Джонатан Корбин, Основатель и Генеральный Директор Maven AGI – Интервью

Джонатан Корбин является основателем и генеральным директором Maven AGI. Ранее, в качестве вице-президента по клиентскому успеху и стратегии в HubSpot (HUBS ), Джонатан возглавлял команду из примерно 1000 менеджеров по клиентскому успеху, партнерскому успеху и контрактам в нескольких регионах и вертикалях. Его обязанности включали обеспечение удержания клиентов, роста доходов и реализации ценностей для более 200 000 клиентов по всему миру, от стартапов до корпораций.

Maven AGI – это комплексное решение на основе генеративного ИИ, предназначенное для трансформации ландшафта поддержки клиентов – без головной боли. Пока компания находилась в режиме скрытности, технология Maven автономно решила более 93% запросов клиентов, сократив затраты на поддержку на 81%, улучшая общий опыт клиентов в масштабе, после решения миллионов взаимодействий в более чем 50 языках для ранних клиентов.

Вы ранее были глобальным вице-президентом по клиентскому успеху и стратегии в HubSpot, где вы возглавляли команду из примерно 1000 менеджеров по клиентскому успеху, партнерскому успеху и контрактам в нескольких регионах и вертикалях. Какие были основные моменты и ключевые выводы из этого периода вашей жизни?

В то время Hubspot был одной из пяти самых быстрорастущих компаний B2B SaaS с доходом более миллиарда долларов. Очень немногие люди имели возможность построить, расти и управлять в таком масштабе, как мы. Компании, которые растут с такой скоростью, обычно не достигают такого размера, и компании нашего размера обычно не растут с такой скоростью. Я много времени уделял созданию масштабируемых подходов к планированию и росту, обеспечению того, чтобы мы ставили очень четкие цели, согласовывали стимулы в нескольких организациях для достижения желаемых результатов, обеспечивали наличие систем для создания видимости того, что происходит в организации, и планировали на несколько горизонтов. Все, что мы запускали, должно было работать не только для наших текущих клиентов, но и иметь возможность поддерживать непрерывность при экспоненциальном росте.

Можете ли вы поделиться некоторыми идеями о том, что вдохновило вас на запуск Maven AGI, и как долго вы были в режиме скрытности?

Я был одержим опытом клиентов с самого начала своей карьеры, и это то, почему я провел так много времени в ведущих компаниях этой области (Adobe (ADBE ), Marketo, Sprinklr, Hubspot и т. д.). В 2017 году я возвращался с западного побережья, встречаясь с великими клиентами, такими как Apple (AAPL ) и Nike, и мы вели эти невероятно глубокие разговоры о потенциале разблокировки изолированных данных и создания этих очень персонализированных опытов на уровне отдельного пользователя. Я не говорю о сегментированном подходе, когда вы попадаете в эту возрастную категорию или демографическую группу. Нет, это возможность полностью развернуть всю информацию, которую вы поделились с нами, чтобы предвидеть ожидания клиентов и активно взаимодействовать с ними. Было огромное волнение со стороны клиентов, но технология не существовала в то время.

Мои сооснователи – Сами Шалаби, Юджин Манн и я всегда обсуждали персонализацию в масштабе и потенциал трансформеров с момента выхода исследований Google (GOOGL ). Сами построил один из крупнейших движков персонализации в мире в Google News (1 млрд+ пользователей) и Юджин возглавлял персонализацию для этого, поэтому у нас всегда были глубокие и проницательные разговоры о возможностях, которые мы могли бы разблокировать по мере эволюции технологий. Применение этого к тому, что мы делали в то время, заключалось в том, что я боролся с созданием отличного опыта в масштабе для наших пользователей Hubspot, Юджин изучал, как овеществить возможности LLM в Stripe, а Сами делился своими идеями о том, что работало хорошо в Google.

Когда мы впервые услышали о том, что делает OpenAI, и начали использовать некоторые из доступных LLM, мы поняли, что мы достигли точки, где технология теперь существует для создания идеального опыта клиентов в масштабе. Компании были вынуждены выбирать между экономией средств и хорошим опытом клиентов, что привело к созданию сложных стратегий сегментации, предназначенных для ограничения взаимодействий клиентов, создания вещей, которые по сути являются барьерами, которые они называли самообслуживанием, или закопали контактную информацию поддержки в месте, где ее нельзя найти.

Мы начали Maven AGI около года назад в режиме скрытности, потому что то, что мы ставим во главу угла в Maven, – это влияние – и когда мы объявили о том, что мы делаем, мы хотели дать реальные примеры нашего влияния и метрик, а не просто то, что мы существуем и собрали некоторую сумму денег. Мы невероятно благодарны нашим ранним клиентам, которые поверили в нас достаточно, чтобы работать с нами в развертывании передовой технологии и расширении пределов для разработки лучшего опыта клиентов.

Можете ли вы определить для нас, что такое AGI в контексте Maven AGI?

AGI действительно хорошо определена с точки зрения языка – это искусственный общий интеллект. Что это означает в бизнес-смысле? Мы фокусируемся на чем-то, что мы называем бизнес-AGI, и определяем его как способность справляться с сложными задачами с помощью функциональных ИИ-агентов, специально обученных для конкретных обязанностей с помощью оркестровочного слоя, который позволяет им работать вместе.

