Nick Lahoika, Co-Fondator și CEO al Vocal Image – Seria de Interviuri

Nick Lahoika este co-fondator și CEO al Vocal Image, o companie de coaching care ajută oamenii să dezvolte abilități sociale. Antreprenor serial cu peste 10 ani de experiență în IT și dezvoltare de afaceri, Nick a avut două ieșiri de succes înainte de a crea Vocal Image. Călătoria lui Nick este profund personală; a fost hărțuit pentru dicție neclară la școală, ceea ce l-a inspirat să ajute oamenii să comunice mai bine.

După ce a fost forțat să fugă din țara natală după revoluția din 2020, Nick a ajuns în Estonia cu cunoștințe minime de engleză și a folosit propria aplicație pentru a-și antrena vocea, obținând primul său tur de finanțare în doar șase luni. Câștigător al concursului AWS AI Challenge și al programului Meta x Hugging Face European AI Startup, Vocal Image a strâns recent o rundă de seed de 3,6 milioane de dolari condusă de Educapital (Franța) și a ajuns la peste 14 milioane de dolari venituri anuale.

Ai fondat Vocal Image în 2021. Ce te-a inspirat să creezi un antrenor de abilități sociale AI și ce problemă ai încercat să o rezolvi de la început?

Anxietatea de a vorbi a fost o parte a vieții mele pentru o perioadă lungă de timp. Am fost hărțuit la școală pentru dicție neclară și acea experiență m-a marcat profund. Mai târziu, ca student intern în IT, trebuia să prezint în fața clienților de nivel înalt și aceeași frică s-a întors.

Apoi, în 2021, după revoluția eșuată din Belarus, am fost nevoit să plec în Europa peste noapte. Brusc, eram nevoit să prezint investitorilor în engleză, o limbă pe care abia o cunoșteam. A fost înfricoșător, dar nu aveam de ales. Am petrecut ore în fiecare zi practicând pronunția mea folosind o versiune foarte timpurie a ceea ce avea să devină Vocal Image. A durat chiar și săptămâni doar pentru a învăța cum să pronunț corect sunetul “V” pentru a putea spune numele propriei mele companii.

Am început cu o aplicație care era esențialmente ca YouTube, dar cu un înregistrator de voce și o funcție de comentarii. Utilizatorii puteau urmări videouri, practica repetând replicile și apoi asculta înregistrările proprii. Văzând cum oamenii o foloseau, am realizat rapid că au nevoie disperată de feedback. Utilizatorii noștri de la început ne-au arătat că simpla consumare de conținut nu era suficientă pentru a obține rezultate reale; aveau nevoie de feedback imediat. Am încercat să oferim feedback prin antrenori umani, dar abordarea aceea nu a fost scalabilă, ceea ce ne-a condus la utilizarea AI.

A fost o insight personală că a fost mai ușor pentru mine să pot practica primele mele prezentări cu platforma noastră în loc de a o face cu o persoană. Nu a existat nicio presiune, nicio judecată. Acea libertate a schimbat totul pentru mine. Odată ce am rezolvat propria mea problemă, am realizat câți oameni se confruntă cu aceeași problemă. Mai mult de 200 de milioane de oameni se luptă cu anxietatea de a vorbi.

Înainte de Vocal Image, ai condus o școală de dans. Cum a influențat experiența ta în mișcare și expresie abordarea ta față de comunicare și încredere vocală?

Nu eram dansator; de fapt, am construit o afacere centrată pe exprimarea de sine și oameni. A fost prin acea muncă că am realizat că poți spune multe despre încrederea interioară a unei persoane doar urmărindu-i dansul.

Mișcarea joacă, de asemenea, un rol enorm în modul în care te exprimi. Felul în care te miști, postura, respirația, toate acestea fac parte din comunicare. Acolo unde antrenamentul cu AI devine puternic, deoarece poate ajuta oamenii să se antreneze în toate aceste domenii într-un singur loc.

Înainte, companiile trebuiau să angajeze mai mulți antrenori diferiți. Unul pentru vorbire în public, unul pentru limbajul corpului, unul pentru încredere. Acum, cu AI, totul este conectat. Poți construi imaginea completă a comunicării, nu doar o parte a ei.

În contrast cu majoritatea instrumentelor de comunicare AI, ai decis să nu folosești ChatGPT ca fundament pentru antrenorul tău. Ce te-a condus la această decizie?

Hipa din jurul ChatGPT a devenit, de fapt, un moment crucial pentru noi. Când a devenit mainstream, a creat un salt masiv în încrederea în AI, și am putut să valorificăm acest lucru pentru a face oamenii să creadă în tehnologia noastră.

Dar iată problema: nu am vrut să o folosim ca fundament. Obiectivul nostru de la început a fost să utilizăm modelul nostru unic pentru a evalua tiparele de voce și vorbire ale oamenilor. Folosim modele de limbaj mare, cum ar fi Gemini, Claude și ChatGPT, și baze de cunoștințe, sfaturi și trucuri din literatura de comunicare în modelele noastre actuale, dar acestea nu reprezintă nucleul mecanismului nostru de feedback. Fundamentul real al feedback-ului nostru este intrarea umană.

Teamă de a se simți robotic este reală. Pentru a contracara acest lucru, am creat o comunitate în cadrul Vocal Image unde utilizatorii pot conecta instantaneu, împărtășind obiectivul comun de a-și îmbunătăți comunicarea și sprijinindu-se reciproc în călătoria lor. Și această comunitate crește și îmbunătățește constant AI-ul nostru.

