Rebecca Greene, CTO และผู้ร่วมก่อตั้ง Regal – สัมภาษณ์ซีรีส์

Rebecca Greene, CTO และผู้ร่วมก่อตั้ง Regal, เป็นผู้บริหารด้านเทคโนโลยี, ผู้นำผลิตภัณฑ์ และนักลงทุนที่มีประสบการณ์มากมายในการสร้างธุรกิจดิจิทัลที่มุ่งเน้นลูกค้า ก่อนที่จะร่วมก่อตั้ง Regal ในปี 2020 เธอ曾ดำรงตำแหน่ง Chief Product Officer ที่ Handy ซึ่งเธอได้นำทีมผลิตภัณฑ์ การออกแบบ และข้อมูล และสนับสนุนการรวมกิจการของบริษัทกับ ANGI Homeservices หลังจากการเข้าซื้อกิจการ ในช่วงแรกของอาชีพการงานของเธอ Greene曾ทำงานในด้านการจัดการผลิตภัณฑ์ที่ Amazon (AMZN ) และ曾ดำรงตำแหน่งด้านกลยุทธ์ การให้คำปรึกษา และการบริการทางการเงินที่ Booz & Company, First Manhattan Consulting Group และ Bear Stearns เธอยังเป็น Partner ที่ Blue Trail Partners ซึ่งเธอให้การสนับสนุนผู้ก่อตั้งในการสร้างธุรกิจที่มีผลกระทบสูง

Regal เป็นแพลตฟอร์ม AI เสียงสำหรับองค์กรที่ช่วยให้ศูนย์บริการลูกค้าสามารถสร้าง นำไปใช้ ปรับปรุง และจัดการตัวแทน AI อัตโนมัติสำหรับการขาย การสนับสนุนลูกค้า และการทำงานได้ แพลตฟอร์มของ Regal รวมเทคโนโลยีเสียง การส่งคำถามขั้นสูง และข้อมูลลูกค้าแบบเรียลไทม์ เพื่อมอบประสบการณ์เสียงที่เป็นส่วนตัวสำหรับการสื่อสารเข้าและออก โดยการรวมกับระบบ CRM ศูนย์บริการลูกค้า โทรศัพท์ และฐานข้อมูลที่มีอยู่แล้ว ก่อตั้งขึ้นในปี 2020 บริษัทได้รับการออกแบบมาเพื่อช่วยให้องค์กรต่างๆ อัตโนมัติในการสื่อสารกับลูกค้าโดยไม่ต้องแทนที่โครงสร้างพื้นฐานเทคโนโลยีที่มีอยู่แล้ว

คุณช่วยให้ Handy เติบโตจากสตาร์ทอัพในช่วงแรกเป็นธุรกิจที่สุดท้ายกลายเป็นส่วนหนึ่งของ ANGI ซึ่งให้ประสบการณ์ตรงในการสร้างผลิตภัณฑ์ผ่านการเติบโตอย่างรวดเร็ว สิ่งใดจากประสบการณ์นั้นที่ทำให้คุณตัดสินใจร่วมก่อตั้ง Regal และปัญหาประสบการณ์ลูกค้าใดที่คุณรู้สึกว่าไม่สามารถแก้ไขได้ด้วยเทคโนโลยีศูนย์บริการลูกค้าที่มีอยู่

ในขณะที่เราที่ ANGI ผู้ร่วมก่อตั้งและฉันกำลังดำเนินศูนย์บริการลูกค้าที่มีพนักงาน 3,000 คน ซึ่งจัดการการโต้ตอบกับลูกค้าเกือบ 100 ล้านครั้งต่อปี ในตอนแรก เป้าหมายของฉันคือการทำให้ลูกค้าโทรมาให้น้อยที่สุดเพราะทุกคนในวงการเทคโนโลยีกำลังพูดว่า “เสียงตาย” ดังนั้นเราจึงเล่นตามความคิดที่ไม่ชอบโทรศัพท์ FAQs ชาตบอต การซ่อนหมายเลขโทรศัพท์บนเว็บไซต์ เราทำทุกอย่างที่เราสามารถทำได้เพื่อผลักดันลูกค้าสู่การบริการตนเอง

