Rebecca Greene, teknologidirektør og medgrunnlegger av Regal – Intervju-serie

Rebecca Greene, teknologidirektør og medgrunnlegger av Regal, er en teknologileder, produktleder og investor med omfattende erfaring med å bygge kundeorienterte digitale bedrifter. Før hun grunnla Regal i 2020, var hun sjef for produktutvikling i Handy, hvor hun ledet produkt-, design- og datateamene og støttet selskapets integrasjon med ANGI Homeservices etter oppkjøpet. Tidligere i sin karriere arbeidet Greene med produktledelse i Amazon (AMZN ) og hadde strategi-, konsulent- og finansielle roller i Booz & Company, First Manhattan Consulting Group og Bear Stearns. Hun er også partner i Blue Trail Partners, hvor hun støtter gründere som bygger høyimpaktbedrifter.

Regal er en bedriftsplattform for tale-AI som muliggjør at kontaktssentra kan bygge, distribuere, forbedre og håndtere autonome AI-agenter for salg, kundestøtte og operasjonelle arbeidsflyter. Plattformen kombinerer taleteknologi, avansert prompting og sanntidskundedata for å levere personlige inn- og utgående samtaler, samtidig som den integreres med eksisterende kundehåndteringssystemer, kontaktssentersystemer, telefonsystemer og databasesystemer. Grunnlagt i 2020, er selskapet designet for å hjelpe bedrifter å automatisere kundeinteraksjoner uten å erstatte eksisterende teknologi-infrastruktur.

Hun hjalp med å skala opp Handy fra et tidlig stadium til et selskap som til slutt ble en del av ANGI, og hun fikk dermed førstehåndserfaring med å bygge produkter gjennom hypervekst. Hva var det viktigste lærdommen fra denne reisen som overbeviste henne om å grunnlegge Regal, og hvilket kundeerfaring-problem følte hun ikke kunne løses med eksisterende kontaktssenter-teknologi?

Mens vi var i ANGI, var min medgrunnlegger, Alex, og jeg ansvarlige for en kontaktsservice på 3 000 personer som håndterte nesten 100 millioner kundeinteraksjoner hvert år. Til å begynne med var mitt mål å få kundene til å ringe oss så sjelden som mulig, fordi alle i teknologibransjen sa at “tale er død”, så vi spilte inn i den anti-telefon-mentaliteten. FAQ, chatboter, skjule telefonnummeret på nettstedet. Vi gjorde alt vi kunne for å få kundene til å gå over til selvbetjening.

Men kundene fortsatte å ringe likevel. Folk vil alltid ringe når noe er viktig, hastende eller for komplisert til å forklare i en tekstboks. Da begynte vi å se nærmere på tale som en utgående kanal, da data begynte å vise at det var usedvanlig effektivt. Hvis du vil få en kunde til å oppdatere et kredittkort eller påminne dem om en avtale, får e-post kanskje en klikkrate på 2 %. Med telefonoppringninger kunne vi få 20 til 30 % av folk til å svare. Det er 10 ganger bedre.

Problemet var at ingen eksisterende kontaktssenter-teknologi lot bedrifter møte denne etterspørselen på en kostnadseffektiv måte. Taleoppringninger kostet omtrent 10 dollar hver å bemanne, så de fleste selskapene var motivert til å unngå dem, selv når kundene ønsket dem. Gapet mellom den høye etterspørselen etter tale og mangelen på en kostnadseffektiv måte å levere det på, er det som overbeviste min medgrunnlegger og meg om å starte Regal i 2020.

Regal har nå håndtert flere hundre millioner AI-drevne kundeinteraksjoner på tvers av bedrifter. Hva var de største tekniske utfordringene med å gjøre tale-AI pålitelig nok for produksjon i bedrifts-skala, og hvilke gjennombrudd gjorde en vidstrakt adopsjon mulig?

Regal har nylig passert 500 millioner AI-håndterte samtaler, som tilsvarer omtrent 408 års samtale. Vi har nå 100+ AI-stemmer, 33 språk og 26 LLM, og har generert 9 milliarder dollar i inntekter for våre kunder.

