Sergey Galchenko, Chief Technology Officer, IntelePeer – Wywiad

Co początkowo przyciągnęło Cię do dziedziny informatyki i AI?

Lubię rozwiązywać problemy, a rozwój oprogramowania pozwala to robić z bardzo szybką pętlą informacji zwrotnej. AI otwiera nową granicę przypadków użycia, które są trudne do rozwiązania przy użyciu tradycyjnego deterministycznego podejścia programistycznego, co sprawia, że jest to ekscytujące narzędzie w zestawie rozwiązań.

Jak AI zmieniło krajobraz wsparcia klienta, szczególnie w automatyzacji operacji CX (Customer Experience)?

Sztuczna inteligencja generatywna rewolucjonizuje biznes centrów kontaktowych w bezprecedensowy sposób. Połączona z rozwiązaniami, które pomagają zautomatyzować komunikację, generatywna AI oferuje nowe możliwości poprawy interakcji z klientami, zwiększenia wydajności operacyjnej i obniżenia kosztów pracy w branży, która stała się niezwykle konkurencyjna. Dzięki tym technologiom klienci mogą korzystać z wysoko personalizowanych usług i ciągłego wsparcia. Przedsiębiorstwa mogą jednocześnie skuteczniej obsługiwać połączenia, zwalczać fluktuację pracowników i wysokie wskaźniki absencji, pozwalając swoim pracownikom skupić się na zadaniach o wysokiej priorytetowości. Wreszcie, AI generatywna umożliwia przedsiębiorstwom konsolidację i podsumowanie informacji pochodzących z interakcji z klientami przy użyciu wielu źródeł danych. Korzyści z wykorzystania tych technologii w CX są oczywiste – i jest coraz więcej danych, które potwierdzają, że ten trend wpłynie na coraz więcej firm.

Czy możesz podać konkretnych przykładów, jak Gen AI IntelePeer zmniejszył nużące zadania dla agentów wsparcia klienta?

Ostatecznym celem Gen AI IntelePeer jest umożliwienie pełnej automatyzacji scenariuszy wsparcia klienta, zmniejszając w ten sposób zależność od agentów i prowadząc do obniżenia kosztów operacyjnych o nawet 75% dla klientów, którym świadczymy usługi. Nasza platforma może zautomatyzować do 90% interakcji klientów, a my już zautomatyzowaliśmy ponad pół miliarda interakcji klientów. Nasz AI generatywny może nie tylko zautomatyzować zadania ręczne, takie jak routing połączeń, planowanie spotkań i wprowadzanie danych klientów, ale może również zapewnić samousługowe doświadczenia, których klienci coraz częściej oczekują – wraz z hiperpersonalizowaną komunikacją, poprawioną dokładnością odpowiedzi i szybszymi rozwiązaniami.

Czy możesz opisać, dlaczego usługi związane z AI muszą równoważyć kreatywność z dokładnością.

Równoważenie kreatywności z dokładnością i przewidywalnością jest kluczowe w budowaniu zaufania do usług i rozwiązań opartych na AI – jednym z największych wyzwań związanych z technologiami AI dzisiaj. Przede wszystkim powinno być oczywiste, że każde rozwiązanie AI powinno dążyć do najwyższego poziomu dokładności, aby zapewnić odpowiednie dane wyjściowe dla wszystkich danych wejściowych. Ale tworzenie wielkiego doświadczenia z AI wykracza poza po prostu dostarczanie odpowiednich informacji użytkownikom końcowym; obejmuje również umożliwienie dostarczenia tych informacji w sposób, który najlepiej do nich trafi, co wymaga przyzwoitej dawki kreatywności, aby to wykonać pomyślnie. Na przykład w interakcji z obsługą klienta, rozwiązanie komunikacyjne oparte na AI powinno być w stanie automatycznie dostosować ton klienta i dostosować go w czasie rzeczywistym, dając im dokładnie to, czego potrzebują w sposób, który najlepiej do nich trafi w tym momencie. AI powinno również komunikować się w sposób naturalny, aby sprawić, że klienci będą czuli się bardziej komfortowo, ale nie tak bardzo, aby myśleli, że rozmawiają z człowiekiem, kiedy tak nie jest. Znowu, wszystko sprowadza się do budowania zaufania do AI, co ostatecznie doprowadzi do jeszcze bardziej powszechnego przyjęcia i wykorzystania tej technologii.