แต่ลูกค้าก็ยังคงโทรมา คนอยากจะพูดคุยทางโทรศัพท์เมื่อมีเรื่องสำคัญ ยุ่งยาก หรือซับซ้อนเกินกว่าที่จะอธิบายได้ในกล่องข้อความ นั่นคือเมื่อเริ่มมองหาวิธีการใช้เสียงเป็นช่องทางออกไป และข้อมูลเริ่มแสดงให้เห็นว่ามีประสิทธิภาพมาก หากคุณต้องการให้ลูกค้าปรับปรุงบัตรเครดิตหรือเตือนพวกเขาเกี่ยวกับการนัดหมาย อีเมลจะมีอัตราการคลิกที่ประมาณ 2% แต่การโทรศัพท์สามารถให้ผลตอบรับ 20-30% ของผู้ที่รับโทรศัพท์ นั่นคือดีกว่า 10 เท่า

ปัญหาอยู่ที่เทคโนโลยีศูนย์บริการลูกค้าที่มีอยู่ไม่ช่วยให้บริษัทต่างๆ ตอบสนองความต้องการนี้ได้ในราคาไม่แพง การโทรศัพท์เสียงมีค่าใช้จ่ายประมาณ 10 ดอลลาร์ต่อการโทรให้พนักงาน ดังนั้นบริษัทส่วนใหญ่จึงมีแรงจูงใจในการหลีกเลี่ยงแม้ว่าลูกค้าจะต้องการก็ตาม ช่องว่างระหว่างความต้องการที่สูงสำหรับเสียงและไม่มีวิธีการจัดส่งที่มีประสิทธิภาพคือสิ่งที่ทำให้ผู้ร่วมก่อตั้งและฉันตัดสินใจก่อตั้ง Regal ในปี 2020

Regal จัดการการโต้ตอบกับลูกค้าผ่าน AI หลายร้อยล้านครั้งแล้วในองค์กรระดับองค์กร อุปสรรคทางเทคนิคที่ยิ่งใหญ่ที่สุดในการทำให้ AI เสียงมีความน่าเชื่อถือเพียงพอสำหรับการผลิตในระดับองค์กรคืออะไร และความสำเร็จใดที่ทำให้การนำไปใช้แพร่หลายเป็นไปได้

Regal เพิ่งผ่าน 500 ล้านการโทรที่จัดการโดย AI ซึ่งเท่ากับ 408 ปีของการสนทนา เรามีเสียง AI 100+ ภาษา 33 ภาษา และ 26 LLMs และสร้างรายได้ 9 พันล้านดอลลาร์สำหรับลูกค้าของเรา

สำหรับเราและลูกค้าของเรา อุปสรรคที่ยิ่งใหญ่ที่สุดคือการทำให้แน่ใจว่าตัวแทนมีบริบทที่ถูกต้องทุกครั้งที่พูดคุยกับลูกค้าและให้คำแนะนำที่ถูกต้อง เราทำงานกับบริษัทต่างๆ ในอุตสาหกรรมที่มีการควบคุมสูง เช่น การดูแลสุขภาพและประกันภัย ซึ่งจำเป็นต้องมี AI ที่เข้าใจสิ่งที่สามารถและไม่สามารถพูดได้ เราให้การฝึกอบรม AI เหมือนพนักงาน: คุณต้องฝึกอบรมมัน ดูแลมัน และประเมินประสิทธิภาพมันอย่างต่อเนื่อง

สิ่งที่เปิดใช้งานจริงๆ คือการมาถึงของ LLMs ที่มีการให้เหตุผลและสร้างภาษาจริงๆ ซึ่งทำให้การโทรศัพท์หลายครั้งที่ซับซ้อนเป็นไปได้สำหรับครั้งแรก

หลายคนยังคงเชื่อมโยง AI ตัวแทนเสียงกับระบบ IVR ที่น่าหงุดหงิดหรือชาตบอทที่เหมือนหุ่นยนต์ สิ่งใดที่เปลี่ยนแปลงไปในรอบหลายปีที่ผ่านมาเพื่อให้ตัวแทนเสียงสมัยใหม่สามารถสนทนาที่มีธรรมชาติได้มากขึ้น