For oss og våre kunder var den største utfordringen å sikre at agentene hadde riktig kontekst når de snakket med en kunde og ga nøyaktig råd. Vi arbeider med selskaper på tvers av noen av de mest regulerte bransjene, som helse og forsikring, hvor det er avgjørende at AI-forståelsen av hva den kan og ikke kan si. Så, vi behandler vår AI som ansatte: du må trene den, overvåke den og evaluere dens ytelse konstant.

Det virkelige gjennombruddet var ankomsten av LLM med genuin resonnering og språkgenerering, som gjorde det mulig å automatisere komplekse, multi-turn-samtaler for første gang.

Mange mennesker assosierer fortsatt AI-stemmeagenter med frustrerende IVR-systemer eller robotiske chatboter. Hva har fundamentalt endret seg over de siste årene, slik at moderne stemmeagenter kan levere mye mer naturlige samtaler?

AI-stemmeagenter er helt forskjellige fra de tidligere IVR-systemene. Alle som fortsatt bruker IVR er svært begrenset, fordi de er deterministiske. I dag kan agenter virkelig resonnere gjennom en samtale på samme måte som en person, ved å bruke LLM for språkgenerering og drives av kontekst og data fra 500 millioner tidligere samtaler. Kombinert med bedre talekvalitet, forbedret svarstid og mer naturlig samtalelogikk, kan de fleste av våre kunders kunder i dag virkelig ikke skille om de snakker med AI eller ikke, eller bryr seg ikke om det, så lenge det produserer det ønskede utfallet.

Som teknologidirektør, hvordan balanserer du de raske fremskrittene i grunnmodellene med behovet for stabilitet, sikkerhet og forutsigbarhet for bedriftskunder?

Dette er den kjernespenningsfeldet jeg håndterer som teknologidirektør: grunnmodellene utvikler seg svært raskt, men våre bedriftskunder i regulerte bransjer trenger forutsigbarhet, sikkerhet og konsekvent atferd.

Vi er ikke en modell-leverandør selv; vi tilbyr en applikasjon for å bygge AI-agenter, og vi sitter ved siden av andre kontaktssentersoftware. Denne adskillelsen lar oss gjøre forbedringer uten å destabilisere sikkerhetskontrollene, integrasjonene og retningslinjene våre kunder er avhengige av. Det er også grunnen til at vi har fokusert på å la enhver gruppe bygge AI-agenter som håndterer komplekse arbeidsflyter på noen uker, ikke måneder. Vi lanserte nylig et produkt kalt Copilot, som med én samtale kan bygge en fungerende første utkast av en stemmeagent for team med selskapets spesifikke forretningslogikk, merkevare og sikkerhet allerede innbygget.

Regals plattform kobler AI-agenter med kunde-kontekst og forretningsarbeidsflyter i stedet for bare å svare på spørsmål. Hvorfor er tilgang til kunde-data og forretnings-systemer like viktig som fremskritt i språkmodellene selv?

På egen hånd kan en språkmodell holde en samtale, men den kan ikke gjøre noe for kunden. Øyeblikket du ber den om å sjekke en ordre, anvende en rabatt, eskalere en sak eller oppdatere en post, trenger AI-agenten å være koblet til de samme systemene som dine menneskelige agenter bruker – som deres CRM- og faktureringssystemer.

Som modellene selv blir bedre, er det tilgangen til ekte kunde-data og forretnings-systemer som virkelig skiller en god AI-håndtert erfaring fra en frustrerende en.

Deres plattform betjener organisasjoner på tvers av bransjer som helse, forsikring, utdanning og finansielle tjenester. Hva har disse høyt regulerte sektorene lært dere om å deployere AI på en ansvarlig måte samtidig som kunde-tillit opprettholdes?

Vi fokuserer bevisst på høyt regulerte, høy-kompleksitets-bransjer i stedet for de enklere lav-utfordrings-tilfellene, delvis på grunn av min egen bakgrunn i å lede produkt-, design- og data, og å arbeide med bedriftskontaktssentra.

