Ashish Nagar, CEO e Fundador da Level AI – Série de Entrevistas

Ashish Nagar é o CEO e fundador da Level AI, trazendo sua experiência na Amazon (AMZN ) na equipe do Alexa para usar inteligência artificial para transformar as operações de centro de contato. Com uma forte formação em tecnologia e empreendedorismo, Ashish tem sido fundamental para impulsionar a missão da empresa de melhorar a eficiência e eficácia das interações de serviço ao cliente por meio de soluções de IA avançadas. Sob sua liderança, a Level AI se tornou um jogador-chave no espaço de centro de contato impulsionado por IA, conhecida por seus produtos de ponta e implementação superior de inteligência artificial.

O que o inspirou a deixar a Amazon e criar a Level AI? Pode compartilhar os pontos específicos de dor no serviço ao cliente que você visou resolver com sua tecnologia?

Minha formação é em construir produtos na interseção de tecnologia e negócios. Embora eu tenha um diploma de graduação em Física Aplicada, meu trabalho tem se concentrado consistentemente em funções de produto e configurar, lançar e construir novos negócios. Minha paixão por tecnologia e negócios me levou à IA.

Eu comecei a trabalhar com IA em 2014, quando estávamos construindo uma empresa de busca móvel de próxima geração chamada Rel C, que era semelhante ao que a Perplexity AI é hoje. Essa experiência acendeu minha jornada em software de IA, e eventualmente, essa empresa foi adquirida pela Amazon. Na Amazon, eu era um líder de produto na equipe do Alexa, buscando continuamente oportunidades para lidar com problemas de IA mais complexos.

No meu último ano na Amazon, em 2018, eu trabalhei em um projeto que chamamos de “computador Star Trek”, inspirado na famosa franquia de ficção científica. O objetivo era desenvolver um computador que pudesse entender e responder a qualquer pergunta que você fizesse a ele. Esse projeto se tornou conhecido como o Prêmio Alexa, visando permitir que qualquer pessoa tivesse uma conversa de 20 minutos com o Alexa sobre qualquer tópico social. Eu liderava uma equipe de cerca de 10 cientistas, e lançamos isso como um desafio de IA em todo o mundo. Eu trabalhei em estreita colaboração com mentes líderes de instituições como MIT, CMU, Stanford e Oxford. Uma coisa ficou clara: naquela época, ninguém podia resolver completamente o problema.

Mesmo assim, eu podia sentir uma onda de inovação vindo que tornaria isso possível. Avançando para 2024, e tecnologias como o ChatGPT estão agora fazendo muito do que imaginamos. Houve avanços rápidos no processamento de linguagem natural com empresas como Amazon, Google (GOOGL ), OpenAI e Microsoft (MSFT ) construindo grandes modelos e a infraestrutura subjacente. Mas elas não estavam necessariamente lidando com fluxos de trabalho de ponta a ponta. Nós reconhecemos essa lacuna e quisemos abordá-la.

Nosso primeiro produto não era uma solução de serviço ao cliente; era um assistente de voz para trabalhadores de linha de frente, como técnicos e funcionários de loja de varejo. Nós arrecadamos 2 milhões de dólares em financiamento de semente e mostramos o produto a clientes potenciais. Eles solicitaram esmagadoramente que adaptássemos a tecnologia para centros de contato, onde já tinham voz e fluxos de dados, mas careciam da arquitetura de IA generativa moderna. Isso nos levou a perceber que as empresas existentes nesse espaço estavam presas no passado, lutando com o clássico dilema do inovador de whether derrubar seus sistemas legados ou construir algo novo. Nós começamos do zero e construímos a primeira plataforma de inteligência de experiência do cliente e automação de serviço nativa de grande modelo de linguagem (LLM).

Meu profundo interesse nas complexidades da linguagem humana e quão desafiador é resolver esses problemas de uma perspectiva de engenharia de computador desempenhou um papel significativo em nossa abordagem. A capacidade da IA de entender a fala humana é crucial, particularmente para a indústria de centro de contato. Por exemplo, usar o Siri frequentemente revela quão difícil é para a IA entender a intenção e o contexto na linguagem humana. Mesmo perguntas simples podem confundir a IA, que luta para interpretar o que você está perguntando.

