Рана Гуджрал, генеральный директор Behavioral Signals – Интервью-серия

Рана Гуджрал является генеральным директором Behavioral Signals, компании, которая мостит коммуникационный разрыв между людьми и машинами, вводя эмоциональный интеллект из речи в разговоры с ИИ.

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

Руководствуясь страстью к выводу на рынок революционных патентных технологий “речь-эмоция” и “речь-поведение”, технический директор Алекс Потамьянос и главный ученый Шри Нараянан основали Behavioral Signals в 2016 году. Шри является профессором инженерии в Университете Южной Калифорнии (USC). Он основал и в настоящее время руководит лабораторией анализа и интерпретации сигналов (SAIL) в USC. Алекс является известным инноватором в области речи и обработки естественного языка, интерактивных систем голосового ответа и поведенческой информатики. У него более 20 лет лидерского опыта как в корпоративной, так и в предпринимательской сфере, а его прошлый опыт работы включает AT&T Labs-Research, Bell Labs и Lucent Technologies.

Наша цель – улучшить и навсегда изменить бизнес-мир, и 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 тип машинного обучения – аффективную вычислительную технику (также известную как Emotion AI). Не могли бы вы объяснить, что это такое?

Эмоциональный искусственный интеллект, также называемый Emotion AI или аффективной вычислительной техникой, используется для разработки машин, способных читать, интерпретировать, реагировать и имитировать человеческое воздействие – то, как мы, как люди, испытываем и выражаем эмоции. Что это значит для потребителей? Это означает, что ваши устройства, такие как смартфон или умные колонки, смогут предложить вам взаимодействие, которое будет казаться более естественным, чем когда-либо прежде, просто читая эмоциональные сигналы в вашем голосе.

По мере роста нашей зависимости от ИИ растет и потребность в эмоционально интеллектуальном ИИ. Это одно дело – попросить вашего виртуального помощника прочитать вам сегодняшние спортивные результаты, но совсем другое дело – доверить уход за вашими пожилыми родителями боту, управляемому ИИ. В настоящее время ИИ может делать невероятные вещи, такие как диагностика медицинских условий и разработка планов лечения, но он все еще нуждается в эмоциональном интеллекте, чтобы общаться с пациентами более человечным способом.

Какие другие типы машинного обучения используются?

Когда речь идет о машинном обучении, мы в основном используем глубокое обучение и NLP в наших моделях анализа Behavioral Signals. Чтобы объяснить это немного лучше, мы открыли область Behavioral Signal Processing, основанную на более чем десятилетнем награжденном и патентованном исследовании, для автоматического обнаружения информации, закодированной в человеческом голосе из аудио, и измерения качества человеческого взаимодействия. Это новая дисциплина, которая объединяет инженерию с поведенческими науками и направлена на количественную оценку 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, спокойствие (спокойный или раздраженный), 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 стал шестикратным победителем золотой награды INTERSPEECH за качество человеческого взаимодействия и вычислительную паралингвистику. Что такое этот вызов, и насколько это значительное достижение?

Interspeech – это крупнейшая техническая конференция, посвященная обработке и применению речи. Она привлекает самое большое количество участников в этой области и имеет значительное количество исследовательских работ. Конференция подчеркивает междисциплинарные подходы, которые решают все аспекты науки и технологии речи, от базовых теорий до передовых применений. Ее вызовы считаются премией Тьюринга в области распознавания речи и обработки естественного языка. Победа в этом вызове является важным признанием нашей научной работы и уникальной способности обнаруживать сигналы из аудиоданных, связанных с поведением и чертами, которые определяют 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 то, что на самом деле говорится. Мы слушаем выраженные эмоции, которые довольно универсальны во всех языках. Конечно, каждый язык имеет свои уникальные черты, которые могут потребовать корректировки наших алгоритмов, но разница в наших прогностических аналитических моделях обычно небольшая.

Можете ли вы обсудить последнее решение Behavioral Signals – AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) – это автоматическое решение маршрутизации звонков, которое использует Emotion AI и голосовые данные для сопоставления клиента с наиболее подходящим сотрудником для обработки конкретного звонка. Если мы вернемся к вышеупомянутому примеру банковского сотрудника и клиента, наша технология может направлять динамику разговора с конечной целью улучшения результата, будь то лучший опыт клиента, увеличение сбора или более быстрое решение проблем. Что бы ни было целью, всегда есть катализатор, который позволит обеим сторонам достичь желаемого результата. Этот катализатор обычно является простым и естественным человеческим процессом: сродство или раппорт, развитый между людьми. Независимо от типа делового общения (продажный звонок, поддержка, сбор), это всегда будет взаимодействие между реальными людьми, где редко сродство идентично между двумя парами людей. У нас есть конкретные поведение 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 Behavioral Signal Processing.

Мы недавно реализовали решение AI-MC Behavioral Signals для повышения эффективности и эффективности 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 сокращении на 7,6% количества звонков, что привело к дополнительным снижениям 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 признание в отрасли. Осенью 2019 года наша технология была включена в качестве лидера по использованию в престижном исследовании Maverick от Gartner, в котором представлены 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 от Gartner.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Behavioral Signals.