Poți să explici cum antrenarea AI exclusiv pe voci umane diferă de abordările tradiționale bazate pe LLM în ceea ce privește rezultatele și autenticitatea?

Folosim modele de limbaj mare ca parte a procesului de evaluare și context, dar fundamentul sistemului nostru este datele din spatele lui. Modelul nostru de bază a fost antrenat pe comunitatea noastră, formată din oameni care s-au unit special pentru a-și îmbunătăți abilitățile de comunicare.

AI-ul este la fel de bun pe cât sunt oamenii de la care învață. Setul nostru de date proprii include acum peste un milion de voci umane unice, fiecare purtând ton, ritm și emoție, toate reprezentând esența reală a comunicării.

Baza ta de date include peste un milion de voci umane. Care au fost provocările pe care le-ai întâmpinat la curățarea și etichetarea unui astfel de corpus unic?

Nu poți să te bazezi în mod egal pe fiecare punct de date. Unii utilizatori evaluează cu atenție, alții doar fac clic prin. Trebuia să proiectăm un sistem care să distingă feedback-ul atent de zgomot. De-a lungul timpului, am învățat să acordăm mai multă greutate utilizatorilor cu participare constantă și judecată fiabilă, filtrând input-ul aleator.

Partea cea mai grea a fost operațională, care a implicat construirea unui ecosistem de evaluare care recompensează calitatea în detrimentul cantității. Acolo unde comunitatea noastră a devenit de neprețuit. Acești oameni nu sunt utilizatori aleatorii de pe internet; sunt oameni care își doresc cu adevărat să-și îmbunătățească abilitățile sociale și să ajute și pe alții să facă același lucru. Toate evaluările sunt anonime, ceea ce ajută la menținerea feedback-ului imparțial și autentic.

Mecanismul de evaluare “ca Tinder” condus de comunitate este fascinant — cum modelează acest buclă de feedback învățarea continuă a AI-ului tău?

Fiecare evaluare, în orice limbă, devine un mic fragment de inteligență care rafinează modelul nostru. Este un buclă de feedback vie. Cu cât mai mulți oameni se antrenează și evaluează, cu atât sistemul devine mai inteligent la recunoașterea nuanțelor vorbirii și emoțiilor, învățând cum oamenii percep, de fapt, încrederea, căldura sau autoritatea, traversând culturi.

Care au fost lecțiile cheie învățate în timpul dezvoltării unui model AI centrat pe abilități sociale, mai degrabă decât pe competențe tehnice?

Provocarea principală a fost măsurarea. Nu există o metrică universală pentru “de încredere” sau “carismatic”. Trebuia să creăm una.

Aici a intervenit Legea Numerelor Mari. Dacă 100.000 de oameni sunt de acord că o anumită voce sună încrezătoare sau empatică, poți începe să ai încredere în acea percepție colectivă. De-a lungul timpului, am învățat AI-ul nostru să prevadă calități subiective, lucruri care nu pot fi notate cu un simplu corect sau incorect. Acesta a fost momentul de break-through: învățând să cuantificăm ceea ce a fost întotdeauna considerat intangibil.

Cu 14 milioane de dolari venituri anuale și o nouă rundă de seed de 3,6 milioane de dolari, care sunt principalele tale priorități pentru următoarea etapă de creștere — fie că este vorba de avansarea modelului AI, extinderea bazei de utilizatori sau adâncirea experienței comunitare?

Misiunea noastră a fost întotdeauna centrată pe om. Ajutăm oamenii să comunice cu mai multă încredere și autenticitate.

Următoarea etapă este despre scalarea acestui impact la nivel global. Ne extindem în noi limbi și geografii și dezvoltăm noi module de abilități sociale, cum ar fi negociere, ascultare activă și elocvență.

Mulți utilizatori spun că antrenorii AI se simt robotici sau impersonali. Cum asiguri că Vocal Image oferă feedback emoțional rezonant și conștient de context?

Ne concentrăm pe hiper-personalizare. De la prima interacțiune, învățăm cine ești, inclusiv accentul, vârsta, contextul profesional și tiparele de vorbire. De-a lungul timpului, avem memorie, amintindu-ne cum ai progresat, unde ai dificultăți și ce feedback rezonă cel mai mult.

Acest lucru permite AI-ului să se adapteze dinamic. Experiența se simte personală pentru că este personală. Este modelată în întregime de datele și călătoria ta, nu de un script generic.

Privind spre viitor, cum vezi evoluția antrenamentului de abilități sociale AI pe măsură ce AI-ul generativ și emoțional continuă să se maturizeze?

Dezvoltarea umană a fost întotdeauna un amestec de natură și educație. Știința ne spune că leadership-ul este aproximativ jumătate înnăscut, jumătate învățat. Partea învățată era rezervată anterior executivilor care își puteau permite antrenori scumpi. Companiile trebuiau să cheltuiască între 7.000 și 25.000 de dolari pe an pentru antrenarea unui singur lider. AI-ul schimbă acest lucru.

De asemenea, interacțiunea cu antrenorii umani ar necesita angajarea mai multor antrenori separați, în timp ce un antrenor AI poate înlocui toți aceștia.

În acest moment, folosim o serie de modele diferite pentru a analiza diferite aspecte ale comunicării, dar viitorul este un sistem unic, unit, care evaluează și ghidează holistic. Această tehnologie va democratiza creșterea. Nu vei avea nevoie să fii născut carismatic sau să ai un buget corporativ mare pentru a stăpâni comunicarea. Veți avea nevoie doar de curiozitate și acces, și crearea mediului pentru ca aceasta să înflorească este ceea ce mă motivează în fiecare zi.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe pot vizita Vocal Image.