อเล็กซ์ เลวิน ผู้ร่วมก่อตั้งและซีอีโอของ Regal – ซีรีส์สัมภาษณ์

อเล็กซ์ เลวิน เป็นผู้ร่วมก่อตั้งและซีอีโอของ Regal แพลตฟอร์ม AI เสียงที่ช่วยให้ธุรกิจขับเคลื่อนรายได้ผ่านการสนทนาลูกค้าที่มีพลังงานและเป็นไปตามข้อกำหนด ก่อนที่จะก่อตั้ง Regal ในปี 2020 เขาเคยเป็นผู้นำทีมการเติบโตและผลิตภัณฑ์ที่ Handy, Thomson Reuters และสตาร์ทอัพอื่นๆ อเล็กซ์เป็นศิษย์เก่าของฮาร์วาร์ดและเป็นสมาชิกของ Forbes Technology Council โดยมุ่งเน้นในการสร้างโครงสร้างพื้นฐานเสียงที่มีนวัตกรรมและเป็นไปตามมาตรฐานขององค์กร

Regal มีแอจेंต์เสียง AI สำหรับการขาย การสนับสนุน การนัดหมาย และการเก็บเงิน—ที่ออกแบบมาเพื่อให้เสียงดูเป็นธรรมชาติ รวมเข้ากับระบบ CRM และจัดการการสนทนาหลายล้านครั้งในระดับใหญ่ แพลตฟอร์มนี้มีคุณสมบัติในการสร้างแบบไม่ต้องเขียนโค้ด การวิเคราะห์แบบเรียลไทม์ การทดสอบ A/B และการปฏิบัติตามข้อกำหนดที่มีมาตรฐานสำหรับอุตสาหกรรมที่มีการควบคุม เช่น สุขภาพ การประกันภัย และบริการทางการเงิน

อะไรที่ทำให้คุณตัดสินใจย้ายจากตำแหน่งผู้นำที่ Angi และ Handy ไปเป็นผู้ร่วมก่อตั้ง Regal และมีเวลาใดที่คุณและผู้ร่วมก่อตั้งรู้สึกว่าประสบการณ์ศูนย์ติดต่อ cầnถูกสร้างใหม่ทั้งหมด?

ในขณะที่อยู่ที่ Angi/Handy เราได้เห็นพลังของเสียงในการสร้างความไว้วางใจกับลูกค้า ลูกค้าบอกเราว่าเมื่อมีปัญหาสำคัญพวกเขาต้องการโทรศัพท์ และลูกค้าที่เราให้บริการทางโทรศัพท์มีมูลค่าตลอดชีวิตที่สูงกว่า และเมื่อเราทำการโทร给ลูกค้า พวกเขาตอบรับในอัตราที่สูงกว่าช่องทางอื่นๆ อย่างไรก็ตาม ผู้ให้บริการซอฟต์แวร์ศูนย์ติดต่อมุ่งเน้นไปที่ “การเบี่ยงเบน” และ “การทำให้自动” มากกว่าสิ่งที่ถูกต้องสำหรับลูกค้า ผลลัพธ์คือเกมที่ไม่มีวันสิ้นสุดในการซ่อนหมายเลขโทรศัพท์ที่ลงโทษลูกค้าโดยไม่จำเป็น

ผู้ร่วมก่อตั้งและฉันลาออกเพราะเราเชื่อมั่นว่าเราสามารถทำให้เสียงเป็นช่องทางที่มีประสิทธิภาพที่สุดโดยการลดต้นทุนและทำให้ง่ายต่อการดำเนินการ ฉันหวังว่าฉันจะมี Regal ในขณะที่ฉันกำลังดำเนินศูนย์ติดต่อขนาดใหญ่

คุณเปิดตัว Regal ในปี 2020 ก่อนที่จะเกิดการระเบิดของ AI ที่สร้างสรรค์อย่างไร คุณประเมินว่า AI เสียงเป็นไปได้ทางเทคนิคอย่างไร และอะไรที่ทำให้คุณมั่นใจในการดำเนินการในตอนนั้น?

เราเชื่อมั่นว่าเสียงเป็นช่องทางที่สำคัญที่สุดตั้งแต่เนิ่นๆ และในปี 2020 เรารู้ว่าเราสามารถสร้างเครื่องมือสำหรับการจัดการเสียงได้ ไม่ว่าจะเป็นมนุษย์ หรือ AI ที่ดีกว่า ที่ปลายสุดของสเปกตรัม ดังนั้นเราจึงขายเครื่องมือสำหรับศูนย์ติดต่อเพื่อจัดการตัวแทนมนุษย์ได้ดีขึ้นตั้งแต่เริ่มต้น ผลิตภัณฑ์นี้เติบโตอย่างรวดเร็ว

