Niraj Ranjan, Hiver’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Niraj Ranjan, Hiver’in kurucu ortağı ve CEO’su, yazılım mühendisliği, ürün geliştirme ve müşteri deneyimi arasındaki kesişmede kariyerini inşa etmiş deneyimli bir girişimci ve teknoloji uzmanıdır. 2017 yılında Hiver’i, daha önceki deneyimlerine dayanarak müşteri hizmetleri yazılımlarını yeniden düşünmek için kurdu. Daha önce Mobicules’u kurucu ortak olarak kurmuş ve küçük bir takımdan 35 kişilik bir operasyona kadar büyütmüştür. Girişimcilikten önce, FPGA tabanlı sistemler için gelişmiş emülasyon yazılımları geliştirdiği Mentor Graphics’te yaklaşık beş yıl çalışmıştır. Bu deneyim, yüksek performanslı, ölçeklenebilir ürünler inşa etme ve güçlü mühendislik kültürleri oluşturma yaklaşımını şekillendirmiştir.

Hiver, e-posta, sohbet, ses ve mesajlaşma gibi iletişim kanallarını tek bir çalışma alanında birleştiren modern bir AI destekli müşteri hizmetleri platformudur. Paylaşılan posta kutularını yönetmek, iş akışlarını otomatikleştirmek ve gerçek zamanlı olarak işbirliği yapmak için tasarlanmıştır. AI, bilet yönlendirme, yanıt taslaklama ve veri analizi gibi tekrarlayan görevleri ele alır. Platform, miras helpdesk sistemlerini daha sezgisel ve ölçeklenebilir bir çözümle değiştirmek üzere tasarlanmıştır. Bu, organizasyonların yanıt sürelerini iyileştirmesine, performans ölçümlerini izlemesine ve tüm kanallarda tutarlı müşteri deneyimleri sunmasına yardımcı olur. 10.000’den fazla takım tarafından küresel olarak güvenilmektedir.

Kariyerinizin başlangıcında Mentor Graphics’te, fiziksel olarak inşailmeleri önce karmaşık elektronik tasarımları simüle etmek için kullanılan gelişmiş donanım emülasyon sistemleri üzerinde çalıştınız. Daha sonra, Mobicules’u üç kişilik bir startup’tan 35 kişilik bir şirkete kadar büyüttünüz ve ardından Hiver’i kurduk. Bu derin teknik temeller ve erken ölçeklendirme deneyimleri, gerçek dünya destek ortamlarında güvenilir bir şekilde çalışan AI inşa etme yaklaşımınızı nasıl şekillendirdi?

Donanım emülasyon sistemleri üzerinde çalışmak, güvenilirlik hakkında nasıl düşündüğünüzü şekillendirir. Bu sistemler, karmaşık tasarımların fiziksel olarak inşa edilmeden önce simüle edilmesini sağlar. Kenar vakaları ortaya çıkar, bileşenler arasındaki etkileşimler sonuçları değiştirir ve temiz model bozulur. Bu zihniyet, müşteri destek ortamlarına doğrudan uygulanır. Konuşmalar, eksik bağlam, duygusal aciliyet ve iç sistemler arasındaki bağımlılıklarla birlikte gelir.

Şirketlerin ölçeklenmesi, başka bir karmaşıklık katmanını ortaya çıkarır. Takımlar büyüdükçe, operasyonel sürtünme çok görünür hale gelir. Ajanlar, yanıt vermeden önce farklı araçlardan bilgi toplamak ve iç olarak koordine olmak için zaman harcar. Bu deneyim, Hiver’deki düşünce şeklimizi etkiledi. Destek yaşam döngüsünün tamamına bakarız, bir isteğin geldiği anda başlayarak çözüme ulaşıncaya kadar ve AI’nin bu sürtünmeyi nerede kaldırabileceğini sorarız, böylece takımlar daha fazla enerjiyi sorunu çözmeye harcayabilir.

