Ashish Nagar, Level AI’nin CEO ve Kurucusu – Röportaj Serisi

Ashish Nagar, Level AI‘nin CEO ve kurucusudur. Amazon’daki Alexa ekibindeki deneyimini, müşteri hizmetleri operasyonlarını dönüştürmek için yapay zeka kullanmak için kullanıyor. Teknoloji ve girişimcilik alanında güçlü bir geçmişe sahip olan Ashish, müşteri hizmetleri etkileşimlerinin verimliliğini ve etkinliğini geliştirmek için advanced AI çözümleri sunma misyonunda şirketin liderliğinde önemli bir rol oynamıştır. Onun liderliği altında, Level AI, AI destekli çağrı merkezi alanında önemli bir oyuncu haline gelmiştir ve öncü ürünleri ve yapay zekanın üstün uygulamasıyla bilinmektedir.

Müşteri hizmetlerinde hangi noktaları çözmeyi amaçladınız ve bu teknolojiyle hangi sorunlara çözüm getirdiniz?

Benim geçmişim, teknoloji ve işin kesişme noktasında ürünler geliştirmekle ilgilidir. Applied Physics alanında lisans derecemi almış olsam da, çalışmalarım sürekli olarak ürün rolleri ve yeni işlerin kurulması, başlatılması ve geliştirilmesiyle ilgili olmuştur. Teknoloji ve iş için olan tutkum, beni yapay zeka alanında çalışmaya yöneltti.

2014 yılında, bir sonraki nesil mobil arama şirketi olan Rel C’yi kurmaya başladım, bu şirket bugün Perplexity AI gibi bir şirketti. Bu deneyim, benim AI yazılımlarıyla olan yolculuğumu başlattı ve sonunda bu şirket Amazon tarafından satın alındı. Amazon’da, Alexa ekibinde ürün lideri olarak çalıştım ve daha kompleks AI sorunlarını çözmeye yönelik fırsatlar aradım.

Amazon’daki son yıldım olan 2018’de, “Star Trek bilgisayar” projesi üzerinde çalıştım, bu proje ünlü bilim kurgu serisinden esinlenilmişti. Amacımız, herhangi bir soru sorduğunuzda bunu anlayabilen ve yanıtlayabilen bir bilgisayar geliştirmekti. Bu proje, Alexa Ödülü olarak bilinen bir dünya AI challenge haline geldi ve amacımız, herhangi bir sosyal konuda Alexa ile 20 dakikalık bir sohbeti mümkün kılmaktı. 10 bilim insanıyla birlikte çalıştım ve bu projeyi dünya çapında bir AI challenge olarak başlattık. MIT, CMU, Stanford ve Oxford gibi kurumların önde gelen zekalarıyla yakın çalıştım. Bir şey açıkça belliydi: o zaman, kimse bu sorunu tamamen çözemiyordu.

Hala da, bu sorunun çözülebileceğinin bir dalgasının geldiğini hissedebiliyordum. 2024’e gelindiğinde, ChatGPT gibi teknolojiler, bizim hayal ettiğimiz birçok şeyi gerçekleştirmeye başladı. Doğal dil işleme alanında Amazon, Google, OpenAI ve Microsoft gibi şirketler büyük modeller ve alt yapılar geliştirdiler, ancak bunlar tam olarak uçtan uca iş akışlarını ele almadılar. Biz bu açığı gördük ve bunu çözmek istedik.

İlk ürünümüz, müşteri hizmetleri çözümü değildi; teknisyenlere ve perakende mağaza çalışanlarına yönelik bir ses asistanıydı. 2 milyon dolarlık seed fonlama topladık ve ürünü potansiyel müşterilere gösterdik. Onlar, teknolojiyi çağrı merkezleri için uyarlamamızı talep ettiler, çünkü zaten ses ve veri akışları vardı, ancak modern generatif AI mimarisi eksikti. Bu, mevcut şirketlerin bu alanda geçmişte takılı kaldığını ve klasik yenilikçi ikilemini yaşamakta olduklarını fark etmemize neden oldu – ya eski sistemlerini yenilemek ya da yeni bir şey inşa etmek. Biz bir beyaz sayfa ile başladık ve ilk yerli büyük dil modeli (LLM) müşteri deneyimi zekası ve hizmet otomasyonu platformunu inşa ettik.

