Sergey Galchenko, Chief Technology Officer, IntelePeer – Intervju-serie

Vad var det som initialt drog dig till datavetenskap och AI?

Jag tycker om att lösa problem och programutveckling ger dig möjlighet att göra det med en mycket snabb återkopplingsloop. AI öppnar en ny frontier av användningsfall som är svåra att lösa med traditionell deterministisk programmering, vilket gör det till ett spännande verktyg i lösningens verktygslåda.

Hur har AI förändrat kundsupportens landskap, särskilt när det gäller att automatisera CX (kundupplevelse) operationer?

Generativ artificiell intelligens revolutionerar kontaktscenterbranschen på ett sätt som aldrig tidigare skett. När den kombineras med lösningar som hjälper till att automatisera kommunikation, erbjuder generativ AI nya möjligheter att förbättra kundinteraktioner, förbättra operativ effektivitet och minska arbetskostnader i en bransch som har blivit alltmer konkurrensutsatt. Med dessa teknologier på plats kan kunder dra nytta av högt personlig service och konsekvent support. Företag kan samtidigt innehålla samtal mer effektivt och bekämpa agentomsättning och höga vakanser, samtidigt som de låter sina anställda fokusera på prioriterade uppgifter. Slutligen möjliggör generativ AI, genom dess avancerade algoritmer, för företag att konsolidera och sammanfatta information som hämtats från kundinteraktioner med hjälp av flera datakällor. Fördelarna med att använda dessa teknologier i CX är tydliga – och det finns alltmer data som stöder påståendet att denna trend kommer att påverka alltfler företag.

Kan du ge specifika exempel på hur IntelePeers generativa AI har minskat tråkiga uppgifter för kundsupportagenter?

Det ultimata målet för IntelePeers generativa AI är att möjliggöra fullständig automatisering i kundsupportscenarier, vilket minskar beroendet av agenter och resulterar i upp till 75% minskning av driftskostnader för de kunder vi betjänar. Vår plattform kan automatisera upp till 90% av en organisations kundinteraktioner, och vi har kollektivt automatiserat över en halv miljard kundinteraktioner. Inte bara kan vår generativa AI automatisera manuella uppgifter som samtal dirigerings-, tidsbokning och kunddatainmatning, utan den kan också tillhandahålla självbetjäningsupplevelser som kunder alltmer kräver och förväntar sig – komplett med hyperpersonlig kommunikation, förbättrad svarssäkerhet och snabbare lösningar.

Kan du beskriva varför AI-relaterade tjänster måste balansera kreativitet med noggrannhet.

Att balansera kreativitet med noggrannhet och förutsägbarhet är avgörande när det gäller att skapa förtroende för AI-drivna tjänster och lösningar – en av de största utmaningarna som omger AI-teknologier idag. Först och främst bör det vara uppenbart att alla AI-lösningar bör sträva efter den högsta möjliga noggrannheten för att tillhandahålla rätt utdata för alla indata. Men att skapa en bra upplevelse med AI går utöver att bara tillhandahålla korrekt information till slutanvändare; det inkluderar också att möjliggöra korrekt leverans av den informationen till dem, vilket kräver en viss mängd kreativitet för att utföras framgångsrikt. Till exempel i en kundtjänstinteraktion bör en AI-driven kommunikationslösning kunna automatiskt matcha kundens ton och anpassa sig efter behov i realtid, ge dem exakt vad de behöver på det sätt som bäst når dem i den stunden. AI bör också kommunicera på ett sätt som gör att kunder känner sig mer bekväma, men inte så mycket att de bedrar dem till att tro att de talar med en människa när de inte gör det. Återigen handlar allt om att skapa förtroende för AI, vilket kommer att leda till ännu mer omfattande antagande och användning av teknologin.

Vilken roll spelar data i att säkerställa noggrannheten i AI-svar, och hur hanterar du data för att optimera AI-prestanda?

Bra data skapar bra AI. Med andra ord korrelerar kvaliteten på de data som matas in i en AI-modell direkt med kvaliteten på den information som modellen producerar. I kundtjänst är kundinteraktionsdata nyckeln till att hitta luckor i kundresan. Genom att gräva djupare i dessa data kan organisationer börja förstå kundavsikter bättre och sedan använda den informationen för att strömlinjeforma och förbättra AI-driven engagemang, vilket transformerar den övergripande kundupplevelsen och -resan. Men organisationer måste ha rätt dataarkitekturer på plats för att både bearbeta och extrahera insikter från de enorma mängder data som är associerade med AI-lösningar.

IntelePeers AI-lösning använder innehållet och sammanhanget i interaktionen för att bestämma den bästa handlingsplanen vid varje tillfälle. Under en interaktion, om en fråga ställs av kunden som kräver ett svar som är specifikt för ett företags process, regler eller policy, använder AI-arbetsflödet automatiskt en kunskapsbas som innehåller sådan affärsdata som FAQ-dokument, agentutbildningsmaterial, webbdata, policy och annan affärsinformation för att svara därefter. På samma sätt, om en fråga eller en begäran görs som företaget inte vill att AI ska svara på direkt, kommer AI-arbetsflödet att eskalera frågan till en mänsklig agent om det krävs. Den återstående interaktionen kan automatiskt läggas till i Q&A-par för att förbättra svar i efterföljande kundinteraktioner eller överlämnas till en tillsynsmyndighet för godkännande innan den införlivas.

