Sergey Galchenko, Chief Technology Officer, IntelePeer – Intervju-serie

Hva var det som opprinnelig tiltalte deg til feltet datavitenskap og AI?
Jeg liker å løse problemer, og programvareutvikling lar deg gjøre det med en svært rask tilbakemeldingsloop. AI åpner en ny grense av bruksområder som er vanskelige å løse med en tradisjonell deterministisk programmeringsmetode, og gjør det til et spennende verktøy i løsningens verktøykasse.
Hvordan har AI forandret landskapet for kundeservice, særlig i automatisering av CX (kundeopplevelse)-operasjoner?
Generativ kunstig intelligens revolusjonerer kontaktssenterbransjen på en utenforliggende måte. Når den kombineres med løsninger som hjelper med å automatisere kommunikasjon, tilbyr generativ AI nye muligheter for å forbedre kundeinteraksjoner, forbedre operasjonell effektivitet og redusere arbeidskostnader i en bransje som er blitt svært konkurransedyktig. Med disse teknologiene på plass, kan kundene nyte høyt personlig servicen og konsekvent støtte. Bedrifter kan samtidig holde samtaler mer effektivt og bekjempe agent-omløp og høye ledige stillinger, samt la deres ansatte fokusere på høy-prioritetsoppgaver. Til slutt gjør gen-AI, gjennom sine avanserte algoritmer, det mulig for bedrifter å konsolidere og sammenfatte informasjon som er avledet fra kundeinteraksjoner ved hjelp av flere datakilder. Fordelene med å bruke disse teknologiene i CX er klare – og det er mer og mer data som støtter påstanden om at denne trenden vil påvirke flere og flere bedrifter.
Kan du gi spesifikke eksempler på hvordan IntelePeers gen-AI har redusert kjedelige oppgaver for kundeserviceagenter?
Det ultimate målet for IntelePeers gen-AI er å muliggjøre fullstendig automatisering i kundeservicescenarioer, og redusere avhengigheten av agenter, noe som resulterer i en reduksjon på opptil 75% i driftskostnader for kundene vi betjener. Vår plattform kan automatisere opptil 90% av en organisations kundeinteraksjoner, og vi har allerede automatisert over en halv milliard kundeinteraksjoner. Ikke bare kan vår gen-AI automatisere manuelle oppgaver som samtale-ruting, tidsbestilling og kundedata-innlasting, men den kan også tilby selvbetjeningsopplevelser som kundene stadig mer ber om og forventer – komplett med hyper-personlig kommunikasjon, forbedret svar-nøyaktighet og raskere løsninger.
Kan du beskrive hvorfor AI-relaterte tjenester må balansere kreativitet med nøyaktighet.
Balansering av kreativitet med nøyaktighet og forutsigbarhet er kritisk når det gjelder å fremme tillit til AI-drevne tjenester og løsninger – en av de største utfordringene omkring AI-teknologier i dag. Først og fremst bør det være åpenbart at enhver AI-løsning bør strebe etter den høyeste mulige nøyaktigheten for å gi riktige utdata som trengs for alle inndata. Men å skape en god opplevelse med AI går ut over å bare gi riktig informasjon til sluttbrukerne; det inkluderer også å muliggjøre riktig levering av denne informasjonen til dem, noe som krever en god del kreativitet for å utføre suksessfullt. For eksempel, i en kundeservice-interaksjon, bør en AI-drevet kommunikasjonsløsning kunne automatisk matche tonen til kunden og justere etter behov i sanntid, og gi dem akkurat det de trenger på en måte som vil nå dem best på det øyeblikket. AI-en bør også kommunisere på en livlig måte for å gjøre kundene mer komfortable, men ikke så mye at de blir lurt til å tro de snakker med en menneske når de ikke gjør det. Igjen, det handler om å fremme tillit til AI, noe som til slutt vil føre til en enda mer omfattende adopsjon og bruk av teknologien.
Hva rolle spiller data i å sikre nøyaktigheten av AI-svar, og hvordan håndterer du data for å optimalisere AI-ytelse?
God data skaper god AI. Med andre ord, kvaliteten på dataene som mates inn i en AI-modell korrelerer direkte med kvaliteten på informasjonen som modellen produserer. I kundeservice er kundeinteraksjonsdata nøkelen til å finne hull i kunde-reisen. Ved å grave dyptere i disse dataene, kan organisasjoner begynne å bedre forstå kunde-intensjoner og deretter bruke denne informasjonen til å strømlinje og forbedre AI-drevne engasjement, og omforme den totale kundeopplevelsen og -reisen. Men organisasjoner må ha riktige data-arkitekturer på plass for å både prosessere og trekke ut innsikt fra de massive mengdene data som er forbundet med AI-løsninger.
IntelePeers AI-løsning bruker innholdet og konteksten av interaksjonen til å bestemme den beste kursen handling på hver enkelt vending. Under en interaksjon, hvis en spørsmål stilles av kunden som krever et svar som er spesifikt for en bedrifts prosess, regler eller politikker, vil AI-arbeidsflyten automatisk utnytte en kunnskapsbase som inkluderer slik forretningsdata som FAQ-dokumenter, agent-treningmateriell, nettside-data, politikk og annen forretningsinformasjon for å svare deretter. Liksom, hvis et spørsmål eller en forespørsel gjøres som bedriften ikke ønsker AI å svare direkte på, vil AI-arbeidsflyten overføre spørsmålet til en menneskelig agent hvis det er nødvendig. Den resterende interaksjonen kan automatisk legges til Q&A-par til å forbedre svar i påfølgende kundeinteraksjoner eller overføres til en tilsynsmyndighet for godkjenning før inkorporering.
Med AI sin økende rolle i kundeservice, hvordan ser du for deg at rollen til front-line-agenter vil utvikle seg?
Vi i IntelePeer ser for oss en drastisk reduksjon i avhengigheten av front-line-agenter på grunn av utviklingen av AI-teknologier. Med massive skritt i AI-drevne samtale-innehold, som fortsatt forbedrer kvalitet og vokser i volum, er organisasjoner i dag i stand til å automatisere opptil 90% av sine kundeinteraksjoner. Dette lar dem optimere sine front-line-besettelser og spare betydelig på driftskostnader – samtidig som de tilbyr bedre opplevelser for kundene de betjener.
mens noen oppgaver automatiseres, hvilke faglige CX-roller tror du vil forbli kritiske til tross for AI-fremgang?
Selv om AI vil kutte ned på antallet front-line-agenter som trengs i kundeservice-roller, vil et menneskelig element alltid være nødvendig i CX-operasjoner. For eksempel, må AI-drevne kommunikasjonsmodeller trening, konfigurasjon og ledelse med menneskelig tilsyn for å sikre nøyaktighet og eliminere eventuelle fordommer. Den menneskelige berøringen er også nødvendig for å sammenføye automatiserte kunde-kommunikasjoner med meldingen og personligheten til organisasjonen eller merkevaren de kommer fra, noe som bidrar til kunde-komfort og hjelper til å fremme tillit til teknologien. Disse mer tekniske, AI-orienterte rollene vil overta typiske front-line-roller i årene som kommer.
AI-hallusinasjoner er en bekymring i å opprettholde nøyaktige kundeinteraksjoner. Hva spesifikke retningslinjer har IntelePeer implementert for å forhindre AI fra å fabrikkere fakta?
 Bedrifter må implementere generativ AI i dag for å forbli relevante midt i den pågående revolusjonen, samtidig som de unngår en hastet og katastrofal utrullering. For å gjøre dette ansvarlig, må bedrifter starte med å implementere et Retrieval Augmented Generation (RAG)-mønster for å hjelpe deres gen-AI med å analysere store bedriftsdatasett. For automatiserte kundeservice-interaksjoner, må merker skape en menneskelig tilbakemeldingsloop for å analysere tidligere interaksjoner og forbedre kvaliteten på datasettene som brukes til fin-justering og gjenvinning. Videre, for å eliminere AI-hallusinasjoner, bør organisasjoner fokusere på:

• implementere retningslinjer ved å analysere kundeinteraksjonsdata og utvikle omfattende, dynamiske kunnskapsbaser;
• investere i kontinuerlig overvåking og oppdatering av disse systemene for å tilpasse seg nye forespørsler og opprettholde nøyaktighet; og
• trenere ansatte til å gjenkjenne og håndtere uidentifiserbare variasjoner, noe sikrer en sammenhengende eskalasjons- og løsningsprosess.

Hvordan sikrer du at store språkmodeller (LLM) tolker kontekst korrekt og gir pålitelige svar?
 En tilfeldig tilnærming til implementering av gen-AI kan føre til kvalitetsproblemer med utdata, hallusinasjoner, opphavsrettsbrudd og forvrengte algoritmer. Derfor må bedrifter ha svar-retningslinjer når de anvender gen-AI i kundeservice-miljøet. IntelePeer bruker retrieval augmented generation (RAG), som mater data-kontekst til en LLM for å få svar som er grunnlagt i en kunde-tilbudt datasett. Gjennom hele prosessen, fra det øyeblikket dataene blir preparert til LLM sender et svar til klienten, forhindrer de nødvendige retningslinjene at noen følsomme informasjon blir avdekket. IntelePeers RAG begynner når en kunde stiller et spørsmål til en AI-drevet bot. Boten utfører en oppslag av spørsmålet i kunnskapsbasen. Hvis den ikke kan finne et svar, vil den overføre til en agent og lagre spørsmålet i Q&A-par-databasen. Senere vil en menneske gjennomgå dette nye spørsmålet, utføre en datasett-import og lagre svaret i kunnskapsbasen. Til slutt, blir ingen spørsmål uten svar. Med RAG-prosessen på plass, kan bedrifter opprettholde kontroll over svarsettene for interaksjonsautomatisering.
Ser fremover, hvilke trender forventer du i AI sin rolle i kundeopplevelse?
I IntelePeer tror vi sterkt på at generativ AI er et kraftfullt verktøy som vil positivt augmentere menneskelig kommunikasjonskapasitet, og åpne opp nye muligheter og overvinne lange stående barrierer. AI vil fortsette å forbedre kundeservice-kommunikasjon ved å strømlinje kundeservice-interaksjoner, tilby døgnet-rundt-støtte og gi språk-bro-verktøy. Videre, trent på store språkmodeller (LLM), vil virtuelle assistenter kunne trekke på millioner av menneskelige samtaler for å raskt oppdage emosjoner og modifisere tonen, holdningen og ordvalget. Det vil være mer og mer bevis for at bedrifter som suksessfullt bruker AI til å forbedre menneskelige forbindelser, opplever en betydelig avkastning på investeringen og forbedret effektivitet og produktivitet.

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