Rana Gujral, CEO of Behavioral Signals – Wywiad

Rana Gujral jest CEO of Behavioral Signals, firmy mostiącej lukę w komunikacji między ludźmi i maszynami poprzez wprowadzenie inteligencji emocjonalnej, z mowy, do rozmów z AI.

Behavioral Signals to stosunkowo młoda firma założona w 2016 roku. Czy mógłbyś podzielić się historią powstania?

Podążając za pasją, aby wprowadzić przełomowe, opatentowane technologie speech-to-emotion i speech-to-behaviors na rynek, CTO, Alex Potamianos i Chief Scientist, Shri Narayanan założyli Behavioral Signals w 2016 roku. Shri jest profesorem Andrew J. Viterbi na Wydziale Inżynierii na Uniwersytecie Południowej Kalifornii (USC). Założył i kieruje Laboratorium Analizy i Interpretacji Sygnałów (SAIL) na USC. Alex jest szanowanym innowatorem w dziedzinie mowy i przetwarzania języka naturalnego, systemów interakcji głosowej i informatyki behawioralnej. Ma ponad 20 lat doświadczenia w zarządzaniu zarówno w korporacjach, jak i w przedsięwzięciach, a jego doświadczenie obejmuje pracę w AT&T Labs-Research, Bell Labs i Lucent Technologies.

Celujemy w to, aby poprawić i na zawsze zmienić świat biznesu, wierząc, że technologia jest podstawą tego, co można osiągnąć. Algorytmy Behavioral Signals analizują ludzkie emocje i zachowania, przekształcają dane w użyteczne informacje i prowadzą do lepszych decyzji biznesowych i zwiększania zysków. Do tej pory emocje ludzkie były uważane za niemożliwe do zmierzenia i niemożliwe do ilościowego określenia. Nasz silnik analityczny mierzy i interpretuje „jak” część interakcji ludzkich.

Behavioral Signals opiera się na rodzaju sztucznej inteligencji afektywnej (tzw. Emotion AI). Czy mógłbyś wyjaśnić, co to jest?

Sztuczna inteligencja emocjonalna, zwana również Emotion AI lub obliczeniami afektywnymi, jest wykorzystywana do tworzenia maszyn, które są w stanie czytać, interpretować, odpowiadać i naśladować ludzkie afekty – sposób, w jaki doświadczamy i wyrażamy emocje. Co to oznacza dla konsumentów? Oznacza to, że Twoje urządzenia, takie jak smartfon czy głośniki, będą w stanie zaoferować Ci interakcje, które będą bardziej naturalne niż kiedykolwiek wcześniej, po prostu czytając sygnały emocjonalne w Twoim głosie.

Ponieważ nasza zależność od AI rośnie, rośnie również potrzeba emocjonalnie inteligentnego AI. To jedna rzecz, aby poprosić wirtualnego asystenta o odczytanie wyników dzisiejszych meczów, ale jest to zupełnie inna sprawa, aby powierzyć opiekę nad Twoimi rodzicami botowi sterowanemu przez AI. Obecnie AI może robić niesamowite rzeczy, takie jak diagnozowanie stanów medycznych i proponowanie leczenia, ale nadal potrzebuje inteligencji emocjonalnej, aby komunikować się z pacjentami w bardziej ludzki sposób.

Jakie inne rodzaje technologii machine learning są wykorzystywane?

Gdy mówimy o machine learning, głównie wykorzystujemy głębokie uczenie i NLP w naszych modelach analitycznych Behavioral Signals Processing. Wyjaśniając to nieco lepiej, byliśmy pionierami w dziedzinie Behavioral Signal Processing, opartej na ponad dekadzie nagradzanych i opatentowanych badań, aby automatycznie wykrywać informacje zakodowane w ludzkim głosie z audio i mierzyć jakość interakcji ludzkich. Jest to nowa dyscyplina, która łączy inżynierię z naukami behawioralnymi i ma na celu ilościową i interpretacyjną analizę interakcji i komunikacji ludzkiej za pomocą innowacji inżynierskich i komputerowych. Głębokie uczenie jest narzędziem, które pomaga tworzyć lepsze modele predykcyjne.

Jaki rodzaj danych zbierasz z tonu głosu?

Nasza technologia AI oparta na głębokim uczeniu analizuje to, co i jak jest mówione, po obu stronach rozmowy, mierząc emocje i zachowania. Zakres emocji jest dość zróżnicowany, ale to, co naprawdę ma znaczenie, to agregowana inteligencja tej analizy. Aby to wyjaśnić, rozważmy rozmowę między pracownikiem banku a klientem; możemy przechwytywać i mierzyć uprzejmość, spokój (spokojny vs. pobudzony), empatię wobec klienta, reakcje klienta i ogólny styl mówienia, tak aby obliczyć wynik jakości rozmowy, skuteczność rezultatu i wydajność pracownika.

