Кришна Радж Раджа, генеральный директор и основатель SupportLogic – Интервью

Кришна Радж Раджа – генеральный директор и основатель SupportLogic, первой в мире платформы для управления непрерывным опытом обслуживания (SX), которая позволяет компаниям понимать и реагировать на “Голос клиента” в режиме реального времени, чтобы сразу же улучшить обслуживание и построить здоровые и прибыльные отношения с клиентами.

Вы описываете себя как “научный гик”, что именно в научном мире вас так привлекает?

Для меня наука – это все о любопытстве, как работает мир и какие закономерности существуют в мире. У меня это любопытство было с детства, и оно перешло в мою профессиональную жизнь. В SupportLogic мы ищем закономерности, которые существуют в естественном языке, и используем эти закономерности, чтобы предсказать вещи и предоставить рекомендации. Это похоже на науку – она предсказывает закономерности, предоставляет рекомендации и рассказывает, как работает мир. Большую часть того, что я узнал в своей жизни, я узнал самостоятельно, потому что это пришло от моего естественного любопытства, а не от формального образования.

Вы получили степень в области химического машиностроения, но затем перешли к изучению компьютерных наук и машинного обучения. Расскажите об этом повороте.

Мой отец был успешным бизнесменом (в обработке стали) и надеялся, что однажды я возьму на себя семейный бизнес. Химическое машиностроение казалось правильной подготовкой, чтобы быть готовым к этому. Но компьютерные науки были моей сторонней страстью в течение долгого времени. На самом деле, моя дипломная работа по химическому машиностроению была созданием программного обеспечения для проектирования химического реактора.

После окончания моей степени по химическому машиностроению стало очевидно, что компьютерные науки – это моя истинная страсть. Мои навыки в области компьютерных наук полностью самообучены, и когда я присоединился к VMware, все мои коллеги имели докторские степени из лучших университетов в области компьютерных наук. Я был самым неквалифицированным человеком в своей команде.

Вы были одним из первых сотрудников VMware, где вы работали в поддержке и обслуживании в качестве инженера по поддержке продукта. Какие потенциальные области для улучшения вы наблюдали?

Я был программистом, который стал инженером по поддержке продукта. Я присоединился к VMware, потому что их технология была fascinující – они занимались операционными системами, и у меня был особый интерес к этому. Я помогал другим разработчикам операционных систем использовать продукты VMware на ежедневной основе. Благодаря моему прошлому опыту, я смотрел на вещи с двух разных точек зрения: 1) Как мне сделать этого клиента счастливым и решить его проблему; и 2) Почему эта проблема существует в программном обеспечении, и как ее можно исправить? Я смотрел на продукт с точки зрения всех проблем поддержки. Одним из первых вещей, которые я понял, было то, что когда команды продукта разрабатывают продукт, они действительно не знают, как он будет развернут и использован, поэтому они не предвидят многих вещей во время процесса разработки. Однако команда поддержки имеет хорошее представление об этих проблемах и может предоставить ценные отзывы командам продукта, а также другим отделам компании. Проблема заключается в том, что эта обратная связь обычно теряется, потому что команда поддержки сосредоточена на решении проблемы клиента, а затем быстро переходит к следующей проблеме. Эта важная информация не передается дальше.

Можете ли вы поделиться некоторыми подробностями о истории создания SupportLogic?

Когда я начал SupportLogic, я посмотрел на рыночный ландшафт для отрасли поддержки и обнаружил, что все инновации в области поддержки были сосредоточены на отклонении дел. Это означает, что лучший способ решить проблемы поддержки – это отклонить их – от инженеров поддержки и от клиентов. Это было в конфликте с тем, что я видел как инженер по поддержке продукта – каждое взаимодействие с клиентом было возможностью узнать о клиентах и о том, как работает продукт и не работает. Но я был удивлен, обнаружив, что не было инструментов, чтобы решить эту проблему (обучения), поэтому я увидел большую возможность там.

Также я заметил, что поддержка часто рассматривалась как центр затрат, что я считал коротким взглядом на вещи. Когда вы смотрите на поддержку как на центр прибыли или как на центральную нервную систему компании, вы можете действительно преобразовать организацию и сделать ее真正 клиентоориентированной. Это привело меня к созданию SupportLogic.

Какие разные технологии машинного обучения используются в SupportLogic?

Когда компания начала работать, я был наивен, предполагая, что мы можем использовать общедоступные API машинного обучения. Есть много из них – от Amazon (AMZN ), Microsoft и HPE – и они все предоставляют API машинного обучения как услугу. К моему удивлению и разочарованию, многие из этих моделей машинного обучения не работали с данными, с которыми мы работали (данные поддержки клиентов). Но я понял, что это была возможность и сказал: “Почему бы нам не построить это сами?” Мы начали строить все с нуля, используя существующие технологии машинного обучения из открытых проектов, таких как spaCy от Стэнфордского университета и Google (GOOGL ) BERT, и затем добавили некоторые свои собственные “секретные ингредиенты” поверх этого, используя подход ансамблевых моделей. Мы также настраиваем модель для каждого клиента и его конкретного набора данных, а не используем подход “один размер подходит всем”.

Можете ли вы обсудить, как SupportLogic позволяет компаниям лучше связываться с клиентами, используя ключевые сигналы?

Одним из ключевых вещей, которые мы делаем, является извлечение контекста клиента с помощью технологии обработки естественного языка (NLP). Контекст очень важен, потому что контекст часто теряется в процессе тегирования систем поддержки. Вы можете тегировать только ограниченное количество информации в этих системах. Мы отлично извлекаем контекст клиента, такой как то, что они разочарованы, какое у них впечатление о вашем продукте или поддержке, или что они пытаются сделать с вашим продуктом. Есть разные сигналы и контекст для извлечения. Делая это в режиме реального времени и создавая рабочие процессы на нашей платформе, мы позволяем компаниям реагировать на сигналы клиентов и предотвращать проблемы до того, как они станут слишком поздно – то есть клиент становится очень злым или уходит навсегда.

Какие другие возможности есть у программного обеспечения SupportLogic?

Как только вы начинаете извлекать сигналы клиентов из взаимодействий, эти сигналы становятся очень мощными для аналитики. У нас есть модуль аналитики, который показывает, как выглядит “Голос клиента” на основе всех взаимодействий. Затем мы делаем шаг вперед и используем данные, чтобы начать делать прогнозы. Мы можем предсказать, что произойдет с определенным (клиентским) счетом. Мы также можем предсказать – на основе ситуации клиента – кто является лучшим экспертом в компании, чтобы помочь решить проблему, и затем сопоставить клиента с этим правильным человеком.

И мы можем посмотреть на входящие и исходящие разговоры, чтобы дать агентам поддержки рекомендации о том, что они должны делать больше (или меньше) в своих ежедневных взаимодействиях с клиентами. Это становится отличным инструментом для обучения агентов поддержки, чтобы помочь им развить свои мягкие навыки и улучшить их общую производительность.

Есть ли что-то еще, что вы хотели бы поделиться о SupportLogic?

Одно из распространенных заблуждений о том, что люди думают об ИИ, заключается в том, что это огромные инвестиции, которые очень сложны и что вы не увидите никаких результатов в течение года или более. На самом деле, технологии ИИ и машинного обучения очень изменились, и могут работать с вашим существующим набором данных. И вы можете увидеть результаты в течение нескольких месяцев, а не лет. Итак, сейчас самое время инвестировать в ИИ, потому что вы можете увидеть невероятные результаты в течение месяцев, которые могут принести большую пользу вашей организации.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить SupportLogic.