ยานดง หลิว ผู้ร่วมก่อตั้งและ CTO ของ Connectly – สัมภาษณ์ซีรีส์

ยานดง หลิว เป็นผู้ร่วมก่อตั้งและ CTO ของ Connectly.ai โดยก่อนหน้านี้เขา曾ทำงานที่ Strava ในตำแหน่ง CTO ยานดง หลิว จบการศึกษาจากมหาวิทยาลัยคาร์เนกีเมลลอน

Connectly ก่อตั้งขึ้นในปี 2021 เป็นผู้นำในด้านปัญญาประดิษฐ์แบบสนทนา (AI) โดยใช้แบบจำลอง AI ที่เป็นกรรมสิทธิ์ของ Connectly แพลตฟอร์มของ Connectly ช่วยให้ธุรกิจสามารถสื่อสารกับลูกค้าและขายผลิตภัณฑ์ของตนบนแพลตฟอร์มการส่งข้อความใดๆ ก็ได้ Connectly ช่วยให้ธุรกิจสามารถดำเนินกระบวนการลูกค้าทั้งหมด ตั้งแต่การขายและการตลาดไปจนถึงประสบการณ์ลูกค้าและการสนับสนุนลูกค้า บนแพลตฟอร์มการส่งข้อความที่ลูกค้าชอบ

คุณสามารถแบ่งปันเรื่องราวเบื้องหลังการก่อตั้ง Connectly ได้หรือไม่?

Connectly เกิดขึ้นจากวิสัยทัศน์ที่จะเป็นผู้นำในด้านปัญญาประดิษฐ์แบบสนทนา ผมและ Stefanos ผู้ร่วมก่อตั้งคนอื่นพบกันผ่านเพื่อนร่วมงานในกลุ่มผู้ก่อตั้งและสร้างความสัมพันธ์ที่ดีจากการมีความหลงใหลในอนาคตของการส่งข้อความ ในฐานะผู้ที่มีประสบการณ์ในการนำทีมเทคโนโลยีที่ Strava และ Uber และ Stefanos มีประสบการณ์ในการดูแล Facebook (META ) Messenger เราได้ตัดสินใจที่จะสร้างโครงสร้างพื้นฐาน AI ของอนาคต เพื่อช่วยให้ธุรกิจสามารถใช้ข้อความลูกค้าให้เกิดประโยชน์สูงสุดในระบบนิเวศที่ซับซ้อน

คุณสามารถอธิบาย Small Language Models (SLMs) และความแตกต่างจาก Large Language Models (LLMs) ได้หรือไม่?

SLMs เป็นแบบจำลอง AI ที่ออกแบบมาเพื่อทำความเข้าใจและสร้างภาษาของมนุษย์ แต่มีค่าพารามิเตอร์และความต้องการการคำนวณที่น้อยกว่าเมื่อเทียบกับ LLMs ในบริบทของโซลูชันการตลาด AI สำหรับแพลตฟอร์มการส่งข้อความ เช่น WhatsApp และ Instagram SLMs มีการตอบสนองที่รวดเร็วและสามารถใช้งานได้ง่ายบนอุปกรณ์ต่างๆ ทำให้เหมาะสำหรับการโต้ตอบกับลูกค้าแบบเรียลไทม์ ขนาดที่เล็กกว่าของ SLMs ช่วยให้สามารถทำงานได้อย่างมีประสิทธิภาพโดยไม่สูญเสียคุณภาพของการตอบสนอง

คุณสามารถอธิบายว่า SLMs ลดความน่าจะเป็นของการ “hallucinations” และปรับปรุงความน่าเชื่อถือของการตอบสนอง AI ได้หรือไม่?

