Randall Newman, CPTO และผู้ร่วมก่อตั้ง Satisfi Labs – ชุดสัมภาษณ์

Randall Newman, CPTO และผู้ร่วมก่อตั้ง Satisfi Labs, เป็นผู้นำด้านเทคโนโลยีและผลิตภัณฑ์ที่มีประสบการณ์กว้างขวางในการสร้างแพลตฟอร์ม AI, เทคโนโลยีการเงิน, และระบบประสิทธิภาพสูง ตั้งแต่ร่วมก่อตั้ง Satisfi Labs, Newman มีบทบาทสำคัญในการมองภาพ, ออกแบบ, และขยายเทคโนโลยี AI เชิงสนทนาของบริษัท, พร้อมดูแลการพัฒนาผลิตภัณฑ์, สถาปัตยกรรม, ทีมวิศวกรรม, และการบูรณาการเชิงกลยุทธ์ ก่อนเข้าร่วม Satisfi Labs, เขาเคยดำรงตำแหน่งหัวหน้าผลิตภัณฑ์ที่ Satisfi Inc. และร่วมก่อตั้งบริษัทการตลาดมือถือ Right On Mobile ในช่วงต้นของอาชีพ, Newman ใช้เวลามากกว่า 17 ปีที่ CIBC World Markets, โดยดำรงตำแหน่งผู้นำระดับสูงครอบคลุมความเสี่ยงเชิงกลยุทธ์, การซื้อขายความถี่สูง, และการเก็งกำไรหุ้น, ผสานความเชี่ยวชาญการซื้อขายเชิงปริมาณกับการพัฒนาเทคโนโลยีแบบลงมือทำ

Satisfi Labs เป็นบริษัท AI ที่มุ่งเน้นการใช้งานเอเจนต์ AI เชิงพิเศษสำหรับกีฬา, บันเทิง, การท่องเที่ยว, แหล่งท่องเที่ยว, และธุรกิจประสบการณ์สดอื่น ๆ ก่อตั้งในปี 2016, บริษัทได้พัฒนาตัวเองจาก AI เชิงสนทนาและ Answer Engine ไปสู่แพลตฟอร์มเอเจนต์ที่ออกแบบเพื่อช่วยองค์กรอัตโนมัติการสนับสนุนลูกค้า, เพิ่มการแปลงตั๋วและการค้าขาย, และสกัดข้อมูลเชิงลึกจากการสนทนาของลูกค้า เอเจนต์ AI ของบริษัทสามารถทำงานได้ในกว่า 50 ภาษาและเชื่อมต่อกับระบบจำหน่ายตั๋ว, CRM, ระบบจัดการเนื้อหา, และระบบธุรกิจอื่น ๆ เพื่อดำเนินการเช่น การขายตั๋ว, การส่งต่อการสนทนาให้กับพนักงานมนุษย์, การเก็บข้อมูลลูกค้า, และการให้การตอบสนองแบบส่วนบุคคล Satisfi Labs กล่าวว่าเทคโนโลยีของบริษัทได้รับความไว้วางใจจากกว่า 775 แบรนด์, พร้อมการบูรณาการและความร่วมมือกับบริษัทต่าง ๆ เช่น Ticketmaster, Simpleview, MappedIn, Ventrata, และ Vozzi.

คุณใช้เวลาประมาณสองทศวรรษในตลาดการเงิน, รวมถึงการสร้างระบบการซื้อขายความล่าช้าต่ำและการนำกลยุทธ์การซื้อขายความถี่สูงที่ CIBC, ก่อนที่จะเข้าสู่การเป็นผู้ประกอบการเทคโนโลยีและในที่สุดร่วมก่อตั้ง Satisfi Labs. บทเรียนใดจากระบบปฏิบัติการที่ความเร็ว, ความน่าเชื่อถือ, และการจัดการความเสี่ยงเป็นสิ่งสำคัญ มีอิทธิพลต่อการสร้างเอเจนต์ AI ระดับผลิตภัณฑ์ของคุณในวันนี้มากที่สุด?

การซื้อขายสอนให้ฉันว่าความคิดที่ดีและธุรกิจที่ดีเป็นสองเรื่องที่แตกต่างกัน คุณอาจระบุโอกาสได้อย่างถูกต้องแต่ยังคงเสียเงินเพราะการดำเนินการช้า, ต้นทุนสูงเกินไป, หรือสมมติฐานความเสี่ยงผิดพลาด AI ก็เช่นเดียวกัน ความสามารถของโมเดลเป็นเพียงหนึ่งอินพุต ธุรกิจขึ้นอยู่กับว่าคุณสามารถแปลงความสามารถนั้นให้เป็นผลลัพธ์ที่ทำซ้ำได้ด้วยต้นทุนและความเสี่ยงที่ยอมรับได้หรือไม่