ตัวแทน AI เสียงมีความแตกต่างจากระบบ IVR ในอดีต ใครก็ตามที่ยังคงใช้ IVR มีข้อจำกัดมาก เนื่องจากเป็นระบบที่กำหนดไว้ล่วงหน้า ตัวแทน AI ในปัจจุบันสามารถให้เหตุผลในการสนทนาได้เหมือนมนุษย์ โดยใช้ LLMs สำหรับการสร้างภาษาและขับเคลื่อนด้วยบริบทและข้อมูลจาก 500 ล้านการสนทนาในอดีต เมื่อรวมกับคุณภาพเสียงที่ดีขึ้น เวลาในการตอบสนองที่ดีขึ้น และตรรกะการสนทนาที่เป็นธรรมชาติมากขึ้น ลูกค้าส่วนใหญ่ของเราก็ไม่สามารถบอกได้ว่าพวกเขากำลังพูดคุยกับ AI หรือไม่ หรือไม่สนใจถ้าพวกเขารู้ว่ามันคือ AI ตราบเท่าที่มันให้ผลลัพธ์ที่ต้องการ

ในฐานะ CTO คุณสร้างสมดุลระหว่างความก้าวหน้าอย่างรวดเร็วในแบบจำลองพื้นฐานกับความต้องการความเสถียร ความปลอดภัย และพฤติกรรมที่คาดการณ์ได้สำหรับลูกค้าองค์กรได้อย่างไร

สิ่งนี้คือความตึงเครียดหลักที่ฉันจัดการในฐานะ CTO: แบบจำลองพื้นฐานเคลื่อนไหวอย่างรวดเร็ว แต่ลูกค้าองค์กรของเราที่อยู่ในอุตสาหกรรมที่มีการควบคุมต้องการความคาดการณ์ได้ ความปลอดภัย และพฤติกรรมที่คงเส้นคงวา

เราไม่ใช่ผู้ให้บริการแบบจำลอง ourselves; เราให้บริการแอปพลิเคชันสำหรับการสร้างตัวแทน AI และเราอยู่ข้างๆ ซอฟต์แวร์ศูนย์บริการลูกค้าอื่นๆ การแยกออกนี้ทำให้เราสามารถปรับปรุงได้โดยไม่ทำให้การควบคุม การรวม และการปฏิบัติตามกฎระเบียบที่ลูกค้าของเราพึ่งพาไม่เสถียร นอกจากนี้ยังเป็นเหตุผลที่เราได้เน้นไปที่การให้ทีมใดๆ สร้างตัวแทน AI ที่จัดการการทำงานที่ซับซ้อนได้ภายในไม่กี่สัปดาห์ ไม่ใช่หลายเดือน เราได้เปิดตัวผลิตภัณฑ์ใหม่เรียกว่า Copilot ซึ่งสามารถสร้างร่างการทำงานของตัวแทนเสียงได้ภายในหนึ่งการสนทนา โดยมีตรรกะธุรกิจ บริษัท และความปลอดภัยที่เฉพาะเจาะจงแล้ว

แพลตฟอร์ม Regal เชื่อมต่อ AI ตัวแทนกับบริบทลูกค้าและกระบวนการทำงานทางธุรกิจ มากกว่าการตอบคำถามเพียงอย่างเดียว ทำไมการเข้าถึงข้อมูลลูกค้าและระบบธุรกิจจึงมีความสำคัญไม่แพ้ความก้าวหน้าในแบบจำลองภาษาเอง

ด้วยตัวมันเอง แบบจำลองภาษาสามารถสนทนาได้ แต่ไม่สามารถทำอะไรได้สำหรับลูกค้าของคุณ ช่วงเวลาที่คุณขอให้มันตรวจสอบคำสั่งซื้อ ใช้ส่วนลด ยกเลิกกรณี หรืออัปเดตบันทึก AI ตัวแทนจำเป็นต้องเชื่อมต่อกับระบบเดียวกับที่ตัวแทนมนุษย์ใช้ เช่น ระบบ CRM และการเรียกเก็บเงิน

