Сергій Гальченко, Головний технічний директор IntelePeer – Серія інтерв’ю

Що спочатку привернуло вас до галузі комп’ютерних наук і AI?

Мені подобається розв’язувати проблеми, а розробка програмного забезпечення дозволяє це робити з дуже швидким зворотнім зв’язком. AI відкриває новий кордон випадків, які важко розв’язати традиційним детермінованим підходом програмування, роблячи його цікавим інструментом у коробці з рішеннями.

Як AI змінила ландшафт підтримки клієнтів, особливо в автоматизації операцій CX (Customer Experience)?

Генеративний штучний інтелект революціонізує бізнес контакт-центрів непопереднім чином. Коли його поєднують з рішеннями, які допомагають автоматизувати зв’язок, генеративний AI пропонує нові можливості для покращення взаємодії з клієнтами, підвищення операційної ефективності та зниження витрат на робочу силу в галузі, яка стала жорстко конкурентною. З цими технологіями клієнти можуть отримувати високо персоналізовану службу та стабільну підтримку. Бізнеси, одночасно, можуть більш ефективно обробляти дзвінки та боротися з високими вакансіями та швидкою зміною агентів, дозволяючи своїм співробітникам зосередитися на високопріоритетних завданнях. Нарешті, генеративний AI, завдяки своїм передовим алгоритмам, дозволяє підприємствам консолідувати та підсумувати інформацію, отриману з взаємодії з клієнтами, використовуючи різні джерела даних. Переваги використання цих технологій у CX очевидні – і все більше даних свідчить про те, що ця тенденція вплине на все більше компаній.

Чи можете ви надати конкретні приклади того, як Gen AI IntelePeer зменшив монотонні завдання для агентів підтримки клієнтів?

Остаточною метою Gen AI IntelePeer є забезпечення повної автоматизації сценаріїв підтримки клієнтів, зменшуючи залежність від агентів і призводячи до зниження операційних витрат для клієнтів, яких ми обслуговуємо, до 75%. Наша платформа може автоматизувати до 90% взаємодій клієнтів, і ми вже автоматизували понад півмільярда взаємодій клієнтів. Наш генеративний AI не тільки може автоматизувати ручні завдання, такі як маршрутизація дзвінків, планування призначень та введення даних клієнтів, але також може забезпечити самозабезпечувані досвіди, які клієнти все частіше вимагають і очікують – повні гіперперсоналізованих комунікацій, покращеної точності відповідей та швидших рішень.

Чи можете ви описати, чому послуги, пов’язані з AI, повинні балансувати креативність з точністю.

Балансування креативності з точністю та передбачуваністю є критичним для формування довіри до послуг і рішень, що працюють на AI – одним з найбільших викликів, пов’язаних з технологіями AI сьогодні. По-перше, будь-яке рішення AI повинно прагнути до найбільшої можливої точності, щоб надавати правильні виходи для всіх входів. Але створення великого досвіду з AI виходить за рамки надання правильної інформації кінцевим користувачам; це також включає забезпечення правильної доставки цієї інформації їм, що вимагає певної креативності для успішного виконання. Наприклад, у взаємодії з клієнтом рішення з комунікацією на основі AI повинно能够 автоматично відповідати тону клієнта та коригувати його в режимі реального часу, надаючи їм саме те, що їм потрібно в спосіб, який найкраще до них дійде в цей момент. AI також повинно спілкуватися у спосіб, який робить клієнтів більш комфортними, але не так, щоб обманути їх, зробивши їх думати, що вони спілкуються з людиною, коли насправді це не так. Знову ж таки, все це повертається до формування довіри до AI, що в кінцевому підсумку призведе до ще більш широкого прийняття та використання цієї технології.

Яка роль відіграє дані у забезпеченні точності відповідей AI, і як ви керуєте даними для оптимізації продуктивності AI?

Хороші дані створюють хорошу AI. Інакше кажучи, якість даних, які подаються до моделі AI, корелює прямо з якістю інформації, яку ця модель виробляє. У сфері підтримки клієнтів дані про взаємодію клієнтів є ключем до виявлення пробілів у взаємодії з клієнтом. Розкопуючи глибше ці дані, організації можуть краще зрозуміти наміри клієнтів, а потім використовувати цю інформацію для оптимізації та покращення взаємодії з клієнтами на основі AI, перетворюючи загальний досвід клієнтів. Але організації повинні мати відповідні архітектури даних для обробки та отримання інформації з величезної кількості даних, пов’язаних з рішеннями AI.

Рішення AI IntelePeer використовує вміст і контекст взаємодії для визначення найкращого курсу дій на кожному етапі. Під час взаємодії, якщо клієнт ставить питання, яке вимагає відповіді, специфічної для бізнес-процесу, правила або політики, робочий процес AI автоматично використовує знання, які включають такі бізнес-дані, як документи FAQ, матеріали навчання агентів, дані веб-сайту, політику та інші бізнес-інформації для відповіді відповідно. Подібно, якщо клієнт ставить питання або робить запит, на який бізнес не хоче відповідати безпосередньо AI, робочий процес AI передає запит до людини-агента, якщо це потрібно. Залишнючу взаємодію можна автоматично додати до пар Q&A для покращення відповідей у подальших взаємодіях клієнтів або передати керівнику для затвердження перед включенням.