การดำเนินการหนังสืออาร์บิทราจดัชนียังสอนให้คุณมองข้ามการตัดสินใจแต่ละรายการ ความผิดพลาดเล็ก ๆ ที่ทำซ้ำทั่วพอร์ตโฟลิโอจะกลายเป็นความเสี่ยงขนาดใหญ่อย่างมาก ด้วย AI คุณอาจมีเอเจนต์หลายพันตัวที่ทำการตัดสินใจที่สมเหตุสมผลแต่รวมกันแล้วสร้างปัญหา พวกเขาทั้งหมดพึ่งพาข้อมูลที่ไม่ดีเดียวกัน, หรือพวกเขาทั้งหมดพยายามใช้บริการที่ล้มเหลือเดิม คุณต้องจัดการระบบโดยรวม ไม่ใช่แค่การตอบสนองแต่ละกรณี

และความเร็วมีความสำคัญเฉพาะเมื่อมันทำให้ผลลัพธ์ดีขึ้น ในการซื้อขายเคยมีช่วงเวลาที่ไมโครวินาทีมีความสำคัญ ใน AI ฉันอยากใช้เวลาหนึ่งวินาทีเพิ่มเพื่อยืนยันธุรกรรม มากกว่าการส่งผลลัพธ์ที่ผิดพลาดทันที ความมีวินัยคือการรู้ว่าความเร็วสร้างคุณค่าได้ที่ไหนและที่ไหนที่มันเพียงเร่งความผิดพลาด

บทเรียนสุดท้ายคือบทเรียนที่เป็นจุดเริ่มต้นของธุรกิจทั้งหมด ความได้เปรียบมาจากการสังเกตการตั้งราคาที่ผิดพลาดก่อนคนอื่น ฉันคิดว่าการตั้งราคาที่ผิดพลาดในขณะนี้คือหลายธุรกิจมองเอเจนต์ AI เป็นวิธีลดต้นทุนการสนับสนุน ที่ Satisfi Labs เรามองว่าเป็นช่องทางรายได้ ที่สนามกีฬาของเรา ประมาณ 40 เปอร์เซ็นต์ของการสนทนาเอเจนต์เกี่ยวกับตั๋ว แฟน ๆ นี้ไม่ได้มาร้องเรียน พวกเขามาโดยมีเงินในมือและถามว่าจะนั่งที่ไหน ค้นหาสิ่งที่ตลาดตั้งราคาไม่ถูกต้องแล้วไปครอบครองมัน เหมือนสัญชาตญาณของธุรกิจอาร์บิทราจ

Satisfi Labs ก่อตั้งในปี 2017, ก่อนช่วงบูม AI สร้างสรรค์ในปัจจุบันอย่างมาก, และได้พัฒนาตัวเองจากการประมวลผลภาษาธรรมชาติแบบตามบริบทและ AI เชิงสนทนาไปสู่แพลตฟอร์มเอเจนต์ การเปลี่ยนแปลงสถาปัตยกรรมที่ใหญ่ที่สุดที่จำเป็นเพื่อย้ายจากระบบที่ออกแบบเพื่อให้คำตอบเป็นหลักไปสู่เอเจนต์ที่สามารถดำเนินการแทนผู้ใช้คืออะไร?

เราทุ่มเทหนึ่งทศวรรษในการสร้างเอเจนต์ AI จำนวนหลายพันตัวสำหรับลูกค้าองค์กรกว่า 800 ราย รวมถึงทีม MLB/NFL, สถานบันเทิง, และองค์กรการท่องเที่ยว การเปลี่ยนแปลงที่ใหญ่ที่สุดคือคุณกำลังมอบอำนาจให้ระบบ ไม่ใช่แค่ข้อมูลเท่านั้น

หากผู้ช่วยบอกคุณว่าตั๋วใดว่างอยู่ นั่นคือการให้คำตอบ หากมันทำการแลกเปลี่ยนตั๋วของคุณ มันจะเปลี่ยนแปลงสินค้าคงคลัง, บันทึกลูกค้า, และอาจเกี่ยวข้องกับเงิน ตอนนี้คุณต้องรู้ว่าใครให้สิทธิ์การกระทำ, สิ่งที่เกิดขึ้นจริงคืออะไร, และวิธีการกู้คืนหากกระบวนการหยุดกลางทาง

ดังนั้นเราจึงแยกการตัดสินใจของโมเดลออกจากอำนาจในการดำเนินการ โมเดลสามารถตีความคำขอและเสนอขั้นตอนต่อไป ระบบที่อยู่ใต้โมเดลจะบังคับใช้สิทธิ์, กฎธุรกิจ, และขีดจำกัดการทำธุรกรรม คำอธิบายที่โน้มน้าวจากโมเดลไม่สามารถลบล้างการควบคุมเหล่านั้นได้

