Niraj Ranjan, засновник і генеральний директор Hiver – Серія інтерв’ю

Niraj Ranjan, засновник і генеральний директор Hiver, є досвідченим підприємцем і технологом, який побудував свою кар’єру на перетині програмної інженерії, розробки продукту та досвіду клієнта. Він заснував Hiver у 2017 році, щоб переосмислити програмне забезпечення для обслуговування клієнтів, спираючись на свій попередній досвід співзаснування Mobicules, де він розширив компанію з маленької команди до 35 осіб, працюючи руками як програміст і архітектор. До того, як стати підприємцем, він провів майже п’ять років у Mentor Graphics, розробляючи передові емуляційні програми для систем на основі FPGA, досвід, який сформував його підхід до створення продуктів з високими показниками продуктивності та масштабованості.

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 квитків, підготовка відповідей та аналіз даних. Платформа розроблена для заміни традиційних систем допоміжних служб більш інтуїтивною та масштабованою рішенням, яке допомагає організаціям покращити час реакції, відстежувати показники продуктивності та забезпечувати послідовний досвід клієнтів на всіх каналах, і нею користуються понад 10 000 команд у світі.

На початку вашої кар’єри в Mentor Graphics ви працювали над передовими апаратними емуляційними системами, які використовувалися для模елювання складних електронних конструкцій до їх фізичної побудови. Пізніше ви співзаснували і розширили Mobicules з трьох осіб до 35 осіб, перш ніж заснувати Hiver. Як ці глибокі технічні знання та ранні досвід розширення вплинули на ваш підхід до створення штучного інтелекту, який надійно працює в реальних, високотискових середовищах підтримки?

Робота над апаратними емуляційними системами формує ваше мислення щодо надійності. Ці системи існують, оскільки складні конструкції поводяться інакше, коли вони зустрічаються з реальними умовами. Виникають крайні випадки, взаємодія між компонентами змінює результати, і чиста модель руйнується. Цей спосіб мислення переноситься безпосередньо на середовища підтримки клієнтів. Розмови надходять з відсутнім контекстом, емоційною термінацією та залежностями між кількома внутрішніми системами.

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

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

Робота підтримки містить багато операційного зусилля, яке ніколи не з’являється у кінцевій відповіді. Агенти категоризують запити, шукають політики, витягують інформацію про рахунок та відстежують довгі історії розмов, перш ніж вони можуть вирішити, що сказати. Штучний інтелект обробляє цю основу добре. Коли система може підсумувати нитку або надати правильну статтю знань у потрібний момент, агент починає розмову з набагато чіткішим розумінням ситуації.

Судження вступає в гру, коли розмова涉лює емоції, відповідальність або двозначність. Розчарований клієнт або службова невдача вимагає інтерпретації та догляду в тому, як відповідь сформульована. Штучний інтелект може надати контекст і пропозиції в тих моментах, хоча остаточне рішення про тон і вирішення залишається з людиною, відповідальною за досвід клієнта.

Багато інструментів штучного інтелекту виглядають вражаючими на демонстраційних матеріалах, але борються у щоденному виробничому використанні. Що ви дізналися про розрив між штучним інтелектом, який демонструється добре, і штучним інтелектом, який постійно витримує високотискові підтримки скриньок?

Демонстрація захоплює чистий сценарій. Питання передбачуване, база знань організована, і система видає відповідь. Реальна робота підтримки рідко розгортається таким чином. Запити надходять з частковою інформацією, розмова розтягується на кілька обмінів, і агент часто потребує входу від інших команд або систем, перш ніж ситуація стане ясною.

Одна з уроків, які стають очевидними у виробництві, полягає в тому, що сама відповідь є лише однією частиною роботи. Багато зусиль знаходиться навколо розуміння того, що відбулося, і рішення про те, як питання повинно рухатися вперед. Штучний інтелект витримує набагато краще, коли він підтримує цей потік роботи. Допомога агентам зрозуміти контекст розмови швидко робить значну різницю, коли поштова скринька починає заповнюватися.

Hiver інтегрується у існуючі комунікаційні робочі процеси замість того, щоб примушувати команди до зовсім нових систем. Наскільки важливо це “зустрічі з користувачами там, де вони вже працюють” філософія при розгортанні штучного інтелекту у швидкозмінних середовищах?

Це має велике значення, оскільки команди підтримки вже працюють під тиском. Коли новий інструмент просить їх змінити свій спосіб роботи або стрибнути між системами, тертя з’являється одразу. Більшість розмов підтримки все ще починаються у електронній пошті, а робота навколо цих розмов涉лює витягування контексту з інших систем та координацію всередині команди з колегами. Якщо штучний інтелект знаходиться поза цією середовищем, агент закінчує додаткову роботу просто для використання технології.

