Rana Gujral, VD för Behavioral Signals – Intervjuserie

Rana Gujral är VD för Behavioral Signals, ett företag som brottas kommunikationsgapet mellan människor och maskiner genom att introducera emotionell intelligens, från tal, i samtal med AI.

Behavioral Signals är ett relativt ungt startup som lanserades 2016. Kan du dela historien om företagets uppkomst?

Driven av en passion att ta företagets banbrytande patenterade tal-till-emotion och tal-till-beteende-teknologier till marknaden, grundade CTO, Alex Potamianos och Chief Scientist, Shri Narayanan Behavioral Signals 2016. Shri är en Andrew J. Viterbi Professor of Engineering vid University of Southern California (USC). Han grundade och leder för närvarande Signal Analysis and Interpretation Laboratory (SAIL) vid USC. Alex är en väl ansedd innovatör inom området tal och naturlig språkbehandling, interaktiv röstrespons och beteendeanalys. Han har över 20 års ledarerfarenhet både inom företag och entreprenörssidan av affärer, medan hans bakgrund inkluderar arbete på AT&T Labs-Research, Bell Labs och Lucent Technologies.

Med målet att förbättra och för alltid förändra affärsvärlden, tror vi att teknologi är kärnan i vad som kan uppnås. Behavioral Signals algoritmer analyserar mänskliga känslor och beteenden, omvandlar data till användbar information och leder till bättre affärsbeslut och ökade vinster. Tills nu har mänskliga känslor ansetts vara omöjliga att kvantifiera och mäta. Med vår patenterade analysmotor mäter och tolkar vi “hur”-delen av mänskliga interaktioner.

Behavioral Signals förlitar sig på en typ av maskinlärande känslomässig datoranvändning (även kallad Emotion AI). Kan du förklara vad detta är?

Emotionell artificiell intelligens, även kallad Emotion AI eller känslomässig datoranvändning, används för att utveckla maskiner som kan läsa, tolka, svara på och imitera mänskliga känslor – det sätt som vi, som människor, upplever och uttrycker känslor. Vad betyder detta för konsumenter? Det betyder att dina enheter, som din smartphone eller smarta högtalare, kommer att kunna erbjuda dig interaktion som känns mer naturlig än någonsin tidigare, allt genom att läsa de känslomässiga signalerna i din röst.

Så länge vår tillit till AI växer, växer också behovet av emotionellt intelligent AI. Det är en sak att be din virtuella assistent att läsa dagens spelresultat, men det är en helt annan sak att anförtro dina åldrande föräldrar till en AI-styrd bot. För närvarande kan AI göra otroliga saker, som att diagnostisera medicinska tillstånd och skriva ut behandlingsplaner, men den behöver fortfarande emotionell intelligens för att kommunicera med patienter på ett mer mänskligt sätt.

Vilka andra typer av maskinlärande-teknologier används?

När det gäller maskinlärande använder vi främst djupinlärning och NLP i våra Behavioral Signals Processing-analytiska modeller. För att förklara detta lite bättre har vi banat väg för ett område, Behavioral Signal Processing, baserat på över ett decenniums vinnande och patenterad forskning, för att automatiskt upptäcka information som är kodad i den mänskliga rösten från ljud och mäta kvaliteten på mänsklig interaktion. Det är ett nytt område som brottas ingenjörsvetenskap med beteendevetenskap och syftar till att kvantifiera och tolka mänsklig interaktion och kommunikation genom användning av ingenjörsvetenskapliga och datavetenskapliga innovationer. Djupinlärning är verktyget som hjälper till att skapa bättre prediktiva modeller.

Vilken typ av data samlar du in från taltonen?

Vår djupinlärnings-AI-teknologi analyserar vad och hur något sägs, på båda sidor av en konversation, mäter känslor och beteenden. Omfattningen av känslor är ganska varierad, men vad som verkligen betyder något är den samlade intelligensen i denna analys. För att ge dig ett exempel, överväg en konversation mellan en bankanställd och en kund; vi kan fånga och mäta artighet, sammansättning (lugn vs upprörd), empati mot kunden, kundens reaktioner och övergripande talsätt som långsamt, snabbt, engagerat eller oengagerat, för att beräkna konversationskvalitetspoängen, effektiviteten i resultatet och medarbetarens prestation.