คุณยังต้องมีการแยกแยะที่ชัดเจนระหว่าง “เอเจนต์บอกว่าทำงานสำเร็จ” กับ “ระบบธุรกิจยืนยันการเสร็จสิ้น” สิ่งเหล่านั้นไม่ใช่สิ่งเดียวกัน หากคำขอการซื้อหมดเวลา คุณควรตรวจสอบว่าการซื้อเกิดขึ้นหรือไม่ก่อนที่จะลองใหม่อีกครั้ง

และในเชิงกลยุทธ์ โมเดลที่ดีกว่าไม่ควรบังคับให้คุณต้องสร้างระบบควบคุมธุรกิจใหม่ทุกครั้ง ฉันต้องการใช้ประโยชน์จากการปรับปรุงการให้เหตุผลทุกอย่างโดยไม่ต้องต่อรองใหม่ว่า ระบบได้รับอนุญาตให้ทำอะไรเมื่อมีโมเดลใหม่ออกมา

คำว่า “agentic AI” ตอนนี้ถูกนำไปใช้กับผลิตภัณฑ์หลากหลายประเภท จากมุมมองด้านวิศวกรรม คุณจะกำหนดเส้นแบ่งระหว่างแชทบอทขั้นสูง, AI copilot, และเอเจนต์ AI ที่มีอิสระจริง ๆ อย่างไร?

ฉันจะถามคำถามเดียว: ความรับผิดชอบที่คนมอบหมายจริง ๆ คืออะไร?

แชทบอทให้ข้อมูล คอพิลอตช่วยคุณทำงานให้เสร็จ แต่คุณยังคงเป็นผู้กำกับและอนุมัติขั้นตอนสำคัญ ส่วนเอเจนต์อิสระมีสิทธิ์ทำการตัดสินใจบางอย่างด้วยตนเองขณะไล่ตามเป้าหมาย

ส่วนติดต่อผู้ใช้ไม่ได้บอกคุณว่ากำลังมองเห็นอะไร ผลิตภัณฑ์สนทนาอาจมีอิสระจริง ๆ อยู่เบื้องหลัง สิ่งที่ทำการตลาดว่าเป็นเอเจนต์อาจยังต้องการให้คนอนุมัติทุกการกระทำที่มีประโยชน์

สำหรับองค์กร อิสระควรเป็นข้อตกลงเฉพาะ: ระบบนี้อาจทำการกระทำเหล่านี้สำหรับผู้ใช้เหล่านี้ภายในขอบเขตเหล่านี้และต้องหยุดทำงานเมื่อเงื่อนไขเหล่านี้เกิดขึ้น นี่คือสิ่งที่คุณสามารถทดสอบและกำกับดูแลได้จริง

ฉันก็ไม่อยากทำให้การมีอิสระสูงสุดเป็นเป้าหมาย บางครั้งผลิตภัณฑ์ที่ดีที่สุดอาจถามคำถามที่เหมาะสมในเวลาที่เหมาะสมแล้วจัดการส่วนที่เหลือ การลบคำถามนั้นออกทำให้การสาธิตดูน่าประทับใจมากขึ้นแต่ธุรกิจก็ปลอดภัยน้อยลง เป้าหมายคือการลดงานมนุษย์ที่ไม่จำเป็น ไม่ใช่การลดการตัดสินใจของมนุษย์ที่จำเป็น

Satisfi Labs เพิ่งเปิดตัว Satisfi Forward ซึ่งเป็นแนวปฏิบัติวิศวกรรมที่ส่งมอบล่วงหน้า คุณมองเห็นช่องว่างอะไรระหว่างการสร้างแพลตฟอร์ม AI ที่มีประสิทธิภาพกับการทำให้เอเจนต์ทำงานได้อย่างเชื่อถือได้ในสภาพแวดล้อมจริงของลูกค้า ที่ทำให้คุณสร้างโมเดลนี้ขึ้น?

ขั้นสุดท้ายของกระบวนการกำลังกลายเป็นคอขวด แพลตฟอร์มอาจทำให้หลายอย่างเป็นมาตรฐานได้ แต่ไม่สามารถสมมติว่าธุรกิจของลูกค้าทุกคนทำงานแบบเดียวกัน ระบบตั๋วของพวกเขามีข้อจำกัดบางประการ กระบวนการอนุมัติผ่านสามแผนก การกำหนดคุณสมบัติของลีดที่เหมาะสมแตกต่างกันระหว่างลูกค้าต่าง ๆ รายละเอียดเหล่านี้เป็นตัวกำหนดว่าการปรับใช้จะมีประโยชน์จริงหรือไม่