Hur ser du att rollen för frontline-agenter utvecklas med AI:s ökande roll i kundtjänst?

Vi på IntelePeer förutser en drastisk minskning av beroendet av frontline-agenter på grund av utvecklingen av AI-teknologier. Med massiva framsteg inom AI-driven samtalshantering, som fortsätter att förbättras i kvalitet och ökar i volym, kan organisationer idag automatisera upp till 90% av sina kundinteraktioner. Detta möjliggör för dem att optimera sin frontline-personal och spara betydande summor på driftskostnader – samtidigt som de tillhandahåller bättre upplevelser för de kunder de betjänar.

Medan vissa uppgifter automatiseras, vilka kvalificerade CX-roller tror du kommer att förbli kritiska trots AI-utvecklingen?

Medan AI kommer att minska antalet frontline-agenter som behövs i kundtjänstroller, kommer en mänsklig faktor alltid att behövas i CX-operationer. Till exempel måste AI-drivna kommunikationsmodeller utbildas, konfigureras och hanteras med mänsklig tillsyn för att säkerställa noggrannhet och eliminera eventuella fördomar. Den mänskliga beröringen behövs också för att anpassa automatiserad kundkommunikation till organisationens eller varumärkets budskap och personlighet, vilket bidrar till kundkomfort och hjälper till att skapa förtroende för teknologin. Dessa mer tekniska, AI-inriktade roller kommer att ta över typiska frontline-roller i framtiden.

AI-hallucinationer är ett problem när det gäller att upprätthålla korrekta kundinteraktioner. Vilka specifika skydd har IntelePeer implementerat för att förhindra att AI fabricerar fakta?

 Företag måste implementera generativ AI idag för att förbli relevanta under den pågående revolutionen, samtidigt som de undviker en brådstörtad och katastrofal utrullning. För att göra det på ett ansvarsfullt sätt måste företag börja med att implementera en Retrieval Augmented Generation (RAG)-modell för att hjälpa sin generativa AI att granska stora företagsdatauppsättningar. För automatiserad kundtjänstinteraktion måste varumärken skapa en mänsklig återkopplingsloop för att analysera tidigare interaktioner och förbättra kvaliteten på de datauppsättningar som används för finjustering och hämtning. Dessutom bör organisationer fokusera på:

• att implementera skydd genom att analysera kundinteraktionsdata och utveckla omfattande, dynamiska kunskapsbaser;
• att investera i kontinuerlig övervakning och uppdatering av dessa system för att anpassa sig till nya frågor och upprätthålla noggrannhet; och
• att utbilda personal för att känna igen och hantera oidentifierbara permutationer, vilket säkerställer smidig eskalering och lösningsprocesser.

Hur säkerställer du att stora språkmodeller (LLM) tolkar sammanhanget korrekt och tillhandahåller tillförlitliga svar?

 En haphazard approach till att implementera generativ AI kan resultera i kvalitetsproblem med utdata, hallucinationer, upphovsrättsintrång och fördomsfulla algoritmer. Därför måste företag ha svarsskydd när de tillämpar generativ AI i kundtjänstmiljön. IntelePeer använder retrieval augmented generation (RAG), som matar in datakontext till en LLM för att få svar som är grundade i en kundtillhandahållen datauppsättning. Under hela processen, från det att data förbereds till dess att LLM skickar ett svar till klienten, förhindrar de nödvändiga skydden att någon känslig information exponeras. IntelePeers RAG börjar när en kund ställer en fråga till en AI-driven bot. Boten utför en sökning av frågan i kunskapsbasen. Om den inte kan hitta ett svar, överförs den till en mänsklig agent och sparar frågan till Q&A-databasen. Senare kommer en människa att granska den nya frågan, importera datauppsättningen och spara svaret till kunskapsbasen. Till slut kommer inga frågor att lämnas obesvarade. Med RAG-processen på plats kan företag upprätthålla kontroll över svarsuppsättningar för interaktionsautomatisering.

Vad förutser du för trender i AI:s roll i kundupplevelsen?

På IntelePeer tror vi djupt att generativ AI är ett kraftfullt verktyg som kommer att positivt förstärka mänskliga kommunikationsförmågor, öppna nya möjligheter och övervinna långvariga hinder. AI kommer att fortsätta förbättra kundtjänstkommunikation genom att strömlinjeforma kundtjänstinteraktioner, erbjuda dygnet-runt-assistans och tillhandahålla språkbroar. Dessutom kommer virtuella assistenter, som tränats på stora språkmodeller (LLM), att kunna dra nytta av miljontals mänskliga samtal för att snabbt upptäcka känslor och modifiera ton, känslor och ordval. Det kommer att finnas alltmer bevis för att företag som lyckas använda AI för att förbättra mänskliga kontakter kommer att se en betydande avkastning på investeringen och förbättrad effektivitet och produktivitet. Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka IntelePeer.