แต่ตามที่คุณกล่าวถึง การเริ่มต้นธุรกิจเป็นขั้นตอนที่ต้องมีความเชื่อมั่น และใช้เวลาจึงจะเห็นได้ว่าเราสามารถพัฒนาไปได้ไกลแค่ไหน จนกระทั่งการเปิดตัว ChatGPT ในปลายปี 2022 เราจึงเห็น “AI” ที่ดีเพียงพอในการสนทนา และจนกระทั่งปลายปี 2023 เราจึงสามารถสร้างตัวแทนเสียงที่ลูกค้าจะพูดคุยกับได้

อะไรคือความท้าทายทางเทคนิคที่ยากที่สุดในการฝึกอบรมตัวแทนเสียงที่สามารถเทียบหรือเกินความสามารถของมนุษย์ในการสนทนาแบบธรรมชาติ?

มีความท้าทายทางเทคนิคที่น่าสนใจมากมาย ตั้งแต่การรับประกันความล่าช้าที่ประมาณ 500 มิลลิวินาที ไปจนถึงการค้นหาวิธีให้ตัวแทน AI สามารถเข้าถึงฐานความรู้ของบริษัทและข้อมูลลูกค้าได้แบบเรียลไทม์ ไปจนถึงการทำให้ตัวแทน AI สามารถดำเนินการในระหว่างและหลังการโทร รวมถึงการมีเครื่องมือรักษาความปลอดภัยหรือการป้องกัน และวิธีการทำให้การโต้ตอบของตัวแทน AI รู้สึกเหมือนมนุษย์พร้อมกับการเปลี่ยนบทบาทและคำใบ้ทางคำพูดที่ถูกต้อง

หนึ่งในโปรเจ็กต์ที่ทีมของเรากำลังทำงานอยู่คือการปรับปรุงการประเมินอัตโนมัติเพื่อให้ตัวแทน AI สามารถทดสอบได้ง่ายขึ้นก่อนที่จะนำไปใช้ในการผลิต สิ่งนี้จะช่วยลดเวลาหลายร้อยชั่วโมงของการตรวจสอบคุณภาพที่เกิดขึ้นอย่างต่อเนื่องสำหรับการเปลี่ยนแปลงใดๆ ที่ตัวแทน AI

เราต้องสร้างการสนทนาของลูกค้าจำลองหลายร้อยครั้ง (โดยใช้ AI) ให้ตัวแทน AI ผ่านการสนทนาเหล่านั้น จากนั้นให้ตัวแทน AI ตรวจสอบและกลับมาแนะนำการปรับปรุงให้กับตัวแทน AI หรือนโยบายและฐานความรู้ของบริษัท เรามีผลิตภัณฑ์สำหรับการประเมินแบบทำงานแล้ว และได้รับคำติชมที่ดีจากลูกค้า และมีการปรับปรุงอย่างต่อเนื่อง

สิ่งนี้มีความสำคัญสำหรับเมตริกใหม่ของจำนวนผู้จัดการต่อตัวแทน AI ในไม่ช้า ผู้จัดการเพียงไม่กี่คนจะสามารถจัดการตัวแทน AI หลายร้อยตัวได้

Regal ใช้การเรียนรู้ของเครื่องอย่างไรเพื่อทำให้การสนทนาเป็นส่วนตัวในแบบเรียลไทม์? มันขึ้นอยู่กับประวัติลูกค้า โทน ความตั้งใจในการรับรู้—หรือส่วนผสม?

เราได้ลงทุนลึกๆ ในการทำให้เป็นส่วนตัวมากกว่าตลาดอื่นๆ เพราะเราเชื่อในการช่วยให้แบรนด์ทดสอบลูกค้าหลายล้านคนเหมือนกับหนึ่งในล้าน ไม่ใช่แค่การสร้างตัวแทนมนุษย์ที่มีมาตรฐานที่ใช้กันอยู่ในปัจจุบัน

เริ่มต้นด้วยการสร้างโปรไฟล์ลูกค้าที่รวมข้อมูล CRM ข้อมูลเหตุการณ์ และประวัติการสนทนา เมื่อสร้างตัวแทน AI บริษัทสามารถให้ตัวแทน AI เข้าถึงข้อมูลทั้งหมดเกี่ยวกับลูกค้าหรือเพียงข้อมูลที่จำเป็นสำหรับการสนทนาเฉพาะ LLM ให้คำตอบที่เหมือนมนุษย์โดยใช้ข้อมูลที่มีอยู่