คุณสามารถซื้อแพลตฟอร์มสำเร็จรูปและจัดทำสาธิตที่ทำให้คนประทับใจได้ แต่การทำให้เป็นประสบการณ์ที่มั่นคงสำหรับผู้ใช้จริงนั้นต่างออกไป นั่นคือจุดที่วิศวกรที่ส่งมอบล่วงหน้ามีบทบาท ทีมของเราที่ Satisfi Forward มีหน้าที่ทำความเข้าใจผลลัพธ์ ค้นหาสิ่งที่เป็นอุปสรรค และสร้างเวิร์กโฟลว์และการเชื่อมต่อบนแพลตฟอร์มเพื่อทำให้มันเกิดขึ้น

แต่เราตั้งขอบเขตที่ชัดเจนสำหรับทุกการทำงาน ก่อนที่เราจะสร้าง เราตกลงว่าความสำเร็จหมายถึงอะไร ใครเป็นเจ้าของกระบวนการธุรกิจ สิ่งใดขึ้นกับลูกค้า และใครจะดูแลหลังจากเปิดใช้งาน มิฉะนั้นโครงการขั้นสุดท้ายจะกลายเป็นภาระที่ไม่มีที่สิ้นสุด และการทำงานไม่จบเมื่อโค้ดถูกส่ง มันจบเมื่อเวิร์กโฟลว์ทำงานได้ในระบบของลูกค้าและมีผู้รับผิดชอบคอยรักษาการทำงานนั้นให้ต่อเนื่อง

การเขียนโค้ดก็ถูกทำให้ผลิตได้ถูกลงมากแล้ว ซึ่งทำให้โมเดลนี้เป็นไปได้จริงมากกว่าที่เคยเป็น แต่ฉันไม่ได้มอง Satisfi Forward ว่าเป็นแขนบริการที่ต่อเข้ากับผลิตภัณฑ์ SaaS ทุกการทำงานสอนให้เรารู้ว่าผลิตภัณฑ์ต่อไปควรเป็นอะไร เมื่อสามลูกค้าต้องการเวิร์กโฟว์เดียวกัน นั่นไม่ใช่ภาระสนับสนุน แต่เป็นการเขียนแผนที่ถนนเองพร้อมกับลูกค้าที่จ่ายเงิน โมเดล SaaS เก่าเดาฟีเจอร์แล้วรอหลักฐาน ส่วนวิธีนี้เราจะได้หลักฐานก่อนและรายได้ขณะเก็บข้อมูล ฉันคิดว่านี่คือวิธีที่บริษัทผลิตภัณฑ์สร้างตัวในยุค AI

เอเจนต์ของคุณสามารถเชื่อมต่อกับระบบตั๋ว, แพลตฟอร์มการจัดการความสัมพันธ์ลูกค้า, ระบบจัดการเนื้อหา, และแหล่งข้อมูลเรียลไทม์อื่น ๆ เมื่อเอเจนต์ได้รับความสามารถในการทำธุรกรรมและกระตุ้นการกระทำ คุณจะสมดุลการเข้าถึงข้อมูลเรียลไทม์และความหน่วงต่ำกับการอ้างอิง, ความปลอดภัย, และการป้องกันการกระทำที่ไม่ถูกต้องอย่างไร?

ก่อนอื่น ฉันจะไม่ให้ความเร็วมาชดเชยความล้มเหลวด้านความปลอดภัย ความต้องการบางอย่างเป็นข้อจำกัด คุณต้องเพิ่มประสิทธิภาพภายในข้อจำกัดเหล่านั้น

จากนั้นคุณต้องแยกประเภทของงาน การตอบคำถามเกี่ยวกับที่จอดรถและการทำรายการซื้อตั๋วไม่ต้องการความสดของข้อมูลหรือการควบคุมเดียวกัน คุณสามารถแคชข้อมูลที่คงที่ได้ แต่เมื่อเงินเปลี่ยนมือ คุณต้องใช้ระบบธุรกรรมที่เป็นอำนาจเพื่อยืนยันราคา, ความพร้อม, และการเสร็จสิ้น

กรณีอันตรายคือเมื่อระบบไม่รู้ว่าเกิดอะไรขึ้น ระบบแบ็กเอนด์รับการซื้อแล้วแต่การตอบกลับไม่มาถึง หากเอเจนต์สมมติว่าล้มเหลวและลองใหม่ คุณจะได้การซื้อสองครั้ง นั่นไม่ใช่ปัญหาภาษา แต่เป็นปัญหาการกู้คืนธุรกรรม

และคุณต้องวัดประสบการณ์ภายใต้เงื่อนไขที่สำคัญจริง ๆ ความหน่วงเฉลี่ยในวันอังคารที่เงียบสงบบอกอะไรไม่ได้เลย หากเหตุการณ์ถูกยกเลิกด้วยฝน คุณจะมีคนหลายพันคนถามว่า ตั๋วของพวกเขาจะเป็นอย่างไรในทันที หากคุณวางแผนเฉพาะตามปริมาณการใช้งานเฉลี่ยต่อวินาที คุณจะพลาดความจุที่ต้องการในช่วงที่เกิดการระเบิด ฉันได้เรียนรู้นี้โดยตรงจากระบบการซื้อขาย