A IA luta para entender a intenção, manter o contexto ao longo de conversas longas e possuir conhecimento relevante do mundo. Até o ChatGPT tem limitações nesses aspectos. Por exemplo, ele pode não saber as últimas notícias ou entender tópicos que mudam dentro de uma conversa. Esses desafios são diretamente relevantes para o serviço ao cliente, onde as conversas frequentemente envolvem vários tópicos e exigem que a IA entenda conhecimento específico de domínio. Nós estamos abordando esses desafios em nossa plataforma, que é projetada para lidar com as complexidades da linguagem humana em um ambiente de serviço ao cliente.

A tecnologia de NLU da Level AI vai além da correspondência básica de palavras-chave. Pode explicar como sua IA entende a intenção do cliente mais profundamente e quais são os benefícios disso para o serviço ao cliente? Como a Level AI garante a precisão e confiabilidade de seus sistemas de IA, especialmente na compreensão de interações de clientes nuances?

Nós temos seis ou sete pipelines de IA diferentes personalizados para tarefas específicas, dependendo do trabalho em questão. Por exemplo, um fluxo de trabalho pode envolver identificar os drivers de chamada e entender os problemas que os clientes têm com um produto ou serviço, o que chamamos de “voz do cliente”. Outro pode ser a pontuação automática de cartões de qualidade para avaliar o desempenho do agente. Cada fluxo de trabalho ou serviço tem seu próprio pipeline de IA, mas a tecnologia subjacente permanece a mesma.

Para fazer uma analogia, a tecnologia que usamos é baseada em LLMs semelhantes à tecnologia por trás das ferramentas de IA generativa como o ChatGPT. No entanto, usamos LLMs específicos do serviço ao cliente que treinamos internamente para esses fluxos de trabalho especializados. Isso nos permite alcançar mais de 85% de precisão dentro de apenas alguns dias após a integração de novos clientes, resultando em um tempo mais rápido para obter valor, serviços profissionais mínimos e precisão, segurança e confiança inigualáveis.

Nossos modelos têm uma expertise profunda e específica em serviço ao cliente. O antigo paradigma envolvia analisar conversas capturando palavras-chave ou frases como “cancelar minha conta” ou “estou insatisfeito”. Mas nossa solução não depende de capturar todas as variações possíveis de frases. Em vez disso, aplica a IA para entender a intenção por trás da pergunta, tornando-a muito mais rápida e eficiente.

Por exemplo, se alguém diz “Quero cancelar minha conta”, há inúmeras maneiras pelas quais eles podem expressar isso, como “Estou cansado de vocês” ou “Estou mudando para outra empresa”. Nossa IA entende a intenção da pergunta e a liga ao contexto, o que é por que nosso software é mais rápido e preciso.

Uma analogia útil é que a velha IA era como um livro de regras – você construiria esses livros de regras rígidos, com declarações if-then-else, que eram inflexíveis e constantemente precisavam de manutenção. A nova IA, por outro lado, é como um cérebro dinâmico ou um sistema de aprendizado. Com apenas alguns ponteiros, ele aprende dinamicamente o contexto e a intenção, melhorando continuamente em tempo real. Um livro de regras tem um escopo limitado e quebra facilmente quando algo não se encaixa nas regras pré-definidas, enquanto um sistema de aprendizado dinâmico continua expandindo, crescendo e tem um impacto muito maior.

Um excelente exemplo de um cliente é uma grande marca de comércio eletrônico. Eles têm milhares de produtos, e é impossível manter-se atualizado com atualizações constantes. Nossa IA, no entanto, pode entender o contexto, como se você estiver falando sobre um sofá específico, sem precisar atualizar constantemente um cartão de pontuação ou rubrica com cada novo produto.

