Dan O’Connell, Dialpad’ın Baş Strateji Sorumlusu – Röportaj Serisi

Dan, Dialpad’da Baş Gelir Sorumlusudur. Önceden, Mayıs 2018’de Dialpad tarafından satın alınan TalkIQ’nın CEO’suydu. TalkIQ’dan önce, AdRoll ve Google’da çeşitli satış liderliği pozisyonlarında bulunmuştur.

Dialpad, ekibinizle bağlanmak ve işbirliği yapmak için daha kolay ve verimli bir şekilde tasarlanmış bir AI destekli bulut iletişim platformudur.

Önceden TalkIQ’nın CEO’suydunuz, Dialpad tarafından Mayıs 2018’de satın alınan bir gerçek zamanlı konuşma tanıma ve doğal dil işleme başlangıç şirketiydi. Bu başlangıç şirketinin arkasındaki büyüleyici şey nedir?

Bunun arkasındaki nedenler birden fazla şeydi: zaman, insanlar ve odak. Otomatik konuşma tanıma (ASR) teknolojisi yeni değil, insanların düşündüğünden çok daha uzun süredir var. Bu süre zarfında (ve son beş yıl içinde) ASR teknolojisi artan hesaplama gücü, bulut, veri setlerinin erişilebilirliği ve tüketici piyasalarındaki akıllı hoparlörlerin kitlesel benimsenmesinden faydalandı. Bütün bunlar transkriptlerin doğruluğunun artmasına neden oldu.

Bu eğilimlerin üzerine, uzmanları (örneğin dilbilim uzmanları) ile hızlı bir şekilde ürünlerini piyasaya süren mühendisleri birleştirdik. Ve mühendislerden bahsettiğimde, sorunları hızlı bir şekilde çözen ve inovasyonu sürükleyen kişilerden bahsediyorum. Bu çözümler her zaman en elegan çözümler olmayabilir, ancak genellikle en hızlı çözümlerdir ve sizi bir inovatör olarak görmenizi sağlar – bu da pazarlama ve satış açısından yararlanabileceğiniz bir şeydir.

Alanında uzman kişiler, piyasadaki doğal eğilimler, girişimcilikte mavi bir okyanus ve yenilikçi teknolojiyi piyasaya sürme konusunda kanıtlanmış bir geçmişe sahip bir ekibe sahiptik.

Son olarak, bu sorunu çözmek için farklı bir yaklaşım benimsedik. Geleneksel transkript motorları, bir teyp kaydı gibi çalışırdı. Bir aramayı kaydederdiniz, ses dosyasını kaydederdiniz, transkript motoruna gönderirdiniz ve bir süre sonra çıktı alırdınız. Başlangıçta, 30 dakikalık bir arama 30 dakika sürebilirdi, bu da büyük ölçekte gerçek gecikmelere neden oluyordu.

Bu sorunu çözmek ve bir ses dosyasına ihtiyaç duymayan bir akış veya gerçek zamanlı transkript motoru oluşturmak istedik. Bu, o zamanlar biraz yenilikçi bir şeydi, ancak o zamanlar gerçek zamanlı uzun form 8khz (kötü kaliteli ses, yani stereo kalitesinin değil, 44khz) sesi işleyebilen bir akış motoru yoktu. Bir teyp kaydı oluşturmak istemiyorduk.

Gerçek zamanlı bir motor oluşturmak ve konuşmaları analiz etmek istedik. Bunu yapabilirsek, olanaklar sonsuz olacaktı, çünkü o zaman iş akışlarını otomatikleştirebilir ve daha önce yapılmamış birçok şeyi yapabilirdik. Jim Palmer, Etienne Manderscheid, Kevin James, Noah Gaspar ve diğer birçok kişiye, bu tür bir gerçek zamanlı motoru ilk olarak inşa ettikleri için büyük takdirler.

Mayıs 2018’de Dialpad tarafından satın alındıktan sonra geçiş dönemi hakkında konuşabilir misiniz?

Satın alma aşaması aslında çok sorunsuz geçti. Dialpad, bir TalkIQ ortağıydı ve ürün ekiplerimiz zaten haftalık olarak Dialpad’da bulunuyordu. Ayrıca, daha önce Google’de Craig Walker ve Brian Peterson ile birlikte çalışmıştım ve onlarla birlikte çalışmaktan heyecan duyuyordum.

