Шароне Бен-Леві, Віцепрезидент з глобальних продаж та розвитку бізнесу, контакт-центр, AudioCodes – Серія інтерв’ю

Шароне Бен-Леві, Віцепрезидент з глобальних продаж та розвитку бізнесу, контакт-центр, AudioCodes (AUDC ), – досвідчений виконавець у сфері технологій зв’язку з більш ніж 25-річним досвідом, який охоплює продажі, маркетинг, розвиток бізнесу та інновації у сфері контакт-центрів. За свою кар’єру, яка включає понад два десятиліття в AudioCodes, він обіймав ряд керівних посад, зосереджених на стимулюванні зростання підприємств у сфері корпоративних комунікацій, рішень для клієнтів та технологій контакт-центрів, що працюють на основі штучного інтелекту. До приходу в AudioCodes він працював у компанії NICE Systems, де здобув цінний досвід у сфері взаємодії з клієнтами та програмного забезпечення для підприємств. На протяжоку свою кар’єру Бен-Леві зосереджувався на допомозі організаціям у модернізації взаємодії з клієнтами за допомогою хмарних комунікацій, автоматизації та штучного інтелекту, що робить його визнаним експертом у сфері розвитку технологій контакт-центрів.

AudioCodes – це компанія, що спеціалізується на технологіях зв’язку, зокрема на підприємствах голосової комунікації, контакт-центрах та рішеннях для клієнтів, що працюють на основі штучного інтелекту. Заснована у 1993 році, компанія розвинулася з постачальника голосових мереж та інфраструктури VoIP у лідера у сфері інтелектуальних голосових комунікацій, допомагаючи організаціям модернізувати взаємодію з клієнтами та працівниками у хмарних, гібридних та локальних середовищах. Її портфель включає платформи голосового штучного інтелекту, рішення для розмовного штучного інтелекту, контролери сесійних меж, інтеграції голосових послуг Microsoft Teams, пропозиції CPaaS та інструменти для модернізації контакт-центрів. За допомогою платформ, таких як VoiceAI Connect та Live Hub, AudioCodes дозволяє підприємствам розгортати голосових ботів, агентів штучного інтелекту, можливості допомоги агентам, рішення для розмовного IVR та послуги реального часу, інтегруючи їх з існуючою телефонною та контакт-центровою інфраструктурою. Її технології використовуються підприємствами та постачальниками послуг усього світу для покращення досвіду клієнтів, автоматизації робочих процесів та підтримки ініціатив цифрової трансформації.

Ви провели понад два десятиліття в AudioCodes, розвиваючись від інженерії вбудованих систем до керівництва застосунками продуктивності. Як ця подорож сформувала вашу точку зору на те, що потрібно для того, щоб зробити голосовий штучний інтелект надійним у корпоративних середовищах?

Я бачив корпоративні комунікації з різних точок зору, і ця подорож підкреслила одне основне урок: надійність повинна бути закладена у кожному шарі системи з самого початку.

Робота над вбудованими системами навчила мене, що диявол ховається у деталях, а маленькі технічні рішення мають великий вплив у середовищі виробництва. Затримка, якість аудіо, точність транскрипції, природна зміна розмови та кожен інший елемент повинні бути спроектовані з урахуванням надійності, оскільки якщо будь-який з них виходить з ладу, вся система виходить з ладу. Ви не можете стверджувати, що система голосового штучного інтелекту працює, якщо вона працює лише під ідеальними умовами.

Перехід на керівні посади ще більше прояснив це. Підприємства підтримують тисячі користувачів у складних інфраструктурах з суворими вимогами до часу безперебійної роботи. Система, яка працює добре у пілотному проекті, але погіршується під реальною навантаженням, не вирішує проблему.

Це, врешті-решт, те, чого мене навчила моя кар’єра: міра голосового штучного інтелекту у корпоративному середовищі – це довіра. І довіра будується лише тоді, коли організації можуть покладатися на систему, щоб вона працювала надійно достатньо, щоб стати частиною їх критичних бізнес-процесів.

Багато організацій експериментували з чат-ботами, але голос вводить інший рівень складності. Які найбільші технічні виклики при переході від текстових штучних інтелектів до повністю розмовних голосових систем?

Найбільшим викликом є складність корпоративних голосових середовищ, які часто фрагментуються на окремі “острови”, що вимагають посередництва між протоколами телефонії на основі SIP та API штучного інтелекту на основі HTTP/SSE. Це навіть стосується людей. Дуже мало інженерів знають і SIP, і HTTP/SSE. Крім того, на відміну від текстових систем, голос вимагає обробки в реальному часі та оркестрування, включаючи перетворення між різними протоколами, щоб ці системи могли спілкуватися безперешкодно. Ця додаткова терміновість та сумісність робить надання гладкого, розмовного досвіду значно більш складним з технологічної точки зору. Затримка, фоновий шум, акцент та перехресна розмова тепер додаються до суміші. Ці змінні не існували у текстових системах.

