รานา กุจจัล ซีอีโอของ Behavioral Signals – สัมภาษณ์ซีรีส์

รานา กุจจัล เป็นซีอีโอของ Behavioral Signals บริษัทที่เชื่อมช่องว่างในการสื่อสารระหว่างมนุษย์และเครื่องจักรโดยการนำความฉลาดทางอารมณ์มาจากเสียงพูดในบทสนทนากับ AI

Behavioral Signals เป็นสตาร์ทอัพอายุน้อยที่ก่อตั้งในปี 2016 คุณสามารถแบ่งปันเรื่องราวของการก่อตั้งได้หรือไม่?

ได้รับแรงบันดาลใจจากความหลงใหลในการนำเทคโนโลยีที่เป็นนวัตกรรมและได้รับสิทธิบัตรของบริษัทมาใช้ CTO อเล็กซ์ โปตาเมียโนสและหัวหน้านักวิทยาศาสตร์ ศรี นารายานัน ก่อตั้ง Behavioral Signals ในปี 2016 ศรี เป็นศาสตราจารย์ Andrew J. Viterbi ของวิศวกรรมศาสตร์ที่ มหาวิทยาลัยเซาท์เทิร์นแคลิฟอร์เนีย (USC) เขาก่อตั้งและเป็นผู้อำนวยการ ห้องปฏิบัติการวิเคราะห์และตีความสัญญาณ (SAIL) ที่ USC อเล็กซ์ เป็นนวัตกรที่มีชื่อเสียงในด้านเสียงและภาษาธรรมชาติ ระบบตอบรับเสียงแบบโต้ตอบและสารสนเทศพฤติกรรม เขามีประสบการณ์การเป็นผู้นำมากกว่า 20 ปีทั้งในด้านองค์กรและด้านผู้ประกอบการ ในขณะที่ภูมิหลังของเขารวมถึงการทำงานที่ AT&T Labs-Research, Bell Labs และ Lucent Technologies

ด้วยเป้าหมายในการปรับปรุงและเปลี่ยนแปลงโลกของธุรกิจอย่างถาวร เราเชื่อว่าเทคโนโลยีเป็นแก่นกลางของสิ่งที่สามารถทำได้ อัลกอริทึมของ Behavioral Signals วิเคราะห์อารมณ์และพฤติกรรมของมนุษย์ แปลงข้อมูลให้เป็นข้อมูลที่ใช้ได้ และนำไปสู่การตัดสินใจทางธุรกิจที่ดีขึ้นและเพิ่มผลกำไร จนถึงตอนนี้ อารมณ์ของมนุษย์ถือว่าเป็นสิ่งที่ไม่สามารถวัดผลได้และไม่สามารถวัดผลได้ ด้วยเครื่องยนต์วิเคราะห์ที่ได้รับสิทธิบัตรของเรา เราวัดและตีความ “วิธี” ของการโต้ตอบของมนุษย์

Behavioral Signals พึ่งพาเทคโนโลยี machine learning affective computing (หรือที่เรียกว่า Emotion AI) คุณสามารถอธิบายสิ่งนี้ได้หรือไม่?

Emotional artificial intelligence หรือ Emotion AI หรือ affective computing ถูกนำมาใช้ในการพัฒนาความสามารถของเครื่องจักรในการอ่าน ตีความ ตอบสนอง และเลียนแบบอารมณ์ของมนุษย์ สิ่งนี้หมายความว่าอย่างไรสำหรับผู้บริโภค? หมายความว่าเครื่องมือของคุณ เช่น สมาร์ทโฟนหรือลำโพงอัจฉริยะ จะสามารถให้การโต้ตอบที่รู้สึกเป็นธรรมชาติมากขึ้นกว่าเดิม โดยการอ่านสัญญาณทางอารมณ์ในเสียงของคุณ

เมื่อเราเริ่มพึ่งพา AI มากขึ้น ความต้องการ AI ที่มีความฉลาดทางอารมณ์ก็เพิ่มขึ้นเช่นกัน เป็นสิ่งหนึ่งที่จะขอให้แอสซิสต์นท์เสมือนของคุณอ่านคะแนนเกมวันนี้ แต่เป็นอีกสิ่งหนึ่งที่จะให้พ่อแม่ที่กำลังแก่ของคุณไว้ในความดูแลของ AI ที่ขับเคลื่อนด้วย AI ในปัจจุบัน AI อาจทำสิ่งที่น่าเหลือเชื่อ เช่น วินิจฉัยภาวะทางการแพทย์และวางแผนการรักษา แต่ยังคงต้องการความฉลาดทางอารมณ์เพื่อสื่อสารกับผู้ป่วยในลักษณะที่เป็นมนุษย์มากขึ้น

คุณใช้เทคโนโลยี machine learning อะไรอีกบ้าง?