LLM ยังคงมีข้อจำกัดในเรื่องที่ทำได้ดี ดังนั้นเราจึงต้องมีเครื่องมืออื่นๆ เช่นบริการข้อมูลของบุคคลที่สาม แอปพลิเคชั่นแบบกำหนดเอง และ ML ดังนั้นเราจึงสร้าง “การกระทำแบบกำหนดเอง” ซึ่งสามารถใช้ในคำสั่งให้ตัวแทน AI เพื่อใช้บริการอื่นๆ ตัวอย่างเช่น แบรนด์หลายแห่งมีโมเดลความน่าจะเป็นในการแนะนำผลิตภัณฑ์ถัดไปให้กับลูกค้า และเราสามารถเชื่อมต่อกับโมเดลเหล่านั้นเพื่อให้เหมาะกับการสนทนา

ระบบของคุณใช้การสร้างเนื้อหาที่เพิ่มด้วยการค้นหา (RAG) อย่างไรโดยไม่เสียสละความตอบสนองหรือจังหวะที่เป็นธรรมชาติที่ลูกค้าคาดหวังจากการโทรสด?

RAG เป็นจุดเด่นของเรา เนื่องจากต้องเร็วสำหรับตัวแทน AI เสียงมากกว่าสำหรับตัวแทน AI ในช่องทางดิจิทัลอื่นๆ การหยุดชั่วคราวเพียงไม่กี่วินาทีจะทำลายการโทรทั้งหมด

เราลดความล่าช้าของการค้นหาและรับประกันว่าหากการค้นหาต้องใช้เวลานานกว่า ตัวแทน AI จะสามารถพูดคุยกับลูกค้าต่อไปเพื่อแจ้งให้ทราบว่าจะใช้เวลานานกว่า

ตัวแทนของ Regal ถูกสร้างแบบจำลองตามเสียงจริงของมนุษย์ รวมถึงเสียงของนักลงทุนจริงๆ สิ่งที่ต้องทำ—ทั้งทางเทคนิคและจริยธรรม—ในการสร้างสำเนาที่มีคุณภาพสูง?

เป็นเรื่องง่ายทางเทคนิคที่จะ “โคลน” เสียงเพื่อให้ตัวแทน AI สามารถเสียงเหมือนนักแสดงเสียงมืออาชีพหรือเพื่อนได้ เพียง 5-10 นาทีของเสียงที่มีคุณภาพสูงก็เพียงพอแล้ว

ตัวอย่างเช่น ฉันถูกถามว่าจะทำอย่างไรในการ “โคลน” เสียงของสมาชิกในครอบครัวที่กำลังจะเสียชีวิต เพื่อให้คนรุ่นใหม่ได้สัมผัสกับพวกเขาเมื่อพวกเขาโตขึ้น ดังนั้น โดยการให้คำแนะนำเล็กน้อย พวกเขากำลังจะบันทึกเสียงของปู่ย่าตายายที่กำลังจะเสียชีวิตในขณะนี้

สำหรับคำถามที่สองของคุณ ปู่ย่าตายายได้รับการยินยอมให้ทำเช่นนี้ และนักแสดงเสียงมืออาชีพหรือนักลงทุนของเรายินยอมให้ทำเช่นนี้ ผู้กระทำความผิดที่อนุญาตให้โคลนเสียงโดยไม่ได้รับการยินยอม (เช่นที่เกิดขึ้นในช่วงการเลือกตั้งประธานาธิบดีล่าสุด) ควรจะถูกปิดกั้น

คำแนะนำ—หากคุณอนุญาตให้โคลนเสียง (หรือคุณเป็นบุคคลสาธารณะที่อาจถูกโคลนโดยผู้กระทำความผิด) ให้แน่ใจว่าคุณคิดคำที่ปลอดภัยที่เฉพาะเจาะจงซึ่งเฉพาะครอบครัวของคุณเท่านั้นที่รู้ เพื่อให้พวกเขาสามารถระบุได้ว่าใครคือตัวจริงในการโทร

คุณเน้นย้ำถึงความสำคัญของการรวม Regal เข้ากับ CRM ระบบการชำระเงิน และ API ภายใน สิ่งที่ท้าทายที่สุดในการแก้ไขปัญหาในการรวมระบบ?

การรวมเข้ากับผลิตภัณฑ์หลักๆ เช่น CRM ของ Salesforce และซอฟต์แวร์ศูนย์ติดต่อของ NICE นั้นตรงไปตรงมา ที่ท้าทายที่สุดคือการทำให้แน่ใจว่าแบรนด์ให้ API ที่จำเป็นสำหรับการดำเนินการใดๆ ที่ตัวแทน AI ต้องการ ตัวแทนมนุษย์อาจคลิกปุ่มเพื่อจองโรงแรม แต่ตัวแทน AI จริงๆ ต้องการ API สำหรับการจอง

คุณเข้าใกล้การวัดและปรับปรุงประสิทธิภาพแบบจำลองอย่างไร? การฝึกอบรมแบบดูแลหรือการเรียนรู้แบบเสริมมีบทบาทอย่างไรในกระบวนการนี้?