Hiver, AI’yi insan yargısı veya empati yerine meşgul olmayı ortadan kaldırmak için kullanmayı vurgulamaktadır. Müşteri destekesinde yardımcı otomasyon ile aşırı otomasyon arasındaki çizgiyi nerede çiziyorsunuz?

Destek çalışması, nihai yanıta görünmeyen çok fazla operasyonel çaba içerir. Ajanlar, istekleri kategorilere ayırır, politikalar için arama yapar, hesap bilgilerini çeker ve uzun konuşma geçmişlerini izler, sonra ne söyleyeceğine karar vermeden önce. AI, bu altyapıyı iyi bir şekilde ele alır. Bir sistem bir thread’i özetleyebilir veya doğru bilgi makalesini doğru anda sunabilir, böylece ajan, konuşmaya çok daha net bir anlayışla başlar.

Çok sayıda AI aracı, ürün demosunda etkileyici görünür ancak günlük üretim kullanımında mücadele eder. Yüksek hacimli destek posta kutularında tutarlı bir şekilde dayanıklı AI ile demo için iyi çalışan AI arasındaki boşluğu hakkında neler öğrendiniz?

Bir demo, temiz bir senaryoyu yakalar. Soru öngörülebilir, bilgi tabanı organize edilmiştir ve sistem bir yanıt üretir. Gerçek destek çalışması nadiren bu şekilde ilerler. İstekler, kısmi bilgiyle birlikte gelir, konuşma, çoklu değişikliklere yayılır ve ajan, durum nettir hale gelmeden önce genellikle diğer takımlardan veya sistemlerden girdi gerektirir.

Hiver, tamamen yeni sistemlere zorlamak yerine mevcut iletişim akışlarına sorunsuz bir şekilde entegre olur. Hızlı hareket eden ortamlarda AI’yi “kullanıcıları zaten çalıştıkları yerde bulmak” felsefesinin ne kadar önemli olduğu hakkında neler düşünüyorsunuz?

Bu, destek ekipleri zaten baskı altında çalıştıkları için büyük bir önem taşır. Yeni bir aracın onlara çalışma şekillerini değiştirmesini veya sistemler arasında atlamalarını istemesi, sürtünmeyi hemen gösterir. Destek konuşmaları hala büyük ölçüde e-posta ile başlar ve bu konuşmaların etrafındaki çalışma, diğer sistemlerden bağlam çekmek ve iç olarak iş arkadaşlarıyla koordine etmek içerir. AI, bu ortamın dışında kalırsa, ajan, teknolojiyi kullanmak için ekstra çalışma yapmak zorunda kalır.

Destek ekipleri, özellikle rahatsız müşteriler veya acil konularla başa çıktıklarında, thường yoğun baskı altında çalışırlar. Bu anlarda bilişsel yükü azaltan AI sistemleri nasıl tasarlıyorsunuz?

Destek çalışması, sürekli bir dikkat talebi oluşturur. Bir ajan, her biri kendi tonu, aciliyeti ve geçmişi olan onlarca konuşmayı paralel olarak yönetebilir. Mental çabanın çoğu, durumu yeniden inşa etmeden önce harcanır.

10.000’den fazla takım, Hiver’i küresel olarak kullanıyor. AI benimsemesinin ilk dağıtımı之后, hangi kalıpları gözlemlediniz? AI’yi günlük iş akışlarına gerçekten entegre eden takımlar, hangi faktörlerle diğerlerinden ayrılır?

Gerçek değer gören takımlar, genellikle iş akışındaki çok spesifik anlara başlar, burada ajanlar her gün zaman kaybeder. Konuşma özetleri iyi bir örnektir. Bir ajan, uzun bir thread’i açar ve hemen ne olduğu anlar, tüm etkileşim farklı bir şekilde başlar. Aynı şey, sistem doğru bilgi makalesini veya politikayı doğru anda sunduğunda da geçerlidir. Bu anlar gerçekten yardımcı olduğunda, ajanlar AI’yi doğal olarak kullanmaya başlar, çünkü günlerini daha kolay hale getirir.