เมื่อพูดถึง machine learning เราใช้การเรียนรู้ลึกและ NLP ในโมเดลการวิเคราะห์ Behavioral Signals Processing ของเรา เพื่ออธิบายสิ่งนี้ให้ดีขึ้น เราได้พัฒนาสาขา Behavioral Signal Processing ตามการวิจัยที่ได้รับรางวัลและได้รับสิทธิบัตรมานานกว่าหนึ่งทศวรรษ เพื่อตรวจจับข้อมูลที่เข้ารหัสในเสียงมนุษย์จากเสียงและวัดคุณภาพของการโต้ตอบของมนุษย์ เป็นสาขาที่เกิดขึ้นใหม่ที่เชื่อมโยงวิศวกรรมกับวิทยาศาสตร์พฤติกรรมและมุ่งหวังที่จะ量化และตีความการโต้ตอบและการสื่อสารของมนุษย์โดยใช้นวัตกรรมทางวิศวกรรมและคอมพิวเตอร์ การเรียนรู้ลึกเป็นเครื่องมือที่ช่วยสร้างแบบจำลองการคาดการณ์ที่ดีขึ้น

คุณเก็บข้อมูลประเภทใดจากน้ำเสียง?

เทคโนโลยี AI ที่ใช้การเรียนรู้ลึกของเราวิเคราะห์สิ่งที่และ วิธี ที่บางสิ่งถูกกล่าว โดยวัดอารมณ์และพฤติกรรมทั้งสองฝ่ายของการสนทนา ช่วงอารมณ์เป็นหลากหลาย แต่สิ่งที่สำคัญจริงๆ คือความฉลาดโดยรวมของการวิเคราะห์นี้ ตัวอย่างเช่น พิจารณาการสนทนาระหว่างพนักงานธนาคารและลูกค้า เราสามารถจับและวัดความสุภาพ การสงบ (ใจเย็นหรือโกรธ) ความเห็นอกเห็นใจต่อลูกค้า ปฏิกิริยาของลูกค้า และรูปแบบการพูดโดยรวม เช่น ช้า เร็ว สนใจหรือไม่สนใจ เพื่อคำนวณคะแนนคุณภาพการสนทนา ประสิทธิผลของผลลัพธ์ และประสิทธิภาพของพนักงาน

คุณทำการวิเคราะห์ข้อมูลประเภทใดเพื่อคาดการณ์วัตถุประสงค์?

การคาดการณ์วัตถุประสงค์คล้ายกับสิ่งที่กล่าวมาแล้ว เราใช้สัญญาณพฤติกรรมในเสียงเพื่อคาดการณ์วัตถุประสงค์ของลูกค้าในการซื้อสินค้า การต่ออายุสมาชิกภาพ หรือว่าลูกหนี้จะชำระหนี้หรือไม่ การคาดการณ์วัตถุประสงค์สามารถช่วยให้บริษัทต่างๆ เพิ่มยอดขายและอัตราการเก็บหนี้ ลดต้นทุน และปรับปรุงความพึงพอใจของลูกค้าในระยะยาว

Behavioral Signals ได้รับรางวัล INTERSPEECH 6 ครั้งสำหรับคุณภาพของการโต้ตอบของมนุษย์และการประมวลผลภาษาเชิงพาราลิงกัวล์ สิ่งนี้คืออะไรและเป็นความสำเร็จที่สำคัญขนาดไหน?

Interspeech เป็นงานประชุมทางเทคนิคที่ใหญ่ที่สุดในโลกที่เน้นการประมวลผลเสียงและการใช้งาน มีจำนวนผู้เข้าร่วมมากที่สุดในด้านนี้และมีจำนวนงานวิจัยที่สำคัญมาก การประชุมเน้นย้ำถึงแนวทางแบบระหว่างสาขาที่จัดการกับทุกด้านของวิทยาศาสตร์และเทคโนโลยีเสียง ตั้งแต่ทฤษฎีฐานขึ้นไปจนถึงการประยุกต์ใช้ที่ซับซ้อน การท้าทายของมันถือเป็นรางวัลทัวริงในด้านการรู้จานเสียงและการประมวลผลภาษาธรรมชาติ การชนะมันถือเป็นการยอมรับที่สำคัญต่องานวิทยาศาสตร์และความสามารถที่เป็นเอกลักษณ์ของเราในการตรวจจับสัญญาณจากข้อมูลเสียงที่เกี่ยวข้องกับการแสดงพฤติกรรมและลักษณะที่ขับเคลื่อนการตัดสินใจของมนุษย์

Behavioral Signals สามารถปรับตัวให้เข้ากับภาษาต่างๆ ได้อย่างรวดเร็วขนาดไหน และต้องการชุดข้อมูลขนาดใหญ่แค่ไหน?

