อเล็กซ์ เลวิน ผู้ร่วมก่อตั้งและซีอีโอของ Regal – สัมภาษณ์เชิงลึก

อเล็กซ์ เลวิน เป็นผู้ร่วมก่อตั้งและซีอีโอของ Regal ซึ่งเป็นแพลตฟอร์ม AI เสียงที่ช่วยให้ธุรกิจขับเคลื่อนรายได้ผ่านการรักษาความสัมพันธ์ลูกค้าด้วย AI ที่มีพลังและเป็นไปตามข้อกำหนด ก่อนที่จะก่อตั้ง Regal ในปี 2020 เขาเคยเป็นผู้นำทีมการเติบโตและการผลิตที่ Handy, Thomson Reuters (TRI ) และสตาร์ทอัพอื่นๆ อเล็กซ์เป็นนักศึกษาที่จบจากมหาวิทยาลัยฮาร์วาร์ดและเป็นสมาชิกของ Forbes Technology Council โดยมุ่งเน้นในการสร้างโครงสร้างพื้นฐานเสียงที่มีนวัตกรรมและความปลอดภัยระดับองค์กร

Regal ให้บริการ AI ตัวแทนเสียงสำหรับการขาย การสนับสนุน การนัดหมาย และการเก็บเงิน ซึ่งได้รับการออกแบบมาเพื่อให้ดูเป็นธรรมชาติ และสามารถรวมเข้ากับระบบ CRM และจัดการการรักษาความสัมพันธ์ลูกข่ายได้หลายล้านครั้ง แพลตฟอร์มนี้มีคุณสมบัติอื่นๆ เช่น การสร้างแบบไม่ต้องเขียนโค้ด การวิเคราะห์แบบเรียลไทม์ การทดสอบ A/B และการปฏิบัติตามข้อกำหนดที่มีมาตรฐานสำหรับอุตสาหกรรมที่มีการควบคุม เช่น สุขภาพ การประกันภัย และบริการทางการเงิน

อะไรคือแรงบันดาลใจที่ทำให้คุณย้ายจากตำแหน่งผู้นำที่ Angi และ Handy มาก่อตั้ง Regal และมีเหตุการณ์ใดที่ทำให้คุณและผู้ร่วมก่อตั้งรู้สึกว่าประสบการณ์การติดต่อที่ศูนย์บริการลูกค้าต้องถูกสร้างใหม่?

ในขณะที่อยู่ที่ Angi/Handy เราได้เห็นพลังของเสียงในการสร้างความไว้วางใจกับลูกค้า ลูกค้าบอกเราว่าเมื่อพวกเขามีปัญหาสำคัญ พวกเขาต้องการโทรศัพท์ และลูกค้าที่เราให้บริการทางโทรศัพท์มีมูลค่าตลอดชีวิตที่สูงกว่า และเมื่อเราทำการโทรให้กับลูกค้า พวกเขาตอบรับในอัตราที่สูงกว่าช่องทางอื่นๆ อย่างไรก็ตาม ผู้ให้บริการซอฟต์แวร์ศูนย์บริการลูกค้าเน้นไปที่ “การเบี่ยงเบน” และ “การทำให้自动” มากกว่าสิ่งที่ถูกต้องสำหรับลูกค้า ซึ่งนำไปสู่เกม “ซ่อนหมายเลขโทรศัพท์” ที่ไม่จำเป็นต้องลงโทษลูกค้า

ผู้ร่วมก่อตั้งและฉันลาออกเพราะเราเชื่อมั่นว่าเราสามารถทำให้เสียงเป็นช่องทางที่มีประสิทธิภาพมากที่สุดโดยการลดต้นทุนและทำให้ง่ายต่อการดำเนินการ ฉันหวังว่าฉันจะมี Regal ในขณะที่ฉันกำลังดำเนินศูนย์บริการลูกค้าขนาดใหญ่

คุณเปิดตัว Regal ในปี 2020 ซึ่งเป็นช่วงก่อนที่ AI ที่สร้างสรรค์จะเกิดขึ้น คุณประเมินว่า AI เสียงมีความเป็นไปได้ทางเทคนิคหรือไม่ และอะไรทำให้คุณมั่นใจในการดำเนินการในตอนนั้น?