เมื่อแบบจำลองมีคุณภาพดีขึ้น การเข้าถึงข้อมูลลูกค้าและระบบธุรกิจที่แท้จริงคือสิ่งที่แยกประสบการณ์ที่ดีออกจากประสบการณ์ที่น่าหงุดหงิด

แพลตฟอร์มของคุณให้บริการแก่องค์กรในอุตสาหกรรมต่างๆ เช่น การดูแลสุขภาพ ประกันภัย การศึกษา และการบริการทางการเงิน อุตสาหกรรมที่มีการควบคุมสูงเหล่านี้สอนคุณอะไรเกี่ยวกับการใช้ AI อย่างรับผิดชอบขณะรักษาความไว้วางใจของลูกค้า

เรามุ่งเน้นไปที่อุตสาหกรรมที่มีการควบคุมสูงและซับซ้อนมากกว่ากรณีการใช้งานที่ง่ายและไม่มีความเสี่ยง เนื่องจากพื้น背景ของฉันในการนำผลิตภัณฑ์ การออกแบบ และข้อมูล และทำงานกับศูนย์บริการลูกค้าองค์กร

ความไว้วางใจและความปฏิบัติตามกฎระเบียบมีความสำคัญอย่างยิ่งในการโต้ตอบเหล่านี้ การใช้ AI อย่างรับผิดชอบคือการทำให้แน่ใจว่าตัวแทนมีการควบคุมที่เชื่อถือได้ บริบทระดับบัญชีที่ถูกต้อง และเส้นทางที่ชัดเจนไปยังมนุษย์เมื่อมีบางสิ่งที่อยู่นอกขอบเขตของพวกเขา ความไว้วางใจในอุตสาหกรรมที่มีการควบคุมไม่ได้มาจาก AI ที่สมบูรณ์แบบ แต่มาจากความคาดการณ์ได้และสามารถแก้ไขได้

หลายคนคิดว่า AI จะแทนที่ตัวแทนศูนย์บริการลูกค้ามนุษย์ คุณเห็นความสัมพันธ์ระหว่างพนักงานมนุษย์และตัวแทน AI วิวัฒนาการไปอย่างไรในช่วง 5 ปีข้างหน้า และความรับผิดชอบใดที่ควรเป็นของมนุษย์เสมอ

AI ไม่ได้มาแทนที่งานทุกคนตามที่หลายคนกลัว แต่มันจะพัฒนารูปแบบงานให้เปลี่ยนไป

บทบาทที่สำคัญที่สุดของมนุษย์ในอีกไม่กี่ปีข้างหน้าไม่ใช่ตัวแทนศูนย์บริการลูกค้าแบบดั้งเดิม แต่เป็นบทบาทใหม่ล่าสุด ซึ่งผู้ร่วมก่อตั้งและฉันเรียกว่า วิศวกร CX: คนที่จัดการและดูแลตัวแทน AI เอง โดยทำงานย้อนกลับจากเส้นทางลูกค้าแทนการนั่งอยู่ในโทรศัพท์แต่ละครั้ง คุณสามารถเห็นการเปลี่ยนแปลงนี้เกิดขึ้นแล้วในวงกว้าง โดยที่ AWS เพิ่งลงทุน 1 พันล้านดอลลาร์ในหน่วยวิศวกรรม Forward Deployed เพื่อช่วยให้ลูกค้าสร้างด้วย AI ซึ่งเป็นบทบาทที่แทบจะไม่มีอยู่เมื่อหนึ่งปีที่แล้ว

เราคาดหวังว่าจะมีการเปลี่ยนแปลงที่คล้ายกันใน CX: เมื่อตัวแทน AI จัดการปริมาณมากขึ้น คนๆ ที่จัดระเบียบ จัดการ และตรวจสอบคุณภาพตัวแทนเหล่านั้นจะกลายเป็นการ雇用的ที่จำเป็น

เสียง AI ได้ปรับปรุงอย่างมาก แต่ลูกค้าเริ่มรู้ตัวว่ากำลังพูดกับ AI มากขึ้น ความโปร่งใสและเปิดเผยเล่นบทบาทใดในการสร้างความไว้วางใจในระยะยาว และบริษัทต่างๆ ควรบอกลูกค้าเสมอว่ากำลังโต้ตอบกับตัวแทน AI หรือไม่