Jaką rolę odgrywa dane w zapewnieniu dokładności odpowiedzi AI, i jak zarządzasz danymi, aby zoptymalizować wydajność AI?

Dobre dane tworzą dobre AI. Innymi słowy, jakość danych wprowadzanych do modelu AI koreluje bezpośrednio z jakością informacji, które ten model produkuje. W obsłudze klienta dane interakcji klienta są kluczem do znalezienia luk w podróży klienta. Poprzez głębsze zanurzenie się w tych danych organizacje mogą lepiej zrozumieć intencje klientów, a następnie wykorzystać te informacje do usprawnienia i poprawy zaangażowania opartego na AI, transformując całą podróż i doświadczenie klienta. Ale organizacje muszą mieć odpowiednią architekturę danych, aby przetwarzać i wyodrębniać informacje z ogromnych ilości danych związanych z rozwiązaniami AI.

Rozwiązanie AI IntelePeer wykorzystuje treść i kontekst interakcji, aby określić najlepszy przebieg działań na każdym etapie. Podczas interakcji, jeśli klient zadaje pytanie, które wymaga odpowiedzi specyficznej dla procesu biznesowego, przepisów lub polityk, workflow AI automatycznie wykorzystuje bazę wiedzy, która obejmuje dane biznesowe, takie jak dokumenty FAQ, materiały szkoleniowe agentów, dane ze strony internetowej, politykę i inne informacje biznesowe, aby odpowiedzieć odpowiednio. Podobnie, jeśli pytanie lub prośba wymaga bezpośredniej odpowiedzi, workflow AI eskaluje zapytanie do agenta, jeśli jest to wymagane. Pozostałą interakcję można automatycznie dodać do par Q&A, aby poprawić odpowiedzi w kolejnych interakcjach z klientem lub przekazać do organu nadzorującego do zatwierdzenia przed włączeniem.

Jak widzisz ewolucję roli agentów pierwszej linii wraz ze wzrostem znaczenia AI w obsłudze klienta?

W IntelePeer wyobrażamy sobie drastyczne zmniejszenie zależności od agentów pierwszej linii z powodu ewolucji technologii AI. Z ogromnymi postępami w AI-driven call containment, które ciągle poprawiają się pod względem jakości i wzrastają pod względem objętości, organizacje są dziś w stanie zautomatyzować do 90% swoich interakcji z klientami. Pozwala to zoptymalizować obsadę agentów pierwszej linii i zaoszczędzić znacznie na kosztach operacyjnych, jednocześnie zapewniając lepsze doświadczenia dla klientów, którym służą.

Pomimo automatyzacji, które role CX uważasz za krytyczne, pomimo postępu AI?

Chociaż AI zmniejszy liczbę agentów pierwszej linii potrzebnych w rolach obsługi klienta, element ludzki zawsze będzie potrzebny w operacjach CX. Na przykład, modele komunikacyjne oparte na AI muszą być szkolone, konfigurowane i zarządzane z nadzorem ludzkim, aby zapewnić dokładność i wyeliminowanie wszelkich uprzedzeń. Dotyk ludzki jest również potrzebny do wyrównania zautomatyzowanych komunikacji klienta z przesłaniem i osobowością organizacji lub marki, co przyczynia się do komfortu klienta i pomaga budować zaufanie do technologii. Te bardziej techniczne, zorientowane na AI role zastąpią typowe role pierwszej linii w nadchodzących latach.

Halucynacje AI są problemem w utrzymaniu dokładnych interakcji z klientami. Jakie specjalne zabezpieczenia wdrożył IntelePeer, aby zapobiec AI tworzeniu faktów?