İnsan dili komplekslerinin ve bir bilgisayar mühendisliği açısından bu sorunları çözmenin ne kadar zor olduğunun benim yaklaşımım üzerinde önemli bir etkisi oldu. AI’nin insan konuşmasını anlaması, özellikle çağrı merkezi endüstrisi için kritiktir. Örneğin, Siri’yi kullanmak, AI’nin niyeti ve bağlamı anlamakta ne kadar zorlandığını gösterir, basit sorular bile AI’yi şaşırtabilir.

AI, niyeti anlamakta, uzun sohbetler boyunca bağlamı korumakta ve ilgili dünya bilgisine sahip olmada zorluk yaşamaktadır. ChatGPT bile bu alanlarda sınırlılıklara sahiptir. Örneğin, en son haberleri bilmeyebilir veya sohbet içindeki konuların değişimini anlamayabilir. Bu zorluklar, müşteri hizmetleri için doğrudan ilgili olup, sohbetler genellikle birden fazla konuyu içermekte ve AI’nin belirli, alanla ilgili bilgiye sahip olmasını gerektirmektedir. Biz bu zorlukları platformumuzda ele alıyoruz, bu platform müşteri hizmetleri ortamındaki insan dilinin komplekslerini ele almak için tasarlanmıştır.

Level AI’nin NLU teknolojisi temel anahtar kelime eşleştirmesinin ötesine geçer. Müşteri niyetini daha derinden anlamak için AI’nizin nasıl çalıştığını açıklar misiniz? Level AI, AI sistemlerinin doğruluğunu ve güvenilirliğini, özellikle nüanslı müşteri etkileşimlerini anlamak açısından nasıl sağlar?

Farklı görevlere özgü altı veya yedi farklı AI.pipeline’miz vardır. Örneğin, bir workflow, müşterilerin ürün veya hizmetlerle ilgili sorunlarını anlamak ve “müşteri sesi” dediğimiz şeyi tanımlamak olabilir, bir diğeri ise kaliteli performans kartlarını otomatik olarak puanlamak için olabilir. Her workflow veya hizmete riêng bir AI.pipeline’miz vardır, ancak temel teknoloji aynı kalır.

Bir analoji çekmek için, kullandığımız teknoloji, ChatGPT ve diğer generatif AI araçlarındaki teknolojiye benzer, ancak müşteri hizmetlerine özgü LLM’ler geliştirdik ve bu özel workflow’ler için bunları içerde eğitiyoruz. Bu, yeni müşterileri entegre ettiğimiz ilk günlerden itibaren %85’in üzerinde doğruluk elde etmemizi sağlar, böylece daha hızlı değer zamanı, minimum profesyonel hizmetler ve eşsiz doğruluk, güvenlik ve güvenirlik sağlar.

Modellerimiz, müşteri hizmetlerinde derin ve özel uzmanlığa sahiptir. Eski paradigmada, sohbetleri anahtar kelimeler veya cümleler gibi “hesabımı iptal et” veya “mutlu değilim” gibi ifadeleri seçerek analiz ediyorduk. Ancak bizim çözümümüz, tüm olası cümle varyasyonlarını yakalamaya dayanmıyor. Bunun yerine, sorunun arkasındaki niyeti anlamak için AI’yi kullanıyor, bu da bizim çözümümüzü çok daha hızlı ve verimli hale getiriyor.

