Ашіш Нагар, генеральний директор та засновник Level AI – Серія інтерв’ю

Ашіш Нагар є генеральним директором і засновником Level AI, який використовує свій досвід роботи в Amazon (AMZN ) на команді Alexa для використання штучного інтелекту з метою трансформації операцій контакт-центрів. З сильним технічним та підприємницьким тлом, Ашіш відіграв важливу роль у формуванні місії компанії щодо підвищення ефективності та результативності взаємодій з клієнтами за допомогою передових рішень штучного інтелекту. Під його керівництвом Level AI стала ключовим гравцем на ринку контакт-центрів, що використовують штучний інтелект, відомим своїми інноваційними продуктами та високоякісною реалізацією штучного інтелекту.

Що спонукало вас покинути Amazon і створити Level AI? Чи можете ви розповісти про конкретні болі в сфері обслуговування клієнтів, які ви намагалися вирішити за допомогою своєї технології?

Мій досвід роботи полягає у створенні продуктів на перетині технологій та бізнесу. Хоча я маю ступінь бакалавра з прикладної фізики, моя робота завжди була зосереджена на ролях продукту та створенні, запуску та розбудові нових підприємств. Моя пристрасть до технологій та бізнесу привела мене до штучного інтелекту.

Я почав працювати над штучним інтелектом у 2014 році, коли ми будували наступне покоління мобільного пошуку під назвою Rel C, яке було схожим на те, що зараз робить Perplexity AI. Цей досвід став початком моєї роботи над програмним забезпеченням штучного інтелекту, і врешті-решт ця компанія була придбана Amazon. У Amazon я був керівником продукту в команді Alexa, постійно шукаючи можливості для вирішення більш складних задач штучного інтелекту.

У своєму останньому році в Amazon, у 2018 році, я працював над проектом, який ми називали “комп’ютером Star Trek”, натхненним знаменитою науково-фантастичною франшизою. Метою було створити комп’ютер, який міг би зрозуміти та відповісти на будь-яке запитання. Цей проект став відомим як премія Alexa, метою якої було дозволити будь-кому провести 20-хвилинну розмову з Alexa на будь-яку соціальну тему. Я керував командою з близько 10 вчених, і ми запустили це як глобальний виклик штучного інтелекту. Я працював у тісній співпраці з провідними фахівцями з інститутів, таких як MIT, CMU, Стенфорд та Оксфорд. Одне стало ясним: на той час ніхто не міг повністю вирішити цю проблему.

Дажи тоді я міг відчувати хвилю інновацій, яка зробить це можливим. Перемотавши вперед до 2024 року, технології, такі як ChatGPT, зараз роблять значну частину того, що ми бачили. Були швидкі досягнення в обробці природної мови з компаніями, такими як Amazon, Google (GOOGL ), OpenAI та Microsoft (MSFT ), які будували великі моделі та базову інфраструктуру. Але вони не обов’язково займалися повними робочими процесами. Ми визнали цей розрив та хотіли його вирішити.

Наш перший продукт не був рішенням для обслуговування клієнтів; це був голосовий помічник для працівників першої лінії, таких як техніки та працівники роздрібної торгівлі. Ми зібрали 2 мільйони доларів у вигляді початкового фінансування та показали продукт потенційним клієнтам. Вони майже одноголосно просили нас адаптувати технологію для контакт-центрів, де вони вже мали голосові та даних потоки, але не мали сучасної архітектури генерації штучного інтелекту. Це привело нас до розуміння того, що існуючі компанії в цій сфері були застрягли в минулому, борючись з класичною дилемою інноватора щодо того, чи оновити свої спадкові системи чи побудувати щось нове. Ми почали з чистого аркуша та побудували першу рідну великомасштабну модель (LLM) платформу інтелекту клієнтського досвіду та автоматизації обслуговування.

Мій глибокий інтерес до складностей людської мови та того, наскільки складно вирішити ці проблеми з точки зору комп’ютерної інженерії, відіграв значну роль у нашому підході. Спроможність штучного інтелекту зрозуміти людську мову є важливою, особливо для галузі контакт-центрів. Наприклад, використання Siri часто показує, наскільки складно для штучного інтелекту зрозуміти намір та контекст у людській мові. Навіть прості запити можуть заплутати штучний інтелект, який бореться з інтерпретацією того, про що ви запитуєте.