ก็มีการตัดสินใจเรื่องค่าใช้จ่ายอยู่ด้วย ไม่ใช่ทุกคำขอจำเป็นต้องใช้โมเดลที่แพงที่สุดหรือโซ่ของเอเจนต์หลายตัว ใช้เส้นทางที่ง่ายที่สุดที่ตอบสนองความต้องการ แล้วใช้เวลา หรือการคำนวณเพิ่มเติมในส่วนที่มันช่วยปรับปรุงการตัดสินใจอย่างมีนัยสำคัญ ผู้ใช้ควรได้รับผลลัพธ์ที่ตรงไปตรงมา รวมถึงคำชี้แจงที่ซื่อสัตย์ว่าบางอย่างไม่สามารถยืนยันได้

Satisfi Labs อธิบายโมเดลที่เอเจนต์ผู้เชี่ยวชาญหลายตัวสามารถทำงานร่วมกันเป็นแรงงาน AI ได้ ปัญหาทางเทคนิคที่ยากที่สุดในการประสานงานเอเจนต์ผู้เชี่ยวชาญหลายตัวคืออะไร โดยเฉพาะเรื่องการกำหนดเส้นทาง, บริบทร่วม, การตัดสินใจที่ขัดแย้ง, และการกำหนดว่าเอเจนต์ใดควรทำหน้าที่?

ส่วนที่ยากที่สุดคือการรักษาความรับผิดชอบเมื่อคุณกระจายงานออกไป

เริ่มโดยถามว่าคุณต้องการเอเจนต์เพิ่มอีกหรือไม่ บางครั้งคุณต้องการผู้เชี่ยวชาญ บางครั้งคุณแค่ต้องการการเรียกเครื่องมือหรือเวิร์กโฟลว์ธรรมดา ทุกเอเจนต์ที่คุณเพิ่มเข้ามาคือการตีความคำขออีกหนึ่งแบบ อีกหนึ่งการพึ่งพา อีกหนึ่งจุดที่อาจเกิดข้อผิดพลาด และจำนวนเอเจนต์ที่ทำงานเบื้องหลังควรจะไม่ปรากฏต่อผู้ใช้

เมื่อมีหลายเอเจนต์ที่สมเหตุสมผล ฉันต้องการให้เอเจนต์หนึ่งเป็นผู้รับผิดชอบการโต้ตอบ ผู้เชี่ยวชาญสามารถให้ข้อมูลหรือทำงานที่จำกัดได้ เอเจนต์ด้านการจำหน่ายตั๋วจัดการสินค้าคงคลังและการแลกเปลี่ยน, เอเจนต์บริการลูกค้าจัดการนโยบาย แต่ต้องมีคนมารวมผลลัพธ์และตัดสินใจว่าผู้ใช้ได้สิ่งที่เขาต้องการจริงหรือไม่

การกำหนดเส้นทางทำได้ยากเพราะผู้คนไม่ได้ถามคำถามในหมวดหมู่ที่ชัดเจน คำขอหนึ่งอาจเกี่ยวข้องกับเอเจนต์สามตัว ระบบต้องตัดสินใจว่า: เอเจนต์หนึ่งสามารถจัดการได้หรือไม่, ต้องใช้หลายเอเจนต์ทำงานต่อเนื่องหรือไม่, หรือควรถามผู้ใช้คำถามเพิ่มเติมหนึ่งข้อก่อนทำอะไรเลย

บริบทก็เช่นกัน คุณไม่ส่งทุกอย่างไปให้ทุกเอเจนต์ นั่นจะเพิ่มความหน่วง, สร้างสัญญาณรบกวน, และอาจเปิดเผยข้อมูลที่เอเจนต์ไม่จำเป็นต้องใช้ และสมมติฐานของเอเจนต์ไม่ควรกลายเป็นความจริงเพียงเพราะมันถูกส่งต่อไปยังเอเจนต์ถัดไป

หากเอเจนต์สองตัวไม่เห็นด้วย ฉันไม่ต้องการให้พวกมันโต้เถียงจนกว่าหนึ่งตัวจะดูน่าเชื่อถือมากกว่า ต้องมีโมเดลอำนาจที่ชัดเจน ระบบจำหน่ายตั๋วกำหนดความพร้อมใช้งาน ธุรกิจกำหนดนโยบายการแลกเปลี่ยน ข้อมูลเรียลไทม์เหนือข้อมูลแคช, กฎธุรกิจเหนือการตัดสินใจของโมเดล, และหากยังแก้ไม่ได้ คุณต้องถามผู้ใช้หรือเรียกคนเข้ามา ส่วนที่ยากไม่ได้อยู่ที่การทำให้เอเจนต์พูดคุยกัน แต่คือการสามารถสืบค้นได้อย่างแม่นยำว่าเอเจนต์ใดทำอะไรและความรับผิดชอบอยู่ที่ไหน

Satisfi Labs ได้ให้ความสำคัญมากขึ้นในการวัดเอเจนต์ตามวัตถุประสงค์และผลลัพธ์ทางธุรกิจ มากกว่าตัวชี้วัดเช่นปริมาณการสนทนา องค์กรควรวัดอะไรจริงๆ เพื่อกำหนดว่าเอเจนต์ AI ทำงานได้ดีหรือไม่, และจะประเมินความน่าเชื่อถืออย่างไรก่อนที่จะให้เอเจนต์มีอิสระมากขึ้น?

