Нірадж Ранджан, засновник і генеральний директор Hiver – Інтерв’ю серії

Нірадж Ранджан, засновник і генеральний директор Hiver, є досвідченим підприємцем і технологом, який побудував свою кар’єру на перетині програмної інженерії, розробки продуктів і досвіду клієнта. Він заснував Hiver у 2017 році, щоб переосмислити програмне забезпечення для обслуговування клієнтів, використовуючи свій попередній досвід співзаснування Mobicules, де він розширив компанію з невеликої команди до 35-особового підприємства, працюючи руками як програміста, так і архітектора. До підприємництва він провів майже п’ять років у Mentor Graphics, розробляючи передові емулюючі програми для систем на основі FPGA, досвід, який сформував його підхід до створення високопродуктивних, масштабованих продуктів і формування сильної інженерної культури.

Hiver – це сучасна платформа обслуговування клієнтів, що працює на основі штучного інтелекту, призначена для об’єднання каналів зв’язку, таких як електронна пошта, чат, голос і повідомлення, у єдиному робочому просторі. Вона дозволяє командам керувати спільними поштовими скриньками, автоматизувати робочі процеси та співпрацювати в режимі реального часу, тоді як штучний інтелект обробляє повторювані завдання, такі як маршрутизація тикетів, складання відповідей та аналіз даних. Платформа розроблена для заміни традиційних систем допоміжних столів більш інтуїтивно зрозумілою і масштабованою рішенням, що допомагає організаціям покращити час реакції, відстежувати показники продуктивності та забезпечувати послідовний досвід клієнтів на різних каналах, і нею довіряються понад 10 000 команд у світі.

На початку вашої кар’єри в Mentor Graphics ви працювали над передовими апаратними системами емулювання, які використовувалися для симуляції складних електронних конструкцій до їх фізичної побудови. Пізніше ви співзаснували і розширили Mobicules з трьох осіб до 35-особової компанії, перш ніж запустити Hiver. Як ті глибокі технічні знання і ранні досвід розширення вплинули на ваш підхід до створення штучного інтелекту, який надійно працює в реальних умовах обслуговування клієнтів?

Праця над системами емулювання форми ваше мислення щодо надійності. Ці системи існують, тому що складні конструкції поводяться інакше, коли вони зустрічають реальні умови. Виникають крайні випадки, взаємодія між компонентами змінює результати, і чиста модель руйнується. Цей спосіб мислення переноситься на середовища обслуговування клієнтів. Розмови приходять з відсутньою контекстом, емоційною терміновістю і залежностями між кількома внутрішніми системами.

Розширення компанії відкриває ще один рівень складності. Коли команди ростуть, операційна тертя стає дуже видимим. Агенти витрачають час на збір інформації з різних інструментів і внутрішню координацію, перш ніж вони можуть навіть відповісти. Цей досвід сформував наше мислення в Hiver. Ми розглядаємо весь життєвий цикл обслуговування, від моменту надходження запиту до моменту його вирішення, і питаємо, де штучний інтелект може видалити це тертя, щоб команди витрачали більше енергії на вирішення проблеми.

Hiver підкреслює використання штучного інтелекту для видалення рутинної роботи, а не заміни людського судження чи емпатії. Де ви проводите межу між корисною автоматизацією і надмірною автоматизацією в обслуговуванні клієнтів?

Робота з підтримкою клієнтів містить багато операційної праці, яка ніколи не з’являється в кінцевій відповіді. Агенти категоризують запити, шукають політики, витягують інформацію про обліковий запис і відстежують довгі історії розмов, перш ніж вони можуть вирішити, що сказати. Штучний інтелект обробляє цю попередню роботу добре. Коли система може підсумувати нитку або надати правильну статтю знань в потрібний момент, агент починає розмову з набагато яснішим розумінням ситуації.

Багато інструментів штучного інтелекту виглядають вражаюче на демонстраціях продуктів, але борються в щоденному виробничому використанні. Що ви дізналися про розрив між штучним інтелектом, який демонструється добре, і штучним інтелектом, який постійно витримує високий об’єм підтримки поштових скриньок?

Демонстрація захоплює чистий сценарій. Питання передбачуване, база знань організована, і система виробляє відповідь. Реальна робота з підтримкою клієнтів рідко розгортається таким чином. Запити приходять з часткової інформації, розмова розтягується на кілька обмінів, і агент часто потребує входу від інших команд або систем, перш ніж ситуація стане зрозумілою.

Hiver інтегрується безпосередньо в існуючі робочі потоки зв’язку замість того, щоб примушувати команди до зовсім нових систем. Наскільки важливо це філософське підходи “зустріти користувачів там, де вони вже працюють”, коли розгортається штучний інтелект у швидкозмінних середовищах?