AudioCodes зосереджується на поєднанні традиційних телефонних систем з сучасними платформами штучного інтелекту. Як рішення, такі як VoiceAI Connect, інтегрують спадкову інфраструктуру з передовими моделями штучного інтелекту?

VoiceAI Connect – це міст, який безпосередньо з’єднує традиційні точки контакту клієнтів (номери телефонів, SIP-транки та телефонія контакт-центру) з платформами розмовного штучного інтелекту третіх сторін, таких як Google (GOOGL ) CX Agent Studio, Amazon (AMZN ) Lex, Microsoft Copilot та понад 30 інших. Воно обробляє складну оркестрування голосу в реальному часі, включаючи розпізнавання мови та синтез мови, а також маршрутизацію фреймворків ботів, що дозволяє підприємствам легко голосово активувати свої вибрані боти без відмови від своїх спадкових телефонних налаштувань. Спадкові платформи зазвичай не мають інтеграцій API з їхніх медіа-серверів до нових пропозицій голосового штучного інтелекту. Ми обходимо це, підключаючись до них через їхні інтерфейси телефонної комунікації на основі SIP та підключаючись до сучасних інтерфейсів штучного інтелекту.

Підприємства часто борються з виходом за межі пілотних проектів. Які ключові архітектурні або оперативні бар’єри перешкоджають голосовому штучному інтелекту масштабуватися по всьому підприємству?

Голосовий штучний інтелект ще перебуває у стадії формування. За час, поки підприємство випробовує одну технологію штучного інтелекту, з’являється нова та краща. Оскільки AudioCodes постійно інтегрується з останніми рішеннями голосового штучного інтелекту, це дозволяє підприємству поєднувати та вибирати бот-фреймворки, оптимізуючи реалізації, оскільки не кожен штучний інтелект підходить кожному випадку використання, а також потрібні варіації для жаргону та мов. Крім того, галузь штучного інтелекту швидко розвивається, що вимагає легкого переходу на нового постачальника штучного інтелекту, оскільки технологія покращується.

Інші міркування щодо оркестрування виробництва включають масштабованість, бізнес-цілісність та підключення до кількох середовищ контакт-центрів по всьому світу.

У реальних розгортуваннях, яким виглядає успішний досвід голосового дзвінка, що працює на основі штучного інтелекту, з точки зору кінцевого користувача, і наскільки ми близькі до досягнення людських взаємодій у масштабі?

У нас є кілька дуже великих клієнтів, які почали роботу з нами близько 2020 та 2021 років. Вони доводять, що людські взаємодії у масштабі вже працюють добре. Реальні випадки використання включають завдання, орієнтовані на клієнтів, такі як направлення дзвінків, планування призначень та перекази коштів, а також інструменти, орієнтовані на агентів, такі як підсумовування дзвінків на основі штучного інтелекту, керівництво знаннями в реальному часі та живий переклад голосу.

Для кінцевого користувача досвід голосового дзвінка, що працює на основі штучного інтелекту, здається безперешкодним. Замість навігації по жорстких деревах меню (натисніть 1 для цього, натисніть 2 для того), дзвінків можна природно говорити своїми словами через системи інтерактивного голосового реагування (IVR), які розуміють намір і реагують відповідним чином. Це створює більш інтуїтивний та ефективний взаємодію з самого початку.

Хоча галузь ще не досягла повністю людських складних взаємодій у масштабі, ці можливості наближають підприємства до цього. Об’єднуючи штучний інтелект та автоматизацію з підтримкою людини, підприємства можуть надавати більш точний та персоналізований досвід.

Голосовий штучний інтелект залежить від розпізнавання мови, розуміння природної мови та обробки в реальному часі. Де ви бачите найбільші瓶 cổ сьогодні, і як вони вирішуються?

Великий корпоративний бар’єр у впровадженні голосового штучного інтелекту пов’язаний з інтеграцією. За даними недавнього звіту Opus Research, лише 38% підприємств вважають, що вартість є бар’єром для впровадження голосового штучного інтелекту. Однак 65% вважають, що інтеграція у існуючі системи та 60% вважають складність інтеграції.

Постачальники послуг контакт-центру все частіше створюють бар’єри для моделі “приносіть свій бот”, блокуючи інтеграції або роблячи їх фінансово невиправданими. Старіші системи просто не мають оновлених інтеграцій API. Рішення, такі як Voice AI Connect від AudioCodes, підключаються до існуючих середовищ контакт-центру через стандартний SIP та мають інтеграції API з понад 30 фреймворками ботів штучного інтелекту та понад 20 двигунами розпізнавання мови та синтезу мови, що усуває необхідність ручного написання цих API.

