Rebecca Greene, CTO e Co-fundadora da Regal – Série de Entrevistas

Rebecca Greene, CTO e Co-fundadora da Regal, é uma executiva de tecnologia, líder de produto e investidora com experiência extensa em construir negócios digitais focados no cliente. Antes de co-fundar a Regal em 2020, ela atuou como Diretora de Produto da Handy, onde liderou as equipes de produto, design e dados e apoiou a integração da empresa com a ANGI Homeservices após a aquisição. No início de sua carreira, Greene trabalhou em gerenciamento de produto na Amazon (AMZN ) e ocupou funções de estratégia, consultoria e serviços financeiros na Booz & Company, First Manhattan Consulting Group e Bear Stearns. Ela também é sócia da Blue Trail Partners, onde apoia fundadores na construção de empresas de alto impacto.

Regal é uma plataforma de voz AI de empresa que permite que centros de contato construam, implantem, melhorem e gerenciem agentes autônomos de IA para vendas, suporte ao cliente e fluxos de trabalho operacionais. Sua plataforma combina tecnologia de voz, prompting avançado e dados de cliente em tempo real para entregar conversas personalizadas de entrada e saída, integrando-se com sistemas de gerenciamento de relacionamento com o cliente, centro de contato, telefonia e banco de dados existentes. Fundada em 2020, a empresa é projetada para ajudar as empresas a automatizar as interações com os clientes sem substituir sua infraestrutura de tecnologia existente.

Você ajudou a escalar a Handy de uma startup em estágio inicial para um negócio que eventualmente se tornou parte da ANGI, dando-lhe experiência em primeira mão em construir produtos por meio de um crescimento hiper. Quais lições dessa jornada a convenceram a co-fundar a Regal, e qual problema de experiência do cliente você sentiu que simplesmente não podia ser resolvido com a tecnologia de centro de contato existente?

Enquanto estávamos na ANGI, meu co-fundador, Alex, e eu estávamos executando um centro de serviço de contato de 3.000 pessoas que lidava com quase 100 milhões de interações de cliente por ano. No início, meu objetivo era fazer com que os clientes nos ligassem o menos possível, porque todos na tecnologia estavam dizendo “a voz está morta”, então jogamos nessa mentalidade anti-telefone. FAQs, chatbots, escondendo o número de telefone no site. Fizemos tudo o que pudemos para empurrar os clientes em direção ao autoatendimento.

Mas os clientes continuaram ligando. As pessoas realmente querem ligar quando algo é importante, urgente ou muito complicado para explicar em uma caixa de texto. Foi quando começamos a olhar mais profundamente para a voz como um canal de saída, à medida que os dados começaram a mostrar que era incrivelmente eficaz. Se você quiser que um cliente atualize um cartão de crédito ou o lembre de uma consulta, o e-mail obtém talvez uma taxa de clique de 2%. Com ligações telefônicas, podemos obter 20 a 30% das pessoas para atender. Isso é 10 vezes melhor.

O problema era que nenhuma tecnologia de centro de contato existente permitia que as empresas atendessem a essa demanda de forma acessível. As ligações de voz custam aproximadamente $10 cada para serem atendidas por um funcionário, então a maioria das empresas era incentivada a evitá-las, mesmo quando os clientes as desejavam. A lacuna entre a alta demanda por voz, com nenhuma forma econômica de entregá-la bem, é o que convenceu meu co-fundador e eu a iniciar a Regal em 2020.

A Regal agora lidou com centenas de milhões de interações de cliente impulsionadas por IA em organizações de empresa. Quais foram os maiores desafios técnicos em tornar a IA de voz confiável o suficiente para produção em escala empresarial, e quais avanços tornaram a adoção generalizada possível?

A Regal recentemente ultrapassou 500 milhões de chamadas tratadas por IA, o que é cerca de 408 anos de conversa. Agora temos 100+ vozes de IA, 33 idiomas e 26 LLMs, e geramos $9 bilhões de receita para nossos clientes.