Штучний інтелект бореться з розумінням наміру, підтриманням контексту протягом довгих розмов та володінням актуальною інформацією про світ. Навіть ChatGPT має обмеження в цих областях. Наприклад, він може не знати останніх новин або не розуміти зміну тем у розмові. Ці виклики безпосередньо стосуються обслуговування клієнтів, де розмови часто включають кілька тем та вимагають від штучного інтелекту розуміння конкретних знань, пов’язаних з галуззю. Ми вирішуємо ці виклики на нашій платформі, яка призначена для обробки складностей людської мови в середовищі обслуговування клієнтів.

Як технологія Level AI перевершує базове співпадіння ключових слів? Чи можете ви пояснити, як ваш штучний інтелект розуміє глибший намір клієнта та які переваги це приносить обслуговуванню клієнтів? Як Level AI забезпечує точність та надійність своїх систем штучного інтелекту, особливо у розумінні нюансів взаємодій клієнтів?

У нас є шість або сім різних потоків штучного інтелекту, налаштованих для конкретних завдань, залежно від роботи, яку потрібно виконати. Наприклад, один робочий процес може включати визначення драйверів дзвінків та розуміння проблем, з якими клієнти стикаються щодо продукту або послуги, які ми називаємо “голосом клієнта”. Інший міг би включати автоматичне оцінювання карток якості для оцінки діяльності агентів. Кожен робочий процес або послуга має свій власний потік штучного інтелекту, але базова технологія залишається такою ж.

Для аналогії, технологія, яку ми використовуємо, базується на великомасштабних моделях (LLM), подібних до технології, що лежить в основі інструментів генерації штучного інтелекту, таких як ChatGPT. Однак ми використовуємо спеціалізовані LLM для обслуговування клієнтів, які ми тренували самостійно для цих спеціалізованих робочих процесів. Це дозволяє нам досягати точності понад 85% вже через кілька днів після налаштування нових клієнтів, що призводить до швидшого часу виходу на ринок, мінімальних професійних послуг та неперевершеної точності, безпеки та довіри.

Наші моделі мають глибокі, спеціалізовані знання в галузі обслуговування клієнтів. Старий парадигма полягав у аналізі розмов шляхом виділення ключових слів або фраз, таких як “скасувати мій рахунок” або “я не задоволений”. Але наше рішення не полягає у захопленні всіх можливих варіацій фраз. Замість цього воно застосовує штучний інтелект для розуміння наміру за запитанням, що робить його значно швидшим та ефективнішим.

Наприклад, якщо хтось говорить: “Я хочу скасувати свій рахунок”, є безліч способів, якими вони можуть виразити це, наприклад “Я закінчив з вами” або “Я переходжу до іншого постачальника”. Наш штучний інтелект розуміє намір запитання та зв’язує його з контекстом, тому наше програмне забезпечення є швидшим та точнішим.

Корисна аналогія полягає в тому, що старий штучний інтелект був подібний до книги правил – ви будували ці жорсткі книги правил з умовними операторами, які були негибкими та постійно потребували технічного обслуговування. Новий штучний інтелект, з іншого боку, є подібним до динамічного мозку або системи навчання. З лише декількома вказівками він динамічно вчиться контексту та наміру, постійно покращуючись на льоту. Книга правил має обмежений обсяг та легко ламається, коли щось не відповідає попередньо визначеним правилам, тоді як динамічна система навчання продовжує розширюватися, розвиватися та має значно ширший вплив.

Хороший приклад з точки зору клієнта – великий електронний магазин. У них тисячі продуктів, і неможливо слідкувати за постійними оновленнями. Наш штучний інтелект, однак, може зрозуміти контекст, наприклад, чи говорите ви про конкретний диван, без потреби постійного оновлення картки оцінювання або рубрики для кожного нового продукту.

Які ключові виклики існують при інтеграції технології Level AI з існуючими системами обслуговування клієнтів, і як ви їх вирішуєте?