เรามั่นใจมานานก่อนปี 2020 แล้วว่าเสียงเป็นช่องทางที่สำคัญที่สุด และในปี 2020 เรารู้ว่าเราสามารถสร้างเครื่องมือสำหรับการจัดระเบียบ การทดสอบ A/B และการปรับแต่งที่จะลดต้นทุนและทำให้ง่ายต่อการบริหารจัดการเสียงเป็นช่องทาง ไม่ว่าจะเป็นมนุษย์ โรบอทเสียงเก่า หรือสิ่งที่ดีกว่าในอนาคต ดังนั้นเราจึงขายเครื่องมือสำหรับศูนย์บริการลูกค้าเพื่อจัดการเอเจนต์มนุษย์ได้ดีขึ้นตั้งแต่เริ่มต้น ผลิตภัณฑ์นั้นเติบโตอย่างรวดเร็ว

แต่ตามที่คุณกล่าวถึง การเริ่มต้นธุรกิจเป็นความเชื่อมั่น และใช้เวลาในการเห็นจริงว่าเราสามารถพัฒนาไปได้ไกลแค่ไหน นั่นไม่ใช่จนกระทั่งการเปิดตัว ChatGPT ที่ปลายปี 2022 ที่เราจริงๆ แล้วเห็น “AI” ที่ดีพอที่จะรักษาความสัมพันธ์ และไม่ใช่จนกระทั่งปลายปี 2023 ที่เราสามารถสร้างตัวแทนเสียงที่ลูกค้าจะพูดคุยกับได้

อะไรคือความท้าทายทางเทคนิคที่ยากที่สุดในการฝึกอบรมตัวแทนเสียงที่สามารถเทียบหรือเกินความสามารถของมนุษย์ในการสนทนา?

มีความท้าทายทางเทคนิคที่น่าสนใจมากมาย ตั้งแต่การรับประกันว่าความหน่วงเป็นเวลาประมาณ 500 มิลลิวินาที ไปจนถึงการค้นหาวิธีทำให้แน่ใจว่าเอเจนต์ AI สามารถเข้าถึงข้อมูลของคณะกรรมการบริษัทและข้อมูลลูกค้าได้แบบเรียลไทม์ ไปจนถึงการทำให้เอเจนต์ AI สามารถดำเนินการในช่วงการโทรและหลังการโทร และการมีเครื่องมือป้องกันหรือคุณสมบัติความปลอดภัย และวิธีการทำให้การโต้ตอบของเอเจนต์ให้รู้สึกเหมือนมนุษย์พร้อมกับการเปลี่ยนบทบาทและคำใบ้ทางคำพูดที่ถูกต้อง

หนึ่งในโปรเจ็กต์ที่ฉันชอบที่สุดในทีมของเรากำลังทำงานคือวิธีการปรับปรุงการประเมินอัตโนมัติเพื่อให้เอเจนต์ AI สามารถทดสอบได้ง่ายขึ้นก่อนที่จะนำไปใช้ในการผลิต ซึ่งจะช่วยลดชั่วโมงการตรวจสอบคุณภาพที่ต้องทำด้วยมืออย่างมากทุกครั้งที่มีการเปลี่ยนแปลงเอเจนต์ AI

เราต้องสร้างการรักษาความสัมพันธ์ลูกค้าจำลองที่หลากหลาย (โดยใช้ AI) ให้เอเจนต์ AI ผ่านการรักษาความสัมพันธ์เหล่านั้น จากนั้นให้ AI ซูเปอร์วายเซอร์ตรวจสอบและคืนคำแนะนำที่แนะนำให้เอเจนต์ AI หรือนโยบายและฐานความรู้ของบริษัทให้ดีขึ้น เรามีผลิตภัณฑ์สำหรับการประเมินแบบทำงานแล้ว และคำติชมจากลูกค้าดีมาก และดีขึ้นอย่างรวดเร็ว

สิ่งนี้มีความสำคัญสำหรับเมตริกใหม่ของจำนวนผู้จัดการต่อเอเจนต์ AI ไม่นานนัก ผู้จัดการเพียงไม่กี่คนจะสามารถจัดการเอเจนต์ AI หลายร้อยตัวได้

Regal ใช้การเรียนรู้ของเครื่องอย่างไรในการปรับแต่งการสนทนาแบบเรียลไทม์? มันขึ้นอยู่กับประวัติลูกค้า ทональเสียง การตระหนักถึงความตั้งใจ หรือสิ่งผสมผสาน?