Tillit og retningslinjer er virkelig viktige i disse interaksjonene. Ansvarlig AI-deployering handler om å sikre at agentene har pålitelige sikkerhetsforanstaltninger, nøyaktig kontekst og en tydelig vei til en menneskelig når noe faller utenfor deres område. Tillit i regulerte bransjer kommer ikke fra at AI er feilfri, men fra at den er forutsigbar og fikserbar.

Mange mennesker antar at AI vil erstatte menneskelige kontaktssentersagenter. Hvordan ser du for deg forholdet mellom menneskelige ansatte og AI-agenter utvikle seg de neste fem årene, og hvilke ansvar bør alltid forbli menneske-drevne?

AI vil ikke ta alle jobbene, som mange fryktet, men den vil utvikle hva jobben ser ut til å være.

Den viktigste menneskelige rollen de neste årene er ikke den tradisjonelle kontaktssentersagenten – det er en helt ny rolle. Min medgrunnlegger og jeg kaller det CX-ingeniør: en person som håndterer og overvåker AI-agentene selv, og arbeider bakover fra kunde-reisen i stedet for å sitte i enkelt-samtaler. Du kan allerede se denne skiftningen skje på en bredere skala, med AWS som nettopp har investert 1 milliard dollar i en Forward Deployed Engineering-enhet for å hjelpe kunder med å bygge med AI, en rolle som ikke virkelig eksisterte for ett år siden.

Vi kan forvente en lignende skift i CX: når AI-agenter håndterer mer av volumet, blir personene som orkestrerer, håndterer og kvalitets-sjekker disse agentene essensielle ansatte.

Tale-AI har forbedret seg dramatisk, men kundene blir stadig mer bevisste på at de snakker med AI. Hva rolle spiller transparens og åpenhet i å bygge langvarig tillit, og bør selskaper alltid fortelle kundene at de interagerer med en AI-agent?

Kundene kan alltid be om en menneskelig, og vi bygger det inn i hver enkelt distribusjon. Det vi faktisk ser i praksis er at de fleste menneskene enten ikke kan skille om de snakker med AI eller ikke bryr seg om det, så lenge interaksjonen selv er viktigere for dem enn hvem som er på den andre enden.

Det er også en strukturell grunn til at dette ikke diskuteres mer: noen selskaper kjører allerede størsteparten av sine kundeinteraksjoner på AI, men annonserer det ikke ennå. Jeg tror transparens betyr mest i øyeblikket kunden ber om det, men ikke som en generell krav på hver enkelt interaksjon.

Med AI i stand til å håndtere stadig mer komplekse samtaler, hvilke målinger bør organisasjonene fokusere på utover enkle kostnadsreduksjoner når de vurderer om en AI-deployering faktisk har forbedret kundeerfaringen?

Internt bør organisasjonene merke på hvor mye deres eget team faktisk bruker AI dag for dag, og behandle tungt bruk som et generelt godt tegn. Men den større målingen selskapene bør vurdere er omsetning per ansatt. Hvis AI virkelig fungerer, bør dette tallet øke, og det er det som finansierer vekst og bedre marginer. AI erstatter ikke dine ansatte, men de som bruker det godt, ender opp med å gjøre mye mer mens de beholder det samme teamet. De kan betjene flere kunder, lukke flere avtaler og bygge mer når omsetning per ansatt er målet du måler mot.

Ser du fremover, hva nye teknologier eller evner tror du vil definere den neste generasjonen av bedrifts-AI-agenter, og hva utviklinger er du personlig mest spennende å hjelpe med å bringe til markedet de kommende årene?

I dag er tale allerede 60-70 % av kundeinteraksjonene, med resten fordelt på chat, e-post og tekst. Når AI gjør taleinteraksjoner høykvalitets og mer kapable, forventer jeg at tale vil bli den dominante kanalen og til slutt nå 95 % av alle kundeinteraksjoner.

Hva som vil definere den neste generasjonen av bedrifts-AI-agenter, er hvor proaktive og engasjerte de er når det gjelder kundeinteraksjoner. Nyeheten med AI i kundeerfaring er på vei ut, og alle vet at det blir mer og mer kapabelt, men jeg er spennende å presse grensene og få det til å utføre enda mer komplekse brukstilfeller.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Regal.