เราสร้างชุดการทดสอบ A/B ตั้งแต่เริ่มต้น ดังนั้นจึงง่ายสำหรับลูกค้าในการทดสอบตัวแทน AI เทียบกับตัวแทนมนุษย์หรือตัวแทน AI รุ่นหนึ่งเทียบกับรุ่นอื่น สิ่งนี้ให้ทางเลือกที่ชัดเจนในการเห็นผลลัพธ์ที่แตกต่างกันสำหรับแบบจำลองที่แตกต่างกัน

อย่างไรก็ตาม เราไม่ใช้การเรียนรู้แบบเสริมในขณะนี้ เนื่องจากทำให้ทีมกฎหมายไม่สบายใจ (พวกเขาไม่ต้องการสถานการณ์ที่มีการเปลี่ยนแปลงที่ไม่ได้ตั้งใจ) ฉันคิดว่าเรายังอยู่ห่างจากทีมกฎหมายที่อนุญาตให้ใช้การเรียนรู้แบบเสริมในกรณีการใช้งานของเราอยู่ 13 เดือน แทนที่จะเน้นการแนะนำการเปลี่ยนแปลงที่ผู้จัดการสามารถยอมรับได้ ซึ่งอาจเป็นการเปลี่ยนแปลงคำสั่ง ฐานความรู้ การปรับให้เหมาะสมของ LLM ฯลฯ

การพูดคุยกับ VC—หรือตัวแทนเสียงของ VC—เป็นแนวคิดที่กล้าได้กล้าเสีย คุณตั้งใจอะไรในการทำให้ AI ที่ปรึกษาดังกล่าวพร้อมให้บริการแก่ผู้ก่อตั้ง และพวกเขาถูกใช้อย่างไรในปัจจุบัน?

เรามีโชคที่มีนักลงทุนที่ดีและต้องการที่จะส่งต่อความสำเร็จด้วยโปรเจ็กต์นี้ ฉันสนุกกับการพูดคุยกับ Satya AI ทุกครั้ง และได้รับคำติชมที่ดีจากผู้บริหารที่ใช้ AI VC สำหรับทุกอย่างตั้งแต่คำแนะนำเกี่ยวกับการสร้างแผนผลิตภัณฑ์ไปจนถึงแบบจำลองการกำหนดราคา

เรารักในการแสดงให้เห็นมากกว่าการพูด และโปรเจ็กต์นี้แสดงให้เห็นถึงพลังของความสามารถ RAG/ฐานความรู้ของเรา เรายังได้รับการอนุมัติจากผู้ปกครองของนักลงทุนสองคนของเรา!

แต่คำแนะนำ—คุณไม่สามารถมอบหมายการตัดสินใจให้กับที่ปรึกษาได้ และหนึ่งในส่วนที่ยากที่สุดของการเป็นผู้บริหารคือการตัดสินใจระหว่างตัวเลือกที่ไม่ดีหรือตัวเลือกที่ดี

ตัวแทน AI ของนักลงทุนเหล่านี้พึ่งพาความรู้ทั่วไปเกี่ยวกับการเริ่มต้นธุรกิจหรือไม่ หรือพวกเขาได้รับการฝึกอบรมจากคำแนะนำเฉพาะของบริษัทและปรัชญาที่ผูกกับนักลงทุนแต่ละคน?

ตัวแทน AI ทั้งหมดมีความรู้ทั่วไปบางส่วนจากการฝึกอบรม LLM แต่เพื่อให้ได้ผลลัพธ์ที่ต้องการ เราได้อัปโหลดการเขียนของนักลงทุนไปยังฐานความรู้ของตัวแทน AI

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

เมื่อมองไปข้างหน้า คุณเห็น AI ของ Regal วิวัฒนาการไปอย่างไร—เราจะเห็นการตัดสินใจอัตโนมัติมากขึ้น ความฉลาดทางอารมณ์มากขึ้น หรือแม้กระทั่งการสนับสนุนแบบหลายรูปแบบ?

ส่วนที่น่าตื่นเต้นที่สุดของปีที่ผ่านมาคือการเห็นตัวแทน AI ของเราทำงานได้ดีกว่าตัวแทนมนุษย์ ฉันคิดว่าในปีหน้า การปรับปรุงแบบจำลอง AI พื้นฐานและความก้าวหน้าในการใช้งานของ Regal จะทำให้ตัวแทน AI ที่ไม่สามารถแยกแยะจากมนุษย์ได้ และสำคัญกว่านั้นคือ ตัวแทน AI จะเกินความสามารถของตัวแทนมนุษย์ บริษัทที่ใช้ตัวแทน AI จะลดต้นทุนและปรับปรุงประสบการณ์ลูกค้าเร็ว hơnที่ใครๆ คาดไว้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Regal เพื่อเรียนรู้เพิ่มเติม