Bir örnek olarak, birisi “hesabımı iptal etmek istiyorum” derse, bunu söyleyebileceği sayısız yol vardır, örneğin “sizden vazgeçiyorum” veya “başka birine geçiyorum”. AI’miz, sorunun niyetini anlar ve bunu bağlama bağlar, bu nedenle bizim yazılımlarımız daha hızlı ve daha doğrudur.

Eski AI, bir kural kitabı gibi düşünülebilir – esnek olmayan ve sürekli bakım gerektiren if-then-else ifadeleriyle dolu bir kural kitabı. Yeni AI ise, dinamik bir beyin veya öğrenen bir sistem gibi. Sadece birkaç işaretleyiciyle, dinamik olarak bağlam ve niyeti öğrenir ve sürekli olarak kendini geliştirir. Bir kural kitabı sınırlı bir kapsama sahiptir ve önceden tanımlanmış kurallara uymayan şeyler olduğunda kolayca bozulur, oysa öğrenen bir sistem genişler, büyür ve çok daha geniş bir etkiye sahiptir.

Bir müşteri açısından güzel bir örnek, büyük bir e-ticaret markasıdır. Binlerce ürünü vardır ve sürekli güncellemelerle takip etmek imkansızdır. Ancak AI’miz, örneğin belirli bir kanepe hakkında konuştuğunuzu anlamak için sürekli güncellenen bir puan kartına veya rubrikte ihtiyaç duymadan bağlamı anlayabilir.

Mevcut müşteri hizmetleri sistemleriyle Level AI teknolojisinin entegrasyonu açısından ana zorluklar nelerdir ve bunları nasıl ele alırsınız?

Level AI, müşteri deneyimi zekası ve hizmet otomasyonu platformudur. Bu nedenle, endüstrinin çoğu CX yazılımıyla entegre oluruz, ister bir CRM, CCaaS, anket veya araç çözümü olsun. Bu, bizi merkezi bir hub haline getirir, bu kaynaklardan verileri toplar ve onların üzerine zeka katmanını sağlar.

Ancak, zorluk, bu sistemlerin bazılarının bulut dışı, şirket içi teknolojiye veya API’lere veya temiz veri entegrasyonlarına sahip olmayan bulut teknolojilerine dayalı olmasıdır. Müşterilerimizle yakın çalışarak bunları ele alıyoruz, ancak entegrasyonlarımızın %80’i artık bulut tabanlı veya API yerlidir, bu da bizi hızlı entegrasyona olanak tanır.

Müşteri hizmetleri temsilcilerine Level AI nasıl gerçek zamanlı zeka ve eyleme geçirilebilir içgörüler sağlar? Müşteri etkileşimlerini nasıl iyileştirdiğine dair bazı örnekler paylaşabilir misiniz?

Müşteri hizmetleri temsilcilerine sağladığımız üç tür gerçek zamanlı zeka ve eyleme geçirilebilir içgörüler vardır:

1. Elle yapılan iş akışlarının otomasyonu: Hizmet temsilcileri sınırlı zamanı (6 ila 9 dakika) ve çoklu elle yapılan görevleri vardır. Level AI, sohbet sırasında ve sonrasında not alma gibi monoton görevleri otomatikleştirir ve her müşteri için özelleştirilmiş özetler oluşturur. Bu, müşterilerimizin çağrı işleme süresini %10 ila %25 oranında azaltmasına yardımcı oldu, bu da daha fazla verimlilik sağladı.
2. CX Kaptan için Hizmet Temsilcileri: Hizmet temsilcileri yüksek personel değişimi ve eğitim zorlukları yaşar. Bir çağrı merkezine şirket politikalarını bilmeksizin bırakıldığınızı hayal edin. Level AI, temsilcinin yanında oturan bir uzman AI gibi davranır, sohbetleri dinler ve gerçek zamanlı rehberlik sunar. Bu, itirazları ele almak, bilgi sağlamak ve akıllı transkript sunmayı içerir. Bu yetenek, müşterilerimizin hizmet temsilcilerini %30 ila %50 daha hızlı eğitmelerine ve çalıştırmalarına yardımcı oldu.
3. Yönetici Kaptan: Bu özel özellik, yöneticilere takımının performansını gerçek zamanlı olarak görme olanağı sağlar. Level AI, sohbetlere saniye saniye içgörüler sağlar, yöneticilerin müdahale etmelerine, duyguyu ve niyeti tespit etmelerine ve temsilcileri gerçek zamanlı olarak desteklemelerine olanak tanır. Bu, temsilci verimliliğini %10 ila %15 oranında artırdı ve temsilci memnuniyetini artırdı, bu da maliyetleri azaltmak için çok önemlidir. Örneğin, bir müşteri temsilciye bağırıyorsa, sistem bunu işaretler ve yönetici ya çağrıyı devralabilir ya da temsilciye rehberlik sağlayabilir. Bu tür gerçek zamanlı müdahale, bu teknoloji olmadan imkansız olurdu.