Para nós e nossos clientes, o maior desafio foi garantir que os agentes tivessem o contexto correto sempre que falassem com um cliente e dessem conselhos precisos. Trabalhamos com empresas em algumas das indústrias mais altamente regulamentadas, como saúde e seguros, onde é imperativo que a IA entenda o que pode e não pode dizer. Então, tratamos nossa IA como funcionários: você precisa treiná-la, supervisioná-la e avaliar seu desempenho constantemente.

O verdadeiro desbloqueio foi a chegada de LLMs com raciocínio e geração de linguagem genuínos, o que tornou possível a automação de chamadas complexas e de várias voltas pela primeira vez.

Muitas pessoas ainda associam agentes de voz de IA a sistemas de IVR frustrantes ou chatbots robóticos. O que mudou fundamentalmente nos últimos anos para permitir que os agentes de voz modernos forneçam conversas muito mais naturais?

Os agentes de voz de IA são completamente diferentes dos sistemas de IVR do passado. Qualquer um que ainda esteja usando um IVR é muito limitado, pois eles são determinísticos. Hoje, os agentes realmente raciocinam por meio de uma conversa do jeito que uma pessoa faria, usando LLMs para geração de linguagem e alimentados por contexto e dados de 500 milhões de conversas anteriores. Combinado com melhor qualidade de voz, tempo de resposta de latência aprimorado e lógica de conversa mais natural, a maioria dos clientes de nossos clientes hoje realmente não consegue dizer que está falando com uma IA, ou não se importa, desde que produza a saída necessária.

Como CTO, como você equilibra os avanços rápidos nos modelos de base com a necessidade de estabilidade, segurança e comportamento previsível para clientes de empresa?

Isso é a tensão central que eu gerencio como CTO: os modelos de base se movem incrivelmente rápido, mas nossos clientes de empresa em indústrias regulamentadas precisam de previsibilidade, segurança e comportamento consistente.

Não somos um provedor de modelos nós mesmos; fornecemos uma aplicação para construir agentes de IA, e nos sentamos ao lado de outros softwares de centro de contato. Essa separação nos permite fazer melhorias sem desestabilizar os guardrails, integrações e controles de conformidade de que nossos clientes dependem. É também por isso que nos concentramos em permitir que qualquer equipe construa agentes de IA que lidem com fluxos de trabalho complexos em semanas, e não meses. Recentemente, lançamos um produto chamado Copilot, que com uma conversa pode construir um rascunho de trabalho de um agente de voz para equipes com a lógica de negócios, marca e segurança específicas da empresa já incorporadas.

A plataforma da Regal conecta agentes de IA com contexto de cliente e fluxos de trabalho de negócios, em vez de simplesmente responder a perguntas. Por que o acesso a dados de cliente e sistemas de negócios está se tornando tão importante quanto os avanços nos modelos de linguagem em si?

Por si só, um modelo de linguagem pode manter uma conversa, mas não pode realmente fazer nada para o seu cliente. No momento em que você pede que ele verifique um pedido, aplique um desconto, escale um caso ou atualize um registro, o agente de IA precisa estar conectado aos mesmos sistemas que os agentes humanos usam – como seus sistemas de CRM e faturamento.

À medida que os próprios modelos melhoram em qualidade, o acesso a dados de cliente e sistemas de negócios reais é o que realmente separa uma experiência de IA manipulada de uma frustrante.

Sua plataforma atende a organizações em indústrias como saúde, seguros, educação e serviços financeiros. O que esses setores altamente regulamentados ensinaram sobre a implantação responsável de IA enquanto mantém a confiança do cliente?

Nós nos concentramos intencionalmente em indústrias altamente regulamentadas e de alta complexidade, em vez de casos de uso de baixo risco, em parte devido ao meu próprio histórico de liderança de produto, design e dados, e trabalhando com centros de contato de empresa.

