Рана Гуджрал, генеральный директор Behavioral Signals – Серия интервью

Рана Гуджрал – генеральный директор Behavioral Signals, компании, которая сокращает разрыв в общении между людьми и машинами, вводя эмоциональный интеллект в разговоры с ИИ.

Behavioral Signals – относительно молодая стартап-компания, основанная в 2016 году. Не могли бы вы рассказать историю ее создания?

Под влиянием страсти к внедрению революционных патентных технологий “речь-эмоция” и “речь-поведение” на рынок, технический директор Алекс Потамьянос и главный ученый Шри Нараянан основали Behavioral Signals в 2016 году. Шри – профессор инженерии в Университете Южной Калифорнии (USC). Он основал и сейчас руководит лабораторией анализа и интерпретации сигналов (SAIL) в USC. Алекс – известный инноватор в области речи и обработки естественного языка, систем интерактивного голосового ответа и поведенческой информатики. У него более 20 лет лидерского опыта как в корпоративном, так и в предпринимательском секторе, а его опыт работы включает работу в AT&T Labs-Research, Bell Labs и Lucent Technologies.

С целью улучшения и изменения мира бизнеса, мы считаем, что технологии являются основой того, что можно достичь. Алгоритмы Behavioral Signals анализируют человеческие эмоции и поведение, преобразуют данные в полезную информацию и помогают принимать лучшие бизнес-решения и увеличивать прибыль. До сих пор человеческие эмоции считались невозможными для количественной оценки и измерения. С помощью нашего патентованного аналитического движка мы измеряем и интерпретируем “как” часть человеческого взаимодействия.

Behavioral Signals полагается на определенный тип машинного обучения – аффективные вычисления (также известные как Emotion AI). Не могли бы вы объяснить, что это такое?

Эмоциональный искусственный интеллект, также называемый Emotion AI или аффективными вычислениями, используется для разработки машин, способных читать, интерпретировать, реагировать и имитировать человеческие эмоции – то, как мы, как люди, испытываем и выражаем эмоции. Что это значит для потребителей? Это значит, что ваши устройства, такие как смартфон или умные колонки, смогут предложить вам более естественное взаимодействие, просто читая эмоциональные сигналы в вашем голосе.

По мере роста нашей зависимости от ИИ растет и необходимость в эмоционально интеллектуальном ИИ. Одно дело – попросить вашего виртуального помощника прочитать вам сегодняшние спортивные результаты, но совсем другое дело – доверить уход за вашими пожилыми родителями боту, управляемому ИИ. Сейчас ИИ может делать невероятные вещи, такие как диагностика медицинских условий и разработка планов лечения, но ему все еще нужен эмоциональный интеллект, чтобы общаться с пациентами более человечным образом.

Какие еще типы машинного обучения используются?

Когда речь идет о машинном обучении, мы в основном используем глубокое обучение и NLP в наших моделях анализа поведенческих сигналов. Чтобы объяснить это немного лучше, мы открыли область поведенческого сигнального анализа, основанную на более чем десятилетии награжденных и патентных исследований, для автоматического обнаружения информации, закодированной в человеческом голосе из аудио, и измерения качества человеческого взаимодействия. Это развивающаяся дисциплина, которая объединяет инженерию с поведенческими науками и направлена на количественную и интерпретацию человеческого взаимодействия и общения с помощью инженерных и вычислительных инноваций. Глубокое обучение – это инструмент, который помогает создавать лучшие прогностические модели.

Какой тип данных вы собираете из тона голоса?

Наша технология глубокого обучения анализирует, что и как что-то говорится, с обеих сторон разговора, измеряя эмоции и поведение. Диапазон эмоций довольно разнообразен, но то, что действительно важно, – это агрегированный интеллект этого анализа. Чтобы дать вам пример, рассмотрим разговор между банковским сотрудником и клиентом; мы можем захватить и измерить вежливость, самообладание (спокойствие или раздражение), сочувствие к клиенту, реакции клиента и общий стиль речи, такой как медленный, быстрый, вовлеченный или неинтересный, чтобы рассчитать балл качества разговора, эффективность результата и производительность сотрудника.