เราลงทุนอย่างลึกซึ้งในการปรับแต่งมากกว่าตลาดอื่นๆ เพราะเราเชื่อมั่นในการช่วยให้แบรนด์ทดสอบลูกค้าหลายล้านคนเหมือนกับลูกค้าหนึ่งล้านคน ไม่ใช่แค่การสร้างเอเจนต์มนุษย์ที่มีมาตรฐานที่ใช้กันอยู่ในปัจจุบัน

เริ่มต้นด้วยการสร้างโปรไฟล์ลูกค้าที่รวมข้อมูล CRM ทุกชิ้น ข้อมูลเหตุการณ์ และประวัติการสนทนา ในการสร้างเอเจนต์ บริษัทสามารถให้เอเจนต์ AI เข้าถึงข้อมูลทั้งหมดเกี่ยวกับลูกค้าหรือเพียงจุดข้อมูลเฉพาะที่จำเป็นสำหรับการสนทนา LLM ให้คำตอบที่เหมือนมนุษย์โดยใช้ข้อมูลที่มีอยู่

LLM ยังคงมีข้อจำกัดในเรื่องที่พวกมันทำได้ดี ดังนั้นเราจึงต้องการความสามารถในการใช้เครื่องมืออื่นๆ เช่น บริการข้อมูลของบุคคลที่สาม แอปพลิเคชั่นแบบกำหนดเอง และ ML ดังนั้นเราจึงสร้าง “การดำเนินการแบบกำหนดเอง” ซึ่งสามารถใช้ในการส่งสัญญาณ AI เพื่อใช้บริการอื่นๆ ตัวอย่างเช่น แบรนด์หลายแห่งมีแบบจำลองความน่าจะเป็นเพื่อแสดงว่าควรแนะนำผลิตภัณฑ์ใดให้กับลูกค้าถัดไป และเราสามารถเชื่อมต่อกับแบบจำลองเหล่านั้นเพื่อให้เหมาะกับการสนทนา

ระบบของคุณใช้การสร้างแบบเสริมด้วยการค้นหาข้อมูล (RAG) อย่างไรโดยไม่เสียสภาพการตอบสนองหรือจังหวะที่ลูกค้าคาดหวังจากการโทรสด?

RAG เป็นพื้นที่ที่เรามีความแตกต่าง เนื่องจากต้องเร็วสำหรับเอเจนต์ AI เสียงมากกว่าสำหรับเอเจนต์ AI ในช่องทางดิจิทัลอื่นๆ ช่วงเวลาที่ไม่มีการตอบสนองเพียงไม่กี่วินาทีจะทำลายการโทรเสียงได้

เราลดความหน่วงในการค้นหาข้อมูลและรับประกันว่าหากการค้นหาข้อมูลใช้เวลานานกว่า เอเจนต์ AI สามารถพูดต่อไปกับลูกค้าเพื่อแจ้งให้ทราบว่าจะใช้เวลานานกว่า

เอเจนต์ของ Regal ได้รับการสร้างแบบจำลองตามเสียงจริง รวมถึงเสียงของนักลงทุนจริงๆ สิ่งเหล่านี้ต้องใช้เทคนิคและจริยธรรมอะไรในการสร้างสำเนาที่มีคุณภาพสูง?