Duygu analizi nasıl çalışır ve temsilcilerin müşterilere daha etkili bir şekilde yanıt vermesine nasıl yardımcı olur?

Duygu analizi, aşırı frustrasyondan coşkuya kadar yedi farklı duyguyu tespit eder, bu da bize genel duygu puanımızı oluşturan çeşitli duyguları ölçmemizi sağlar. Bu analiz, hem sözlü kelimeleri hem de sohbetin tonunu dikkate alır. Ancak, deneylerimiz, sözlü kelimenin tonundan daha önemli bir rol oynadığını göstermiştir. En kötü şeyleri düz bir tonda söyleyebilirsiniz veya çok güzel şeyleri garip bir tonda söyleyebilirsiniz.

1’den 10’a kadar bir ölçekte bir duygu puanı sağlarız, 1 çok negatif duyguyu ve 10 çok pozitif duyguyu gösterir. Müşterilerimizin %100’ünün sohbetlerini analiz ediyoruz ve müşteri etkileşimlerine derin içgörüler sunuyoruz.

Bağlamsal anlama da çok önemlidir. Örneğin, bir çağrı çok negatif bir duygıyla başlasa da olumlu bir şekilde bitebilir, çağrının %80’i negatif olsa bile. Bu, müşterinin başlangıçta üzgün olduğunu, temsilcinin sorunu çözdüğünü ve müşterinin memnun ayrıldığını gösterir. Diğer taraftan, çağrı olumlu bir şekilde başlasa da negatif bir şekilde bitebilir, bu da farklı bir hikayedir, çağrının %80’i pozitif olsa bile.

Bu analiz, hem temsilci hem de yönetici için eğitim alanlarını belirlemeye yardımcı olur, başarılı etkileşimlere katkıda bulunan eylemlere odaklanmayı sağlar, örneğin müşteriyi selamlamak, endişelerini tanımak ve empati göstermek – başarılı etkileşimlerin kritik unsurları.

Level AI, özellikle müşteri etkileşimlerinin hassas doğası dikkate alındığında, veri gizliliği ve güvenlik endişelerini nasıl ele alır?

Güvenlik ve gizliliği, ilk günden itibaren önceliğimiz olarak belirledik. Sistemimizi, kurumsal düzeyde güvenlik ve gizlilik ilkeleri temel alarak inşa ettik. AI yeteneklerimizi hiçbir zaman üçüncü taraf satıcılara dış kaynak olarak vermiyoruz. Her şey içerde geliştiriliyor, bu da müşteri özelinde AI modellerini dış ortamda veri paylaşılmadan eğitmeyi mümkün kılıyor. Ayrıca, müşterilere geniş özelleştirme olanakları sunuyoruz, bu da müşterilerin kendi AI modellerine sahip olmasını sağlıyor, veri akışının farklı kısımları arasında veri paylaşılmadan.