Vilken typ av dataanalys görs för att förutsäga avsikt?

Avsiktsförutsägelse är ganska likt det som redan har nämnts. Vi använder beteendesignaler i rösten för att förutsäga en kunds avsikt att köpa en produkt, förnya en prenumeration eller om en skuld kommer att betalas. Avsiktsförutsägelse kan hjälpa företag att öka sina försäljnings- och insamlingskvoter, sänka sina kostnader och förbättra kundnöjdheten.

Behavioral Signals har varit en 6-faldig guldvinnare av INTERSPEECH-kvaliteten på mänskliga interaktioner och beräkningsparalingvistiska utmaningen. Vad är denna utmaning och hur betydelsefull är detta?

Interspeech är världens största tekniska konferens som fokuserar på talbehandling och tillämpning. Den har den största publiken inom detta område och ett betydande antal forskningsartiklar. Konferensen betonar tvärvetenskapliga tillvägagångssätt som hanterar alla aspekter av talforskning och teknologi, från grundläggande teorier till avancerade tillämpningar. Dess utmaningar anses vara Turing-priset inom talförståelse och naturlig språkbehandling. Att vinna detta är ett viktigt erkännande av vårt vetenskapliga arbete och unika förmåga att upptäcka signaler från ljuddata associerade med beteenden och egenskaper som driver mänskligt beslutsfattande.

Hur snabbt kan Behavioral Signals anpassa sig till olika språk, och hur stor är dataseten som behövs?

Vår teknik är språkagnostisk. Vi lyssnar på hur något sägs snarare än vad som sägs. Vi lyssnar på de uttryckta känslorna, som är ganska universella i alla språk. Naturligtvis har varje språk sina egna unika egenskaper som kan kräva en justering av våra algoritmer, men skillnaden i våra prediktiva analytiska modeller är vanligtvis liten.

Kan du diskutera Behavioral Signals senaste lösning, AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) är en automatiserad lösning för samtal som använder emotion AI och röstdata för att matcha kunden med den bäst lämpade medarbetaren för att hantera ett visst samtal. Om vi går tillbaka till exemplet med bankanställd och kund, kan vår teknik vägleda samtalssamtalet med det ultimata målet att förbättra resultatet, oavsett om det handlar om bättre kundupplevelse, ökad insamling eller snabbare lösentider. Oavsett målet finns alltid en katalysator som skulle tillåta båda sidor att nå det önskade resultatet. Den bidragande faktorn är vanligtvis en enkel och naturligt förekommande mänsklig process: den affinitet eller samstämmighet som utvecklas mellan människor. Oavsett typen av affärskommunikation (försäljningssamtal, support, insamling) kommer det alltid att vara en interaktion mellan riktiga människor, där sällan är affiniteten identisk mellan två par människor. Vi har specifika beteenden och egenskaper som hjälper oss att komma överens med vissa människor bättre än med andra. Denna matchning baseras på profildata och våra överlägsna algoritmer som utvecklats från år av forskning och erfarenhet inom NLP och Behavioral Signal Processing.

Vi har nyligen implementerat Behavioral Signals AI-MC-lösning för att förbättra effektiviteten och effektiviteten i en EU-banks kundtjänst. Fallet studerades av Gartner och ingick i dess Emotion AI Adoption Report. Lösningen visade en betydande avkastning på investeringen med en 20% ökning av aktiva skuldsaneringsansökningar. Dessutom uppnåddes denna förbättring med 7,6% färre samtal, vilket ledde till ytterligare kostnadsbesparingar. I absoluta tal motsvarade dessa resultat en $300M-uppsida för banken.

Finns det något annat du vill dela om Behavioral Signals?

Medan vi tar mycket stolthet i våra forskningsprestationer, är vi lika tacksamma för branschens erkännanden. På hösten 2019 listades vår teknik som en användningsfall-ledare i Gartners eftertraktade Maverick Research som search that profiles bleeding edge technologies. Earlier this year, we were included in Gartner’s Hype Cycle, where our technology was rated as ‘transformational’. Last month, we were listed as a Gartner Cool Vendor 2020.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Behavioral Signals.