Quais são os principais desafios na integração da tecnologia da Level AI com os sistemas de serviço ao cliente existentes, e como você os aborda?

A Level AI é uma plataforma de inteligência de experiência do cliente e automação de serviço. Como tal, integramos com a maioria do software de CX da indústria, seja um CRM, CCaaS, solução de pesquisa ou ferramenta. Isso nos torna o hub central, coletando dados de todas essas fontes e servindo como a camada de inteligência em cima.

No entanto, o desafio é que alguns desses sistemas são baseados em tecnologia não em nuvem, on-premise, ou até mesmo tecnologia em nuvem que carece de APIs ou integrações de dados limpas. Trabalhamos em estreita colaboração com nossos clientes para abordar isso, embora 80% de nossas integrações sejam agora baseadas em nuvem ou API-nativas, permitindo que integremos rapidamente.

Como a Level AI fornece inteligência em tempo real e insights ação para agentes de serviço ao cliente? Pode compartilhar alguns exemplos de como isso melhorou as interações de clientes?

Existem três tipos de inteligência em tempo real e insights ação que fornecemos a nossos clientes:

1. Automação de Fluxos de Trabalho Manuais: Representantes de serviço frequentemente têm tempo limitado (6 a 9 minutos) e múltiplas tarefas manuais. A Level AI automatiza tarefas tediosas como anotações durante e após conversas, gerando resumos personalizados para cada cliente. Isso economizou 10 a 25% do tempo de tratamento de chamadas para nossos clientes, levando a mais eficiência.
2. CX Copilot para Representantes de Serviço: Representantes de serviço enfrentam altas taxas de rotatividade e desafios de integração. Imagine ser colocado em um centro de contato sem conhecer as políticas da empresa. A Level AI atua como um especialista em IA sentado ao lado do representante, ouvindo conversas e oferecendo orientação em tempo real. Isso inclui lidar com objeções, fornecer conhecimento e oferecer transcrição inteligente. Essa capacidade ajudou nossos clientes a integrar e treinar representantes de serviço 30 a 50% mais rápido.
3. Manager Copilot: Essa funcionalidade única fornece aos gerentes visibilidade em tempo real de como sua equipe está se saindo. A Level AI fornece insights de segundo a segundo em conversas, permitindo que os gerentes intervenham, detectem sentimento e intenção e apoiem os representantes em tempo real. Isso melhorou a produtividade do agente em 10 a 15% e aumentou a satisfação do agente, o que é crucial para reduzir custos. Por exemplo, se um cliente começa a xingar um representante, o sistema sinaliza e o gerente pode tomar a chamada ou sussurrar orientação ao representante. Esse tipo de intervenção em tempo real seria impossível sem essa tecnologia.

Pode elaborar sobre como a análise de sentimento da Level AI funciona e como ajuda os agentes a responder mais efetivamente aos clientes?

Nossa análise de sentimento detecta sete emoções diferentes, variando de frustração extrema a euforia, permitindo-nos medir graus variados de emoções que contribuem para nossa pontuação de sentimento geral. Essa análise considera tanto as palavras faladas quanto a entonação da conversa. No entanto, descobrimos por meio de nossos experimentos que as palavras faladas desempenham um papel muito mais significativo do que o tom. Você pode dizer as coisas mais cruéis em um tom plano ou coisas muito agradáveis em um tom estranho.

Fornecemos uma pontuação de sentimento em uma escala de 1 a 10, com 1 indicando sentimento muito negativo e 10 indicando sentimento altamente positivo. Analisamos 100% das conversas de nossos clientes, oferecendo uma visão profunda em interações de clientes.

A compreensão contextual também é crucial. Por exemplo, se uma chamada começa com sentimento muito negativo, mas termina positivamente, mesmo que 80% da chamada tenha sido negativa, a interação geral é considerada positiva. Isso ocorre porque o cliente começou insatisfeito, o agente resolveu o problema e o cliente saiu satisfeito. Por outro lado, se a chamada começa positivamente, mas termina negativamente, é uma história diferente, apesar de 80% da chamada poder ter sido positiva.

