Will Bodewes, medgrundare och vd för Phonely – intervjuserie

Will Bodewes är medgrundare och vd för Phonely, ett företag inom röstbaserad AI som hjälper företag att besvara samtal och förbättra resultaten av kunddialoger. Innan han startade företaget bedrev han doktorandstudier vid University of Melbourne, där han forskade om tillämpad artificiell intelligens och system som kunde följa instruktioner och samtidigt kommunicera naturligt. Tidigare grundade han en startup inom ljudteknik och tävlade i NCAA:s längdskidåkning samt i ultradistanstävlingar på cykel. På Phonely använder han sin forskningsbakgrund för att ta sig an de praktiska utmaningarna med att införa röstassistenter, bland annat tillförlitlighet i dialoger, svarstid, integrationer och löpande optimering av bokningar, försäljning och arbetsflöden för kundservice.

Phonely är en plattform för AI-röstassistenter som gör det möjligt för företag att automatisera telefonsamtal, boka tider, kvalificera potentiella kunder, vidarekoppla samtal och koppla samman kundkontakter med befintlig programvara. Verktygen kombinerar anpassningsbara dialogflöden med samtalshistorik, analysverktyg och A/B-testning, så att team kan mäta resultat och förbättra dem över tid. Företaget betjänar organisationer av alla storlekar, från småföretag till stora koncerner, och uppger att det stöder fler än 10 000 företag och hanterar över 120 000 samtal per dag. Phonely utvecklar även egna dialogmodeller, däribland Alma, med målet att göra automatiserade samtal snabbare, mer tillförlitliga och bättre anpassade till verkliga affärssamtal.

Du började bygga Phonely medan du bedrev doktorandstudier i AI vid University of Melbourne, med ett tidigt fokus på att skapa system som kunde följa instruktioner och samtidigt kommunicera naturligt. Vad övertygade dig om att röstbaserad AI hade nått en punkt där den kunde bära ett fristående företag, och vad såg du på marknaden som andra hade missat?

Det fanns inga bevis för att röstbaserad AI då kunde bära ett fristående företag. Ett par företag arbetade med tekniken och hade omkring fem eller tio användare, men ingen hade framgångsrikt infört röstbaserad AI som inte var ett IVR-system. Så när vi startade Phonely var det en chansning. Då låg allt fokus på chatt, så röst var ett nytt medium. Det var ett problem som inte hade lösts, så vi tänkte: ”Varför inte ge oss på det? Varför inte försöka lösa det?”

Din doktorandforskning började med målet att skapa en AI som kunde ”följa instruktioner som en robot och prata som en människa”. Vilka tekniska genombrott fick dig att inse att forskningen kunde bli grunden för en kommersiell plattform för röstbaserad AI?

Forskningen var värdefull och viktig för att förstå den grundläggande tekniken bakom det som hände. Den gjorde att jag kunde blicka framåt och se vad som var på väg i utvecklingskedjan. Jag hade den tekniska förståelsen för vad de här modellerna var och hur de fungerade, och det gav mig möjlighet att våga satsa. Jag ville framför allt bygga ett företag och göra skillnad, och det här var det område som låg närmast det jag kunde och såg var på väg. Jag ville vara en del av det.

Du har beskrivit varje telefonsamtal som en tratt som företag historiskt sett inte har kunnat optimera systematiskt. Hur ser det egentligen ut att optimera ett telefonsamtal, och hur kan AI med tiden förbättra konverteringen, andelen lösta ärenden eller kundupplevelsen?

Säg att du bokar en tid hos en rörmokare. Personen i telefonen har fått lära sig att samla in dina uppgifter och boka tiden, men beroende på hur frågorna ställs kan personen också berätta om sådant du inte visste att företaget erbjöd. Du kanske bokar en tid för ett problem med rörledningarna och upptäcker att du också behöver få handfatet lagat. En välutbildad röstbaserad AI-agent gör samma sak och hjälper företaget att merförsälja till kunderna och öka intäkterna. Den skulle kunna sälja till en kund en produkt som en ny receptionist inte fått lära sig om och lägga till ytterligare en post i beställningen, vilket gör kunden nöjdare och ger företaget ett bättre resultat. En enkel ChatGPT-röst vet inte hur man gör det. Du behöver en produkt som är byggd och tränad för det.

