Ashish Nagar, CEO & Founder của Level AI – Series Phỏng Vấn

Ashish Nagar là CEO và người sáng lập của Level AI, mang kinh nghiệm của mình tại Amazon (AMZN ) trong đội Alexa để sử dụng trí tuệ nhân tạo nhằm biến đổi hoạt động của trung tâm liên lạc. Với nền tảng vững chắc về công nghệ và khởi nghiệp, Ashish đã đóng vai trò quan trọng trong việc thúc đẩy sứ mệnh của công ty nhằm nâng cao hiệu quả và hiệu suất của các tương tác dịch vụ khách hàng thông qua các giải pháp trí tuệ nhân tạo tiên tiến. Dưới sự lãnh đạo của anh, Level AI đã trở thành một nhân tố quan trọng trong không gian trung tâm liên lạc được thúc đẩy bởi trí tuệ nhân tạo, được biết đến với các sản phẩm tiên tiến và việc triển khai trí tuệ nhân tạo vượt trội.

Điều gì đã truyền cảm hứng cho bạn rời Amazon và thành lập Level AI? Bạn có thể chia sẻ những điểm khó khăn cụ thể trong dịch vụ khách hàng mà bạn nhắm đến giải quyết với công nghệ của mình?

Nền tảng của tôi là xây dựng sản phẩm tại giao điểm của công nghệ và kinh doanh. Mặc dù tôi có bằng cấp về Vật lý Ứng dụng, nhưng công việc của tôi luôn tập trung vào các vai trò sản phẩm và thiết lập, ra mắt, xây dựng các doanh nghiệp mới. Đam mê công nghệ và kinh doanh của tôi đã dẫn tôi đến trí tuệ nhân tạo.

Tôi bắt đầu làm việc trong lĩnh vực trí tuệ nhân tạo vào năm 2014, khi chúng tôi xây dựng một công ty tìm kiếm di động thế hệ tiếp theo có tên là Rel C, tương tự như những gì Perplexity AI đang làm ngày nay. Kinh nghiệm này đã đánh dấu sự khởi đầu của tôi vào phần mềm trí tuệ nhân tạo, và cuối cùng, công ty đó đã được Amazon mua lại. Tại Amazon, tôi là người lãnh đạo sản phẩm trong đội Alexa, liên tục tìm kiếm cơ hội để giải quyết các vấn đề trí tuệ nhân tạo phức tạp hơn.

Trong năm cuối cùng tại Amazon, vào năm 2018, tôi đã làm việc trên một dự án mà chúng tôi gọi là “máy tính Star Trek”, lấy cảm hứng từ thương hiệu khoa học viễn tưởng nổi tiếng. Mục tiêu là phát triển một máy tính có thể hiểu và phản hồi bất kỳ câu hỏi nào bạn đặt ra. Dự án này đã trở thành một thách thức trí tuệ nhân tạo toàn cầu, nhằm cho phép bất kỳ ai tham gia vào một cuộc trò chuyện 20 phút với Alexa về bất kỳ chủ đề xã hội nào. Tôi đã dẫn đầu một đội gồm khoảng 10 nhà khoa học, và chúng tôi đã ra mắt điều này như một thách thức trí tuệ nhân tạo toàn cầu. Tôi đã làm việc chặt chẽ với các chuyên gia hàng đầu từ các cơ sở như MIT, CMU, Stanford và Oxford. Một điều đã trở nên rõ ràng: vào thời điểm đó, không ai có thể giải quyết hoàn toàn vấn đề.

Dù vậy, tôi vẫn có thể cảm nhận được một làn sóng đổi mới đang đến gần, điều này sẽ làm cho việc này trở nên khả thi. Tiến về năm 2024, và các công nghệ như ChatGPT hiện đang thực hiện nhiều điều mà chúng tôi đã hình dung. Có những tiến bộ nhanh chóng trong xử lý ngôn ngữ tự nhiên với các công ty như Amazon, Google (GOOGL ), OpenAI và Microsoft (MSFT ) xây dựng các mô hình lớn và cơ sở hạ tầng cơ bản. Nhưng họ không nhất thiết phải giải quyết các quy trình từ đầu đến cuối. Chúng tôi đã nhận ra khoảng trống này và muốn giải quyết nó.