A confiança e a conformidade realmente importam nesses casos. A implantação responsável de IA é sobre garantir que os agentes tenham guardrails confiáveis, contexto de nível de conta preciso e um caminho claro para um ser humano quando algo cai fora de seu escopo. A confiança em indústrias regulamentadas não vem de que a IA seja perfeita, mas de que seja previsível e corrigível.

Muitas pessoas supõem que a IA substituirá os agentes humanos de centro de contato. Como você vê a relação evoluindo entre os funcionários humanos e os agentes de IA nos próximos cinco anos, e quais responsabilidades sempre devem permanecer lideradas por humanos?

A IA não vai tirar o emprego de todos, mas vai evoluir o que o emprego parece.

O papel humano mais importante nos próximos anos não é o agente de centro de contato tradicional – é um papel completamente novo. Meu co-fundador e eu o estamos chamando de Engenheiro de CX: alguém que gerencia e supervisiona os agentes de IA em si, trabalhando de trás para frente a partir da jornada do cliente, em vez de se sentar em chamadas individuais. Você já pode ver essa mudança acontecendo mais amplamente, com a AWS colocando $1 bilhão em uma unidade de Engenharia de Implantação Avançada para ajudar os clientes a construir com IA, um papel que não existia realmente há um ano.

Podemos esperar uma mudança semelhante em CX: à medida que os agentes de IA lidam com mais volume, as pessoas que orquestram, gerenciam e verificam a qualidade desses agentes acabam sendo contratações essenciais.

A IA de voz melhorou dramaticamente, mas os clientes estão se tornando cada vez mais conscientes de que estão falando com uma IA. Qual é o papel da transparência e da divulgação na construção de confiança a longo prazo, e as empresas sempre devem dizer aos clientes que estão interagindo com um agente de IA?

Os clientes sempre podem pedir um ser humano, e construímos isso em cada implantação. O que estamos vendo na prática é que a maioria das pessoas não consegue dizer que está falando com uma IA ou não se importa, desde que a interação em si importe mais para elas do que quem está do outro lado.

Há também um motivo estrutural para que isso não seja discutido mais: algumas empresas já estão executando a vasta maioria de suas interações de cliente em IA, mas não estão divulgando isso ainda. Acho que a transparência importa mais no momento em que o cliente pede, mas não é necessária como um requisito em branco para cada interação.

Com a IA agora capaz de lidar com conversas cada vez mais complexas, quais métricas as organizações devem se concentrar além da simples redução de custos ao avaliar se uma implantação de IA realmente melhorou a experiência do cliente?

Internamente, as organizações devem prestar atenção a quanto sua própria equipe está realmente usando a IA dia a dia, e tratar o uso pesado como um sinal geralmente bom. Mas a métrica maior que as empresas devem considerar é a receita por funcionário. Se a IA estiver realmente funcionando, esse número deve estar aumentando, e é isso que financia o crescimento e margens melhores. A IA não substitui as pessoas, mas as pessoas que a usam bem acabam fazendo muito mais enquanto retêm a mesma equipe. Eles podem atender mais clientes, fechar mais negócios e construir mais quando a receita por funcionário é a métrica que você está medindo.

Olhando para frente, quais tecnologias emergentes ou capacidades você acredita que definirão a próxima geração de agentes de IA de empresa, e quais desenvolvimentos você está pessoalmente mais animado para ajudar a trazer ao mercado nos próximos anos?

Hoje, a voz já é 60-70% das interações de cliente, com o restante dividido entre chat, e-mail e texto. À medida que a IA torna as interações de voz de mais alta qualidade e mais capazes, espero que a voz se torne o canal dominante e eventualmente atinja 95% de todas as interações de cliente.

O que vai definir a próxima geração de agentes de IA de empresa é como proativos e engajados eles são quando se trata de interações de cliente. A novidade da IA na experiência do cliente está desgastando, e todos sabem que está se tornando cada vez mais capaz, mas estou animado para empurrar seus limites e fazer com que execute casos de uso ainda mais complexos.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Regal.