Ашиш Нагар, генеральный директор и основатель Level AI – Интервью

Ашиш Нагар является генеральным директором и основателем Level AI, который использует свой опыт работы в Amazon (AMZN ) на команде Alexa для применения искусственного интеллекта к трансформации операций контакт-центра. С сильным опытом в технологиях и предпринимательстве, Ашиш сыграл важную роль в продвижении миссии компании по повышению эффективности и результативности взаимодействий с клиентами посредством передовых решений на основе ИИ. Под его руководством Level AI стала ключевым игроком на рынке контакт-центров, основанном на ИИ, известным своими передовыми продуктами и превосходной реализацией искусственного интеллекта.

Что вдохновило вас уйти из Amazon и основать Level AI? Можете ли вы поделиться конкретными проблемами в сфере обслуживания клиентов, которые вы намеревались решить с помощью своей технологии?

Мой опыт работы связан с созданием продуктов на стыке технологий и бизнеса. Хотя у меня есть диплом по прикладной физике, моя работа постоянно была сосредоточена на ролях продукта и создании, запуске и развитии новых бизнесов. Моя страсть к технологиям и бизнесу привела меня к ИИ.

Я начал работать в области ИИ в 2014 году, когда мы создавали компанию по поиску на мобильных устройствах нового поколения под названием Rel C, которая была похожа на то, что сейчас делает Perplexity AI. Этот опыт стал началом моего пути в области программного обеспечения на основе ИИ, и в конечном итоге эта компания была приобретена Amazon. В Amazon я был руководителем продукта в команде Alexa, постоянно ища возможности решить более сложные проблемы ИИ.

В последний год работы в Amazon, в 2018 году, я работал над проектом, который мы называли “компьютером Star Trek”, вдохновленным знаменитой научно-фантастической франшизой. Целью было разработать компьютер, который мог бы понимать и отвечать на любой вопрос, который вы ему задаете. Этот проект стал известен как премия Alexa, направленная на то, чтобы любой человек мог вести 20-минутный разговор с Alexa на любую социальную тему. Я возглавлял команду из примерно 10 ученых, и мы запустили это как глобальный вызов ИИ. Я тесно сотрудничал с ведущими умами из учреждений, таких как MIT, CMU, Стэнфорд и Оксфорд. Одним из важных выводов стало то, что в то время никто не мог полностью решить эту проблему.

Даже тогда я мог почувствовать надвигающуюся волну инноваций, которая сделает это возможным. Перемотаем время вперед до 2024 года, и технологии, такие как ChatGPT, сейчас делают многое из того, что мы себе представляли. Были быстрые достижения в области обработки естественного языка с компаниями, такими как Amazon, Google (GOOGL ), OpenAI и Microsoft (MSFT ), которые строили большие модели и базовую инфраструктуру. Но они не обязательно решали задачи конечных рабочих процессов. Мы признали этот пробел и хотели его решить.

Наш первый продукт не был решением для обслуживания клиентов; это был голосовой помощник для работников первого уровня, таких как техники и сотрудники розничных магазинов. Мы привлекли 2 миллиона долларов в качестве стартового финансирования и показали продукт потенциальным клиентам. Они подавляющим большинством запросили, чтобы мы адаптировали технологию для контакт-центров, где у них уже были голосовые и данные потоки, но не было современной архитектуры генеративного ИИ. Это привело нас к пониманию того, что существующие компании в этой области застряли в прошлом, борясь с классической дилеммой инноватора о том, следует ли переделать свои устаревшие системы или построить что-то новое. Мы начали с чистого листа и построили первую родную платформу интеллекта клиентского опыта и автоматизации обслуживания на основе большого языкового моделирования (LLM).

Мой глубокий интерес к сложностям человеческого языка и тому, насколько сложно решить эти проблемы с точки зрения компьютерной инженерии, сыграл значительную роль в нашем подходе. Способность ИИ понимать человеческую речь имеет решающее значение, особенно для отрасли контакт-центров. Например, использование Siri часто показывает, насколько сложно для ИИ понять намерение и контекст в человеческом языке. Даже простые запросы могут запутать ИИ, который борется с интерпретацией того, о чем вы спрашиваете.

ИИ борется с пониманием намерения, поддержанием контекста в течение длительных разговоров и обладанием соответствующими знаниями о мире. Даже ChatGPT имеет ограничения в этих областях. Например, он может не знать последних новостей или не понимать меняющиеся темы внутри разговора. Эти проблемы напрямую актуальны для обслуживания клиентов, где разговоры часто включают несколько тем и требуют от ИИ понимания конкретных, связанных с отраслью знаний. Мы решаем эти проблемы на нашей платформе, которая предназначена для обработки сложностей человеческого языка в среде обслуживания клиентов.

Технология Level AI по распознаванию естественного языка (NLU) выходит за рамки базового сопоставления ключевых слов. Можете ли вы объяснить, как ваш ИИ понимает более глубокое намерение клиента и какие преимущества это дает обслуживанию клиентов? Как Level AI обеспечивает точность и надежность своих систем ИИ, особенно при понимании нюансов взаимодействия с клиентами?