Як ви бачите еволюцію ролі агентів першої лінії підтримки клієнтів із зростанням ролі AI?

Ми в IntelePeer бачимо значне зменшення залежності від агентів першої лінії через розвиток технологій AI. З величезними кроками в галузі автоматизації дзвінків, які продовжують покращуватися в якості та зростати в обсязі, організації сьогодні можуть автоматизувати до 90% своїх взаємодій клієнтів. Це дозволяє їм оптимізувати штат агентів першої лінії та значно заощадити на операційних витратах – при цьому забезпечуючи кращий досвід для клієнтів, яких вони обслуговують.

Хоча деякі завдання автоматизуються, які кваліфіковані ролі CX, на вашу думку, залишаться критичними попри розвиток AI?

Хоча AI зменшить кількість агентів першої лінії, необхідних у ролях підтримки клієнтів, людський елемент завжди буде потрібен у операціях CX. Наприклад, моделі комунікацій на основі AI повинні бути навчені, сконфігуровані та керовані з людським наглядом для забезпечення точності та ліквідації будь-яких упереджень. Людський дотик також потрібен для узгодження автоматизованих комунікацій клієнтів з повідомленням та особистістю організації або бренду, від якого вони походять, що сприяє комфортності клієнтів та допомагає формувати довіру до технології. Ці більш технічні, орієнтовані на AI ролі переважно замінять типові ролі агентів першої лінії в майбутньому.

Халюцинації AI є проблемою у підтриманні точних взаємодій клієнтів. Які конкретні обмежувачі IntelePeer впровадила для запобігання вигадуванню фактів AI?

 Бізнесам потрібно впровадити генеративний AI сьогодні, щоб залишатися актуальними серед триваючої революції, а також уникнути поспішного та катастрофічного впровадження. Для цього компанії повинні почати з впровадження шаблону Retrieval Augmented Generation (RAG), щоб допомогти їхньому генеративному AI взаємодіяти з великими корпоративними наборами даних. Для автоматизованих взаємодій клієнтів бренди повинні створити людський зворотній зв’язок для аналізу попередніх взаємодій та покращення якості тих наборів даних, які використовуються для тонкої настройки та розширення. Крім того, для ліквідації халюцинацій AI організації повинні бути зосереджені на:

• впровадженні обмежувачів шляхом аналізу даних взаємодії клієнтів та розробки комплексних, динамічних знань;
• інвестиціях у безперервний моніторинг та оновлення цих систем для адаптації до нових запитів та підтримання точності; і
• навчанні працівників розпізнавати та керувати невизначуваними пермутаціями, щоб забезпечити безшовний процес ескалації та вирішення.

Як ви забезпечуєте, щоб великі мовні моделі (LLM) правильно тлумачили контекст та надавали надійні відповіді?

 Непослідовний підхід до впровадження генеративного AI може призвести до проблем з якістю виходу, халюцинаціями, порушенням авторських прав та упередженими алгоритмами. Тому бізнесам потрібно мати обмежувачі відповідей при застосуванні генеративного AI у середовищі підтримки клієнтів. IntelePeer використовує розширення генерації (RAG), яке подає дані контексту до LLM для отримання відповідей, заснованих на наборі даних клієнта. На всьому етапі, від моменту підготовки даних до моменту, коли LLM надсилає відповідь клієнту, необхідні обмежувачі запобігають виявленню будь-якої конфіденційної інформації. RAG IntelePeer починається, коли клієнт ставить питання AI-подібному боту. Бот виконує пошук питання у знаннях. Якщо не може знайти відповідь, він передає запит до людини-агента та зберігає питання до бази даних Q&A. Пізніше людина перегляне це нове питання, проведе імпорт набору даних та збереже відповідь до знань. В кінцевому підсумку жодне питання не залишається без відповіді. З процесом RAG на місці бізнеси можуть підтримувати контроль над наборами відповідей для автоматизації взаємодій.

Як ви бачите майбутні тенденції ролі AI у досвіді клієнта?

У IntelePeer ми глибоко віримо, що генеративний AI є потужним інструментом, який позитивно доповнить можливості людської комунікації, відкриваючи нові можливості та подолання довгостійних бар’єрів. AI продовжуватиме покращувати комунікації підтримки клієнтів, оптимізуючи взаємодії підтримки клієнтів, пропонуючи допомогу 24/7 та забезпечуючи мовні можливості. Крім того, навчені на великих мовних моделях, віртуальні помічники зможуть оперувати мільйонами людських розмов, щоб швидко виявляти емоції та змінювати тон, стилі та вибір слів. Буде все більше доказів того, що компанії, які успішно використовують AI для покращення людських зв’язків, бачать значну віддачу від інвестицій та покращення ефективності та продуктивності. Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати IntelePeer.