Dessutom kan människor missa samtal, låta bli att svara i telefon eller skicka samtal till röstbrevlådan. Det slår hårt mot småföretag i USA. De har inte personal som svarar i telefon, saknar jämn kvalitet och har inget sätt att optimera den. Med AI kan vi optimera samtal som inte ger företaget det önskade resultatet, med hjälp av de data vi har. Tack vare AI:s snabbhet kan vi ändra samtalet, något som människor inte skulle kunna göra i närheten av lika snabbt.

Just nu ser alla AI som ett sätt att spara kostnader. Men vi tycker att man bör se AI som en tillväxtmöjlighet. Företag kan faktiskt växa genom att införa AI och därmed prestera bättre än tidigare.

Röstbaserad AI måste lösa utmaningar som textbaserad AI ofta kan undvika, däribland svarstid, avbrott, accenter, bakgrundsljud, känslomässiga signaler och oförutsägbara samtal. Vilket av dessa problem har varit svårast att lösa på ett tillförlitligt sätt i stor skala för stora företag?

Svarstiden är den största utmaningen. Nu har vi löst problemet, men i början var det en rejäl huvudvärk av två skäl.

För det första byggde vi vidare på startupföretag som inte var tillförlitliga. En betydande andel av API-anropen till OpenAI misslyckades, och vi fick inget svar. Om man sitter i telefon är det samma sak som att lägga på, så vi var tvungna att bygga in återförsök.

Det andra var kapaciteten. När man skickade en förfrågan till OpenAI kunde man fastna i en kö bakom hundratals eller tusentals andra förfrågningar, utan att veta vilken plats man hade i kön. Det kunde ta 30 sekunder innan svaret kom. För att komma runt det undersökte vi var i världen OpenAI hade sina ändpunkter och bytte vilka ändpunkter vi anropade utifrån vilka länder som låg och sov och var efterfrågan låg. Vi var tvungna att bygga all den här infrastrukturen bara för att hitta de ändpunkter som hade lägst efterfrågan just då. Det var ett ganska intressant tekniskt problem. Nu tränar vi våra egna modeller, bland annat Alma, så vi behöver inte oroa oss för det, eftersom vi själva hanterar beräkningskapaciteten och efterfrågan.

Phonely hanterar nu över 120 000 samtal per dag åt tusentals företag. Vad har ni lärt er av att driva röstbaserade agenter i den skalan som inte var uppenbart när ni byggde plattformens första version?

Det är verkligen viktigt att vara tillgänglig 100 % av tiden. En av de tuffaste tekniska utmaningarna vi har arbetat med att lösa är tillförlitlighet och snabbhet. AI-branschen utvecklas otroligt snabbt, och vi rör oss snabbt även för att vara ett AI-företag. Y Combinator brukar säga: ”Rör dig snabbt och ha sönder saker.” Men när kunderna ringer 120 000 samtal om dagen har man inte råd att ha sönder saker. En stor del av vårt arbete har därför handlat om att ta reda på hur vi kan lansera i den takt vi behöver för att förbli relevanta och vidareutveckla produkten, samtidigt som vi håller företagskunderna nöjda och verksamheten stabil medan vi fortsätter att bygga nya funktioner för att ligga steget före på marknaden. Tillförlitligheten var förmodligen en av de största utmaningarna vi ställdes inför när vi byggde företaget.

Generativa AI-system kan bete sig oförutsägbart, men en telefonagent som möter kunder kan hantera betalningar, bokningar, hälsofrågor eller andra situationer med höga insatser. Hur utformar ni röstbaserade agenter som är flexibla och kan föra naturliga samtal utan att hallucinera eller agera utanför sina befogenheter?

Vi lärde oss det den hårda vägen för ungefär två år sedan, och nu har lösningen blivit ganska allmänt vedertagen i branschen. Vi insåg att det största problemet med stora språkmodeller är kontexten. När man lägger in för mycket i en prompt, till exempel sidor med instruktioner, ökar risken för att något går fel.