Jaki rodzaj analizy danych jest wykonywany, aby przewidzieć intencje?

Przewidywanie intencji jest bardzo podobne do tego, co już zostało wspomniane. Wykorzystujemy sygnały behawioralne w głosie, aby przewidzieć intencję klienta dotyczącą zakupu produktu, odnowienia subskrypcji lub tego, czy dłużnik spłaci dług. Przewidywanie intencji może pomóc firmom zwiększyć sprzedaż i wskaźniki ściągalności, obniżyć koszty i poprawić satysfakcję klienta.

Behavioral Signals był sześciokrotnym zwycięzcą INTERSPEECH jakości interakcji ludzkich i wyzwania paralingwistycznego. Co to jest to wyzwanie i jak znaczące jest to osiągnięcie?

Interspeech to największa konferencja techniczna skupiająca się na przetwarzaniu mowy i jej zastosowaniach. Jest to największa konferencja w tej dziedzinie, z największą liczbą uczestników i znaczną liczbą prac badawczych. Konferencja kładzie nacisk na międzydyscyplinarne podejścia, które dotykają wszystkich aspektów nauki o mowie i technologii, od podstawowych teorii po zaawansowane zastosowania. Wyzwania te są uważane za Nagrodę Turinga w dziedzinie rozpoznawania mowy i przetwarzania języka naturalnego. Wygranie tej nagrody jest ważnym uznaniem naszej pracy naukowej i unikalnej zdolności do wykrywania sygnałów z danych audio związanych z zachowaniami i cechami, które napędzają podejmowanie decyzji przez ludzi.

Jak szybko Behavioral Signals może dostosować się do różnych języków, i jak duży zbiór danych jest potrzebny?

Nasza technologia jest niezależna od języka. Słuchamy jak coś jest mówione, a nie co jest mówione. Słuchamy wyrażanych emocji, które są dość uniwersalne we wszystkich językach. Oczywiście, każdy język ma swoje unikalne cechy, które mogą wymagać dostosowania naszych algorytmów, ale różnica w naszych modelach analitycznych jest ogólnie niewielka.

Czy możesz omówić najnowsze rozwiązanie Behavioral Signals, AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) to automatyczne rozwiązanie do trasowania połączeń, które wykorzystuje Emotion AI i dane głosowe, aby dopasować klienta do najlepiej dopasowanego pracownika do obsługi danego połączenia. Jeśli wrócimy do powyższego przykładu, pracownika banku i klienta, nasza technologia może prowadzić dynamikę rozmowy z ostatecznym celem poprawy wyniku, niezależnie od tego, czy chodzi o lepsze doświadczenie klienta, zwiększoną ściągalność czy szybsze rozwiązanie. Zawsze jest jakiś katalizator, który pozwala obu stronom osiągnąć pożądany rezultat. Tym czynnikiem jest zwykle prosty i naturalnie występujący proces ludzki: powinowactwo lub współpraca rozwijana między ludźmi. Niezależnie od rodzaju komunikacji biznesowej (połączenie sprzedażowe, wsparcie, ściągalność), zawsze jest to interakcja między prawdziwymi ludźmi, gdzie rzadko jest tożsamość powinowactwa między dwiema parami ludzi. Mamy określone zachowania i cechy, które pomagają nam dogadywać się z niektórymi ludźmi lepiej niż z innymi. To dopasowanie opiera się na danych profilowych i naszych wyższych algorytmach opracowanych z lat badań i doświadczeń w dziedzinie NLP i Behavioral Signal Processing.

Niedawno wdrożyliśmy rozwiązanie AI-MC Behavioral Signals, aby zwiększyć skuteczność i efektywność centrum kontaktowego banku w UE. Studium przypadku zostało uznane przez Gartner i uwzględnione w raporcie o przyjęciu Emotion AI. Rozwiązanie wykazało znaczący zwrot z inwestycji, z 20% wzrostem aktywnych wniosków o restrukturyzację długu. Dodatkowo, ta poprawa została osiągnięta z 7,6% mniej połączeń, prowadząc do dodatkowych redukcji kosztów. W liczbach bezwzględnych te wyniki odpowiadały 300-milionowemu wzrostowi dla banku.

Czy jest coś jeszcze, co chciałbyś podzielić o Behavioral Signals?

Pomimo dumy z naszych osiągnięć badawczych, jesteśmy równie wdzięczni za uznanie branży. Jesienią 2019 roku nasza technologia została wymieniona jako lider w przypadku użycia w badaniach Gartner Maverick, które prezentują najnowocześniejsze technologie. Na początku tego roku zostaliśmy uwzględnieni w cyklu hiperu Gartner, gdzie nasza technologia została oceniona jako „przełomowa”. W zeszłym miesiącu zostaliśmy wymienieni jako Gartner Cool Vendor 2020.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Behavioral Signals.