Sản phẩm đầu tiên của chúng tôi không phải là một giải pháp dịch vụ khách hàng; đó là một trợ lý giọng nói cho công nhân tuyến đầu, chẳng hạn như kỹ thuật viên và nhân viên bán lẻ. Chúng tôi đã huy động được 2 triệu đô la tiền vốn hạt giống và展示 sản phẩm cho các khách hàng tiềm năng. Họ đã yêu cầu chúng tôi thích nghi công nghệ này cho các trung tâm liên lạc, nơi họ đã có các luồng giọng nói và dữ liệu nhưng thiếu kiến trúc trí tuệ nhân tạo tạo sinh hiện đại. Điều này đã khiến chúng tôi nhận ra rằng các công ty hiện có trong không gian này đang bị kẹt trong quá khứ, vật lộn với nghịch lý đổi mới kinh điển về việc liệu có nên thay thế các hệ thống cũ hay xây dựng điều gì đó mới. Chúng tôi đã bắt đầu từ một tờ giấy trắng và xây dựng nền tảng trí tuệ khách hàng đầu tiên và tự động hóa dịch vụ dựa trên mô hình ngôn ngữ lớn (LLM).

Sự quan tâm sâu sắc của tôi đến sự phức tạp của ngôn ngữ con người và làm thế nào khó khăn khi giải quyết những vấn đề này từ góc độ kỹ thuật máy tính, đã đóng vai trò quan trọng trong cách tiếp cận của chúng tôi. Khả năng của trí tuệ nhân tạo trong việc hiểu giọng nói con người là rất quan trọng, đặc biệt là trong ngành công nghiệp trung tâm liên lạc. Ví dụ, sử dụng Siri thường tiết lộ làm thế nào khó khăn khi trí tuệ nhân tạo hiểu ý định và ngữ cảnh trong ngôn ngữ con người. Thậm chí các truy vấn đơn giản cũng có thể khiến trí tuệ nhân tạo gặp khó khăn, điều này khiến nó khó hiểu được những gì bạn đang hỏi.

Trí tuệ nhân tạo gặp khó khăn trong việc hiểu ý định, duy trì ngữ cảnh trong suốt các cuộc trò chuyện dài và sở hữu kiến thức liên quan đến thế giới. Thậm chí ChatGPT cũng có những hạn chế trong những lĩnh vực này. Ví dụ, nó có thể không biết tin tức mới nhất hoặc hiểu các chủ đề thay đổi trong một cuộc trò chuyện. Những thách thức này liên quan trực tiếp đến dịch vụ khách hàng, nơi các cuộc trò chuyện thường liên quan đến nhiều chủ đề và yêu cầu trí tuệ nhân tạo hiểu kiến thức cụ thể liên quan đến lĩnh vực. Chúng tôi đang giải quyết những thách thức này trong nền tảng của mình, được thiết kế để xử lý sự phức tạp của ngôn ngữ con người trong môi trường dịch vụ khách hàng.

Công nghệ NLU của Level AI vượt ra ngoài việc ghép nối từ khóa cơ bản. Bạn có thể giải thích làm thế nào trí tuệ nhân tạo của bạn hiểu ý định khách hàng sâu sắc hơn và lợi ích mà điều này mang lại cho dịch vụ khách hàng? Làm thế nào Level AI đảm bảo độ chính xác và tin cậy của các hệ thống trí tuệ nhân tạo, đặc biệt là trong việc hiểu các tương tác khách hàng tinh vi?

Chúng tôi có sáu hoặc bảy đường ống trí tuệ nhân tạo khác nhau được tùy chỉnh cho các nhiệm vụ cụ thể, tùy thuộc vào công việc đang được thực hiện. Ví dụ, một quy trình làm việc có thể liên quan đến việc xác định các yếu tố thúc đẩy cuộc gọi và hiểu các vấn đề mà khách hàng gặp phải với một sản phẩm hoặc dịch vụ, điều mà chúng tôi gọi là “giọng nói của khách hàng”. Một quy trình khác có thể là việc chấm điểm tự động các thẻ điểm chất lượng để đánh giá hiệu suất của đại lý. Mỗi quy trình hoặc dịch vụ có đường ống trí tuệ nhân tạo riêng, nhưng công nghệ cơ bản vẫn giống nhau.