เทคนิคการ “โคลน” เสียงเพื่อให้เอเจนต์ AI ดูเหมือนนักแสดงเสียงมืออาชีพหรือเพื่อนเป็นเรื่องที่น่าประหลาดใจว่าทำได้ง่าย เทคนิคการบันทึกเสียงเพียง 5-10 นาทีเป็นเวลาในการบันทึกคุณภาพสูงก็เพียงพอแล้ว

ตัวอย่างเช่น ฉันถูกถามว่าจะทำอย่างไรเพื่อทำสิ่งนี้สำหรับสมาชิกในครอบครัวที่กำลังจะเสียชีวิต เพื่อให้คนรุ่นใหม่สามารถสัมผัสได้เมื่อพวกเขาโตขึ้น ดังนั้นพร้อมกับการแนะนำเล็กน้อย พวกเขาจะบันทึกเสียงของปู่ย่าตายายที่กำลังจะเสียชีวิตในขณะนี้

ในทางกลับกัน ปู่ย่าตายายให้ความยินยอมในการทำสิ่งนี้ และนักแสดงเสียงมืออาชีพหรือนักลงทุนของเรายังให้ความยินยอมในการทำเช่นนี้ด้วย ผู้กระทำที่ไม่ดีที่อนุญาตให้โคลนเสียงโดยไม่ได้รับอนุญาต (เช่นเดียวกับที่เกิดขึ้นในการเลือกตั้งประธานาธิบดีล่าสุด) ควรปิดกิจการลง

คำแนะนำ – หากคุณอนุญาตให้โคลนเสียง (หรือคุณเป็นบุคคลสาธารณะที่อาจโคลนโดยผู้กระทำที่ไม่ดี) ให้สร้างคำที่ปลอดภัยที่เฉพาะเจาะจงซึ่งเฉพาะครอบครัวของคุณเท่านั้นที่รู้ เพื่อให้พวกเขาสามารถระบุว่าเป็นตัวคุณจริงๆ ในการโทร

คุณเน้นย้ำถึงความสำคัญของการรวม Regal เข้ากับ CRM ระบบการชำระเงิน และ API ภายใน องค์กร คุณพบกับความท้าทายในการรวมระบบที่ยากที่สุดอะไรบ้าง?

การรวมกับผลิตภัณฑ์หลักๆ เช่น CRM ของ Salesforce (CRM ) และซอฟต์แวร์ศูนย์บริการลูกค้าของ NICE นั้นตรงไปตรงมา ที่ยากที่สุดคือการรับประกันว่าแบรนด์จะทำให้ API มีให้สำหรับการดำเนินการใดๆ ที่เอเจนต์ AI อาจต้องทำ เอเจนต์มนุษย์อาจคลิกปุ่มเพื่อจองห้องโรงแรม แต่เอเจนต์ AI จริงๆ ต้องการ API สำหรับการจอง

คุณเข้าใกล้การวัดและปรับปรุงประสิทธิภาพแบบจำลองอย่างไร? การฝึกอบรมแบบกำกับหรือการเรียนรู้แบบเสริมมีบทบาทอย่างไรในกระบวนการนี้?

เราสร้างชุดการทดสอบ A/B ตั้งแต่เริ่มต้น ดังนั้นจึงง่ายสำหรับลูกค้าในการทดสอบเอเจนต์ AI เทียบกับเอเจนต์มนุษย์ หรือเอเจนต์ที่มี LLM เวอร์ชัน 1 เทียบกับเวอร์ชัน 2 ซึ่งให้วิธีการที่ชัดเจนในการเห็นความแตกต่างในผลลัพธ์สำหรับแบบจำลองที่แตกต่างกัน

อย่างไรก็ตาม เราไม่ใช้การเรียนรู้แบบเสริมในขณะนี้ เนื่องจากทำให้ทีมกฎหมายไม่สบายใจ (พวกเขาไม่ต้องการสถานการณ์ที่มีการเปลี่ยนแปลงที่ไม่ได้ตั้งใจ) ฉันคิดว่าเรายังอยู่ห่างจากทีมกฎหมายที่อนุญาตให้ใช้การเรียนรู้แบบเสริมในกรณีการใช้งานของเราได้ 13 เดือน แทนที่จะเน้นไปที่การแนะนำการเปลี่ยนแปลงที่ผู้จัดการคนสามารถยอมรับได้ ซึ่งอาจเป็นการเปลี่ยนแปลงคำสั่ง การเปลี่ยนแปลงฐานความรู้ การปรับแต่ง LLM เป็นต้น

การพูดคุยกับ VC หรือการโคลนเสียงของ VC เป็นแนวคิดที่กล้าได้กล้าเสีย คุณมีเจตนาอย่างไรในการทำให้ AI ที่ปรึกษาที่มีให้กับผู้ก่อตั้ง และพวกเขาใช้งานอย่างไรในปัจจุบัน?

