Rebecca Greene, CTO och medgrundare av Regal – Intervjuserie

Rebecca Greene, CTO och medgrundare av Regal, är en teknisk chef, produktledare och investerare med omfattande erfarenhet av att bygga kundfokuserade digitala företag. Innan hon co-founderade Regal 2020 var hon Chief Product Officer på Handy, där hon ledde produkt-, design- och datateamen och stödde företagets integration med ANGI Homeservices efter förvärvet. Tidigare i sin karriär arbetade Greene med produktledning på Amazon (AMZN ) och hade strategi-, konsult- och finansiella roller på Booz & Company, First Manhattan Consulting Group och Bear Stearns. Hon är också partner på Blue Trail Partners, där hon stöder grundare som bygger högpresterande företag.

Regal är en företagsplattform för röstbaserad AI som möjliggör för kundtjänstcenter att bygga, distribuera, förbättra och hantera autonoma AI-agenter för försäljning, kundsupport och operativa arbetsflöden. Plattformen kombinerar röstteknologi, avancerad prompting och realtidskunddata för att leverera personanpassade inkommande och utgående samtal, samtidigt som den integreras med befintliga kundrelationshanteringssystem, kundtjänstsystem, telefoni- och databassystem. Grundat 2020 är företaget utformat för att hjälpa företag automatisera kundinteraktioner utan att ersätta sin befintliga tekniska infrastruktur.

Hjälpte du till att skala upp Handy från ett tidigt startup-företag till ett företag som slutligen blev en del av ANGI, vilket gav dig första-handserfarenhet av att bygga produkter genom hyper-tillväxt. Vilka lärdomar från den resan övertygade dig om att co-grunda Regal, och vilket kundupplevelseproblem kände du att du inte kunde lösa med befintlig kontaktcenter-teknologi?

Medan vi var på ANGI, var min medgrundare, Alex, och jag ansvariga för ett kontaktcenter med 3 000 personer som hanterade nästan 100 miljoner kundinteraktioner varje år. I början var mitt mål att få kunder att ringa oss så sällan som möjligt, eftersom alla i tech-branschen sa att “röst är död”, så vi spelade in i den anti-telefon-mentaliteten. Vi gjorde allt vi kunde för att styra kunderna mot självbetjäning.

Men kunderna fortsatte att ringa ändå. Människor vill verkligen prata i telefon när något är viktigt, brådskande eller för komplicerat att förklara i en textruta. Det var då vi började titta djupare på röst som en utgående kanal, eftersom data började visa att det var otroligt effektivt. Om du vill att en kund ska uppdatera sitt kreditkort eller påminna dem om en tid, får e-post kanske en 2-procentig klickfrekvens. Med telefonsamtal kunde vi få 20 till 30 procent av människor att svara. Det är 10 gånger bättre.

Problemet var att ingen befintlig kontaktcenter-teknologi tillät företag att möta den efterfrågan på ett kostnadseffektivt sätt. Röstsamtal kostar ungefär 10 dollar var att bemanna, så de flesta företag var incitiverade att undvika dem, även när kunderna ville dem. Klyftan mellan den höga efterfrågan på röst och den bristande kostnadseffektiva möjligheten att leverera det bra var det som övertygade min medgrundare och mig att starta Regal 2020.

Regal har nu hanterat hundratals miljoner AI-styrda kundinteraktioner över företagsorganisationer. Vilka var de största tekniska utmaningarna i att göra röst-AI tillräckligt pålitlig för produktion i företagsstorlek, och vilka genombrott gjorde en bred tillämpning möjlig?

Regal har nyligen passerat 500 miljoner AI-hanterade samtal, vilket motsvarar cirka 408 års samtal. Vi har nu 100+ AI-röster, 33 språk och 26 LLM, och har genererat 9 miljarder dollar i intäkter för våra kunder.