Essa análise ajuda tanto o representante quanto o gerente a identificar áreas para treinamento, focando em ações que se correlacionam com sentimento positivo, como cumprimentar o cliente, reconhecer suas preocupações e mostrar empatia – elementos cruciais para interações bem-sucedidas.

Como a Level AI aborda preocupações de privacidade e segurança de dados, especialmente considerando a natureza sensível das interações de clientes?

Desde o primeiro dia, priorizamos a segurança e a privacidade. Construímos nosso sistema com segurança e privacidade de nível empresarial como princípios fundamentais. Não terceirizamos nenhuma de nossas capacidades de IA generativa para fornecedores terceirizados. Tudo é desenvolvido internamente, permitindo-nos treinar modelos de IA específicos do cliente sem compartilhar dados fora de nosso ambiente. Também oferecemos personalização extensiva, permitindo que os clientes tenham seus próprios modelos de IA sem compartilhar dados entre diferentes partes de nosso pipeline de dados.

Para abordar uma preocupação atual da indústria, nossos dados não são usados por modelos externos para treinamento. Não permitimos que nossos modelos sejam influenciados por dados de IA gerados por outras fontes. Essa abordagem evita os problemas que alguns modelos de IA estão enfrentando, onde ser treinado em dados de IA gerados por outras fontes os torna menos precisos. Na Level AI, tudo é de primeira parte, e não compartilhamos ou extraímos dados externamente.

Com o recente financiamento de 39,4 milhões de dólares da Série C, quais são seus planos para expandir a plataforma da Level AI e atingir novos segmentos de clientes?

O investimento da Série C impulsionará nossas iniciativas de crescimento estratégico e inovação em áreas críticas, incluindo o desenvolvimento de produtos, melhorias de engenharia e esforços rigorosos de pesquisa e desenvolvimento. Visamos recrutar talentos de alto nível em todos os níveis da organização, permitindo-nos continuar inovando tecnologias líderes da indústria que superam as expectativas dos clientes e atendem às demandas dinâmicas do mercado.

Como você vê o papel da IA na transformação do serviço ao cliente nas próximas décadas?

Enquanto o foco geral é frequentemente no aspecto de automação – prevendo um futuro onde os bots lidam com todo o serviço ao cliente – nossa visão é mais matizada. A extensão da automação varia por vertical. Por exemplo, em bancos ou finanças, a automação pode ser menor, enquanto em outros setores, pode ser maior. Em média, acreditamos que alcançar mais de 40% de automação em todos os verticais é desafiador. Isso ocorre porque os representantes de serviço fazem mais do que apenas responder a perguntas – eles atuam como solucionadores de problemas, consultores de vendas e mais, papéis que não podem ser completamente replicados pela IA.

Há também um grande potencial na automação de fluxos de trabalho, que a Level AI se concentra. Isso inclui tarefas de back-office como garantia de qualidade, triagem de tickets e monitoramento de tela. Aqui, a automação pode exceder 80% usando IA generativa. A inteligência e as informações de dados são cruciais. Somos únicos ao usar IA generativa para obter insights de dados não estruturados. Essa abordagem pode melhorar significativamente a qualidade dos insights, reduzindo a necessidade de serviços profissionais em 90% e acelerando o tempo para obter valor em 90%.

Outra consideração importante é se o rosto da sua organização deve ser um bot ou uma pessoa. Além das funções básicas que eles realizam, uma conexão humana com seus clientes é crucial. Nossa abordagem é remover as tarefas excessivas da carga de trabalho de uma pessoa, permitindo que eles se concentrem em interações significativas.

Acreditamos que os humanos são mais adequados para a comunicação direta e devem continuar nesse papel. No entanto, eles não são ideais para tarefas como anotações, transcrição de interações ou gravação de tela. Ao lidar com essas tarefas para eles, liberamos seu tempo para se engajar com os clientes de forma mais eficaz.

Obrigado pela ótima entrevista, leitores que desejam aprender mais devem visitar Level AI.