Ürün stratejisi açısından, AI inovasyon hızını, özellikle müşteri ilişkilerini bozan hataların oluşabileceği ortamlarda güvenilirlik ve güveni korurken nasıl dengelemelisiniz?

Müşteri desteği, küçük hataların büyük sonuçlar doğurabileceği bir alandır. Yanlış anlaşılan bir fatura sorunu veya rahatsız bir müşteri, ek iş yükü oluşturabilir ve güveni hızlı bir şekilde bozabilir. Bu gerçeklik, AI’nin nerede harekete geçeceğine ve nerede insan ajanı destekleyeceğine çok bilinçli bir yaklaşım gerektirir. Bazı görevler, kategorizasyon veya konuşma özetleme gibi, yüksek düzeyde otomasyona tolerans gösterir. Gelir, politika yorumu veya müşteri ilişkileri gibi kararlar, çok daha yüksek bir güven düzeyi gerektirir.

Destek ekiplerinin yapısı, önümüzdeki beş yıl içinde AI’nin nasıl değiştireceği hakkında neler düşünüyorsunuz? Görevler, denetim ve yargıya doğru mu kayacak, yoksa tamamen yeni iş kategorileri mi ortaya çıkacak?

Destek ekiplerinin yapısı, muhtemelen tekrarlayan bilet işlemlerini ele alan daha az kişi ve karmaşık sorunları çözen daha fazla kişiye doğru kayacak. AI, konuşma özetleme, gelen istekleri organize etme ve yanıt taslaklama gibi görevleri ele aldıkça, ajanlar daha fazla zaman, ne olduğu anlama ve diğer takımlarla koordinasyon yaparak sorunu çözmeye harcayacak. İş, artık biletleri bir kuyruktan geçirmek değil, müşteri sorunlarının sonucunu sahiplenmek olacak.

Hiver, rekabetçi bir help desk pazarında faaliyet gösteriyor. Müşteri beklentilerinde, miras platformların adapte olmakta başarısız olduğu temel değişiklikler nelerdir?

Müşteriler, artık destek için ulaştıklarında devamlılık bekliyorlar. Örgütün önceki etkileşimleri hatırlamasını ve tüm konuşma boyunca bu bağlamı taşımasını istiyorlar. Bilgileri birden fazla etkileşim boyunca tekrarlamak nhanh chóng can sıkıcı hale gelir.

AI öncelikli bir dünyada harika müşteri desteği nasıl görünür ve hangi yetenekler, şirketlerin başarılı olmasını veya geride kalmasını sağlayacak?

AI öncelikli bir dünyada harika destek, müşteriler için daha kolay hissedecek. Müşteriler ulaşırlar, takım durumu nhanh chóng anlar ve konuşma, ne olduğu anlamak için fazla çaba harcamadan ilerler. Arkasındaki teknoloji büyük ölçüde görünmez kalır. Müşteriler, sorunlarının anlaşıldığını ve gereksiz çaba harcamadan çözüldüğünü fark eder.

AI, müşteri desteği iş akışlarına entegre edildiğinde, ajanların işini kolaylaştırmaya yardımcı olur. Müşterilerin sorunlarını daha hızlı ve daha etkili bir şekilde çözmesine nasıl yardımcı olur?

AI, ajanların işini kolaylaştırmaya yardımcı olur, böylece müşterilerin sorunlarını daha hızlı ve daha etkili bir şekilde çözebilirler. AI, tekrarlayan görevleri otomatikleştirebilir, konuşmaları özetleyebilir ve ilgili bilgi makalelerini sunabilir. Bu, ajanların daha fazla zamanı, müşteri sorunlarını anlamak ve çözmek için harcayabilmesini sağlar.

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