Ми бачили, що команди рухаються набагато швидше, коли інтелект з’являється всередині робочого процесу, на який вони вже покладаються. Агент, який відкриває довгу електронну нитку, може одразу побачити підсумок розмови, відповідний контекст клієнта та пропозиції, які допомагають йому рухати питання вперед. Ця маленька зміна зменшує час, витрачений на реконструкцію того, що відбулося, і дає агенту більше місця для концентрації на вирішенні самої проблеми.

Команди підтримки 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 підтримки ставить постійний запит на увагу. Агент може обробляти десятки розмов паралельно, кожна зі своїм тоном, термінацією та історією. Багато розумового зусилля йде на реконструкцію ситуації, перш ніж вирішити, як відповісти.

Штучний інтелект допомагає найбільш, коли він зменшує це зусилля. Відкриття нитки та одразу побачення чіткого підсумку або відповідної статті знань змінює початкову точку взаємодії. Агент витрачає менше часу на збір того, що відбулося, і більше часу на думання про найкращий спосіб вирішити питання.

З більш ніж 10 000 командами, які використовують Hiver у світі, 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 процеси, від тих, які вважають його необов’язковим додатком?

Команди, які бачать справжню цінність від штучного інтелекту, зазвичай починають з декількох дуже конкретних моментів у робочому процесі, де агенти втрачають час щодня. Підсумки розмов є хорошим прикладом. Коли агент відкриває довгу нитку та одразу розуміє, що відбулося, вся взаємодія починається інакше. Те саме застосовується, коли система надає точно потрібну статтю знань або політику для відповіді на питання. Коли ці моменти真正но допомагають, агенти починають використовувати штучний інтелект природно, оскільки це робить їхній день легшим.

Іншим фактором є якість знань за системою. Пропозиції штучного інтелекту сильно залежать від документації та процесів, з яких вони походять. Команди з чіткими, добре підтримуваними базами знань мають тенденцію бачити набагато сильніше прийняття, оскільки пропозиції залишаються корисними та довіреними. З часом штучний інтелект стає частиною того, як команда працює, просто тому, що це допомагає їм рухатися через розмови з більшою ясністю.

З точки зору стратегії продукту, як ви балансуєте швидкість інновацій штучного інтелекту з підтриманням надійності та довіри — особливо в середовищах, де помилки можуть пошкодити відносини з клієнтами?

Підтримка клієнтів є одним із середовищ, де маленькі помилки несуть великі наслідки. Відповідь, яка неправильно розуміє питання з оплатою або розчарованого клієнта, може створити більше роботи для команди та пошкодити довіру швидко. Ця реальність змушує до дуже обдуманого підходу до того, де штучний інтелект бере дію та де він підтримує людського агента. Деякі завдання, такі як категоризація або підсумування розмов, терпимо високий рівень автоматизації. Рішення, які впливають на доходи, інтерпретацію політики або відносини з клієнтами, вимагають набагато вищого рівня впевненості.

Стратегія продукту стає вправою у поєднанні можливостей штучного інтелекту з рівнем надійності, який завдання вимагає. Нові моделі та техніки з’являються постійно, хоча справжній тест полягає в тому, чи вони працюють послідовно у щоденних операціях підтримки. Команди, які будують ці системи, повинні залишатися близько до того, як агенти真正но працюють, і ставити цю зворотню зв’язок як основний сигнал для того, що повинно бути відправлено далі.

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

Структура команд підтримки, ймовірно, зміститься до меншої кількості людей, які обробляють повторювані запити, та більшої кількості людей, які зосереджуються на вирішенні складних питань. Коли штучний інтелект обробляє завдання, такі як підсумування розмов, організація входящих запитів та допомога у підготовці відповідей, агенти будуть витрачати більше часу на розуміння того, що真正но відбулося в ситуації, та координацію з іншими командами для вирішення її.

Команди також будуть потребувати людей, відповідальних за системи, які роблять штучний інтелект корисним. Підтримка, допоміжна штучним інтелектом, сильно залежить від точної документації, чітких процесів та надійних джерел знань. Підтримка цих систем стає постійною роботою, тому організації підтримки, ймовірно, додаватимуть фокус на управління знаннями, покращення робочих процесів та забезпечення того, що штучний інтелект продовжує надавати корисні пропозиції, коли продукти та політики еволюціонують.

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

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

Проблеми підтримки також розширюються за межі команди підтримки самої по собі. Продуктові команди, операційні команди та менеджери з облікових записів часто внесли свій внесок у вирішення. Платформи, які приносять комунікацію та операційний контекст у той самий робочий процес, роблять його легшим для підтримання власності питання від початку до кінця.

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

Відмінна підтримка у світі, орієнтованому на штучний інтелект, просто відчуватиметься легшою для клієнта. Вони звертаються, команда розуміє ситуацію швидко, і розмова рухається вперед без зайвого обміну для реконструкції того, що відбулося. Технологія за цим залишається переважно невидимою. Що клієнти помічають, то те, що їхня проблема зрозуміла та вирішена без зайвої праці.

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

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