Level AI є платформою інтелекту клієнтського досвіду та автоматизації обслуговування. Як така, ми інтегруємося з більшістю програмного забезпечення CX в галузі, незалежно від того, чи це CRM, CCaaS, опитування чи інструментальне рішення. Це робить нас центральним хабом, який збирає дані з усіх цих джерел та служить інтелектуальним шаром зверху.

Однак виклик полягає в тому, що деякі з цих систем базуються на не-хмарних, локальних технологіях або навіть хмарних технологіях, які не мають API або чистих даних інтеграції. Ми працюємо у тісній співпраці з нашими клієнтами для вирішення цієї проблеми, хоча 80% наших інтеграцій зараз базуються на хмарі або мають API, що дозволяє нам інтегруватися швидко.

Як Level AI забезпечує реальний час інтелекту та дієвої інформації для агентів обслуговування клієнтів? Чи можете ви поділитися прикладами того, як це покращило взаємодію з клієнтами?

Є три види інформації в реальному часі та дієвої інформації, які ми надаємо нашим клієнтам:

1. Автоматизація ручних робочих процесів: Представники служби часто мають обмежений час (6-9 хвилин) та декілька ручних завдань. Level AI автоматизує монотонні завдання, такі як ведення нотаток під час та після розмов, генеруючи персоналізовані резюме для кожного клієнта. Це дозволило нашим клієнтам заощадити 10-25% часу обробки дзвінків, що призвело до більшої ефективності.
2. CX-співпілот для представників служби: Представники служби стикаються з високим рівнем текучості кадрів та викликами під час навчання. Припустимо, ви були б кинуті в контакт-центр, не знаючи політики компанії. Level AI діє як експерт штучного інтелекту, який сидить поряд з представником, слухає розмови та надає реальну допомогу в реальному часі. Це включає вирішення заперечень, надання знань та надання розумної транскрипції. Ця можливість допомогла нашим клієнтам прискорити навчання та підготовку представників служби на 30-50%.
3. Менеджер-співпілот: Ця унікальна функція надає менеджерам реальний час видимості того, як їхня команда виконує свої завдання. Level AI надає секундну за секундою інформацію про розмови, що дозволяє менеджерам втрутитися, виявити настрій та намір, а також підтримати представників у реальному часі. Це покращило продуктивність агентів на 10-15% та збільшило задоволеність агентів, що є важливим для зниження витрат. Наприклад, якщо клієнт починає лаяти представника, система прапориться, і менеджер може або взяти на себе дзвінок, або надати представникові поради в реальному часі. Такого роду втручання в реальному часі було б неможливим без цієї технології.

Чи можете ви розповісти більше про те, як працює аналіз настрою Level AI та як він допомагає агентам реагувати більш ефективно на клієнтів?

Наш аналіз настрою виявляє сім різних емоцій, починаючи від екстремальної фрустрації до радості, що дозволяє нам вимірювати різні рівні емоцій, які складають наш загальний бал настрою. Цей аналіз враховує як вимовлені слова, так і тону розмови. Однак ми виявили через свої експерименти, що вимовлені слова відіграють значно більшу роль, ніж тон. Ви можете сказати найжорстокіші речі плоским тоном або дуже приємні речі дивним тоном.

Ми надаємо бал настрою за шкалою від 1 до 10, де 1 вказує на дуже негативний настрій, а 10 – на дуже позитивний настрій. Ми аналізуємо 100% розмов наших клієнтів, надаємо глибокий аналіз взаємодій клієнтів.

Контекстне розуміння також є важливим. Наприклад, якщо дзвінок починається з дуже негативного настрою, але закінчується позитивно, навіть якщо 80% дзвінка було негативним, загальна взаємодія вважається позитивною. Це відбувається тому, що клієнт почав розмову засмученим, представник вирішив проблему, а клієнт залишився задоволеним. З іншого боку, якщо дзвінок починається позитивно, але закінчується негативно, це вже інша історія, незважаючи на те, що 80% дзвінка могло бути позитивним.