ลูกค้าสามารถขอคนให้พูดได้เสมอ และเราสร้างสิ่งนี้เข้าไปในแต่ละการวางระบบ สิ่งที่เราพบในทางปฏิบัติคือว่าคนส่วนใหญ่ไม่สามารถบอกได้ว่ากำลังพูดกับ AI หรือไม่สนใจถ้าพวกเขารู้ว่ามันคือ AI เพราะสิ่งที่สำคัญที่สุดคือการโต้ตอบนั้นเอง

มีเหตุผลเชิงโครงสร้างที่ไม่ได้พูดถึงมากนักว่าบริษัทบางแห่งกำลังดำเนินการสื่อสารกับลูกค้าส่วนใหญ่ผ่าน AI แล้ว แต่ยังไม่ได้โฆษณาเรื่องนี้ ฉันคิดว่าความโปร่งใสมีความสำคัญที่สุดในขณะนั้นเมื่อลูกค้าถามถึง แต่ไม่จำเป็นต้องมีการประกาศใน每ๆ การโต้ตอบ

เมื่อ AI สามารถจัดการการสนทนาที่ซับซ้อนได้มากขึ้น ค่ามาตรฐานใดที่องค์กรควรเน้นนอกเหนือจากการลดต้นทุนเพียงอย่างเดียวเมื่อประเมินว่าการนำ AI ไปใช้ได้ปรับปรุงประสบการณ์ลูกค้าจริงๆ

ภายในองค์กรควรให้ความสนใจกับการใช้ AI ในแต่ละวันของทีม และพิจารณาการใช้งานหนักว่าเป็นสัญญาณที่ดี แต่ค่ามาตรฐานที่บริษัทต่างๆ ควรพิจารณาคือรายได้ต่อพนักงาน หาก AI ทำงานจริงๆ ตัวเลขนี้ควรเพิ่มขึ้น และนั่นคือสิ่งที่ให้ทุนสนับสนุนการเติบโตและสร้างความสามารถในการทำกำไรที่ดีขึ้น AI ไม่ได้แทนที่คนของคุณ แต่คนที่ใช้มันอย่างดีจะทำได้มากขึ้นในขณะที่ยังคงรักษาทีมเดิมไว้ พวกเขาสามารถให้บริการลูกค้าได้มากขึ้น ปิดการขายได้มากขึ้น และสร้างได้มากขึ้นเมื่อรายได้ต่อพนักงานเป็นค่ามาตรฐานที่คุณวัด

เมื่อมองไปข้างหน้า เทคโนโลยีหรือความสามารถใหม่ใดที่คุณเชื่อว่าจะกำหนดรุ่นต่อไปของตัวแทน AI องค์กร และสิ่งพัฒนาที่คุณตื่นเต้นที่จะช่วยนำสู่ตลาดในช่วงหลายปีที่จะมาถึงนี้

ปัจจุบัน เสียงคือ 60-70% ของการโต้ตอบกับลูกค้า โดยที่ส่วนที่เหลือแบ่งออกเป็นช่องทางแชท อีเมล และข้อความ เมื่อ AI ทำให้การโต้ตอบเสียงมีคุณภาพสูงขึ้นและสามารถทำได้มากขึ้น ฉันคาดหวังว่าเสียงจะกลายเป็นช่องทางหลักและในที่สุดจะครอบคลุม 95% ของการโต้ตอบกับลูกค้าทั้งหมด

สิ่งที่จะกำหนดรุ่นต่อไปของตัวแทน AI องค์กรคือการมีส่วนร่วมและกระตือรือร้นในการโต้ตอบกับลูกค้า ความใหม่ของ AI ในประสบการณ์ลูกค้ากำลังหมดลง และทุกคนรู้ว่ามันกำลังเป็นไปได้มากขึ้น แต่ฉันตื่นเต้นที่จะผลักดันขอบเขตและทำให้มันทำงานในกรณีการใช้งานที่ซับซ้อนมากขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Regal.