Bell Labs og Lucent Technologies.

Med målet om å forbedre og for alltid endre forretningsverdenen, tror vi at teknologi er kjernen i hva som kan oppnås. Behavioral Signals’ algoritmer analyserer menneskelige emosjoner og atferd, transformerer data til brukbar informasjon og fører til bedre forretningsbeslutninger og økt fortjeneste. Frem til nå har menneskelig emosjon blitt ansett som umulig å kvantifisere og umulig å måle. Med vår patenterte analytics-motor måler og tolker vi “hvordan”-delen av menneskelige interaksjoner.

Behavioral Signals avhenger av en type maskinlæring som kalles affektiv datamaskinteknikk (også kjent som Emotion AI). Kan du forklare hva dette er?

Emosjonell kunstig intelligens, også kalt Emotion AI eller affektiv datamaskinteknikk, brukes til å utvikle maskiner som kan lese, tolke, svare på og etterligne menneskelig affekt – måten vi, som mennesker, opplever og uttrykker emosjoner. Hva betyr dette for forbrukerne? Det betyr at dine enheter, som din smartphone eller smarte høyttalere, vil kunne tilby deg interaksjon som føles mer naturlig enn noen gang før, bare ved å lese de emosjonelle signalene i din stemme.

Så lenge vår avhengighet av AI vokser, vokser også behovet for emosjonelt intelligent AI. Det er en ting å be din virtuelle assistent om å lese deg i dagens spillresultater, men det er en annen ting å betro dine eldre foreldre til en AI-drevet bot. For tiden kan AI gjøre fantastiske ting, som å diagnostisere medisinske tilstander og angi behandlinger, men den trenger fortsatt emosjonell intelligens for å kommunisere med pasienter på en mer menneskelig måte.

Hva slags maskinlærings-teknologier brukes ellers?

Når det gjelder maskinlæring, bruker vi hovedsakelig dyp læring og NLP i våre Behavioral Signals Processing-analysemodeller. For å forklare dette litt bedre, har vi banebrytende feltet Behavioral Signal Processing, basert på over en tiårs verdensomspennende og patenterte forskning, for å automatisk å kunne detektere informasjon som er kodet i den menneskelige stemmen fra lyd og måle kvaliteten på menneskelig interaksjon. Det er en fremvoksende disiplin som brobygger ingeniørvitenskap med atferdsvitenskap og har som mål å kvantifisere og tolke menneskelig interaksjon og kommunikasjon gjennom bruk av ingeniørvitenskap og datamaskin-innovasjoner. Dyp læring er verktøyet som hjelper å lage bedre predikative modeller.

Hva slags data samler du inn fra tone i stemmen?

Vår dyp læring AI-teknologi analyserer hva og hvordan noe blir sagt, på begge sider av en samtale, og måler emosjoner og atferd. Spekteret av emosjoner er ganske divers, men det som virkelig betyr noe, er den aggregerte intelligensen i denne analysen. For å gi deg et eksempel, tenk på en samtale mellom en bankansatt og en kunde; vi kan fange og måle høflighet, komposisjon (rolig vs opphisset), empati overfor kunden, kundens reaksjoner og generell talestil som langsom, rask, engasjert eller desengasjert, for å beregne samtalekvalitetspoeng, effekten av utfallet og ansattens ytelse.

Hva slags dataanalyse gjøres for å forutsi intensjon?

Intensjonsforutsigelse er ganske likt det som allerede er nevnt. Vi bruker atferdssignaler i stemmen for å forutsi en kundes intensjon om å kjøpe en vare, fornye en abonnement eller om en skyldner vil betale sin skyld. Intensjonsforutsigelse kan hjelpe selskaper å øke salget og innkrevningsforholdet, redusere kostnadene og til slutt forbedre kundetilfredsheten.

Behavioral Signals har vært en 6-ganger gullvinner av INTERSPEECH-kvaliteten på menneskelig interaksjon og beregningsparalingvistisk utfordring. Hva er denne utfordringen og hvor stor er denne prestasjonen?

Interspeech er verdens største tekniske konferanse som fokuserer på talebehandling og -applikasjon. Den har den største deltakelsen i dette domenet og et betydelig antall forskningsartikler. Konferansen legger vekt på tverrfaglige tilnærminger som behandler alle aspekter av talevitenskap og -teknologi, fra grunnleggende teorier til avanserte applikasjoner. Utfordringene regnes som Turing-prisen i talegjenkjenning og naturlig språkbehandling. Å vinne denne er en viktig anerkjennelse av vårt vitenskapelige arbeid og vår unike evne til å detektere signaler fra lyddata forbundet med atferd og egenskaper som driver menneskelige beslutninger.

Hvor raskt kan Behavioral Signals tilpasse seg forskjellige språk, og hvor stort datasett er nødvendig?

Vår teknologi er språkagnostisk. Vi lytter til hvordan noe blir sagt, i stedet for hva som faktisk blir sagt. Vi lytter til de uttrykte emosjonene, som er ganske universelle i alle språk. Selvfølgelig har hvert språk sine unike trekk som kan kreve en finjustering av våre algoritmer, men forskjellen på våre predikative analysemodeller er generelt liten.

Kan du diskutere Behavioral Signals’ siste løsning, AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) er en automatisert løsning for samtale-ruting som bruker emosjonell AI og stemme-data til å matche kunden med den beste ansatte til å håndtere et bestemt oppkall. Hvis vi går tilbake til eksemplet ovenfor, med bankansatt og kunde, kan vår teknologi guide samtale-dynamikken med det ultimate målet å forbedre utfallet, enten det handler om bedre kundeoopplevelse, økt innkrevning eller raskere løsningstider. Uansett hva målet er, er det alltid en katalysator som vil tillate begge parter å nå det ønskede resultatet. Denne bidragsyteren er vanligvis en enkel og naturlig menneskelig prosess: affiniteten eller samarbeidet som utvikles mellom mennesker. Uansett hva slags forretningskommunikasjon (salgsoppkall, støtte, innkrevning), vil det alltid være en interaksjon mellom virkelige mennesker, hvor sjelden er affiniteten identisk mellom to par mennesker. Vi har bestemte atferd og egenskaper som hjelper oss å komme overens med noen mennesker bedre enn med andre. Denne matchen er basert på profildata og våre overlegne algoritmer utviklet fra år med forskning og erfaring i NLP og Behavioral Signal Processing.

Vi implementerte nylig Behavioral Signals’ AI-MC-løsning for å øke effektiviteten og effisiensen i en EU-banks call-senter. Saken ble anerkjent av Gartner og inkludert i deres Emotion AI-adoptionsrapport. Løsningen viste en betydelig avkastning med en 20% økning av aktive gjeldsrestruktureringer. I tillegg ble denne forbedringen oppnådd med 7,6% færre oppkall, noe som førte til ytterligere kostnadsreduksjoner. I absolutte tall korresponderte disse resultater til en $300M oppside for banken.

Er det noe annet du ønsker å dele om Behavioral Signals?

Mens vi tar stor stolthet i våre forskningsprestasjoner, er vi like takknemlige for bransje-anerkjennelsene. I høst 2019 ble vår teknologi listet som en use-case-leder i Gartners ettertraktede Maverick Research som profilerer banebrytende teknologier. Tidligere i år ble vi inkludert i Gartners Hype Cycle, hvor vår teknologi ble rangert som ‘transformerende’. Forrige måned ble vi listet som en Gartner Cool Vendor 2020.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Behavioral Signals.