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

Hva var det som først 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, noe som gjør det til et spennende verktøy i løsningssamlingen.

Hvordan har AI forandret landskapet for kundeservice, særlig i automatisering av CX (kundeopplevelse) operasjoner?

Generativ kunstig intelligens revolusjonerer kontaktsenterbransjen på en måte som aldri før har skjedd. Når den kombineres med løsninger som hjelper 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 godt av høyt personlige tjenester og konsistente støtte. Bedrifter kan samtidig holde samtaler mer effektivt og bekjempe agent-omsetning og høye ledige stillinger, samtidig som de lar sine ansatte fokusere på høy-prioritetsoppgaver. Til slutt kan generativ AI, gjennom sine avanserte algoritmer, muliggjøre at bedrifter konsoliderer og summerer informasjon 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 opp under påstanden 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 kundeservice-scenarier, 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 organisasjons kundeinteraksjoner, og vi har kollektivt automatisert over en halv milliard kundeinteraksjoner allerede. Ikke bare kan vår gen AI automatisere manuelle oppgaver som samtale-ruting, avtale-koordinering og kundedata-innlasting, men den kan også tilby selvbetjeningsopplevelser som kundene stadig mer krever og forventer – komplett med hyper-personlige kommunikasjoner, forbedret svar-nøyaktighet og raskere løsninger.

Kan du beskrive hvorfor AI-relaterte tjenester må balansere kreativitet med nøyaktighet.

Å balansere kreativitet med nøyaktighet og forutsigbarhet er kritisk når det gjelder å bygge tillit til AI-drevne tjenester og løsninger – en av de største utfordringene omkring AI-teknologier i dag. Først og fremst bør det gå uten å si at enhver AI-løsning bør strebe etter den høyeste mulige nøyaktighet for å levere riktige utdata for alle inndata. Men å skape en god opplevelse med AI går langt utover å bare levere riktig informasjon til sluttbrukerne; det inkluderer også å aktivt levere denne informasjonen til dem på en måte som vil nå dem best på det gitt øyeblikket. For eksempel, i en kundeservice-interaksjon, bør en AI-drevet kommunikasjonsløsning kunne automatisk tilpasse tonen til kunden og justere etter behov i sanntid, og gi dem akkurat det de trenger på en måte som vil nå dem best. AI bør også kommunisere på en levende måte for å gjøre kundene mer komfortable, men ikke så mye at de blir lurt til å tro at de snakker med en menneske når de ikke gjør det. Igjen, alt handler om å bygge tillit til AI, noe som til slutt vil føre til enda mer utbredt bruk og anvendelse av teknologien.

Hva rolle spiller data i å sikre nøyaktigheten av AI-responser, 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 nøkkel til å finne hull i kunde-reisen. Ved å grave dyptere i denne dataen, kan organisasjoner begynne å forstå kunde-intensjoner bedre og deretter bruke denne informasjonen til å strømlinje og forbedre AI-drevne engasjement, og omforme hele kundeopplevelsen. 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 for å bestemme den beste kursen i hver vending. Under en interaksjon, hvis en spørsmål blir stilt av kunden som krever et svar spesifikt for en bedrifts prosess, regler eller politikk, vil AI-arbeidsflyten automatisk bruke en kunnskapsbase som inkluderer slik bedriftsdata som FAQ-dokumenter, agent-treningmateriell, webside-data, politikk og andre bedriftsinformasjon for å svare deretter. Liksom hvis et spørsmål eller en forespørsel blir gjort som bedriften ikke ønsker AI å svare direkte på, vil AI-arbeidsflyten eskalere forespørselen til en menneskelig agent hvis nødvendig. Den resterende interaksjonen kan automatisk bli lagt til Q&A-parene for å forbedre svar i påfølgende kundeinteraksjoner eller overføres til en overordnet myndighet for godkjenning før inkorporering.

Hvordan ser du for deg at rollen til front-line agenter vil utvikle seg med AI sin økende rolle i kundeservice?

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-drevet samtale-innehold, som stadig forbedrer kvalitet og vokser i volum, er organisasjoner i dag i stand til å automatisere opptil 90% av sine kundeinteraksjoner. Dette lar dem optimalisere sin front-line bemanning 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?

Mens 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 tilpasse automatiserte kunde-kommunikasjoner med budskap og personlighet til organisasjonen eller merkevaren de kommer fra, noe som bidrar til kunde-komfort og hjelper til å bygge 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 vedlikehold av 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 utrulling. For å gjøre dette ansvarlig, må bedrifter starte med å implementere en Retrieval Augmented Generation (RAG)-mønster for å hjelpe sin gen AI 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 finjustering og tilbakemelding. Videre, for å eliminere AI-hallusinasjoner, bør organisasjoner fokusere på:

• å implementere retningslinjer ved å analysere kundeinteraksjonsdata og utvikle omfattende, dynamiske kunnskapsbaser;
• å investere i kontinuerlig overvåking og oppdatering av disse systemene for å tilpasse seg nye forespørsler og opprettholde nøyaktighet; og
• å trene ansatte til å gjenkjenne og håndtere ukjente variasjoner, noe sikrer en sammenhengende eskalering 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 utgangen, hallusinasjoner, opphavsrettsbrudd og forvrengte algoritmer. Derfor må bedrifter ha retningslinjer når de anvender gen AI i kundeservice-miljøet. IntelePeer bruker retrieval augmented generation (RAG), som gir datakontekst til en LLM for å få svar som er basert på en kunde-tilbudt datasett. Gjennom hele prosessen, fra det øyeblikket dataene blir forberedt til LLM sender et svar til klienten, forhindrer de nødvendige retningslinjene at noen sensitive 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 forespørselen til en menneskelig agent hvis nødvendig, og lagre spørsmålet i Q&A-databasen. Senere vil en menneske gjennomgå dette nye spørsmålet, importere datasett og lagre svaret i kunnskapsbasen. Til slutt, ingen spørsmål blir uten svar. Med RAG-prosessen på plass, kan bedrifter opprettholde kontroll over svarsettene for interaksjonsautomatisering.

Hva trender ser du for seg i AI sin rolle i kundeopplevelse?

Vi i IntelePeer tror sterkt på at generativ AI er et kraftig verktøy som vil positivt supplere menneskelig kommunikasjonsevne, og åpne opp for nye muligheter og overvinne langvarige barrierer. AI vil fortsette å forbedre kundeservice-kommunikasjon ved å strømlinje kundeservice-interaksjoner, tilby døgnet-rundt-støtte og tilby språk-bro-verktøy. I tillegg, trent på store språkmodeller (LLM), vil virtuelle assistenter kunne trekke på millioner av menneskelige samtaler for å raskt oppdage emosjoner og modifisere tone, holdning og ordvalg. Det vil bli mer og mer bevis for at bedrifter som bruker AI for 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, kan besøke IntelePeer.