SLMs ลดความน่าจะเป็นของการ “hallucinations” ซึ่งเป็นกรณีที่ AI สร้างข้อมูลที่ไม่ถูกต้องหรือไม่เกี่ยวข้อง โดยการมุ่งเน้นไปที่ชุดพารามิเตอร์ที่เล็กและจัดการได้ง่ายกว่า สำหรับโซลูชันการตลาด AI ที่ใช้การส่งข้อความ SLMs ช่วยให้สามารถตอบสนองได้อย่างคาดการณ์ได้และเชื่อถือได้มากขึ้น ซึ่งช่วยเพิ่มความไว้วางใจและความพึงพอใจของลูกค้า ความซับซ้อนที่ลดลงของ SLMs ยังช่วยลดโอกาสที่จะสร้างเนื้อหาที่ไม่เกี่ยวข้องหรือไม่ถูกต้อง ทำให้การโต้ตอบ AI มีความน่าเชื่อถือมากขึ้น

คุณสามารถอธิบายว่าทำไม SLMs จึงมีประโยชน์สำหรับร้านค้าปลีก โดยเฉพาะในบริบทของชาตบอต?

เนื่องจาก LLMs ต้องการข้อมูลจำนวนมากจึงทำให้การประมวลผลช้า แต่การส่งข้อความและเชิงการค้าแบบสนทนาต้องการเวลาในการตอบสนองที่เร็วขึ้นเพื่อให้บริการลูกค้าได้ดีขึ้น สำหรับร้านค้าปลีก SLMs มีประโยชน์มากกว่าเนื่องจากสามารถให้ข้อมูลที่มีรายละเอียดได้มากขึ้นในอุตสาหกรรมค้าปลีก นอกจากนี้ SLMs ยังถูกกว่าเนื่องจากสามารถปรับให้เหมาะสมได้ง่าย ทำให้ร้านค้าปลีกทุกขนาดตั้งแต่ธุรกิจเล็กๆ ไปจนถึงร้านค้าปลีกออนไลน์ขนาดใหญ่สามารถใช้งานได้

คุณสามารถอธิบายว่า SLMs มอบประสบการณ์ที่เป็นส่วนตัวให้กับลูกค้าได้อย่างไรเมื่อเทียบกับ LLMs?

SLMs มอบประสบการณ์ที่เป็นส่วนตัวให้กับลูกค้าได้โดยการปรับให้เหมาะสมสำหรับงานและโดเมนเฉพาะได้ง่ายขึ้น ขนาดที่เล็กกว่าของ SLMs ช่วยให้สามารถปรับแต่งได้อย่างรวดเร็วและ効 quả ทำให้ธุรกิจสามารถปรับโมเดลให้เหมาะสมกับความต้องการและความชอบเฉพาะของลูกค้าได้ การปรับแต่งที่เน้นย้ำนี้ส่งผลให้เกิดการโต้ตอบที่เกี่ยวข้องและเป็นส่วนตัวมากขึ้น ซึ่งเพิ่มประสบการณ์ของลูกค้า

คุณสามารถอธิบายว่า Connectly รวม SLMs เข้ากับแพลตฟอร์มเพื่อเพิ่มความสามารถในการค้าปลีกได้อย่างไร?

เรารวม SLMs เข้ากับแพลตฟอร์มของเราเพื่อเพิ่มความสามารถในการค้าปลีกโดยใช้ความรวดเร็วและความสามารถในการปรับให้เหมาะสมของ SLMs โมเดลเหล่านี้ช่วยให้สามารถโต้ตอบกับลูกค้าได้อย่างรวดเร็วและแม่นยำบนแพลตฟอร์มการส่งข้อความ เช่น WhatsApp และ Instagram โดยให้คำแนะนำผลิตภัณฑ์ที่เป็นส่วนตัวและสนับสนุนลูกค้าแบบเรียลไทม์ ลักษณะที่เบาที่ของ SLMs ช่วยให้สามารถตอบสนองได้อย่างรวดเร็วและเกี่ยวข้อง ซึ่งเพิ่มประสบการณ์ของลูกค้าและกระตุ้นการมีส่วนร่วม

คุณสามารถให้ตัวอย่างเฉพาะของวิธีที่ร้านค้าปลีกใช้ SLMs ในการดำเนินงานได้หรือไม่?