เริ่มจากผลลัพธ์ทางธุรกิจ แล้วถามว่าเอเจนต์ทำให้ผลลัพธ์นั้นเกิดขึ้นเท่าไหร่

หากมีคนซื้อบัตรหลังจากคุยกับเอเจนต์ นั่นไม่ได้หมายความว่าเอเจนต์เป็นผู้สร้างการขายนั้นโดยอัตโนมัติ พวกเขาอาจซื้อได้โดยไม่ต้องพึ่งเอเจนต์ก็ได้ หากทำได้ คุณควรใช้การเปรียบเทียบที่ควบคุมหรือฐานอ้างอิงที่เชื่อถือได้ ไม่ใช่เพียงให้เครดิตกับการโต้ตอบครั้งสุดท้าย สำหรับลูกค้าด้านการจำหน่ายตั๋ว นั่นหมายถึงการวัดว่าผู้ชมได้ที่นั่งจริงหรือไม่ ไม่ใช่ว่าเอเจนต์ตอบอย่างสุภาพ สำหรับสถานที่ที่ต้องการลดคิวที่บูธขายบัตร นั่นหมายถึงการวัดว่าเอเจนต์ได้แก้ไขปัญหาก่อนที่ใครต้องยืนรอคอย

จากนั้นดูด้านเศรษฐศาสตร์ของผลลัพธ์ที่สำเร็จ: ค่าใช้จ่ายของโมเดล, โครงสร้างพื้นฐาน, การตรวจสอบโดยมนุษย์, การยกระดับ, และค่าใช้จ่ายในการแก้ไขข้อผิดพลาด เอเจนต์ที่ดูเหมือนถูกจนกว่าคุณจะนับคนที่ต้องซ่อมแซมงานของมันไม่ได้ถูกจริงๆ

ความน่าเชื่อถือต้องมีการประเมินแยกเฉพาะ ตัวชี้วัดเช่น ความสมบูรณ์, ความถูกต้อง, การกระทำที่ไม่ได้รับอนุญาต, การฟื้นตัวจากความล้มเหลว, คุณภาพการยกระดับ คุณไม่สามารถเฉลี่ยเหตุการณ์ความเป็นส่วนตัวที่ร้ายแรงเข้าไปในอัตราการแปลงที่ดีได้

สำหรับอิสระที่มากขึ้น ฉันจะต้องการหลักฐานเกี่ยวกับประเภทของการกระทำที่มอบหมายให้ ตรวจสอบมัน, ดูภายใต้การดูแล, ขยายภายในขอบเขต, และมีวิธีหยุดมัน คะแนนความแม่นยำโดยรวมที่ดีไม่ได้พิสูจน์ว่าระบบพร้อมสำหรับทุกธุรกรรม และต้องระมัดระวังเรื่องแรงจูงใจ บางครั้งการนำคนเข้ามาเป็นผลลัพธ์ที่ถูกต้อง หากคุณให้รางวัลกับเอเจนต์เฉพาะการหลีกเลี่ยงการส่งต่อ อย่าแปลกใจเมื่อมันเก็บปัญหาที่ควรส่งต่อไว้

คุณเพิ่งโต้แย้งว่า AI เสียงควรออกแบบโดยอิงผลลัพธ์ที่วัดได้ ไม่ใช่เพียงเป็นอินเทอร์เฟซอีกชั้นหนึ่งของแชทบอทที่มีอยู่แล้ว เทคโนโลยีใดที่ยังต้องการการก้าวกระโดดก่อนที่เอเจนต์เสียงจะกลายเป็นอินเทอร์เฟซหลักสำหรับการโต้ตอบที่ซับซ้อนและเรียลไทม์ โดยเฉพาะในสภาพแวดล้อมเช่นสนามกีฬา, แหล่งท่องเที่ยว, และงานอีเวนต์สด?