För oss och våra kunder var den största utmaningen att se till att agenterna hade rätt sammanhang när de talade med en kund och gav korrekt råd. Vi arbetar med företag inom några av de mest reglerade branscherna, som hälsovård och försäkring, där det är avgörande att AI förstår vad den kan och inte kan säga. Så vi behandlar vår AI som anställda: du måste utbilda dem, övervaka dem och utvärdera deras prestationer konstant.

Det verkliga genombrottet var ankomsten av LLM med äkta resonemang och språkgenerering, som gjorde det möjligt att automatisera komplexa, multi-turn-samtal för första gången.

Många människor associerar fortfarande AI-röstagenter med frustrerande IVR-system eller robotiska chattbotar. Vad har förändrats fundamentalt under de senaste åren som gör att moderna röstagenter kan leverera mycket mer naturliga samtal?

AI-röstagenter är helt annorlunda än de gamla IVR-systemen. Alla som fortfarande använder IVR är mycket begränsade, eftersom de är deterministiska. Idag resonerar agenterna verkligen genom ett samtal på samma sätt som en person, med hjälp av LLM för språkgenerering och driven av sammanhang och data från 500 miljoner tidigare samtal. Kombinerat med bättre röstkvalitet, förbättrad latens och mer naturlig konversationslogik kan de flesta av våra kunders kunder idag inte skilja på om de pratar med AI eller inte, eller så bryr de sig inte om de gör det, så länge det producerar det de behöver.

Som CTO, hur balanserar du de snabba framstegen inom grundmodeller med behovet av stabilitet, säkerhet och förutsägbarhet för företagskunder?

Detta är den kärna jag hanterar som CTO: grundmodellerna utvecklas otroligt snabbt, men våra företagskunder inom reglerade branscher behöver förutsägbarhet, säkerhet och konsekvent beteende.

Vi är inte modellleverantörer själva; vi tillhandahåller en applikation för att bygga AI-agenter, och vi sitter bredvid annan kontaktcenterprogramvara. Den separationen låter oss göra förbättringar utan att destabilisera skyddsräcken, integreringar och efterlevnads kontroller som våra kunder förlitar sig på. Det är också varför vi har fokuserat på att låta alla team bygga AI-agenter som hanterar komplexa arbetsflöden på några veckor, inte månader. Vi lanserade nyligen en produkt som heter Copilot, som med ett samtal kan bygga en fungerande första utkast av en röstagent för team med deras företags specifika affärslogik, varumärke och säkerhet redan inbyggt.

Regals plattform kopplar AI-agenter till kundkontext och affärsarbetsflöden snarare än att bara svara på frågor. Varför är tillgång till kunddata och affärssystem lika viktigt som framsteg inom språkmodeller själva?

På egen hand kan en språkmodell ha ett samtal, men den kan inte faktiskt göra något för din kund. I samma ögonblick du ber den att kontrollera en beställning, tillämpa en rabatt, eskalera ett ärende eller uppdatera en post, behöver AI-agenten vara ansluten till samma system som dina mänskliga agenter använder – som deras CRM- och faktureringsystem.

Så fort modellerna själva blir bättre i kvalitet är tillgång till riktiga kunddata och affärssystem det som faktiskt skiljer en bra AI-hanterad upplevelse från en frustrerande.

Er plattform betjänar organisationer inom branscher som hälsovård, försäkring, utbildning och finansiella tjänster. Vad har dessa högt reglerade sektorer lärt dig om att distribuera AI på ett ansvarsfullt sätt samtidigt som du upprätthåller kundförtroende?

Vi fokuserar medvetet på högt reglerade, högkomplexa branscher snarare än de enklare lågriskfallen, delvis på grund av min egen bakgrund inom produktledning, design och data, och arbete med företagskontaktcenter.

Förtroende och efterlevnad är verkligen viktigt i dessa interaktioner. Ansvarsfull AI-distribution handlar om att se till att agenterna har pålitliga skyddsräcken, korrekt kontext på kontonivå och en tydlig väg till en människa när något faller utanför deras omfång. Förtroende i reglerade branscher kommer inte från att AI är felfri, det kommer från att vara förutsägbart och åtgärdbart.