Той самий звіт підкреслює загальну якість виконання (якість голосу, потік розмови тощо) як основну причину (72%), яка сповільнює впровадження. Що дозволяє Voice AI Connect, так це можливість поєднувати фреймворки ботів, двигуни розпізнавання мови та синтезу мови для оптимізації реалізації, оскільки не кожен штучний інтелект підходить кожному випадку використання, а також потрібні варіації для жаргону та мов. Крім того, галузь штучного інтелекту швидко розвивається, що вимагає легкого переходу на нового постачальника штучного інтелекту, оскільки технологія покращується.

Інтеграція повинна бути низьколатентною, доступною та легкою у розгортанні. Вона також повинна покращувати безпеку та налагодження, забезпечувати бізнес-цілісність та пропонувати локальну опцію.

AudioCodes пропагує гнучкий підхід, який підключається до кількох постачальників штучного інтелекту та мови. Наскільки важлива гнучкість постачальника при будівництві стійких та майбутніх систем голосового штучного інтелекту?

Гнучкість постачальника критично важлива, оскільки підприємства рідко працюють у середовищі одного постачальника, а на ринку існує багато різних рішень штучного інтелекту, мови, телефонії та комунікацій. Для створення真正ної уніфікованої стратегії голосового штучного інтелекту організації повинні能够 поєднувати ці різні рішення та забезпечувати сумісність між усіма ними, оптимізуючи вартість, затримку, виконання випадків використання, мовну підтримку та жаргон.

Гнучкий підхід дозволяє підприємствам інтегруватися з кількома постачальниками, вибирати правильні технології для різних випадків використання та адаптуватися до розвитку ринку.

У регульованих галузях, таких як фінанси чи охорона здоров’я, як збирання та аналіз даних голосових взаємодій відрізняється від типових хмарних робочих потоків штучного інтелекту?

Обробка голосових даних регулюється суворими вимогами щодо конфіденційності та відповідності, які суттєво обмежують використання інструментів штучного інтелекту, що працюють на основі хмарних технологій. Для управління цим багато регульованих організацій приймають локальні розгортання, щоб забезпечити, що чутливі дані залишаються у контрольованих середовищах та ніколи не покидають їх інфраструктури.

Стандарти відповідності також вимагають, щоб дані голосових взаємодій записувалися та зберігалися у певних форматах протягом років, з високоточними, дослівними транскрипціями, структурованими для аудитів. Наприклад, у сфері фінансів, торговельна фірма повинна зберігати кожен записаний дзвінок та транскрипт точно так, як вони були сказані для нормативних аудитів – дані не можуть бути змінені або підсумовані. У сфері охорони здоров’я, постачальник послуг, який обробляє дзвінки пацієнтів, повинен зберігати записи та транскрипти повністю безпечно та відповідально до вимог HIPAA. В цілому, дані часто потрібно обробляти локально, щоб запобігти виходу захищеної інформації до зовнішніх хмарних послуг.

Як підприємства починають розгортати агентів штучного інтелекту, які можуть виконувати дії, а не просто реагувати, як це зміниє роль голосових інтерфейсів у обслуговуванні клієнтів та внутрішніх операціях?

Голосові інтерфейси еволюціонують від пасивних інструментів у активні, інтелектуальні системи, які можуть аналізувати та діяти в реальному часі. Натомість ніж просто записувати або маршрутизувати розмови, системи голосового штучного інтелекту тепер можуть зрозуміти намір та негайно виконати дії, такі як вирішення проблем клієнтів, запуск процесів у тилу або допомога працівникові вирішити проблему ІТ. Ця зміна особливо потужна, оскільки голос часто є першим та найбільш природним пунктом контакту.

Агенти штучного інтелекту тепер можуть активно звертатися до людини-співробітника – наприклад, для затвердження знижки для клієнта. Вони також можуть виконувати прямі дії, такі як додавання товарів до веб-кошика клієнта. І вони можуть співпрацювати з іншими ботами, які мають спеціалізовані навички, такі як аналіз фотографій, поданих клієнтами, для кращого розуміння контексту. Кожен з цих представляє рівень складності, який просто не існував раніше. 

Оглядаючись вперед, чи бачите ви голос як основний інтерфейс для корпоративних систем штучного інтелекту, або він залишиться частиною ширшого багатомодального досвіду?

Дозвольте мені використовувати особистий приклад, щоб довести свою точку зору. У мене є два підлітки. Вони віддають перевагу не взаємодіяти з людським представником служби підтримки клієнтів, якщо це можливо. Однак вони віддають перевагу розмові з ботом, ніж текстовому спілкуванню з ним. Голос був природним засобом комунікації для людей протягом мільйонів років. Він переважає клавіатуру або мишу, принаймні до тих пір, поки не стане реальністю читання думок.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати AudioCodes.