Hepimiz geleceği aynı şekilde görüyorduk, bu teknolojilerin (ASR/NLP) bir iletişim/işbirliği platformuna entegre edilmesinin piyasaya yıkıcı olabileceğini ve işletmeler için oyun değiştirici olabileceğini düşünüyorduk. Bu, satın almanın hemen ardından 50 milyon dolarlık bir turda ICONIQ tarafından liderlik edilmesini sağladı. Yatırımcılar, teknolojilerin gelecekteki uygulamasına ve bu sorunları çözen ekibe yatırım yaptılar.

TalkIQ’da, temel olarak aynı anda üç farklı şirket olmaya çalışıyorduk: kendi telefoni yığınımızı, konuşma tanıma motorumuzu ve dahili NLP teknolojisimizi inşa ediyorduk. Bunlar çözülmesi zor sorunlardı. Dialpad, telefoni yönünü zaten erfolgreich bir şekilde çözmüştü, bu nedenle satın alma teklifi geldiğinde, karar vermek kolaydı. Dialpad’ı sektördeki en yenilikçi iş iletişimi platformu olarak görüyorduk ve gelecekteki iş iletişimi vizyonumuz çok iyi uyuyordu.

Dialpad’da kullanılan farklı makine öğrenimi teknolojileri nelerdir?

Yerel Voice Intelligence (Vi™) motorumuz, AI ve ML’yi kullanarak organizasyonların satışlarını artırmalarına, rekabetçi içgörüler kazanmalarına, müşteri hizmetlerini yükseltmelerine ve daha verimli online toplantılar düzenlemelerine yardımcı olur.

TalkIQ’dan ASR ve NLP teknolojileri, ses ve video görüşmelerinden gelen konuşmaları gerçek zamanlı olarak alır. Aynı zamanda, özelleştirilmiş teknolojisimiz, gelen konuşma verilerini işler ve endüstri lideri doğrulukla kolayca okunabilen bir formata transkript eder.

İçindeki ML, Vi’yi zamanla geliştirir. Vi’yi ne kadar çok kullanırsanız, o kadar çok öğrenir ve konuşmaları işleme konusunda o kadar iyi olur. Zamanla, arama transkriptlerinin doğruluğu artar ve Vi, konuşmaların daha ince nüanslarını işleyebilir.

Dialpad, bir milyardan fazla dakika ses analiz ettikten sonra önemli bir AI dönüm noktasına ulaştı. Bu sonuçları nicellemek için hangi testler yapıldı?

Test kümelerimiz, ses ve eşlik eden transkript içeren bir koleksiyondur ve bu, söylenen şeyin gerçekliği olarak kabul edilir. Aynı sesi her rakibe gönderir ve transkripti alırız, ardından bunu gerçekliğe karşılaştırırız. Hataların sayısını hesaplar ve doğruluk yüzdesini belirleriz. Mayıs 2018’deki TalkIQ satın almasından bu yana, her zaman Google’den daha düşük bir doğruluğa sahiptik, ancak şimdi değil.

Dialpad’ın özelleştirilmiş Voice Intelligence (Vi™) motoru ile rakip motorlar arasındaki ana farklılıklar nelerdir?

En büyük farklılıklardan biri, bu işi rakiplerimizden daha uzun süredir yapıyor olmamızdır, yani teknolojinin doğruluğunu sağlamak için daha fazla veri analiz ettik. Bir milyardan fazla dakika ses iletişimini analiz ettik ve her ay yaklaşık 90 milyon dakika Vi motorumuzla işliyoruz. Bu sentido, rakiplerimizden yıllar öndeyiz.

Diğer bir farklılık, dil modellerimize yönelik özelleştirilmiş ve ölçeklenebilir yaklaşımımızdır. Her müşteri için, şirketle ilgili anahtar kelimelerin veritabanını oluştururuz, böylece anahtar kelime artırmasını gerçekleştirebilir ve doğruluğu artırabiliriz. Örneğin, bir kullanıcı, adını “Kathryn” olarak yazıyor ve “Skribbl” adlı bir şirkette çalışıyorsa, sistem bu isimleri doğru şekilde yazacaktır, diğer modeller ise bunları nasıl telaffuz edildiğine göre yazacaktır (örneğin, “Katherine” ve “scribble”).

Doğal dil işlemenin geleceği hakkında kişisel görüşleriniz nelerdir? AI, %100 doğruluğa ulaşması ne kadar zaman alacak?

