Ofer Ronen, współzałożyciel i CEO Tomato.ai – seria wywiadów

Ofer Ronen jest współzałożycielem i CEO Tomato.ai, platformy oferującej filtr głosowy oparty na sztucznej inteligencji, który łagodzi akcenty głosów agentów z zagranicy, co skutkuje poprawą wskaźników satysfakcji klientów i sprzedaży.

Ofer wcześniej sprzedał trzy startupy technologiczne, dwa firmie Google (GOOGL ), a jeden firmie IAC. Przez ostatnie pięć lat pracował w Google, tworząc rozwiązania sztucznej inteligencji dla centrów kontaktowych w ramach inkubatora Area 120. Zamknął umowy o wartości ponad 500 milionów dolarów dla tych nowych rozwiązań. Ukończył studia magisterskie z inżynierii komputerowej ze specjalizacją w sztucznej inteligencji na Uniwersytecie Michigan, oraz uzyskał tytuł MBA na Uniwersytecie Cornell.

Czym pierwotnie zainteresował się Pan machine learningiem i sztuczną inteligencją?

Sztuczna inteligencja ma długą historię rozpoczęć i przerw. Okresy, w których była duża nadzieja na to, że ta technologia zmieni branże, następujące po okresach rozczarowania, ponieważ nie do końca spełniła oczekiwań.

Kiedy robiłem magisterium z sztucznej inteligencji kilkanaście lat temu, na Uniwersytecie Michigan, był to okres rozczarowania, kiedy sztuczna inteligencja nie do końca miała wpływ. Byłem zainteresowany pomysłem, że komputery mogą być nauczane do wykonywania zadań za pomocą przykładów, a nie tradycyjnych heurystyk, które wymagają myślenia o tym, jakie instrukcje wyraźnie podać. W tym czasie pracowałem w laboratorium badawczym sztucznej inteligencji nad wirtualnymi agentami, które pomagały nauczycielom znaleźć zasoby online dla swoich klas. Wtedy nie mieliśmy dużych danych, potężnych zasobów obliczeniowych ani zaawansowanych sieci neuronowych, których mamy dzisiaj, więc możliwości, które zbudowaliśmy, były ograniczone.

W latach 2016-2019 pracował Pan w inkubatorze Google Area 120, projektując bardzo wytrzymałe wirtualne agenty dla największych centrów kontaktowych. Jaki był to dokładnie rozwiązanie?

Niedawno pracowałem w inkubatorze Google Area 120 nad jednymi z największych wdrożeń wirtualnych agentów głosowych, w tym kilkoma projektami dla firm z listy Fortune 50 z ponad stu milionami połączeń wsparcia rocznie.

Aby zbudować bardziej wytrzymałe wirtualne agenty głosowe, które mogą obsłużyć złożone rozmowy, wykorzystaliśmy miliony historycznych rozmów między ludźmi, aby wykryć rodzaj pytań, które klienci mają poza ich pierwotnym problemem. Poprzez analizę pytań i różnych sposobów, w jaki klienci formułują każde pytanie, byliśmy w stanie zbudować elastyczne wirtualne agenty, które mogą prowadzić rozmowy, które nie są liniowe. To lepiej odzwierciedla rodzaj rozmów, jakie klienci prowadzą z ludzkimi agentami. Efektem końcowym była znacząca poprawa liczby połączeń w pełni obsłużonych przez wirtualne agenty.

W 2021 i 2022 roku zbudował Pan drugi startup w ramach Area 120. Czy mógłby Pan podzielić się tym, jaka była ta firma i co Pan nauczył się z tego doświadczenia?

Mój drugi startup w ramach Area 120 był ponownie skupiony na centrach kontaktowych. Nasze rozwiązanie koncentrowało się na redukowaniu odsetka klientów, którzy rezygnują z usług, poprzez proaktywne kontaktowanie się z klientami zaraz po nieudanym połączeniu wsparcia, podczas którego klient wyraził swój problem, ale nie uzyskał rozwiązania. Kontakt był prowadzony przez wirtualne agenty wyszkolone do rozwiązania tych otwartych problemów. To, czego nauczyłem się z tego doświadczenia, to to, że odsetek klientów, którzy rezygnują z usług, jest trudnym wskaźnikiem do pomiaru w sposób terminowy. Może to potrwać 6 miesięcy, aby uzyskać statystycznie istotne wyniki dla zmian w odsetku rezygnacji. To utrudnia optymalizację doświadczenia w sposób wystarczająco szybki i przekonywanie klientów, że rozwiązanie działa.

Czy mógłby Pan podzielić się historią powstania trzeciego startupu związane z centrami kontaktowymi, Tomato.ai, i dlaczego zdecydował się Pan zrobić to samodzielnie, zamiast pracować w ramach Google?

Pomysł na Tomato.ai, mój trzeci startup związany z centrami kontaktowymi, powstał dzięki Jamesowi Fan, mojemu współzałożycielowi i CTO. James myślał, że byłoby skuteczniej sprzedawać wino z francuskim akcentem, a co, jeśli ktokolwiek mógłby być sprawiony, by brzmieć po francusku?

