Dan O’Connell, Chief Strategy Officer la Dialpad – Seria de interviuri

Dan este Chief Revenue Officer la Dialpad. Anterior, el a fost CEO al TalkIQ, o companie de recunoaștere a vorbirii și procesare a limbajului natural în timp real, pe care Dialpad a achiziționat-o în mai 2018. Înainte de TalkIQ, el a ocupat diverse poziții de conducere în vânzări la AdRoll și Google (GOOGL ).

Dialpad este o platformă de comunicare cloud bazată pe inteligență artificială care face mai ușor și mai eficient să te conectezi și să colaborezi cu echipa ta

Ați fost anterior CEO al TalkIQ, o companie de recunoaștere a vorbirii și procesare a limbajului natural în timp real, pe care Dialpad a achiziționat-o în mai 2018. Ce a fost secretul din spatele acestui startup care i-a permis să fie atât de de succes în tehnologia de recunoaștere a vorbirii?

A fost o combinație de mai multe lucruri: momentul potrivit, oamenii și focalizarea. Tehnologia de recunoaștere automată a vorbirii (ASR) nu este nouă, a existat de decenii — mult mai mult decât oamenii cred. În acest timp (și, mai ales, în ultimii cinci ani), tehnologia ASR a beneficiat de creșterea puterii de calcul, a cloud-ului, a disponibilității seturilor de date și a adoptării masive a difuzoarelor inteligente pe piața de consum. Toate aceste lucruri au condus la creșterea acurateței transcrierilor.

Pe lângă aceste tendințe, am avut norocul de a combina specialiști (cum ar fi lingviști) cu “hackeri”. Și când spun “hackeri”, mă refer la ingineri care pot să scoată produse pe piață rapid — ei conduc inovația și rezolvă problemele rapid. Și, deși soluțiile lor nu sunt întotdeauna cele mai elegante, ele sunt de obicei cele mai rapide și ne permit să fim văzuți ca inovatori pe muchia tehnologiei — ceea ce devine ceva pe care îl poți valorifica din punct de vedere al marketingului și vânzărilor. Această poveste se desfășoară bine atunci când construiești un startup și încerci să strângi bani.

Am avut experți în domeniu, tendințe naturale pe piață, un ocean albastru imens atunci când vine vorba de aplicarea tehnologiei în întreprinderi și o echipă cu o experiență dovedită în aducerea de tehnologie inovatoare pe piață cu mișcări de piață reproduse.

În cele din urmă, am abordat problema într-un mod diferit. Motoarele de transcriere tradiționale funcționau ca înregistrări pe bandă. Înregistrați un apel; salvați fișierul audio; treceți-l prin motorul de transcriere; și, la un moment dat, primiți rezultatul. Inițial, un apel de 30 de minute necesita 30 de minute pentru a fi transcris, așa că vorbim despre întârzieri reale la scară.

Am vrut să rezolvăm această problemă și să construim un motor de transcriere în timp real care nu are nevoie de un fișier audio. Acest lucru poate părea un pic nou în prezent, dar, cu ani în urmă, nu exista niciun motor de transcriere în timp real care să poată gestiona audio de lungă durată în timp real de 8 kHz (care este modul meu de a spune calitate slabă a sunetului, adică nu de calitate stereo — 44 kHz). Nu am vrut să construim un aparat de înregistrat.

Am vrut să construim un motor în timp real pentru a înțelege și analiza conversațiile. Dacă am fi putut face asta, atunci oportunitățile ar fi fost nelimitate, deoarece puteam începe să automatizăm fluxurile de lucru și să facem tot felul de lucruri cool care nu fuseseră făcute înainte. Și mulțumiri lui Jim Palmer, Etienne Manderscheid, Kevin James, Noah Gaspar și altor persoane pentru faptul că au fost primii care au construit acest tip de motor în timp real.

Puteti discuta despre perioada de tranziție după ce Dialpad a achiziționat TalkIQ în mai 2018?

Faza de achiziție a fost de fapt foarte lină. Dialpad era un partener al TalkIQ, iar echipele noastre de produs erau deja prezente la Dialpad în fiecare săptămână. Și, eu lucrasem anterior cu cofondatorii Craig Walker și Brian Peterson la Google și eram entuziasmat de perspectiva de a lucra împreună cu ei.