Примером этого может быть пользователь банковского счета, взаимодействующий с банком и спрашивающий, очистился ли его депозит – что мы знаем из истории счета, что ему нужен небольшой мостовой кредит, чтобы покрыть его счета и выписки чеков. Maven будет понимать исторический контекст и предложит кредит, а также обработает всю бумажную работу, которая может быть связана с этим, такую как проверки биографии, кредитные проверки, заполнение кредитной документации, понимание рисков, одобрение и конкретная сумма, которая попадает в профиль риска, одобрение кредита и перевод денег на счет клиента.

Другим примером может быть человек, обращающийся в команду поддержки CRM и спрашивающий, как развернуть кампанию. Что мы понимаем из этого, так это то, что он не хочет знать, как создать кампанию, а хочет определенное количество лидов к определенной дате. Пользователи будут иметь возможность сказать: “Дайте мне 100 лидов в следующем месяце” и Maven пройдет через невероятно сложную задачу доставки этих лидов.

Какие из самых больших проблем с тем, как ИИ исторически интегрировался в поддержку клиентов?

Исторически ИИ в поддержке клиентов использовал модели машинного обучения, которые были высоко детерминированы и требовали месяцев для обучения. Эти модели работали на базовом логике “если-то”: если пользователь выбрал X, он получал вариант Y. Этот упрощенный подход не оправдал ожиданий, что привело к разочаровывающим результатам и оставил многих профессионалов CX скептическими по поводу потенциала ИИ. Истинный успех в поддержке клиентов, основанной на ИИ, зависит от динамической персонализации, способности рассуждать и принимать значимые действия.

Какие ключевые шаги участвуют в обучении Maven AGI для обработки запросов поддержки клиентов?

Это действительно просто. Дайте нам доступ ко всей информации, которую вы бы использовали для обучения людей. Мы можем запустить это для вас с высокой степенью точности в течение нескольких дней – не недель или месяцев. Это будет использовать ваш конкретный тон, диалект и любые эмодзи, которые вы хотите.

Как Maven AGI помогает в снижении затрат на поддержку клиентов и улучшении общего удовлетворения клиентов?

Компании развертывают Maven AGI различными способами, но лучший способ иметь самый быстрый эффект – это вставить Maven в голову очереди поддержки на конечных точках или каналах, которые клиенты хотят использовать (чат, веб, поиск, Slack, в продукте, SMS и т. д.). Это позволяет нам предоставлять мгновенные, персонализированные результаты и действия клиентам без ожидания, гарантируя, что эти удивительные агенты поддержки делают то, что они делают лучше всего, работая с клиентами, которые действительно нуждаются в человеческом взаимодействии для решения своих проблем.

Какие технологические достижения позволили Maven AGI достичь таких высоких показателей автономного решения проблем?

Я считаю, что мы набрали одну из лучших инженерных команд в мире, чтобы решить эту проблему, которая сводится к проблеме данных. Гениальные люди, которые работали над задачами, такими как поиск в Google, и персонализация в масштабе в Meta и Amazon (AMZN ), и которые думали о решении этих проблем в течение многих лет. Данные фрагментированы и изолированы, и для того, чтобы мы могли ответить на вопросы клиентов и принять действия, нам нужно было иметь возможность потреблять больше данных, чем кто-либо другой. Вторая часть – это возможность принимать действия и строить наш двигатель действий, потому что мы знаем, что просто отвечать на вопросы недостаточно. Чтобы достичь бизнес-AGI, нам нужно иметь возможность предвидеть потребности пользователей и взаимодействовать с ними с намерением.

Можете ли вы предоставить больше деталей о недавнем финансировании в размере 20 миллионов долларов серии А и о том, как оно будет использовано?

Нам повезло, что мы попали во все цели, которые мы хотели достичь с нашим раундом семян: построить отличную инженерную команду, продукт, который решает реальные проблемы, и иметь клиентов, которые получают ценность из нашего продукта. Мы привлекли наш раунд семян менее года назад, но у нас были некоторые отличные инвесторы, которые хотели быть частью нашего пути с нами. После того, как мы провели время с M13, мы были действительно взволнованы продолжать строить будущее Maven AGI вместе с ними. 28 миллионов долларов, которые мы привлекли за последний год, будут использованы для построения нашей команды по выходу на рынок, инвестирования в построение экосистемы партнеров и продолжения найма инженеров, поскольку мы расширяем наш двигатель действий и возможности платформы.

Как вы видите эволюцию роли ИИ в отрасли поддержки клиентов в течение следующих пяти лет?

Будущее не будет разделено на поддержку, услуги, продажи и различные функции. Вместо этого поддержка клиентов станет частью бесшовного, объединенного опыта клиентов без беспорядочных передач и изолированных данных. По мере эволюции ожиданий клиентов будут меняться и способы, которыми мы их обслуживаем.

Сегодня потребности клиентов делятся на 3 категории:

• Те, кто хочет самообслуживаться – возможность найти решение или ответ на вопрос.
• Те, кто хочет получить доступ к самообслуживанию, но нуждается в подтверждении, что они принимают правильные действия.
• Клиенты, которые требуют белоперчаточного обслуживания и нуждаются в человеческой помощи.

Будущее также имеет 3 категории, но ожидания клиентов будут совсем другими:

• Ожидание мгновенных ответов на их вопросы.
• Предвидение их потребностей и вопросов с помощью персонализации, данных об использовании, полного исторического контекста и возможности принять действия и взаимодействовать с ними в канале их выбора.
• Возможность взаимодействия с агентами поддержки клиентов без ожидания и длинных очередей, которые имеют ответы на их вопросы, полный исторический контекст и возможность мгновенно принять действия.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Maven AGI.