Какой тип анализа данных используется для прогнозирования намерений?

Прогнозирование намерений очень похоже на то, что уже было упомянуто. Мы используем поведенческие сигналы в голосе, чтобы предсказать намерение клиента купить продукт, продлить подписку или заплатить долг. Прогнозирование намерений может помочь компаниям увеличить продажи и коэффициенты сбора, снизить затраты и в конечном итоге улучшить удовлетворенность клиентов.

Behavioral Signals – шестикратный победитель золотой награды INTERSPEECH за качество человеческого взаимодействия и вычислительную паралингвистику. Что такое этот вызов и насколько значительным является это достижение?

Interspeech – крупнейшая техническая конференция, посвященная обработке и применению речи. Она имеет самое большое количество участников в этой области и значительное количество исследовательских работ. Конференция подчеркивает междисциплинарные подходы, которые решают все аспекты науки и технологии речи, от базовых теорий до передовых приложений. Ее вызовы считаются премией Тьюринга в области распознавания и обработки речи. Победа в нем является важным признанием нашей научной работы и уникальной способности обнаруживать сигналы из аудиоданных, связанных с поведением и чертами, которые стимулируют принятие решений человеком.

Как быстро Behavioral Signals может адаптироваться к разным языкам, и какой объем данных необходим?

Наша технология не зависит от языка. Мы слушаем как что-то говорится, а не что говорится. Мы слушаем выражаемые эмоции, которые довольно универсальны во всех языках. Конечно, каждый язык имеет свои уникальные черты, которые могут потребовать некоторой корректировки наших алгоритмов, но разница в наших прогностических моделях обычно небольшая.

Не могли бы вы рассказать о последнем решении Behavioral Signals – AI-Медиации в разговорах?

AI-Медиация в разговорах (AI-MC) – это автоматическое решение маршрутизации звонков, которое использует эмоциональный ИИ и данные голоса, чтобы сопоставить клиента с наиболее подходящим сотрудником для обработки конкретного звонка. Если мы вернемся к вышеупомянутому примеру разговора между банковским сотрудником и клиентом, наша технология может руководить динамикой разговора с конечной целью улучшить результат, будь то лучший опыт клиента, увеличение сбора или более быстрое решение. Какова бы ни была цель, всегда есть катализатор, который позволит обеим сторонам достичь желаемого результата. Этот катализатор – простой и естественно возникающий человеческий процесс: сродство или раппорт, развивающийся между людьми. Независимо от типа делового общения (телефонный звонок, поддержка, сбор), это всегда будет взаимодействие между реальными людьми, где редко бывает идентичным сродство между двумя парами людей. У нас есть определенные поведения и черты, которые помогают нам ладить с некоторыми людьми лучше, чем с другими. Это совпадение основано на профильных данных и наших передовых алгоритмах, разработанных на основе лет исследований и опыта в области NLP и поведенческого сигнального анализа.

Мы недавно реализовали решение AI-MC Behavioral Signals, чтобы повысить эффективность и эффективность колл-центра европейского банка. Кейс-стади был признан Gartner и включен в его отчет об采用 Emotion AI. Решение продемонстрировало значительную отдачу от инвестиций с увеличением на 20% активных заявок на реструктуризацию долга. Кроме того, это улучшение было достигнуто при снижении количества звонков на 7,6%, что привело к дополнительным сокращениям затрат. В абсолютных цифрах эти результаты соответствовали увеличению на 300 миллионов долларов для банка.

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

Хотя мы гордимся своими исследовательскими достижениями, мы также благодарны за отраслевые награды. Осенью 2019 года наша технология была включена в качестве лидера по использованию в исследовании Gartner Maverick, которое профилирует передовые технологии. Ранее в этом году мы были включены в цикл гипа Gartner, где наша технология была оценена как “трансформационная”. В прошлом месяце мы были включены в список Cool Vendor 2020 по версии Gartner.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, должны посетить Behavioral Signals.