Ashish Nagar, CEO i założyciel Level AI – seria wywiadów

Ashish Nagar jest CEO i założycielem Level AI, wykorzystując swoje doświadczenie w Amazon (AMZN ) na zespole Alexa, aby wykorzystać sztuczną inteligencję do transformacji operacji centrów kontaktowych. Z silnym tłem w technologiach i przedsiębiorczości, Ashish odegrał kluczową rolę w napędzaniu misji firmy, aby poprawić wydajność i skuteczność interakcji z klientami za pomocą zaawansowanych rozwiązań opartych na sztucznej inteligencji. Pod jego kierownictwem Level AI stało się kluczowym graczem na rynku centrów kontaktowych napędzanych przez sztuczną inteligencję, znanym z nowatorskich produktów i wyjątkowej implementacji sztucznej inteligencji.

Czym skłoniło Cię do opuszczenia Amazon i założenia Level AI? Czy możesz podzielić się konkretnymi bolączkami w obsłudze klienta, które chciałeś rozwiązać za pomocą swojej technologii?

Moje tło to budowanie produktów na styku technologii i biznesu. Chociaż mam tytuł licencjata w dziedzinie fizyki stosowanej, moja praca konsekwentnie koncentrowała się na rolach produktowych i tworzeniu, uruchamianiu i budowaniu nowych firm. Moja pasja do technologii i biznesu skierowała mnie ku sztucznej inteligencji.

Zacząłem pracę nad sztuczną inteligencją w 2014 roku, kiedy budowaliśmy firmę next-generation mobile search o nazwie Rel C, która była podobna do tego, co jest dzisiaj Perplexity AI. To doświadczenie rozpoczęło moją podróż w stronę oprogramowania sztucznej inteligencji, a ostatecznie ta firma została zakupiona przez Amazon. W Amazon byłem liderem produktowym w zespole Alexa, ciągle szukając okazji do rozwiązywania bardziej złożonych problemów sztucznej inteligencji.

W moim ostatnim roku w Amazon, w 2018 roku, pracowałem nad projektem, który nazwaliśmy “komputerem z Gwiezdnych wojen”, zainspirowanym słynną franczyzą science fiction. Celem było stworzenie komputera, który mógłby zrozumieć i odpowiedzieć na każde pytanie. Ten projekt stał się znany jako Nagroda Alexa, mająca na celu umożliwienie każdemu prowadzenie 20-minutowej rozmowy z Alexa na dowolny temat społeczny. Prowadziłem zespół około 10 naukowców i uruchomiliśmy to jako światowe wyzwanie sztucznej inteligencji. Pracowałem ściśle z wiodącymi umysłami z instytucji takich jak MIT, CMU, Stanford i Oxford. Jedna rzecz stała się jasna: w tamtym czasie nikt nie mógł w pełni rozwiązać problemu.

Nawet wtedy mogłem poczuć falę innowacji, która uczyni to możliwym. Przeskoczmy do 2024 roku, a technologie takie jak ChatGPT robią teraz wiele z tego, co sobie wyobrażaliśmy. Były szybkie postępy w przetwarzaniu języka naturalnego z firmami takimi jak Amazon, Google (GOOGL ), OpenAI i Microsoft (MSFT ) budującymi duże modele i podstawową infrastrukturę. Ale one nie koniecznie rozwiązywały przepływy pracy od początku do końca. Rozpoznaliśmy tę lukę i chcieliśmy ją rozwiązać.

Naszy pierwszy produkt nie był rozwiązaniem dla obsługi klienta; był asystentem głosowym dla pracowników pierwszej linii, takich jak technicy i pracownicy sklepu detalicznego. Zebrałem 2 miliony dolarów w finansowaniu na etapie seed i pokazałem produkt potencjalnym klientom. Oni zdecydowanie poprosili nas, abyśmy dostosowali technologię do centrów kontaktowych, gdzie mieli już strumienie głosowe i danych, ale brakowało im nowoczesnej architektury generatywnej sztucznej inteligencji. To skłoniło nas do zrozumienia, że istniejące firmy w tej branży były zakorzenione w przeszłości, walcząc z klasycznym dylematem innowatora, czy przebudować swoje systemy dziedzictwa, czy zbudować coś nowego. Zaczęliśmy od czystej tablicy i zbudowaliśmy pierwszą rodzimą dużą model sztucznej inteligencji platformę inteligencji doświadczeń klienta i automatyzacji usług.

Moje głębokie zainteresowanie złożonościami języka ludzkiego i tym, jak trudno jest rozwiązać te problemy z punktu widzenia inżynierii komputerowej, odegrało znaczącą rolę w naszym podejściu. Możliwość sztucznej inteligencji do zrozumienia mowy ludzkiej jest kluczowa, szczególnie w branży centrów kontaktowych. Na przykład używanie Siri często ujawnia, jak trudno jest sztucznej inteligencji zrozumieć intencję i kontekst w języku ludzkim. Nawet proste zapytania mogą spowodować, że sztuczna inteligencja się potknie, która z trudem interpretuje, o co pytasz.