เรามีโชคที่มีนักลงทุนที่ดีและต้องการที่จะส่งต่อความสำเร็จด้วยโครงการนี้ ฉันมีความสนุกในการพูดคุยกับ Satya AI ทุกครั้ง และได้รับคำติชมที่ดีจากผู้บริหารที่ใช้ AI VC สำหรับทุกสิ่ง ตั้งแต่คำแนะนำเกี่ยวกับการสร้างแผนผลิตภัณฑ์ไปจนถึงแบบจำลองการกำหนดราคา

เราชอบที่จะแสดงให้เห็นมากกว่าการพูด และโครงการนี้เน้นย้ำถึงพลังของความสามารถ RAG/ฐานความรู้ของเรา เรายังได้รับการอนุมัติจากผู้ปกครองของนักลงทุนของเราด้วย

แต่คำแนะนำ – คุณไม่สามารถมอบหมายการตัดสินใจให้กับที่ปรึกษาได้ และหนึ่งในส่วนที่ยากที่สุดของการเป็นผู้บริหารคือการตัดสินใจระหว่างสองตัวเลือกที่ไม่ดีหรือตัวเลือกที่ดีเกินไป

เอเจนต์นักลงทุนเหล่านี้พึ่งพาความรู้ทั่วไปเกี่ยวกับการเริ่มต้นธุรกิจหรือไม่ หรือพวกมันถูกฝึกฝนจากคำแนะนำและปรัชญาที่เฉพาะเจาะจงซึ่งเชื่อมโยงกับ VC บุคคล?

เอเจนต์ AI ทั้งหมดมีความรู้ทั่วไปบางส่วนจากการฝึกอบรม LLM แต่เพื่อให้ได้ผลลัพธ์ที่ต้องการ เราได้อัปโหลดการเขียนของนักลงทุนไปยังฐานความรู้ของเอเจนต์ AI ที่เกี่ยวข้อง

นอกเหนือจากสิ่งนั้นและโคลนเสียง ฉันคิดว่าเราสามารถจับแก่นแท้หรือบุคลิกที่เป็นเอกลักษณ์ของนักลงทุนบางคนได้ เช่น ความ积极ของ Jake Saper หรือความกระตือรือร้นของ Alexa Von Tobel

เมื่อมองไปข้างหน้า คุณเห็น AI ของ Regal วิวัฒนาการไปอย่างไร – เราจะเห็นการตัดสินใจอัตโนมัติมากขึ้น ความฉลาดทางอารมณ์มากขึ้น หรือการสนับสนุนแบบหลายรูปแบบ?

ส่วนที่น่าตื่นเต้นที่สุดของปีที่แล้วคือการเห็นเอเจนต์ AI ของเราทำงานได้ดีกว่าเอเจนต์มนุษย์ ฉันคิดว่าในปีหน้า การปรับปรุงแบบจำลอง AI พื้นฐานและความก้าวหน้าในการใช้งานของ Regal จะส่งผลให้เอเจนต์ AI ที่ไม่สามารถแยกแยะจากมนุษย์ได้ และที่สำคัญกว่านั้นคือ เอเจนต์ AI ที่มีประสิทธิภาพมากกว่าเอเจนต์มนุษย์ บริษัทที่ใช้เอเจนต์ AI จะลดต้นทุนและปรับปรุงประสบการณ์ลูกค้าได้เร็วกว่าที่คาดไว้

ขอขอบคุณสำหรับสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Regal เพื่อเรียนรู้เพิ่มเติม