Để vẽ một tương tự, công nghệ chúng tôi sử dụng dựa trên các mô hình ngôn ngữ lớn (LLM) tương tự như công nghệ đằng sau ChatGPT và các công cụ trí tuệ nhân tạo tạo sinh khác. Tuy nhiên, chúng tôi sử dụng các mô hình LLM dành riêng cho dịch vụ khách hàng mà chúng tôi đã đào tạo trong nhà cho các quy trình làm việc chuyên biệt này. Điều này cho phép chúng tôi đạt được độ chính xác hơn 85% chỉ trong vài ngày sau khi tích hợp khách hàng mới, dẫn đến thời gian nhanh hơn để có giá trị, dịch vụ chuyên nghiệp tối thiểu và độ chính xác, bảo mật và tin cậy không thể sánh được.

Mô hình của chúng tôi có chuyên môn sâu sắc và cụ thể trong dịch vụ khách hàng. Cái cũ liên quan đến việc phân tích các cuộc trò chuyện bằng cách chọn ra các từ khóa hoặc cụm từ như “hủy tài khoản” hoặc “tôi không hài lòng”. Nhưng giải pháp của chúng tôi không dựa vào việc bắt tất cả các biến thể có thể có của các cụm từ. Thay vào đó, nó áp dụng trí tuệ nhân tạo để hiểu ý định đằng sau câu hỏi, khiến nó trở nên nhanh chóng và hiệu quả hơn.

Ví dụ, nếu ai đó nói, “Tôi muốn hủy tài khoản”, có hàng nghìn cách họ có thể thể hiện điều đó, như “Tôi đã xong với các bạn” hoặc “Tôi đang chuyển sang người khác”. Trí tuệ nhân tạo của chúng tôi hiểu ý định của câu hỏi và gắn nó với ngữ cảnh, đó là lý do tại sao phần mềm của chúng tôi nhanh hơn và chính xác hơn.

Một sự tương tự hữu ích là trí tuệ nhân tạo cũ giống như một cuốn sách quy tắc – bạn xây dựng những cuốn sách quy tắc cứng nhắc này, với các câu lệnh if-then-else, điều này không linh hoạt và luôn cần bảo trì. Trí tuệ nhân tạo mới, mặt khác, giống như một bộ não động hoặc một hệ thống học tập. Với chỉ một vài chỉ dẫn, nó học ngữ cảnh và ý định một cách động, liên tục cải thiện trên đường đi. Một cuốn sách quy tắc có phạm vi hạn chế và dễ bị hỏng khi điều gì đó không phù hợp với các quy tắc được định nghĩa trước, trong khi một hệ thống học tập động tiếp tục mở rộng, phát triển và có tác động rộng lớn hơn.

Một ví dụ tuyệt vời từ góc độ khách hàng là một thương hiệu thương mại điện tử lớn. Họ có hàng nghìn sản phẩm, và không thể theo kịp các cập nhật liên tục. Trí tuệ nhân tạo của chúng tôi, tuy nhiên, có thể hiểu ngữ cảnh, như liệu bạn đang nói về một chiếc ghế sofa cụ thể, mà không cần phải cập nhật liên tục một thẻ điểm hoặc thang đánh giá với mỗi sản phẩm mới.

Thách thức chính trong việc tích hợp công nghệ của Level AI với các hệ thống dịch vụ khách hàng hiện có là gì, và bạn giải quyết chúng như thế nào?

Level AI là một nền tảng trí tuệ khách hàng và tự động hóa dịch vụ. Vì vậy, chúng tôi tích hợp với hầu hết các phần mềm CX trong ngành, cho dù đó là CRM, CCaaS, khảo sát hoặc giải pháp công cụ. Điều này khiến chúng tôi trở thành trung tâm trung tâm, thu thập dữ liệu từ tất cả các nguồn này và đóng vai trò là lớp thông minh trên cùng.

Tuy nhiên, thách thức là một số hệ thống này dựa trên công nghệ không phải trên đám mây, công nghệ trên đám mây thiếu API hoặc tích hợp dữ liệu sạch. Chúng tôi làm việc chặt chẽ với khách hàng của mình để giải quyết vấn đề này, mặc dù 80% tích hợp của chúng tôi hiện đã dựa trên đám mây hoặc bản địa API, cho phép chúng tôi tích hợp nhanh chóng.