Це має велике значення, оскільки команди підтримки клієнтів вже працюють під тиском. Коли новий інструмент просить їх змінити свій спосіб роботи або стрибнути між системами, тертя з’являється негайно. Більшість розмов про підтримку клієнтів все ще починаються з електронної пошти, а робота навколо цих розмов включає витяг інформації з інших систем і внутрішню координацію з колегами. Якщо штучний інтелект знаходиться поза цією середовищем, агент закінчується додатковою роботою просто для використання технології.

Команди підтримки клієнтів часто працюють під інтенсивним тиском, особливо при роботі з розчарованими клієнтами або терміновими питаннями. Як ви проектуєте системи штучного інтелекту, які зменшують когнітивне навантаження, а не додають тертя в тих моментах?

Робота з підтримкою клієнтів ставить постійний запит на увагу. Агент може обробляти десятки розмов паралельно, кожна з яких має свій тон, терміновість і історію. Більшість розумової праці йде на реконструкцію ситуації, перш ніж вирішити, як відповісти.

З більш ніж 10 000 команд, які використовують Hiver по всьому світу, які закономірності ви спостерігали в тому, як прийняття штучного інтелекту еволюціонує після першої розгортки? Що відрізняє команди, які真正но інтегрують штучний інтелект у щоденні робочі потоки, від тих, які розглядають його як необов’язковий додаток?

Команди, які бачать справжню цінність штучного інтелекту, зазвичай починають з кількох дуже конкретних моментів у робочому потоці, де агенти втрачають час щодня. Підсумки розмов – це хороший приклад. Коли агент відкриває довгу нитку і негайно розуміє, що відбулося, весь взаємодію починається інакше. Те саме стосується ситуації, коли система надає потрібну статтю знань або політику в потрібний момент. Коли ці моменти дійсно допомагають, агенти починають використовувати штучний інтелект природно, оскільки це робить їхній день легшим.

З погляду стратегії продукту, як ви балансуєте швидкість інновацій штучного інтелекту з підтриманням надійності і довіри – особливо в середовищах, де помилки можуть пошкодити відносини з клієнтами?

Підтримка клієнтів – одне з тих середовищ, де маленькі помилки несуть великі наслідки. Відповідь, яка неправильно розуміє питання з оплатою або розчарованого клієнта, може створити більше роботи для команди і пошкодити довіру швидко. Ця реальність змушує до дуже обдуманого підходу до того, де штучний інтелект бере участь і де він підтримує людину-агента. Деякі завдання, такі як категоризація або підсумовування розмов, можуть терпіти високий рівень автоматизації. Рішення, які впливають на доходи, інтерпретацію політики або відносини з клієнтами, вимагають набагато вищого рівня впевненості.

Як ви думаєте, штучний інтелект змінить структуру команд підтримки клієнтів протягом наступних п’яти років? Зміститься до нагляду і судження, або з’являться зовсім нові категорії роботи?

Структура команд підтримки клієнтів, ймовірно, зміститься до меншої кількості людей, які обробляють повторювані запити, і більшої кількості людей, які зосереджуються на вирішенні складних питань. Коли штучний інтелект обробляє завдання, такі як підсумовування розмов, організація вхідних запитів і допомога у складанні відповідей, агенти витратять більше часу на розуміння того, що відбулося в ситуації, і координацію з іншими командами для вирішення проблеми. Це стає менше про переміщення тикетів через чергу і більше про володіння результатом питання клієнта.

Hiver працює на конкурентному ринку допоміжних столів. Які фундаментальні зміни в очікуваннях клієнтів, на вашу думку, традиційні платформи не змогли адаптуватися?

Клієнти все частіше очікують послідовності, коли вони звертаються за підтримкою. Вони хочуть, щоб організація пам’ятала попередні взаємодії і переносила цей контекст через всю розмову. Повторення інформації через кілька обмінів швидко стає розчаруванням.

Оглядаючи вперед, що таке “відмінна підтримка клієнтів” у світі, орієнтованому на штучний інтелект – і які можливості відокремлять компанії, які процвітатимуть, від тих, які відстануть?

Відмінна підтримка клієнтів у світі, орієнтованому на штучний інтелект, просто буде відчуватися легше для клієнта. Вони звертаються, команда швидко розуміє ситуацію, і розмова рухається вперед без великої кількості перемовин для реконструкції того, що відбулося. Технологія за цим залишається переважно невидимою. Що клієнти помічають, то те, що їхня проблема зрозуміла і вирішена без зайвої праці.

Для команд, які керують підтримкою, цей досвід виникає з наявністю правильного контексту в момент початку розмови. Штучний інтелект допомагає організувати інформацію і надати те, що важливо, тоді як агент зосереджується на розумінні клієнта і керівництві питання до вирішення. Компанії, які процвітатимуть, будуть тими, які побудують свої операції підтримки навколо цієї ясності і послідовності у взаємодії.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Hiver.