Sztuczna inteligencja ma trudności z zrozumieniem intencji, utrzymaniem kontekstu podczas długich rozmów i posiadaniem istotnej wiedzy o świecie. Nawet ChatGPT ma ograniczenia w tych obszarach. Na przykład może nie wiedzieć o najnowszych wiadomościach lub nie rozumieć zmieniających się tematów w rozmowie. Te wyzwania są bezpośrednio istotne dla obsługi klienta, gdzie rozmowy często dotyczą wielu tematów i wymagają, aby sztuczna inteligencja zrozumiała konkretną, branżową wiedzę. Rozwiązujemy te wyzwania w naszej platformie, która jest zaprojektowana do radzenia sobie z złożonościami języka ludzkiego w środowisku obsługi klienta.

Technologia Level AI NLU wykracza poza podstawowe dopasowanie słów kluczowych. Czy możesz wyjaśnić, jak Wasza sztuczna inteligencja rozumie głębszą intencję klienta i jakie korzyści to przynosi obsłudze klienta? Jak Level AI zapewnia dokładność i niezawodność swoich systemów sztucznej inteligencji, szczególnie w zrozumieniu nuansów interakcji klienta?

Mamy sześć lub siedem różnych potoków sztucznej inteligencji dostosowanych do konkretnych zadań, w zależności od pracy w toku. Na przykład jeden przepływ pracy może obejmować identyfikację sterowników połączeń i zrozumienie problemów, z którymi klienci mają do czynienia z produktem lub usługą, co nazywamy “głosem klienta”. Inny mógłby być zautomatyzowanym punktowaniem kart jakości w celu oceny wydajności agenta. Każdy przepływ pracy lub usługa ma swój własny potok sztucznej inteligencji, ale podstawowa technologia pozostaje taka sama.

Aby nakreślić analogię, technologia, którą używamy, oparta jest na dużych modelach językowych podobnych do technologii za ChatGPT i innymi generatywnymi narzędziami sztucznej inteligencji. Jednak używamy modeli językowych specyficznych dla obsługi klienta, które szkolimy wewnętrznie dla tych specjalistycznych przepływów pracy. To pozwala nam osiągnąć ponad 85% dokładności w ciągu kilku dni od wdrożenia nowych klientów, co skutkuje szybszym czasem osiągania wartości, minimalnymi usługami profesjonalnymi i niezrównaną dokładnością, bezpieczeństwem i zaufaniem.

Nasze modele mają głęboką, specyficzną ekspertyzę w obsłudze klienta. Stary paradygmat obejmował analizowanie rozmów poprzez wybieranie słów kluczowych lub fraz, takich jak “anuluj moje konto” lub “nie jestem zadowolony”. Ale nasze rozwiązanie nie polega na przechwytywaniu wszystkich możliwych wariacji fraz. Zamiast tego stosuje sztuczną inteligencję, aby zrozumieć intencję za pytaniem, co sprawia, że jest to znacznie szybsze i bardziej efektywne.

Przykładowo, jeśli ktoś powie: “Chcę anulować moje konto”, istnieje nieskończenie wiele sposobów, w jaki mogą to wyrazić, jak “Jestem zadowolony z was” lub “Przechodzę do kogoś innego”. Nasza sztuczna inteligencja rozumie intencję pytania i wiąże ją z kontekstem, dlatego nasze oprogramowanie jest szybsze i bardziej dokładne.

Pomocna analogia jest taka, że stara sztuczna inteligencja była jak książka reguł – budowaliśmy te sztywne książki reguł z instrukcjami warunkowych, które były nieelastyczne i wymagały ciągłego konserwacji. Nowa sztuczna inteligencja jest jak dynamiczny mózg lub system uczenia się. Zaledwie kilkoma wskazówkami dynamicznie uczy się kontekstu i intencji, ciągle się poprawiając na bieżąco. Książka reguł ma ograniczony zakres i łatwo się łamie, gdy coś nie pasuje do wcześniej zdefiniowanych reguł, podczas gdy dynamiczny system uczenia się ciągle się rozwija, rośnie i ma znacznie większy wpływ.

Wspaniały przykład z perspektywy klienta to duży sklep internetowy. Mają tysiące produktów, i nie sposób nadążyć za ciągłymi aktualizacjami. Nasza sztuczna inteligencja jednak może zrozumieć kontekst, jak na przykład mówienie o konkretnym kanapie, bez potrzeby ciągłego aktualizowania karty oceny lub rubryki dla każdego nowego produktu.