Level AI cung cấp thông tin và cái nhìn sâu sắc có thể hành động cho các đại lý dịch vụ khách hàng trong thời gian thực như thế nào? Bạn có thể chia sẻ một số ví dụ về cách điều này đã cải thiện các tương tác khách hàng?

Có ba loại thông tin và cái nhìn sâu sắc có thể hành động trong thời gian thực mà chúng tôi cung cấp cho khách hàng của mình:

1. Tự động hóa các quy trình làm việc thủ công: Các đại diện dịch vụ thường có thời gian hạn chế (6 đến 9 phút) và nhiều nhiệm vụ thủ công. Level AI tự động hóa các nhiệm vụ nhàm chán như ghi chú trong và sau các cuộc trò chuyện, tạo ra các bản tóm tắt tùy chỉnh cho từng khách hàng. Điều này đã giúp khách hàng của chúng tôi tiết kiệm 10 đến 25% thời gian xử lý cuộc gọi, dẫn đến hiệu quả hơn.
2. CX Copilot cho các đại diện dịch vụ: Các đại diện dịch vụ đối mặt với tỷ lệ thay thế và thách thức hội nhập cao. Hãy tưởng tượng được thả vào một trung tâm liên lạc mà không biết chính sách của công ty. Level AI đóng vai trò là một chuyên gia trí tuệ nhân tạo ngồi bên cạnh đại diện, lắng nghe các cuộc trò chuyện và cung cấp hướng dẫn trong thời gian thực. Điều này bao gồm xử lý các phản đối, cung cấp kiến thức và cung cấp bản ghi âm thông minh. Khả năng này đã giúp khách hàng của chúng tôi hội nhập và đào tạo đại diện dịch vụ nhanh hơn 30 đến 50%.
3. Manager Copilot: Tính năng này cung cấp cho các nhà quản lý cái nhìn sâu sắc trong thời gian thực về hiệu suất của nhóm. Level AI cung cấp thông tin từng giây về các cuộc trò chuyện, cho phép các nhà quản lý can thiệp, phát hiện cảm xúc và ý định, và hỗ trợ đại diện trong thời gian thực. Điều này đã cải thiện năng suất của đại diện lên 10 đến 15% và tăng sự hài lòng của đại diện, điều này rất quan trọng để giảm chi phí. Ví dụ, nếu một khách hàng bắt đầu chửi bới một đại diện, hệ thống sẽ đánh dấu điều đó, và nhà quản lý có thể tiếp quản cuộc gọi hoặc cung cấp hướng dẫn cho đại diện. Loại can thiệp trong thời gian thực này sẽ không thể nếu không có công nghệ này.

Bạn có thể giải thích thêm về cách phân tích cảm xúc của Level AI hoạt động và cách nó giúp các đại diện phản ứng hiệu quả hơn với khách hàng?

Phân tích cảm xúc của chúng tôi phát hiện ra bảy cảm xúc khác nhau, từ sự thất vọng cực độ đến sự hân hoan, cho phép chúng tôi đo lường các mức độ cảm xúc khác nhau góp phần vào điểm cảm xúc tổng thể của chúng tôi. Phân tích này xem xét cả từ ngữ được nói và giọng điệu của cuộc trò chuyện. Tuy nhiên, chúng tôi đã phát hiện thông qua các thí nghiệm của mình rằng từ ngữ được nói đóng vai trò quan trọng hơn giọng điệu.

Chúng tôi cung cấp một điểm cảm xúc trên thang từ 1 đến 10, với 1 cho thấy cảm xúc rất tiêu cực và 10 cho thấy cảm xúc rất tích cực. Chúng tôi phân tích 100% các cuộc trò chuyện của khách hàng của mình, cung cấp cái nhìn sâu sắc sâu sắc về các tương tác khách hàng.

Sự hiểu biết ngữ cảnh cũng rất quan trọng. Ví dụ, nếu một cuộc gọi bắt đầu với cảm xúc rất tiêu cực nhưng kết thúc tích cực, ngay cả khi 80% cuộc gọi là tiêu cực, thì toàn bộ tương tác được coi là tích cực. Điều này là vì khách hàng bắt đầu không hài lòng, đại diện đã giải quyết vấn đề và khách hàng rời đi hài lòng. Mặt khác, nếu cuộc gọi bắt đầu tích cực nhưng kết thúc tiêu cực, đó là một câu chuyện khác, mặc dù 80% cuộc gọi có thể là tích cực.