ลูกค้าหลายรายถามว่า เราสามารถนำแอปแชทมาเชื่อมต่อกับเสียงได้หรือไม่? เราทำได้ แต่ไม่ได้หมายความว่าจะเป็นประสบการณ์ที่ดี การปรับปรุงที่แท้จริงต่อไปไม่ใช่เสียงที่ฟังดูเป็นมนุษย์มากขึ้น แต่เป็นการโต้ตอบที่ทนต่อสภาวะที่ผู้ใช้จริงๆ ใช้งาน

ในสนามกีฬา มีคนพูดท่ามกลางเสียงฝูง, ใช้ชื่อผู้เล่นที่ไม่คุ้นเคย, เปลี่ยนใจกลางประโยค, และพยายามทำการซื้อให้เสร็จก่อนประตูเปิด ระบบต้องจัดการกับการขัดจังหวะ, ความไม่แน่นอน, และความล่าช้าของแบ็กเอนด์โดยไม่ทำให้ภารกิจล้มเหลว

ให้ความสนใจเป็นพิเศษต่อรายละเอียดที่สำคัญ การได้ยินผิดวลีทั่วไปเป็นเรื่องหนึ่ง การได้ยินผิดจำนวนตั๋วหรือวันที่ของงานเป็นอีกเรื่องหนึ่ง ตัวแทนจำเป็นต้องยืนยันรายละเอียดที่ส่งผลต่อผลลัพธ์ของการกระทำโดยไม่ทำให้การสนทนาทั้งหมดน่าเบื่อ.

และเสียงไม่ควรถูกบังคับให้ทำทุกอย่าง การเปรียบเทียบตัวเลือกที่นั่งยี่สิบแบบจะดีกว่าในหน้าจอ ผู้ใช้บางคนอาจเริ่มด้วยการพิมพ์ ขึ้นรถ และต้องการให้การสนทนาต่อเนื่องด้วยการพูด ระบบควรรักษาบริบทนั้นและใช้เสียง ข้อความ และภาพตามที่เหมาะสมกับสถานการณ์.

บางส่วนของนี้ต้องการโมเดลที่ดีกว่า ส่วนใหญ่ต้องการการบูรณาการและการออกแบบการโต้ตอบที่ดีกว่า การรอคอยการก้าวกระโดดจะไม่แก้ไขกระบวนการทำงานที่ออกแบบมาจากข้อความแล้วอ่านออกเสียง ฉันจะประเมินความก้าวหน้าแบบนี้: ผู้คนทำงานให้เสร็จอย่างแม่นยำด้วยความพยายามน้อยลงภายใต้สภาวะจริงหรือไม่?

เมื่อเอเจนต์เปลี่ยนจากการให้ข้อมูลไปสู่การขายตั๋ว การเก็บข้อมูลลูกค้า การปรับประสบการณ์ให้เป็นส่วนตัว และการโต้ตอบกับระบบปฏิบัติการ บริษัทควรกำหนดว่าการตัดสินใจใดที่เอเจนต์สามารถทำได้โดยอัตโนมัติและการตัดสินใจใดที่ควรต้องมีการตรวจสอบจากมนุษย์เสมอ?

นี่คือการจัดการความเสี่ยง หากสิ่งนี้พลาดไป จะทำให้เกิดความเสียหายอะไรได้บ้าง? เอเจนต์เปิดประตูที่ไม่สามารถปิดได้หรือไม่?

ความสามารถในการย้อนกลับเป็นการทดสอบเบื้องต้นที่มีประโยชน์ แต่ต้องพิจารณาการเปิดเผยทั้งหมดด้วย การคืนเงินหนึ่งครั้งอาจเล็กและย้อนกลับได้ การคืนเงินที่ผิดพลาดหมื่นครั้งก่อนที่ใครสังเกตเห็นเป็นปัญหาอื่น คุณต้องมีขีดจำกัดต่อการกระทำแต่ละรายการและต่อกิจกรรมสะสมของระบบ.

หากการกระทำมีความเสี่ยงต่ำและสามารถย้อนกลับได้ ให้มอบอิสระมากขึ้น: ปรับการตั้งค่า ตรวจสอบคำสั่งซื้อ หรือถือสินค้ารอไว้ เมื่อผลลัพธ์มีความสำคัญเพิ่มขึ้น ให้เพิ่มการยืนยันหรือการอนุมัติ การซื้ออาจต้องให้ลูกค้ายืนยันราคา การคืนเงินจำนวนมากอาจต้องการการลงนามของพนักงาน ภัยด้านความปลอดภัยจะต้องถูกยกระดับทันที และการตัดสินใจบางอย่างควรอยู่กับบุคคลเท่านั้น.

โดยข้อควรจำ การยินยอมของลูกค้าและการอนุมัติของบริษัทเป็นเรื่องที่แตกต่างกัน ลูกค้ายืนยันการซื้อไม่ได้ให้สิทธิ์เอเจนต์ละเมิดนโยบายของบริษัท พนักงานที่อนุมัติข้อยกเว้นไม่ได้หมายความว่าลูกค้าได้ยอมรับค่าใช้จ่ายนั้น.