У нас есть шесть или семь разных конвейеров ИИ, адаптированных для конкретных задач, в зависимости от выполняемой работы. Например, один рабочий процесс может включать выявление драйверов вызовов и понимание проблем, с которыми клиенты сталкиваются с продуктом или услугой, что мы называем “голосом клиента”. Другой может быть автоматизированная оценка карточек качества для оценки производительности агентов. Каждый рабочий процесс или сервис имеет свой собственный конвейер ИИ, но базовая технология остается одинаковой.

Чтобы провести аналогию, технология, которую мы используем, основана на моделях LLM, аналогичных технологии, лежащей в основе инструментов генеративного ИИ, таких как ChatGPT. Однако мы используем модели LLM, специально предназначенные для обслуживания клиентов, которые мы обучили внутри компании для этих специализированных рабочих процессов. Это позволяет нам достичь точности более 85% уже через несколько дней после подключения новых клиентов, что приводит к более быстрому времени выхода на рынок, минимальным профессиональным услугам и беспрецедентной точности, безопасности и доверию.

Наши модели имеют глубокие, специфические знания в области обслуживания клиентов. Старый парадигма включал анализ разговоров путем выявления ключевых слов или фраз, таких как “отменить мой аккаунт” или “я не доволен”. Но наше решение не полагается на захват всех возможных вариаций фраз. Вместо этого оно применяет ИИ для понимания намерения за вопросом, что делает его намного быстрее и более эффективным.

Полезная аналогия заключается в том, что старый ИИ был похож на книгу правил – вы строили эти жесткие книги правил с операторами if-then-else, которые были негибкими и постоянно требовали обслуживания. Новый ИИ, с другой стороны, похож на динамический мозг или систему обучения. С помощью нескольких указателей он динамически учит контекст и намерение, постоянно совершенствуясь на лету. Книга правил имеет ограниченный объем и легко ломается, когда что-то не соответствует предопределенным правилам, в то время как динамическая система обучения продолжает расширяться, расти и имеет гораздо большее влияние.

Хороший пример с точки зрения клиента – это крупный бренд электронной коммерции. У них тысячи продуктов, и невозможно уследить за постоянными обновлениями. Однако наш ИИ может понять контекст, например, о каком конкретном диване идет речь, не требуя постоянного обновления карточки оценки или рубрики для каждого нового продукта.

Каковы ключевые проблемы в интеграции технологии Level AI с существующими системами обслуживания клиентов, и как вы их решаете?

Level AI является платформой интеллекта клиентского опыта и автоматизации обслуживания. Как таковая, мы интегрируемся с большинством программного обеспечения для клиентского опыта в отрасли, будь то CRM, CCaaS, опрос или решение для инструментов. Это делает нас центральным хабом, собирающим данные из всех этих источников и служащим слоем интеллекта поверх них.

Однако проблемой является то, что некоторые из этих систем основаны на технологии, не связанной с облаком, или на облачной технологии, лишенной API или чистых интеграций данных. Мы тесно сотрудничаем с нашими клиентами, чтобы решить эту проблему, хотя 80% наших интеграций сейчас основаны на облачных или API-родных технологиях, что позволяет нам интегрироваться быстро.

Как Level AI предоставляет реальное время интеллекта и действенные идеи для агентов обслуживания клиентов? Можете ли вы поделиться примерами того, как это улучшило взаимодействие с клиентами?

Существует три вида реального времени интеллекта и действенных идей, которые мы предоставляем нашим клиентам:

1. Автоматизация ручных рабочих процессов: Представители службы часто имеют ограниченное время (6-9 минут) и множество ручных задач. Level AI автоматизирует скучные задачи, такие как ведение заметок во время и после разговоров, генерируя индивидуальные резюме для каждого клиента. Это позволило нашим клиентам сэкономить 10-25% времени обработки вызовов, что привело к большей эффективности.
2. CX Copilot для представителей службы: Представители службы сталкиваются с высоким уровнем текучести кадров и проблемами при обучении. Представьте, что вы были брошены в контакт-центр, не зная политики компании. Level AI действует как эксперт ИИ, сидящий рядом с представителем, слушающий разговоры и предлагающий реальное руководство. Это включает в себя обработку возражений, предоставление знаний и предложение умной транскрипции. Эта возможность помогла нашим клиентам обучать и подключать представителей службы на 30-50% быстрее.
3. Manager Copilot: Эта уникальная функция дает менеджерам реальное время видимости того, как их команда работает. Level AI предоставляет секунда-за-секундой идеи о разговорах, позволяя менеджерам вмешиваться, обнаруживать настроение и намерение и поддерживать представителей в реальном времени. Это улучшило производительность агентов на 10-15% и повысило удовлетворенность агентов, что имеет решающее значение для снижения затрат. Например, если клиент начинает ругаться на представителя, система флагирует это, и менеджер может либо взять на себя звонок, либо прошептать руководство представителю. Этот вид реального вмешательства был бы невозможен без этой технологии.

Можете ли вы подробнее рассказать о том, как работает анализ настроений Level AI и как он помогает агентам более эффективно реагировать на клиентов?