ลูกค้าของเรามีความสำเร็จที่ดีกับ SLMs ร้านค้าปลีกแฟชั่นหนึ่งใช้ SLMs เพื่อให้คำแนะนำการแต่งตัวส่วนบุคคลผ่าน WhatsApp โดยแนะนำชุดแต่งกายตามการซื้อและการชอบของลูกค้าในอดีต ในทำนองเดียวกัน ร้านค้าปลีกอิเล็กทรอนิกส์ใช้ SLMs บน Instagram เพื่อตอบคำถามของลูกค้าเกี่ยวกับคุณสมบัติและความพร้อมของผลิตภัณฑ์แบบเรียลไทม์ ซึ่งเพิ่มประสบการณ์การช็อปปิ้งและลดภาระงานของทีมสนับสนุนลูกค้า

ทำไมร้านค้าปลีกควรพิจารณาเปลี่ยนจาก LLMs เป็น SLMs สำหรับการใช้งานธุรกิจเฉพาะ?

ร้านค้าปลีกควรพิจารณาเปลี่ยนจาก LLMs เป็น SLMs สำหรับการใช้งานธุรกิจเฉพาะเนื่องจาก SLMs มีประสิทธิภาพและต้นทุนการดำเนินงานที่ดีกว่า SLMs มีการตอบสนองที่รวดเร็วขึ้น ต้องการพลังการคำนวณน้อยกว่า และสามารถปรับให้เหมาะสมสำหรับงานเฉพาะได้ง่าย ทำให้เหมาะสำหรับการโต้ตอบกับลูกค้าแบบเรียลไทม์บนแพลตฟอร์มการส่งข้อความ เช่น WhatsApp และ Instagram การเปลี่ยนแปลงนี้สามารถนำไปสู่การบริการลูกค้าที่ตอบสนองและเป็นส่วนตัวมากขึ้น ในขณะเดียวกันก็ลดต้นทุนการดำเนินงาน

คุณตื่นเต้นกับการพัฒนาที่จะเกิดขึ้นในเทคโนโลยี SLMs อะไร?

ผมตื่นเต้นกับการพัฒนาที่จะเกิดขึ้นในเทคโนโลยี SLMs ที่จะเพิ่มประสิทธิภาพและความแม่นยำของ SLMs ตัวอย่างเช่น การปรับปรุงเทคนิคการเรียนรู้แบบถ่ายโอนและปรับแต่งจะช่วยให้ SLMs สามารถทำงานได้ดีขึ้นในงานเฉพาะโดยใช้ข้อมูลที่น้อยลง นอกจากนี้ การรวม SLMs กับความสามารถแบบหลายรูปแบบ ซึ่งรวมข้อมูลข้อความ เสียง และภาพ จะช่วยให้สามารถมีประสบการณ์ที่มีปฏิสัมพันธ์และน่าสนใจมากขึ้นบนแพลตฟอร์ม เช่น WhatsApp และ Instagram การพัฒนาที่จะเกิดขึ้นเหล่านี้จะทำให้ SLMs มีคุณค่ามากขึ้นสำหรับร้านค้าปลีกที่ต้องการให้บริการลูกค้าที่เป็นส่วนตัวและน่าสนใจ

คุณมองเห็นว่าการนำ SLMs ไปใช้จะพัฒนาไปอย่างไรในอุตสาหกรรมค้าปลีกในช่วงไม่กี่ปีข้างหน้า?

 ผมมองเห็นว่าการนำ SLMs ไปใช้ในอุตสาหกรรมค้าปลีกจะเติบโตอย่างมาก เมื่อร้านค้าปลีกต้องการหาวิธีการที่มีประสิทธิภาพและคุ้มต้นทุนมากขึ้นในการโต้ตอบกับลูกค้า ความเร็วและความสามารถในการปรับให้เหมาะสมของ SLMs จะมีค่ามากขึ้น SLMs จะถูกนำไปใช้มากขึ้นในแพลตฟอร์มการบริการลูกค้า การตลาด และประสบการณ์การช็อปปิ้งส่วนบุคคลบนแอปพลิเคชั่นส่งข้อความ เช่น WhatsApp และ Instagram รวมถึง TikTok การเปลี่ยนแปลงนี้จะช่วยให้ร้านค้าปลีกสามารถให้บริการลูกค้าที่รวดเร็วและเป็นส่วนตัวมากขึ้น ซึ่งจะช่วยเพิ่มความพึงพอใจและความภักดีของลูกค้า

ขอขอบคุณสำหรับสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Connectly เพื่อเรียนรู้เพิ่มเติม