ขีดจำกัดต้องถูกบังคับใช้โดยระบบที่ดำเนินการ ไม่ใช่เพียงอธิบายในคำสั่ง คุณไม่ควรให้เอเจนต์เข้าถึงอย่างกว้างขวางแล้วพึ่งพาคำสั่งให้ระมัดระวัง และเมื่อจำเป็นต้องมีคนเข้ามา ให้ข้อมูลบริบทเพียงพอเพื่อให้ตัดสินใจได้จริง การมอบการอนุมัติหลายร้อยรายการให้กับใครสักคนโดยไม่มีข้อมูล คือการสร้างตราประทับยาง ไม่ใช่การกำกับดูแล ให้ความสนใจของมนุษย์ไปที่จุดที่ลดความเสี่ยงที่มีนัยสำคัญ อย่าแจกจ่ายอย่างกระจายทั่วทุกการโต้ตอบ.

เมื่อมองไปข้างหน้า คุณคาดว่าเทคโนโลยีเช่น Model Context Protocol และการสื่อสารระหว่างเอเจนต์จะเปลี่ยนแปลงพื้นฐานวิธีการสร้างระบบ AI ขององค์กรอย่างไร ทำให้เราจากเอเจนต์ที่แยกกันไปสู่ระบบนิเวศที่เอเจนต์สามารถค้นหาเครื่องมือ แลกเปลี่ยนบริบท และประสานการกระทำข้ามบริษัทและแพลตฟอร์มได้หรือไม่?

ผมคิดว่าโพรโทคอลเป็นวิธีการเพื่อบรรลุเป้าหมาย MCP มอบวิธีการร่วมกันให้แอปพลิเคชัน AI เข้าถึงเครื่องมือและบริบท โพรโทคอลระหว่างเอเจนต์จัดการความร่วมมือระหว่างเอเจนต์ นั่นมีคุณค่า คุณไม่ควรต้องสร้างการบูรณาการแบบกำหนดเองทุกครั้งที่เอเจนต์ต้องการเครื่องมือ มันคล้ายกับสิ่งที่ API ทำสำหรับการบูรณาการซอฟต์แวร์.

แต่รูปแบบที่เป็นมาตรฐานไม่ได้หมายความว่าธุรกิจสองแห่งจะเห็นพ้องกันว่าการกระทำหมายถึงอะไร ใครสามารถอนุมัติได้ หรือจะเกิดอะไรเมื่อการกระทำนั้นล้มเหลว เพียงเพราะเอเจนต์สามารถค้นหาเครื่องมือได้ไม่ได้หมายความว่าควรอนุญาตให้ใช้ คุณยังต้องกำหนดอัตลักษณ์ สิทธิ์ ความเชื่อถือ ความรับผิดชอบ หากเอเจนต์หนึ่งขอให้อีกเอเจนต์ทำบางอย่างแล้วเกิดข้อผิดพลาด ใครเป็นผู้รับผิดชอบต่อการตัดสินใจนั้น?

นี่คือสิ่งที่ผมคิดว่าจริงๆ แล้วเปลี่ยนแปลงไป วันนี้สถานที่จัดงานมีเว็บไซต์และแอปพลิเคชัน ในอีกไม่กี่ปีจะมีเอเจนต์ที่เอเจนต์อื่นๆ ต่อรองด้วย ผู้ช่วยส่วนตัวของแฟนขอเอเจนต์ของสถานที่จัดงานให้สองที่นั่งในราคาที่กำหนดพร้อมบัตรจอดรถและการทำธุรกรรมทั้งหมดเกิดขึ้นระหว่างเอเจนต์สองตัว การค้นหาความสามารถที่เหมาะสมเป็นขั้นตอนที่ง่าย การรู้ว่าลูกค้ามีอำนาจการใช้จ่ายเท่าไหร่ การยืนยันราคารวมและการจัดการกรณีที่ตั๋วสำเร็จแต่การจอดรถล้มเหลว คือปัญหาที่แท้จริง.

และผมไม่เชื่อว่าการดำเนินงานเอเจนต์จะทำให้คุณได้รับความสัมพันธ์กับลูกค้าโดยอัตโนมัติ สิ่งนั้นต้องได้รับการสร้างขึ้น อย่างไรก็ตามผมก็ไม่เชื่อว่าสถานที่จัดงานจะมอบธุรกรรมเหล่านี้ให้กับบริษัทค้นหาหรือตลาดตั๋ว เป้าหมายของเราที่ Satisfi Labs คือการเป็นเอเจนต์ที่เป็นตัวแทนของสถานที่จัดงานในเศรษฐกิจนั้น ซึ่งเชื่อถือได้พอที่ธุรกิจจะใส่ชื่อของตนลงไป ทุกอย่างที่เราสร้างขึ้นเกี่ยวกับความน่าเชื่อถือ สิทธิ์ และความรับผิดชอบ คือสิ่งที่ทำให้เราได้รับตำแหน่งนั้น.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Satisfi Labs.