Інтерв’ю
Гаутам Канумуру, генеральний директор та співзасновник Yogi – Серія інтерв’ю
Додайте Unite.AI до бажаних джерел у Google
Гаутам Канумуру, є генеральним директором і співзасновником Yogi. До заснування Yogi, Гаутам був програмним менеджером у Microsoft (MSFT ), де працював над обробкою природної мови та Cortana у складі продуктів Microsoft. Після цього, він став віце-президентом з інженерії у Clarke.AI, компанії, яку придбали за її передові алгоритми розпізнавання мови та підсумовування. Гаутам є випускником Університету Вірджинії зі ступенем у галузі комп’ютерної інженерії та економіки, і є частиною списку Forbes 30 до 30 років за свою роботу у сфері корпоративного програмного забезпечення та штучного інтелекту.
Yogi є платформою для аналізу відгуків клієнтів, яка використовує штучний інтелект для аналізу відгуків, запитів підтримки та іншої інформації, щоб розкрити рівень відгуків та тенденції на рівні продукту. Вона допомагає компаніям покращувати розробку продукту, маркетинг та рівень конверсій за допомогою реального часу, запитних інсайтів через свою функцію “Запитайте Yogi”.
Ви раніше працювали над NLP і Cortana у Microsoft, потім допомогли очолити Clarke.AI через придбання. Що мотивувало вас заснувати Yogi, і як ваш досвід сформував місію компанії?
То, що спонукало мене заснувати Yogi, було потенціалом обробки природної мови. У Microsoft і Clarke.AI, я бачив на власні очі, як відносно невелике покращення NLP – наприклад, збільшення продуктивності на 5-10% – могло розблокувати сотні подальших випадків використання. Але я також помітив розрив між тим, що виглядало вражаюче у демонстрації, і тим, що насправді доставляло реальну цінність клієнтам. З Yogi, ми поставили за мету закрити цей розрив. Ми хотіли побудувати щось, що могло б мати відчутний, видимий вплив, наприклад, зміни у продукті на полиці магазину, які можна було б простежити до інсайтів, згенерованих нашою платформою.
На початку існування Yogi, якою була найбільша перешкода у здобуванні довіри споживчих брендів до штучного інтелекту для чогось такого тонкого, як відгуки клієнтів?
Скептицизм походив з двох джерел: одне було технологією самою по собі, а інше – нами як маленькою компанією, яка спілкувалася з великими підприємствами. Ми швидко дізналися, що недостатньо говорити про те, що може зробити ваш продукт, вам потрібно показати це. Це означало пропозицію про аналіз зразків до того, як вас про це попросили, відповісти на реальні бізнес-питання на місці і завжди доставляти цінність з першого дня. І ми також зробили ясно, що ми будемо працювати над будь-якими проблемами після прийняття. Така надійність мала значення.
Yogi використовує штучний інтелект і NLP для витягування відгуків з продуктів. Можете роз’яснити, як ваша платформа перетворює сирі відгуки клієнтів у детальні, діючі інсайти?
Ми вважаємо це трьома стадіями: агрегація, організація та аналіз. Спочатку ми агрегуємо клієнтські відгуки з кількох каналів: відгуки, опитування, запити підтримки та забезпечення того, що вони точно прив’язані до правильного продукту, SKU та рітейлера. Це складніше, ніж здається. Наприклад, той самий продукт може мати трохи різні списки на кількох сайтах.
Потім ми організуємо дані. Тут наш другий шар штучного інтелекту читає відгуки так, як це робить людина. Він визначає, які теми обговорюються, як вони описуються та з яким настроєм без залежності лише від ключових слів.
Нарешті, ми аналізуємо. Це місце, де ми представляємо інсайти нашим користувачам через високоінтерактивний інтерфейс. Наші останні інструменти навіть дозволяють користувачам вводити складні питання, наприклад: “Як я виконував порівняно з моїми трьома конкурентами за останні рік?” і отримувати відповідь усього за кілька секунд.
Що відрізняє моделі штучного інтелекту Yogi від загальних інструментів аналізу настрою?