Mevcut bir endüstri endişesini ele almak için, verilerimiz dış modeller için eğitimde kullanılmaz. AI modellerimizin, diğer kaynaklardan AI tarafından oluşturulan verilerle eğitilmesine izin vermiyoruz. Bu, bazı AI modellerinin karşılaştığı sorunları önler, yani AI tarafından oluşturulan verilerle eğitildiklerinde doğruluklarını kaybederler. Level AI’de her şey birinci taraf ve dış kaynaklardan veri almadığımız gibi verimizi dış kaynaklara aktarmıyoruz.

Son $39.4 milyon Seri C fonlamasıyla, Level AI platformunu genişletme ve yeni müşteri segmentlerine ulaşma planlarınız nelerdir?

Seri C yatırımı, kritik alanlardaki stratejik büyüme ve inovasyon girişimlerini hızlandırmak için kullanılacak. Ürün geliştirme, mühendislik iyileştirmeleri ve kapsamlı araştırma ve geliştirme çabalarına odaklanacağız. Tüm organizasyon seviyelerinde üst düzey yetenekleri işe almak için çalışacağız, bu da bize endüstri lideri teknolojileri pioneering etmemize, müşteri beklentilerini aşmamıza ve dinamik pazar taleplerini karşılamamıza olanak tanıyacak.

Müşteri hizmetlerini dönüştürmede AI’nin rolünü gelecek on yıl içinde nasıl görüyorsunuz?

Genel odak, genellikle otomasyon yönündedir – botların tüm müşteri hizmetlerini ele alacağı bir geleceği öngörür. Ancak bizim görüşümüz daha nüanstır. Otomasyonun kapsamı dikeye göre değişir. Örneğin, bankacılık veya finans gibi sektörlerde otomasyon daha düşük olabilir, diğer sektörlerde daha yüksek olabilir. Ortalama olarak, tüm dikeylerde %40’ın üzerinde otomasyon elde etmenin zor olduğunu düşünüyoruz. Bu, hizmet temsilcilerinin sadece sorulara cevap vermekle kalmayıp, ayrıca sorun giderici, satış danışmanı ve daha fazlası gibi roller üstlendiği için, bu rollerin AI tarafından tamamen çoğaltılmasının mümkün olmadığı içindir.

İş akışı otomasyonu açısından da önemli bir potansiyel vardır, bu da Level AI’nin odaklandığı bir alandır. Bu, arka ofis görevleri gibi kaliteli güvence, bilet ayrıştırma ve ekran izleme gibi görevleri içerir. Burada, AI ile otomasyon %80’in üzerine çıkabilir. Zeka ve veri içgörülerinin önemi büyüktür. Biz, yapılandırılmamış verilerden içgörüler elde etmek için generatif AI kullanmakta eşsiziz. Bu yaklaşım, içgörülerin kalitesini büyük ölçüde iyileştirebilir, profesyonel hizmetlerin ihtiyacını %90 oranında azaltabilir ve değer zamanını %90 oranında hızlandırabilir.

Diğer önemli bir husus, organizasyonunuzun yüzünün bir bot mu yoksa bir insan mı olması gerektiğidir. Temsilcilerin yaptıkları temel fonksiyonların ötesinde, müşterilerinizle insan bağlantısı kurulması çok önemlidir. Bizim yaklaşımımız, temsilcilerin iş yükünden fazla görevleri ortadan kaldırmak ve onlara müşterileriyle daha anlamlı etkileşimler kurma fırsatı vermektir.

İnsanların, doğrudan iletişim için en uygun adaylar olduğuna inanıyoruz ve bu role devam etmeleri gerekir. Ancak, not alma, sohbetleri yazma veya ekran kaydı gibi görevler için ideal değiller. Bu görevleri onlar için ele aldığımızda, müşterileriyle daha etkili bir şekilde etkileşim kurmak için zamanlarını serbest bırakmış olurlar.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Level AI ziyaret edebilir.