Цей аналіз допомагає як представнику, так і менеджеру визначити області для навчання, зосереджуючись на діях, які корелюють з позитивним настроєм, таких як вітання клієнта, визнання його проблем та прояв емпатії – елементи, які є важливими для успішних взаємодій.

Як Level AI вирішує питання конфіденційності даних та безпеки, особливо враховуючи чутливий характер взаємодій клієнтів?

З першого дня ми пріоритезуємо безпеку та конфіденційність. Ми побудували нашу систему з підприємницькою безпекою та конфіденційністю як основними принципами. Ми не передаємо жодну з наших можливостей генерації штучного інтелекту стороннім постачальникам. Все розроблено нами самостійно, що дозволяє нам тренувати клієнтські моделі штучного інтелекту без передачі даних за межі нашої системи. Ми також пропонуємо широке налаштування, що дозволяє клієнтам мати свої власні моделі штучного інтелекту без будь-якого обміну даними між різними частинами нашого потоку даних.

Щоб вирішити поточну проблему галузі, наші дані не використовуються зовнішніми моделями для навчання. Ми не дозволяємо нашим моделям бути під впливом даних, згенерованих штучним інтелектом з інших джерел. Цей підхід запобігає проблемам, з якими стикаються деякі моделі штучного інтелекту, коли навчання на даних, згенерованих штучним інтелектом, призводить до втрати точності. У Level AI все є першочерговим, і ми не ділимося даними зовні.

З недавнім фінансуванням у розмірі 39,4 мільйона доларів США у рамках Серії C, які плани ви маєте щодо розширення платформи Level AI та досягнення нових сегментів клієнтів?

Інвестиції Серії C будуть спрямовані на стратегічний розвиток та інноваційні ініціативи в критичних областях, включаючи розвиток продукції, удосконалення інженерії та суворе дослідження та розвиток. Ми плануємо привернути талановитих фахівців усіх рівнів організації, що дозволить нам продовжувати створення інноваційних технологій, які перевершують очікування клієнтів та відповідають динамічним вимогам ринку.

Як ви бачите роль штучного інтелекту у трансформації обслуговування клієнтів за наступне десятиліття?

Хоча загальна увага часто зосереджена на аспекті автоматизації – передбачаючи майбутнє, де боти обробляють все обслуговування клієнтів, – наш погляд більш нюансований. Ступінь автоматизації варіюється за вертикалью. Наприклад, у сфері банківської справи або фінансів автоматизація може бути нижчою, тоді як в інших секторах вона може бути вищою. В середньому ми вважаємо, що досягнення більш ніж 40% автоматизації по всіх вертикалях є складним. Це відбувається тому, що представники служби роблять не тільки відповіді на запитання – вони діють як троблешутери, консультанти з продажу та більше, ролі, які не можуть бути повністю відтворені штучним інтелектом.

Є також значний потенціал у автоматизації робочих процесів, на яку зосереджена Level AI. Це включає задачі бек-офісу, такі як забезпечення якості, тріаж тікетів та моніторинг екрану. Тут автоматизація може перевищити 80% за допомогою генерації штучного інтелекту. Інтелект та дані є важливими. Ми унікальні в тому, що використовуємо генерацію штучного інтелекту для отримання інформації з неструктурованих даних. Цей підхід може суттєво покращити якість інформації, зменшити потребу у професійних послугах на 90% та прискорити час виходу на ринок на 90%.

Іншим важливим аспектом є те, чи повинна особа чи бот бути обличчям вашої організації. Окрім основних функцій, які вони виконують, людський контакт з клієнтами є важливим. Наш підхід полягає у видаленні зайвих завдань з робочого навантаження людини, дозволяючи їм зосередитися на значимих взаємодіях.

Ми вважаємо, що люди найкраще підходять для прямого спілкування та повинні продовжувати бути в цій ролі. Однак вони не ідеальні для завдань, таких як ведення нотаток, транскрипція взаємодій чи запис екрана. Виконуючи ці завдання за них, ми звільняємо їхній час для більш ефективного спілкування з клієнтами.

Дякуємо за чудове інтерв’ю, читачам, які бажають дізнатися більше, рекомендуємо відвідати Level AI.