 Przedsiębiorstwa muszą wdrożyć generatywny AI dzisiaj, aby pozostać istotne w trwającej rewolucji, unikając jednocześnie pośpiesznego i katastrofalnego wdrożenia. Aby to zrobić odpowiedzialnie, firmy muszą zacząć od wdrożenia wzorca Retrieval Augmented Generation (RAG), aby pomóc ich gen AI w interakcji z analizą dużych zbiorów danych przedsiębiorstw. Dla zautomatyzowanych interakcji z klientami, marki muszą utworzyć pętlę informacji zwrotnej od ludzi, aby analizować poprzednie interakcje i poprawiać jakość tych zbiorów danych używanych do dostrajania i augmentacji. Ponadto, aby wyeliminować halucynacje AI, organizacje powinny być skupione na:

• wdrożeniu zabezpieczeń poprzez analizę danych interakcji klienta i rozwinięcie kompleksowych, dynamicznych baz wiedzy;
• inwestowaniu w ciągłe monitorowanie i aktualizowanie tych systemów, aby dostosować się do nowych zapytań i utrzymać dokładność; oraz
• szkoleniu personelu w rozpoznawaniu i zarządzaniu nieoznakowanymi permutacjami, co zapewnia płynne eskalację i procesy rozwiązywania.

Jak zapewniasz, że duże modele językowe (LLM) interpretują kontekst poprawnie i zapewniają niezawodne odpowiedzi?

 Nieprzemyślane wdrożenie gen AI może skutkować problemami z jakością danych wyjściowych, halucynacjami, naruszeniami praw autorskich i zbiasowanymi algorytmami. Dlatego przedsiębiorstwa muszą mieć zabezpieczenia odpowiedzi podczas stosowania gen AI w środowisku wsparcia klienta. IntelePeer wykorzystuje retrieval augmented generation (RAG), który dostarcza dane kontekstowe do LLM, aby uzyskać odpowiedzi oparte na zestawie danych dostarczonym przez klienta. Na całym etapie, od momentu przygotowania danych aż do momentu, gdy LLM wysyła odpowiedź do klienta, niezbędne zabezpieczenia uniemożliwiają ujawnienie jakichkolwiek wrażliwych informacji. RAG IntelePeer zaczyna się, gdy klient zadaje pytanie botowi AI. Bot wykonuje wyszukiwanie pytania w bazie wiedzy. Jeśli nie może znaleźć odpowiedzi, przenosi ją do agenta i zapisuje pytanie do bazy Q&A. Później człowiek przejrzy to nowe pytanie, zaimportuje zestaw danych i zapisze odpowiedź do bazy wiedzy. Ostatecznie, żadne pytanie nie pozostaje bez odpowiedzi. Z procesem RAG na miejscu, przedsiębiorstwa mogą utrzymać kontrolę nad zestawami odpowiedzi na automatyzację interakcji.

Spójrzając w przyszłość, jakie trendy przewidujesz w roli AI w doświadczeniu klienta?

W IntelePeer głęboko wierzymy, że generatywna AI jest potężnym narzędziem, które pozytywnie uzupełni ludzkie możliwości komunikacyjne, odblokowując nowe możliwości i pokonując długotrwałe bariery. AI będzie nadal poprawiać komunikację z obsługą klienta, ułatwiając interakcje z obsługą klienta, oferując pomoc przez całą dobę i zapewniając możliwości mostkowania językowego. Ponadto, wirtualni asystenci szkoleni na dużych modelach językowych (LLM) będą mogli czerpać z milionów ludzkich rozmów, aby szybko wykryć emocje i dostosować ton, nastawienie i wybór słów. Będzie coraz więcej dowodów na to, że przedsiębiorstwa, które z powodzeniem wykorzystują AI do wzmocnienia ludzkich połączeń, doświadczają znacznego zwrotu z inwestycji i poprawy wydajności oraz produktywności.

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