เทคโนโลยีของเรามีความเป็นอิสระจากภาษา เราฟัง วิธี ที่บางสิ่งถูกกล่าวมากกว่าสิ่งที่ถูกกล่าว เราฟังอารมณ์ที่แสดงออกซึ่งเป็นสากลในภาษาทุกภาษา แน่นอนว่าภาษาแต่ละภาษามีลักษณะเฉพาะที่อาจต้องมีการปรับเปลี่ยนอัลกอริทึมของเรา แต่ความแตกต่างในโมเดลการวิเคราะห์เชิงพยากรณ์ของเรามักจะน้อย

คุณสามารถพูดถึงโซลูชันล่าสุดของ Behavioral Signals ได้หรือไม่ ซึ่งก็คือ AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) เป็นโซลูชันการกำหนดเส้นทางการโทรอัตโนมัติที่ใช้ Emotion AI และข้อมูลเสียงเพื่อจับคู่ลูกค้ากับพนักงานที่เหมาะสมที่สุดในการจัดการการโทร หากเราไปกลับไปยังตัวอย่างที่กล่าวถึงก่อนหน้านี้ ของพนักงานธนาคารและลูกค้า เทคโนโลยีของเราสามารถชี้นำพลวัตของการสนทนาโดยมีเป้าหมายสูงสุดในการปรับปรุงผลลัพธ์ ไม่ว่าจะเป็นประสบการณ์ของลูกค้าที่ดีขึ้น การเก็บหนี้ที่เพิ่มขึ้น หรือเวลาการแก้ปัญหาเร็วขึ้น วัตถุประสงค์ใดๆ ที่ต้องการจะมีตัวเร่งที่ช่วยให้ทั้งสองฝ่ายบรรลุผลลัพธ์ที่ต้องการเสมอ ตัวเร่งที่มีส่วนช่วยนี้มักเป็นกระบวนการธรรมชาติและเกิดขึ้นเองระหว่างคนๆ: ความสัมพันธ์หรือความสอดคล้องที่พัฒนาระหว่างคน เรามีพฤติกรรมและลักษณะเฉพาะที่ช่วยให้เราสามารถเข้ากันได้ดีกับบางคนมากกว่าคนอื่นๆ การจับคู่นี้ขึ้นอยู่กับข้อมูลโปรไฟล์และอัลกอริทึมที่เหนือกว่าซึ่งพัฒนาจากประสบการณ์และการวิจัยหลายปีใน NLP และ Behavioral Signal Processing

เราทำการนำโซลูชัน AI-MC ของ Behavioral Signals ไปใช้เพื่อเพิ่มประสิทธิผลและประสิทธิภาพของศูนย์บริการโทรศัพท์ของธนาคารในยุโรป กรณีศึกษาได้รับการยอมรับจาก Gartner และรวมอยู่ในรายงานการนำ Emotion AI ไปใช้ โซลูชันนี้แสดงให้เห็นถึง ROI ที่สำคัญด้วยการเพิ่มขึ้น 20% ของการสมัครขอRestructuring หนี้ที่ใช้งานอยู่ นอกจากนี้ การปรับปรุงนี้ยังทำได้ด้วยการโทรที่น้อยลง 7.6% ซึ่งนำไปสู่การลดต้นทุนเพิ่มเติม ในตัวเลขที่แท้จริง ผลลัพธ์เหล่านี้สอดคล้องกับผลกำไร $300M สำหรับธนาคาร

มีสิ่งอื่นที่คุณต้องการแบ่งปันเกี่ยวกับ Behavioral Signals หรือไม่?

ในขณะที่เรารู้สึกภาคภูมิใจกับความสำเร็จในการวิจัยของเรา เรารู้สึกขอบคุณสำหรับการยอมรับของอุตสาหกรรมด้วย ในช่วงฤดูใบไม้ร่วงปี 2019 เทคโนโลยีของเราได้รับการจัดให้เป็นผู้นำการใช้งานในรายงาน Maverick ของ Gartner ที่แสดงเทคโนโลยีที่มีแนวโน้มจะเปลี่ยนแปลงในอนาคต ต้นปีนี้ เราได้รับการรวมอยู่ใน Hype Cycle ของ Gartner โดยที่เทคโนโลยีของเราถูกจัดให้เป็น ‘การเปลี่ยนแปลง’ เมื่อเดือนที่แล้ว เราได้รับการจัดให้เป็น Gartner Cool Vendor 2020

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Behavioral Signals เพื่อเรียนรู้เพิ่มเติมได้