Noi toți am văzut viitorul în același mod, în sensul că aceste tehnologii (ASR/NLP) integrate într-o platformă de comunicare/collaborare ar putea fi perturbatoare pentru piață și schimbătoare pentru afaceri. Acesta este unul dintre motivele pentru care, aproape imediat după închiderea achiziției, am strâns 50 de milioane de dolari într-o rundă condusă de ICONIQ. Investitorii au văzut oportunitatea în viitorul aplicării acestor tehnologii și a echipei care lucra la aceste probleme.

La TalkIQ, eram practic un startup care încerca să fie trei startup-uri diferite deodată: construiam propria noastră stivă de telefonia, motor de recunoaștere a vorbirii și tehnologie NLP în casă. Acestea sunt trei probleme dificile de rezolvat. Dialpad deja rezolvase cu succes partea de telefonia, așa că, atunci când a venit oferta de achiziție, a fost o decizie ușoară. Am văzut Dialpad ca fiind cea mai inovatoare platformă de comunicare pentru afaceri din spațiu, iar viziunea noastră asupra viitorului comunicării pentru afaceri s-a potrivit foarte bine.

Puteti discuta despre unele dintre tehnologiile de învățare automată utilizate la Dialpad?

Motorul nostru nativ de Inteligență Vocală (Vi) utilizează inteligența artificială și învățarea automată pentru a ajuta organizațiile să conducă vânzări, să obțină insight-uri competitive, să ridice nivelul serviciului clienți și să aibă întâlniri online mai eficiente.

Tehnologiile ASR și NLP de la TalkIQ sunt utilizate pentru a prelua conversațiile din apeluri vocale și video în timp real. În același timp, tehnologia noastră proprie ne permite să procesăm datele de conversație care vin și să le transcriem cu acuratețe de lider în industrie într-un format ușor de citit.

Învățarea automată încorporată ajută Vi să se îmbunătățească în timp. Cu cât utilizați mai mult Vi, cu atât învață mai mult și devine mai bun la procesarea conversațiilor. Pe măsură ce timpul trece, transcrierile apelurilor vor crește în acuratețe, iar Vi va putea procesa nuanțele mai subtile ale conversațiilor.

Dialpad a atins recent un important punct de referință AI, după ce a analizat peste un miliard de minute de voce, testele de benchmark arătând că modelul de transcriere al Dialpad a depășit competitorii importanți, inclusiv modelul de telefonia îmbunătățită al Google. Ce tipuri de teste au fost efectuate pentru a cuantifica aceste rezultate?

Aveam o colecție de seturi de teste care conțineau audio și transcrierea însoțitoare, considerată adevărul de referință al ceea ce s-a spus în audio. Trimitem același audio către fiecare competitor și primim o transcriere înapoi, pe care o comparăm cu adevărul de referință. Calculăm numărul de erori pentru a determina un procent de acuratețe. Ne-am comparat cu Google de la achiziția TalkIQ din aprilie 2018 și am avut întotdeauna o acuratețe mai mică până acum.

Puteti discuta despre unele dintre diferențiatorii cheie ai motorului de Inteligență Vocală (Vi) al Dialpad și ai motoarelor concurente?

Unul dintre cei mai mari diferențiatori este că am făcut asta mai mult timp decât competitorii, ceea ce înseamnă că am analizat mai multe date pentru a ne asigura că tehnologia noastră este cea mai precisă. Am analizat peste un miliard de minute de comunicare vocală și continuăm să procesăm aproximativ 90 de milioane de minute pe lună cu motorul nostru Vi. În acest sens, suntem literalmente cu ani înaintea concurenței.

Un alt diferențiator este abordarea noastră personalizată și scalabilă a modelelor de limbaj. Pentru fiecare client, construim o bază de date cu cuvinte cheie specifice companiei, astfel încât putem efectua îmbunătățiri ale acurateței. De exemplu, pentru un utilizator care-și scrie numele “Kathryn” și lucrează la o companie numită Skribbl, sistemul nostru ar ortografia corect numele proprii, în timp ce alte modele le-ar ortografia probabil așa cum sună (de exemplu “Katherine” și “scribble”).

Puteti discuta despre perspectivele dvs. personale asupra viitorului procesării limbajului natural? Cât timp va dura până când inteligența artificială va atinge o acuratețe de aproape 100% sau chiar 100%?