Yogi є як PhD-рівень у сфері клієнтських відгуків. Загальні моделі, навіть просунуті, такі як ChatGPT, є як дуже розумні студенти: вони знають трохи про все. Ми дофінуалізували свої моделі конкретно для цієї сфери, використовуючи наш власний набір даних та широке попереднє оброблення. Оскільки ми додаємо шари структури, такі як настрій, теми та відображення продукту, ми забезпечуємо багатий контекст навколо кожного шматка тексту, який модель оцінює.
Багато платформ штучного інтелекту борються з контекстом або сарказмом у клієнтських відгуках. Як Yogi вирішує проблеми неструктурованих, емоційно складних даних?
Ми підходимо до цього через постійне навчання та вхід користувачів. Наша модель покращується шляхом безперервного споживання прикладів сарказму, двозначності або еволюції сленгу. Ми також дозволяємо користувачам позначати проблемні інтерпретації, які ми потім можемо повернути до нашого процесу навчання. Це дофінуалізування не вимагає мільйонів прикладів, лише кілька цілевих прикладів можуть суттєво покращити продуктивність.
Як Yogi допомагає компаніям виявляти проблеми на рівні продукту, відстежувати зміни настрою та реагувати в реальному часі? Можете поділитися історією успіху?
Абсолютно. У широкому сенсі, ми бачимо безліч випадків використання, але три спільні категорії. Перша – інновації продукту: компанії використовують нас для дослідження нових категорій та визначення невідповідних потреб до запуску нового продукту. У нас були клієнти, які почали використовувати Yogi за два роки до випуску продукту, щоб сформувати все, від формулювання до упаковки.
Друга – якість продукту: якщо команда змінює компонент – наприклад, деталь у кавоварі – вони можуть відстежувати пострелізний настрій, щоб побачити, чи скарги збільшуються. Це застосовується до різних секторів, включаючи красу, харчування та електроніку.
Третя – стратегічний аналіз: ми бачили, як бренди використовують Yogi для оцінки потенційних придбань, аналізуючи клієнтські відгуки про продукти-цілі. Це шар ділової перевірки, до якої вони раніше не мали доступу.
Yogi зараз використовується для оптимізації сторінок продуктів, узгодження маркетингових повідомлень та навіть відстеження проблем з доставкою. Як продукт еволюціонував, щоб підтримувати так багато робочих процесів?
Все це визначається клієнтами. Ми вважаємо, що клієнтські відгуки мають значення для кожної команди в компанії, від продукту до продажів та підтримки. Тому, коли ми бачимо, що наші користувачі витягують інсайти для нової мети, ми питаємо: може Yogi адаптуватися, щоб підтримувати цей випадок використання природно? Так ми росли. Ми не будували для маркетингу чи ланцюга постачання спочатку, але ці команди побачили цінність і попросили про функції. Ми слухали.
Як ви допомагаєте компаніям відстежувати конкурентів та виявляти порушників до того, як вони стануть загрозами?
Ми використовуємо публічні джерела, такі як відгуки та рейтинги, для відстеження конкуруючих продуктів у реальному часі. Наша платформа використовує сповіщення та “інсайти-фід” для позначення того, коли відбувається щось незвичайне, наприклад, сплеск позитивного настрою для продукту конкурента. Нашим клієнтам не потрібно ручне відстеження всього. Yogi постійно сканує та висвітлює все примітне без запиту.
Куди ви бачите майбутнє аналізу клієнтських відгуків, керованого штучним інтелектом, у найближчі 3-5 років, і яку роль буде грати Yogi в цьому ландшафті?
Дві ключові зміни відбуваються. Перша – автоматизація. Завдання, які раніше займали тижні, наприклад, складання порівняння конкурентів, скорочуються до годин або навіть хвилин. Незабаром користувач може запитати Yogi питання та отримати повністю відформатований звіт або слайд-шоу.
Друга – виникнення нових типів аналізу. Штучний інтелект дозволить швидко проводити ітераційні дослідження, які раніше були занадто дорогими або трудомісткими, наприклад, інсайти у стилі фокус-груп з публічних даних. Ми вважаємо, що Yogi добре позиціонований для лідерства на обох фронтах: прискорення досліджень та забезпечення зовсім нових робочих процесів.
Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Yogi.