Många människor antar att AI kommer att ersätta mänskliga kontaktcenteragenter. Hur ser du på utvecklingen av förhållandet mellan mänskliga anställda och AI-agenter under de närmaste fem åren, och vilka ansvarsområden bör alltid förbli mänskligt ledda?

AI kommer inte att ta alla jobb som många fruktade, men det kommer att utveckla vad jobbet ser ut som.

Den viktigaste mänskliga rollen under de närmaste åren är inte den traditionella kontaktcenteragenten – det är en helt ny roll. Min medgrundare och jag kallar det CX-ingenjör: någon som hanterar och övervakar AI-agenterna själva, arbetar bakåt från kundresan snarare än att sitta i enskilda samtal. Du kan redan se den här förändringen ske mer allmänt, med AWS som precis investerade 1 miljard dollar i en Forward Deployed Engineering-enhet för att hjälpa kunder bygga med AI, en roll som inte verkligen existerade för ett år sedan.

Vi kan förvänta oss en liknande förändring i CX: när AI-agenter hanterar mer av volymen kommer de som orkestrerar, hanterar och kvalitetskontrollerar dessa agenter att bli avgörande rekryteringar.

Röst-AI har förbättrats dramatiskt, men kunder blir alltmer medvetna om att de pratar med AI. Vilken roll spelar transparens och avslöjande i att bygga långsiktig tillit, och bör företag alltid berätta för kunder att de interagerar med en AI-agent?

Kunder kan alltid be om en människa, och vi bygger in det i varje distribution. Vad vi faktiskt ser i praktiken är att de flesta människor antingen inte kan skilja på om de pratar med AI eller inte, eller så bryr de sig inte om de gör det, eftersom interaktionen i sig är viktigare för dem än vem som är på andra sidan.

Det finns också en strukturell anledning till att det inte diskuteras mer: vissa företag kör redan den överväldigande majoriteten av sina kundinteraktioner på AI, men annonserar det inte ännu. Jag tycker att transparens är viktigast i ögonblicket en kund ber om det, men behöver inte vara ett generellt krav på varje interaktion.

När AI nu kan hantera alltmer komplexa samtal, vilka mått bör organisationer fokusera på utöver enkel kostnadsminskning när de utvärderar om en AI-distribution faktiskt har förbättrat kundupplevelsen?

Inom organisationen bör man uppmärksamma hur mycket deras eget team faktiskt använder AI dagligen, och behandla tung användning som en allmän god indikator. Men den större måttstock som företag bör överväga är intäkt per anställd. Om AI verkligen fungerar bör det numret öka, och det är vad som finansierar tillväxt och bättre marginaler. AI ersätter inte dina människor, men de som använder det väl kommer att göra mycket mer medan de behåller samma team. De kan betjäna fler kunder, stänga fler affärer och bygga mer när intäkt per anställd är den måttstock du mäter mot.

Om du tittar framåt, vilka framväxande teknologier eller förmågor tror du kommer att definiera nästa generation av företags AI-agenter, och vilka utvecklingar är du personligen mest angelägen om att hjälpa till att ta till marknaden under de kommande åren?

Idag är röst redan 60-70 procent av kundinteraktioner, med resten fördelat över chatt, e-post och text. När AI gör röstinteraktioner av högre kvalitet och mer kapabla, förväntar jag mig att röst kommer att bli den dominerande kanalen och så småningom nå 95 procent av alla kundinteraktioner.

Vad som kommer att definiera nästa generation av företags AI-agenter är hur proaktiva och engagerade de är när det gäller kundinteraktioner. Nyheten om AI i kundupplevelse håller på att avta, och alla vet att det blir mer och mer kapabelt, men jag är angelägen om att driva dess gränser och låta det utföra ännu mer komplexa användningsfall. Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Regal.