Acuratețea perfectă este aproape imposibil de atins. Poate, într-o zi, voi fi surprins (sper să fie așa!). Cred că vom ajunge foarte, foarte aproape, dar nu perfect. Motivul este că recunoașterea automată a vorbirii (și, ulterior, procesarea limbajului natural) are probleme aproape infinite de rezolvat: accente, proximitatea față de microfoane, zgomot de fond, probleme de conectivitate, diferite tipuri de microfoane, viteza cu care vorbește cineva, pronunția, contextul (Sara vs Sarah vs Serra), acronime, slang și așa mai departe. Deși aș vrea să spun că vom ajunge acolo, cred că putem ajunge foarte aproape, dar ultimul kilometru, sau 1-2% în ceea ce privește acuratețea, va fi dificil.

Acest lucru spus, cred că vor fi dezvoltări interesante în ceea ce privește citirea. Astăzi, atunci când revizuiești o transcriere a unei conversații, poate părea un flux de conștiință. Vorbeam în mod natural, folosim propoziții lungi, repetăm cuvinte, reîncepem propoziții — facem tot felul de lucruri pe care nu le-am face într-o formă scrisă. Există oportunități unice atunci când vine vorba de a avea o versiune mai citibilă a unei transcrieri — una care elimină redundanțele, prezice sau îmbunătățește punctuația și optimizează transcrierea pentru a fi mai lizibilă.

În mintea mea, există două versiuni: versiunea literală, care este cât mai aproape de 100% posibil a unei conversații (cu propoziții lungi și toate), și apoi există o versiune îmbunătățită care este mult mai ușor de digerat datorită punctuației și optimizărilor.

Și asta ne conduce pe drumul de a putea sintetiza o conversație la cele mai importante părți? Aveți nevoie de o transcriere completă sau aveți nevoie de o sinteză precisă, formatată pentru citire?

Depinde, desigur, de cazul de utilizare, dar acesta este lucrul interesant și emoționant despre acest spațiu. Suntem poate în al treilea inning al ceea ce este posibil și nici măcar nu am ajuns la inovația fluxurilor de lucru în care vom vedea procesarea limbajului natural devenind mai “conștientă de context”, cum ar fi utilizarea conversațiilor anterioare pentru a îmbunătăți acuratețea.

Cu cât modelele au mai mult context pentru a învăța, cu atât mai bine. Gândiți-vă la împărtășirea aceluiași context pe mai multe conversații și la adaptarea continuă a contextului pentru ca învățarea automată să devină mai inteligentă. Tehnologia conștientă de context este, de asemenea, importantă pentru îmbunătățirea acurateței, având în vedere diferențele uriașe în modul în care comunicăm. Ceea ce poate părea o diferență lingvistică subtilă pentru oameni este foarte greu de antrenat un model de învățare automată pentru a o reproduce.

Puteti discuta despre unele dintre serviciile pe care Dialpad le oferă în prezent clienților?

Dialpad este un mod mai inteligent de a lucra. Am construit platforma pentru forța de muncă modernă, hibridă de astăzi — împuternicind oamenii și echipele să fie mai eficiente, mai eficace și mai implicate de oriunde din lume. Oferim o experiență de comunicare business fără precedent — apeluri, chat, conferințe video și centre de apeluri — cu o calitate, securitate și fiabilitate de neegalat. Dialpad oferă această experiență ca o platformă unificată, bazată pe cloud, care este economică, ușor de implementat și ușor de gestionat.

Există altceva pe care ați dori să-l împărtășiți despre Dialpad?

Anul 2020 a fost un an monumental pentru companie, ceea ce este cu adevărat uimitor de gândit, având în vedere ce a experimentat lumea (și continuă să experimenteze). Am dublat numărul de angajați, am obținut 100 de milioane de dolari în finanțare, am achiziționat o companie și am făcut toate acestea în timp ce baza noastră de clienți a crescut exponențial.

Cu munca de acasă aici pentru a rămâne, ne așteptăm ca această creștere să continue, și suntem entuziasmați de anul care vine. Credem că mișcarea de a lucra de oriunde va spori nevoia de tehnologii inovatoare care ajută angajații să lucreze mai inteligent — nu mai greu. Companiile se vor îndrepta către inteligența artificială pentru a eficientiza eficiențele, a elimina sarcinile mundane și a permite angajaților să se concentreze pe prioritățile mai mari. Dialpad este bine poziționat pentru a răspunde acestor nevoi.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre Dialpad ar trebui să viziteze Dialpad.