Наш анализ настроений обнаруживает семь разных эмоций, варьирующихся от крайней фрустрации до восторга, что позволяет нам измерять различные степени эмоций, которые способствуют нашему общему баллу настроений. Этот анализ учитывает как произнесенные слова, так и тональность разговора. Однако мы обнаружили через свои эксперименты, что произнесенные слова играют гораздо более значимую роль, чем тон. Вы можете сказать самые злые вещи в ровном тоне или очень приятные вещи в странном тоне.

Мы предоставляем балл настроений по шкале от 1 до 10, где 1 указывает на очень негативное настроение, а 10 – на очень положительное настроение. Мы анализируем 100% разговоров наших клиентов, предлагая глубокие идеи о взаимодействиях с клиентами.

Понимание контекста также имеет решающее значение. Например, если звонок начинается с очень негативного настроения, но заканчивается положительно, даже если 80% звонка было негативным, общая взаимодействие считается положительным. Это потому, что клиент начал расстроенным, представитель решил проблему, и клиент остался удовлетворенным. С другой стороны, если звонок начинается положительно, но заканчивается негативно, это другая история, несмотря на то, что 80% звонка могло быть положительным.

Этот анализ помогает как представителю, так и менеджеру определить области для обучения, сосредотачиваясь на действиях, которые коррелируют с положительным настроением, таких как приветствие клиента, признание его проблем и проявление сочувствия – элементов, которые имеют решающее значение для успешных взаимодействий.

Как Level AI решает проблемы безопасности и конфиденциальности данных, особенно учитывая чувствительный характер взаимодействий с клиентами?

С первого дня мы уделяем приоритетное внимание безопасности и конфиденциальности. Мы построили свою систему с учетом принципов безопасности и конфиденциальности на уровне предприятия. Мы не передаем никакие из наших возможностей генеративного ИИ третьим сторонам. Все разрабатывается внутри компании, что позволяет нам обучать модели ИИ, специфичные для каждого клиента, без обмена данными вне нашей среды. Мы также предлагаем обширную настройку, позволяющую клиентам иметь свои собственные модели ИИ без обмена данными между различными частями нашей цепочки данных.

Чтобы решить текущую проблему отрасли, наши данные не используются внешними моделями для обучения. Мы не позволяем нашим моделям подвергаться влиянию данных, сгенерированных ИИ из других источников. Этот подход предотвращает проблемы, с которыми сталкиваются некоторые модели ИИ, когда обучение на данных, сгенерированных ИИ, приводит к потере точности. В Level AI все является первичным, и мы не делимся или не извлекаем данные извне.

С недавним финансированием в размере 39,4 миллиона долларов в рамках раунда Series C, какие у вас есть планы по расширению платформы Level AI и привлечению новых сегментов клиентов?

Инвестиции Series C будут стимулировать наш стратегический рост и инициативы в области инноваций в критических областях, включая продвижение разработки продукта, совершенствование инженерии и тщательные исследования и разработки. Мы стремимся привлечь лучший талант на все уровни организации, что позволит нам продолжать разрабатывать технологии, лидирующие в отрасли, которые превосходят ожидания клиентов и отвечают динамическим требованиям рынка.

Как вы видите роль ИИ в трансформации обслуживания клиентов в течение следующего десятилетия?

Хотя общий фокус часто сосредоточен на аспекте автоматизации – предсказании будущего, где боты будут обрабатывать все обслуживание клиентов, – наш взгляд более тонкий. Степень автоматизации варьируется по вертикали. Например, в банковском или финансовом секторе автоматизация может быть ниже, в то время как в других секторах она может быть выше. В среднем мы считаем, что достижение более 40% автоматизации во всех вертикалях является сложной задачей. Это связано с тем, что представители службы делают больше, чем просто отвечают на вопросы – они выступают в качестве троблешутеров, консультантов по продажам и более, роли, которые нельзя полностью воспроизвести ИИ.

Также существует значительный потенциал в автоматизации рабочих процессов, на котором фокусируется Level AI. Это включает в себя задачи бэк-офиса, такие как обеспечение качества, триаж вызовов и мониторинг экрана. Здесь автоматизация может превышать 80% с помощью генеративного ИИ. Интеллект и идеи о данных имеют решающее значение. Мы уникальны в использовании генеративного ИИ для получения идей из неструктурированных данных. Этот подход может существенно улучшить качество идей, снижая потребность в профессиональных услугах на 90% и ускоряя время выхода на рынок на 90%.

Еще одним важным фактором является то, должна ли лицо вашей организации быть ботом или человеком. За пределами основных функций, которые они выполняют, человеческая связь с вашими клиентами имеет решающее значение. Наш подход заключается в том, чтобы удалить излишние задачи из рабочей нагрузки человека, позволяя им сосредоточиться на значимых взаимодействиях.

Мы считаем, что люди лучше всего подходят для прямой коммуникации и должны продолжать быть в этой роли. Однако они не идеальны для задач, таких как ведение заметок, транскрибирование взаимодействий или запись экрана. Решая эти задачи за них, мы освобождаем их время, чтобы они могли более эффективно взаимодействовать с клиентами.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Level AI.