Kusursuz doğruluk neredeyse elde edilemez. Belki bir gün şaşıracığım (umuyorum!). Çok, çok yakın olabileceğimi düşünüyorum, ancak mükemmel olmayacağız. Nedeni, otomatik konuşma tanıma (ve ardından NLP)nin çözülmesi gereken neredeyse sınırsız sorunları olmasıdır: aksanlar, mikrofonlara yakınlık, arka plan gürültüsü, bağlantı sorunları, farklı mikrofon türleri, birinin konuşma hızı, telaffuz, bağlam (Sara vs Sarah vs Serra), kısaltmalar, argo ve benzeri. Bu son mil, yani %1-2’lik doğruluk payı, zor olacak.

Bununla birlikte, okunabilirlik konusunda bazı ilginç gelişmeler olacağını düşünüyorum. Bugün, bir konuşma transkriptini incelediğinizde, bir akışın bilinç akışı gibi görünebilir. Doğal olarak, sıvı bir şekilde konuşuruz, cümleleri tekrarlarız, cümleleri yeniden başlatırız – yazarken yapmayacağımız birçok şeyi yaparız. Transkriptin daha okunabilir bir versiyonunu oluşturma konusunda bazı benzersiz fırsatlar vardır, bu, tekrarları kaldırabilir, noktalama işaretlerini tahmin edebilir veya iyileştirebilir ve transkripti daha okunabilir hale getirebilir.

Aklımda iki versiyon var: kelimesi kelimesine versiyon, konuşmanın mümkün olduğunca %100’üne yakın bir versiyon (tekrarlarla birlikte) ve daha sonra, noktalama ve optimizasyonlarla daha kolay okunabilen bir versiyon.

Ve bu, konuşmanın en anlamlı kısımlarına sentezlenebilir miyiz sorusuna yol açar? Tam bir transkribe ihtiyacınız var mı, yoksa okunabilir bir özet mi?

Elbette, kullanım durumunuza bağlı, ancak bu alanın ilginç ve heyecan verici kısmı budur. Olası olanın üçüncü inningsindeyiz ve henüz NLP’nin daha “bağlam bilinci” haline gelmesini görmeye başlamadık, yani önceki konuşmalardan öğrenerek doğruluğu iyileştirecek.

Daha spesifik bir bağlam, modellere öğrenmeleri için daha iyi olur. Aynı bağlamı birden fazla konuşma arasında paylaşıp, ML’nin daha akıllı hale gelmesini sağlamak önemlidir. Bağlam bilinci, iletişimde büyük farklılıklar nedeniyle doğruluğu iyileştirmek için de önemlidir. İnsanlar için küçük gibi görünen dilbilimsel farklılıklar, bir ML modelini kopyalamak için çok zor olabilir.

Dialpad şu anda müşterilerine hangi hizmetleri sunuyor?

Dialpad, daha akıllı bir şekilde çalışmanın bir yolu. Modern, hibrit işgücünün ihtiyaçları için tasarlanmış bir platformdur – insanların ve ekiplerin dünyanın her yerinden daha verimli, etkili ve dahil olmalarını sağlar. İşletme iletişimi için sorunsuz bir deneyim sunar – arama, sohbet, video konferans ve çağrı merkezleri – eşsiz bir kalite, güvenlik ve güvenilirlik ile. Dialpad, bu deneyimi ekonomik, basit ve kolayca yönetilebilen bir bulut tabanlı platform olarak sunar.

Dialpad hakkında paylaşmak istediğiniz başka bir şey var mı?

2020, şirket için gerçekten muhteşem bir yıl oldu, bu da dünyanın (ve hala) deneyimlediği şeyleri düşünerek gerçekten heyecan verici. Çalışan sayımızı ikiye katladık, 100 milyon dolarlık fon sağladık, bir şirket satın aldık ve müşteri tabanımız üssel olarak büyüdü.

Uzaktan çalışma kalıcı olacak, bu nedenle bu büyümenin devam etmesini bekliyoruz ve önümüzdeki yıl için heyecan duyuyoruz. Çalışanların daha akıllı, değil daha zor çalışmasını sağlayan yenilikçi teknolojilere olan ihtiyacı artıracaktır. Şirketler, verimliliği artırmak, monoton görevleri ortadan kaldırmak ve çalışanların daha büyük önceliklere odaklanmalarını sağlamak için AI’ye başvuracaklar. Dialpad, bu ihtiyaçları karşılamak için iyi bir konumda.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Dialpad‘i ziyaret edebilir.