Jakie są kluczowe wyzwania w integrowaniu technologii Level AI z istniejącymi systemami obsługi klienta, i jak je rozwiązujecie?

Level AI jest platformą inteligencji doświadczeń klienta i automatyzacji usług. Jako taka, integrujemy się z większością oprogramowania CX w branży, niezależnie od tego, czy jest to CRM, CCaaS, ankieta, czy rozwiązanie narzędziowe. To sprawia, że jesteśmy centralnym hubem, zbierającym dane ze wszystkich tych źródeł i służącym jako warstwa inteligencji na górze.

Jednak wyzwaniem jest to, że niektóre z tych systemów opierają się na technologii nie-chmurowej, na miejscu, lub nawet technologii chmurowej, która brakuje interfejsów API lub czystych integracji danych. Pracujemy ściśle z naszymi klientami, aby rozwiązać ten problem, chociaż 80% naszych integracji jest teraz opartych na chmurze lub rodzimych API, co pozwala nam na szybką integrację.

Jak Level AI zapewnia inteligencję i działania w czasie rzeczywistym dla agentów obsługi klienta? Czy możesz podzielić się przykładami, jak to poprawiło interakcje z klientami?

Istnieją trzy rodzaje inteligencji i działań w czasie rzeczywistym, które zapewniamy naszym klientom:

1. Automatyzacja ręcznych przepływów pracy: Przedstawiciele obsługi często mają ograniczony czas (6 do 9 minut) i wiele ręcznych zadań. Level AI automatyzuje nudne zadania, takie jak notowanie podczas i po rozmowach, generując dostosowane podsumowania dla każdego klienta. To zaoszczędziło naszym klientom 10 do 25% czasu obsługi połączeń, prowadząc do większej wydajności.
2. CX Copilot dla przedstawicieli: Przedstawiciele obsługi stają przed wysokim odsetkiem fluktuacji i wyzwaniami związanymi z wdrożeniem. Wyobraź sobie, że zostajesz wprowadzony do centrum kontaktowego bez znajomości polityki firmy. Level AI działa jak ekspert sztucznej inteligencji siedzący obok przedstawiciela, słuchający rozmów i oferujący wsparcie w czasie rzeczywistym. To obejmuje rozwiązywanie zastrzeżeń, dostarczanie wiedzy i oferowanie inteligentnej transkrypcji. Ta funkcjonalność pomogła naszym klientom wdrożyć i przeszkolić przedstawicieli obsługi o 30 do 50% szybciej.
3. Manager Copilot: Ta unikalna funkcja daje menedżerom widoczność w czasie rzeczywistym, jak ich zespół wykonuje swoją pracę. Level AI zapewnia sekundę po sekundzie wglądu w rozmowy, pozwalając menedżerom na interwencję, wykrywanie sentymentu i intencji oraz wspieranie przedstawicieli w czasie rzeczywistym. To poprawiło produktywność agentów o 10 do 15% i zwiększyło satysfakcję agentów, co jest kluczowe dla redukcji kosztów. Na przykład, jeśli klient zaczyna przeklinać przedstawiciela, system flaguje to, a menedżer może albo przejąć połączenie, albo szepnąć wskazówki przedstawicielowi. Ten rodzaj interwencji w czasie rzeczywistym byłby niemożliwy bez tej technologii.

Czy możesz wyjaśnić, jak działa analiza sentymentu Level AI i jak pomaga agentom odpowiedzieć skuteczniej na klientów?

Nasza analiza sentymentu wykrywa siedem różnych emocji, od skrajnej frustracji do ekstazy, pozwalając nam mierzyć różne stopnie emocji, które przyczyniają się do naszego ogólnego wyniku sentymentu. Ta analiza uwzględnia zarówno wypowiedziane słowa, jak i ton rozmowy. Jednak odkryliśmy, że wypowiedziane słowo odgrywa znacznie większą rolę niż ton. Można powiedzieć najokrutniejsze rzeczy w płaskim tonie lub bardzo miłe rzeczy w dziwnym tonie.

Zapewniamy wynik sentymentu w skali od 1 do 10, gdzie 1 wskazuje bardzo negatywny sentyment, a 10 wskazuje wysoki pozytywny sentyment. Analizujemy 100% rozmów naszych klientów, oferując głębokie spojrzenie na interakcje z klientami.

Zrozumienie kontekstu jest również kluczowe. Na przykład, jeśli rozmowa zaczyna się z bardzo negatywnym sentymentem, ale kończy się pozytywnie, nawet jeśli 80% rozmowy było negatywne, cała interakcja jest uważana za pozytywną. To dlatego, że klient zaczął być zły, przedstawiciel rozwiązał problem, a klient wyszedł zadowolony. Z drugiej strony, jeśli rozmowa zaczyna się pozytywnie, ale kończy się negatywnie, jest to inna historia, pomimo faktu, że 80% rozmowy mogło być pozytywne.