To był zalążek pomysłu, a potem nasze myślenie ewoluowało. Gdy to zbadaliśmy, znaleźliśmy bardziej palący problem, z którym borykają się klienci, rozmawiając z agentami z zagranicy, którzy mają akcenty. Klienci mieli trudności z zrozumieniem i zaufaniem. To reprezentowało większą okazję rynkową. Biorąc pod uwagę nasze doświadczenie, zdaliśmy sobie sprawę, jaki znaczący wpływ miałoby to na centra kontaktowe, pomagając im poprawić wskaźniki sprzedaży i wsparcia. Teraz nazywamy to rodzajem rozwiązania “łagodzeniem akcentu”.

James i ja wcześniej prowadziliśmy i sprzedawali startupy, w tym każdy z nas sprzedał startup firmie Google.

Zdecydowaliśmy się opuścić Google, aby założyć Tomato.ai, ponieważ po wielu latach spędzonych w Google, mieliśmy ochotę wrócić do zakładania i prowadzenia własnej firmy.

Tomato.ai rozwiązuje ważny problem w centrach kontaktowych, którym jest łagodzenie akcentów agentów. Czy mógłby Pan omówić, dlaczego filtry głosowe są preferowanym rozwiązaniem w stosunku do szkolenia agentów?

W Tomato.ai rozumiemy wagę klarownej komunikacji w centrach kontaktowych, gdzie akcenty mogą czasem tworzyć bariery. Zamiast polegać wyłącznie na tradycyjnym szkoleniu agentów, opracowaliśmy filtry głosowe, czyli to, co nazywamy “łagodzeniem akcentu”. Te filtry pomagają agentom zachować swój unikalny głos, jednocześnie redukując ich akcenty, co poprawia klarowność dla osób dzwoniących. Poprzez korzystanie z filtrów głosowych, zapewniamy lepszą komunikację i budujemy zaufanie między agentami a osobami dzwoniącymi, co sprawia, że każda interakcja staje się bardziej skuteczna i satysfakcjonująca dla klienta. W porównaniu z rozległymi programami szkoleniowymi, filtry głosowe oferują prostsze i bardziej natychmiastowe rozwiązanie problemów związanych z akcentami w centrach kontaktowych.

Gdy istniejący agenci korzystają z tych narzędzi, aby poprawić swoją wydajność, będą oni uprawnieni do żądania wyższych stawek, odzwierciedlających ich zwiększoną wartość w dostarczaniu wyjątkowych doświadczeń klienta. Równocześnie, demokratyzujący efekt sztucznej inteligencji spowoduje, że nowi agenci wejdą do branży, zwiększając pulę talentów i obniżając stawki godzinowe. To oznacza fundamentalną transformację dynamiki usług centrów kontaktowych, gdzie technologia i ludzka ekspertyza kształtują krajobraz branży, tworząc drogę ku bardziej inkluzywnemu i konkurencyjnym przyszłości.

Jakie są różne technologie machine learningu i sztucznej inteligencji, które są wykorzystywane do umożliwienia filtrowania głosu?

To rozwiązanie filtrowania głosu w czasie rzeczywistym nie byłoby możliwe kilka lat temu. Postępy w badaniach nad mową w połączeniu z nowszymi architekturami, takimi jak model transformatora i głębokie sieci neuronowe, oraz bardziej potężnymi urządzeniami AI (takimi jak TPUs od Google i GPU od NVidii), sprawiają, że możliwe jest budowanie takich rozwiązań dzisiaj. Nadal jest to bardzo trudny problem, który wymaga, aby nasz zespół wynalazł nowe techniki szkolenia modeli mowy do mowy o niskiej latencji i wysokiej jakości.

Jaki rodzaj informacji zwrotnej otrzymano od centrów kontaktowych i jak wpłynęło to na wskaźniki fluktuacji pracowników?

Mamy silne zapotrzebowanie ze strony dużych i małych centrów kontaktowych z zagranicy, aby wypróbować nasze rozwiązanie łagodzenia akcentu. Te centra kontaktowe rozpoznają, że Tomato.ai może im pomóc w ich dwóch największych problemach: (1) wskaźniki wydajności agentów z zagranicy nie są na poziomie agentów z kraju, (2) trudno znaleźć wystarczającą liczbę wykwalifikowanych agentów do zatrudnienia na rynkach zagranicznych, takich jak Indie i Filipiny.

Oczekujemy, że w najbliższych tygodniach będziemy mieli studium przypadku, które pokaże rodzaj wpływu, jaki centra kontaktowe doświadczają przy użyciu naszego rozwiązania łagodzenia akcentu. Oczekujemy, że połączenia sprzedażowe zobaczą natychmiastowy wzrost w kluczowych wskaźnikach, takich jak przychód, wskaźniki konwersji i kwalifikacji leadów. Równocześnie oczekujemy, że połączenia wsparcia zobaczą krótszy czas obsługi, mniej powtórnych połączeń i poprawioną satysfakcję klienta.

Jak wspomniano powyżej, wskaźniki fluktuacji pracowników wymagają dłuższego czasu, aby je zwalidować, więc studium przypadku z tymi ulepszeniami przyjdzie w późniejszym terminie.

Tomato.ai niedawno zebrał 10 milionów dolarów w rundzie finansowania, co to oznacza dla przyszłości firmy?

Gdy Tomato.ai przygotowuje się do swojego inauguracyjnego wydania produktu, zespół pozostaje niezachwiany w swoim zaangażowaniu w zmienianie krajobrazu globalnej komunikacji i przyszłości pracy, jedną rozmową na raz.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Tomato.ai.