Därför utformade vi ett orkestreringssystem med åtta agenter, där arbetet överförs från en agent till en annan och varje agent har ett avgränsat sammanhang. Det liknar hur en människa följer ett manus under ett samtal: man får viss information, går vidare till nästa steg och så vidare. Det gör att vi kan separera stegen på kodnivå. Om jag behövde samla in ditt namn, din e-postadress, ditt telefonnummer och ditt födelsedatum innan jag gav dig en återbetalning, skulle jag kunna garantera att informationen samlades in på kodnivå innan processen gick vidare. Det kan man inte garantera om man enbart förlitar sig på en stor språkmodell. Genom att bygga det här orkestreringslagret för agenter kan man uppnå 100 % tillförlitlighet, eftersom alla steg registreras innan arbetet överförs till en ny agent som fortfarande har kontext, men är begränsad till sina egna instruktioner.

En Phonely-installation ska enligt uppgift ha genererat 10 miljoner dollar i nya nettointäkter åt en kund på bara tre månader. Vad gjorde det möjligt för AI att skapa en så mätbar affärseffekt, och var ser du att röstbaserad AI ger störst avkastning på investeringen i dag?

Vi kunde göra det eftersom vi hade tillgång till kundens mätvärden. Kunden ville optimera försäljningen eftersom det rörde sig om inkommande samtal, och de kvalificerade de som ringde, så vi kunde följa upp resultaten. Beroende på dagen låg deras callcenters försäljningsgrad på ungefär 35–42 %. När vi hade fått den informationen från kunden tog vi deras flöden och optimerade agenten. Vi började på ungefär 20 % försäljningsgrad. Under de följande månaderna gjorde vi ändringar, finjusterade och optimerade tills vi överträffade deras callcenter i de flesta fall. Vår försäljningsgrad fortsatte att öka eftersom vi identifierade problemen och såg till att upplevelsen var konsekvent och perfekt varje gång. Vi kunde prestera bättre än ett callcenter.

I takt med att röstbaserade agenter blir mer kapabla, var bör företag dra gränsen mellan samtal som kan automatiseras helt och situationer där en människa bör fortsätta vara involverad?

Företag bör kunna automatisera allt som är en process de vill ska följas och som går att upprepa, förutsatt att den är tillräckligt tydligt definierad.

Men automatisering blir svårt inom några områden. Ett är integrationer utan API:er. Säg att du behöver en integration, men att programvaran saknar ett API. Det är svårt att komma runt, även om det går att automatisera vissa moment i webbläsaren. Ett annat område är situationer där en agent lämnar över till en människa och sedan tillbaka till en agent, flera gånger. Det tredje är brist på kontext. Säg att jag glömmer min plånbok på en restaurang. Det är något som AI aldrig kommer att kunna lösa, eftersom den inte vet om jag har plånboken och inte kan gå och kontrollera om den ligger på restaurangen.

Vissa situationer kommer alltid att kräva en människa, liksom mer komplicerade arbetsuppgifter som löper genom flera system. Använd inte en agent för sådana uppgifter.

Phonely tog nyligen in 16 miljoner dollar i en A-runda efter att ha vuxit till fler än 10 000 företag. Hur ser företagets nästa utvecklingsfas ut, och vilka tekniska möjligheter tror du kommer att särskilja nästa generations plattformar för röst-AI?

Nästa steg är att bygga ut teamet och fortsätta investera i det. Vi satsar helhjärtat på den här idén. Många företag ger sig in på området röst-AI, och de kommer förmodligen att lyckas hyfsat inom olika områden. Men vi bygger inte bara en röstagent. Vi bygger en optimeringsplattform och använder röst som en kanal. För företag som värdesätter potentiella kunder och att deras telefoner genererar intäkter handlar vårt fokus helt och hållet om att optimera AI-agenter så att de uppnår de resultat kunderna vill ha. Tänk på Phonely som ett optimeringsföretag där man vill optimera sina agenter för att de ska prestera bättre.

Din akademiska forskning har också undersökt hur AI och teknik för smarta mätare kan bidra till ökad tillgång till energi och ren matlagning i utvecklingsekonomier. Om vi blickar bortom Phonely, hur ser du att AI kan användas för att lösa stora problem i den fysiska världen, till exempel bristande tillgång till energi, och är det ett område du hoppas återvända till så småningom?

AI kan bidra till mycket gott, men många av de problem som finns är orsakade av människor, så det behöver också ske förändringar på den fronten. Alla problem kan inte lösas med teknik. Men om teknisk utveckling och mänsklig förändring får ske samtidigt kommer det att vara positivt för världen som helhet.

Tack för en givande intervju. Läsare som vill veta mer kan besöka Phonely.