Ta analiza pomaga zarówno przedstawicielowi, jak i menedżerowi zidentyfikować obszary do szkolenia, koncentrując się na działaniach, które korelują z pozytywnym sentymentem, takimi jak powitanie klienta, uznanie ich obaw i okazanie empatii – elementy, które są kluczowe dla udanych interakcji.

Jak Level AI rozwiązuje problemy związane z prywatnością danych i bezpieczeństwem, szczególnie biorąc pod uwagę wrażliwy charakter interakcji z klientami?

Od samego początku priorytetem było dla nas bezpieczeństwo i prywatność. Zbudowaliśmy nasz system z założeniem bezpieczeństwa i prywatności jako podstawowych zasad. Nie zlecamy żadnych naszych możliwości generatywnej sztucznej inteligencji do dostawców zewnętrznych. Wszystko jest opracowane wewnętrznie, co pozwala nam tworzyć modele sztucznej inteligencji specyficzne dla klienta bez udostępniania danych poza naszym środowiskiem. Oferujemy również obszerną personalizację, umożliwiając klientom posiadanie własnych modeli sztucznej inteligencji bez udostępniania danych w różnych częściach naszego potoku danych.

W celu rozwiązania bieżącego problemu branżowego nasze dane nie są wykorzystywane przez zewnętrzne modele do szkolenia. Nie pozwalamy, aby nasze modele były wpływane przez dane wygenerowane przez sztuczną inteligencję z innych źródeł. To podejście uniemożliwia problemy, z którymi borykają się niektóre modele sztucznej inteligencji, gdzie szkolenie na danych wygenerowanych przez sztuczną inteligencję powoduje utratę dokładności. W Level AI wszystko jest pierwszorzędne, a my nie udostępniamy ani nie pobieramy danych z zewnątrz.

Z niedawnym finansowaniem w wysokości 39,4 miliona dolarów w ramach rundy C, jakie są Wasze plany dotyczące rozszerzenia platformy Level AI i dotarcia do nowych segmentów klientów?

Inwestycja z rundy C będzie napędzać nasz strategiczny wzrost i inicjatywy innowacyjne w kluczowych obszarach, w tym rozwój produktu, usprawnienia inżynieryjne oraz intensywne badania i rozwój. Zamierzamy zrekrutować najlepszych talentów na wszystkich poziomach organizacji, umożliwiając nam dalsze pionierowanie wiodących technologii w branży, które przewyższają oczekiwania klientów i spełniają dynamiczne wymagania rynku.

Jak widzisz rolę sztucznej inteligencji w transformacji obsługi klienta w ciągu najbliższej dekady?

Podczas gdy ogólny nacisk często kładziony jest na aspekt automatyzacji – przewidując przyszłość, w której boty obsługują całą obsługę klienta – nasze podejście jest bardziej nuansowane. Stopień automatyzacji różni się w zależności od branży. Na przykład w bankowości lub finansach automatyzacja może być niższa, podczas gdy w innych sektorach może być wyższa. Średnio uważamy, że osiągnięcie więcej niż 40% automatyzacji we wszystkich branżach jest wyzwaniem. To dlatego, że przedstawiciele obsługi robią więcej niż tylko odpowiadają na pytania – działają jako rozwiązywacze problemów, doradcy sprzedaży i więcej, role, które nie mogą być w pełni replikowane przez sztuczną inteligencję.

Istnieje również znaczny potencjał w automatyzacji przepływów pracy, na którym się koncentrujemy. Obejmuje to zadania biurowe, takie jak zapewnienie jakości, triage biletów i monitorowanie ekranu. Tutaj automatyzacja może przekroczyć 80% przy użyciu generatywnej sztucznej inteligencji. Inteligencja i wglądy w dane są kluczowe. Jesteśmy wyjątkowi, używając generatywnej sztucznej inteligencji do uzyskania wglądów z nieustrukturyzowanych danych. To podejście może znacznie poprawić jakość wglądów, zmniejszając potrzebę usług profesjonalnych o 90% i przyspieszając czas osiągania wartości o 90%.

Innym ważnym aspektem jest to, czy twarzą Twojej organizacji powinna być maszyna, czy osoba. Poza podstawowymi funkcjami, które wykonują, ludzka więź z klientami jest kluczowa. Nasze podejście polega na usunięciu nadmiarowych zadań z obciążenia osoby, pozwalając im skoncentrować się na znaczących interakcjach.

Uważamy, że ludzie są najlepsi do bezpośredniej komunikacji i powinni nadal pełnić tę rolę. Jednak nie są oni idealni do zadań, takich jak notowanie, transkrybowanie interakcji czy nagrywanie ekranu. Poprzez przejęcie tych zadań uwalniamy ich czas, aby angażować się w klientów bardziej efektywnie.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Level AI.