Phân tích này giúp cả đại diện và nhà quản lý xác định các lĩnh vực cần đào tạo, tập trung vào các hành động tương quan với cảm xúc tích cực, chẳng hạn như chào đón khách hàng, công nhận mối quan tâm của họ và thể hiện sự đồng cảm – những yếu tố quan trọng cho các tương tác thành công.

Level AI giải quyết các vấn đề về quyền riêng tư và bảo mật dữ liệu như thế nào, đặc biệt là khi xem xét bản chất nhạy cảm của các tương tác khách hàng?

Từ ngày đầu tiên, chúng tôi đã ưu tiên bảo mật và quyền riêng tư. Chúng tôi đã xây dựng hệ thống của mình với bảo mật và quyền riêng tư cấp doanh nghiệp làm nguyên tắc cốt lõi. Chúng tôi không thuê ngoài bất kỳ khả năng trí tuệ nhân tạo tạo sinh nào cho các nhà cung cấp bên thứ ba. Mọi thứ đều được phát triển trong nhà, cho phép chúng tôi đào tạo các mô hình trí tuệ nhân tạo cụ thể cho khách hàng mà không chia sẻ dữ liệu bên ngoài môi trường của chúng tôi. Chúng tôi cũng cung cấp tùy chỉnh rộng rãi, cho phép khách hàng có mô hình trí tuệ nhân tạo riêng mà không chia sẻ dữ liệu trên các phần khác nhau của đường dẫn dữ liệu của chúng tôi.

Để giải quyết một mối quan tâm hiện tại của ngành, dữ liệu của chúng tôi không được sử dụng bởi các mô hình bên ngoài để đào tạo. Chúng tôi không cho phép mô hình của mình bị ảnh hưởng bởi dữ liệu được tạo bởi trí tuệ nhân tạo từ các nguồn khác. Cách tiếp cận này ngăn chặn các vấn đề mà một số mô hình trí tuệ nhân tạo đang đối mặt, nơi việc được đào tạo trên dữ liệu được tạo bởi trí tuệ nhân tạo khiến chúng mất độ chính xác. Tại Level AI, mọi thứ đều là bên thứ nhất và chúng tôi không chia sẻ hoặc kéo dữ liệu từ bên ngoài.

Với khoản tài trợ Series C gần đây là 39,4 triệu đô la, kế hoạch của bạn để mở rộng nền tảng của Level AI và tiếp cận các phân khúc khách hàng mới là gì?

Đầu tư Series C sẽ thúc đẩy các sáng kiến chiến lược và đổi mới của chúng tôi trong các lĩnh vực quan trọng, bao gồm phát triển sản phẩm, nâng cao kỹ thuật, và các nỗ lực nghiên cứu và phát triển nghiêm ngặt. Chúng tôi nhằm mục đích tuyển dụng các tài năng hàng đầu trên tất cả các cấp của tổ chức, cho phép chúng tôi tiếp tục tiên phong trong các công nghệ hàng đầu trong ngành, vượt quá mong đợi của khách hàng và đáp ứng nhu cầu thị trường động.

Bạn nhìn thấy vai trò của trí tuệ nhân tạo trong việc biến đổi dịch vụ khách hàng trong thập kỷ tới như thế nào?

Mặc dù sự tập trung chung thường nằm ở khía cạnh tự động hóa – dự đoán một tương lai nơi các bot xử lý tất cả dịch vụ khách hàng – quan điểm của chúng tôi tinh tế hơn. Mức độ tự động hóa khác nhau theo chiều dọc. Ví dụ, trong ngân hàng hoặc tài chính, tự động hóa có thể thấp hơn, trong khi ở các lĩnh vực khác, nó có thể cao hơn. Trung bình, chúng tôi tin rằng đạt được hơn 40% tự động hóa trên tất cả các chiều dọc là đầy thách thức. Điều này là vì các đại diện dịch vụ làm nhiều hơn là chỉ trả lời câu hỏi – họ hoạt động như những người giải quyết vấn đề, cố vấn bán hàng và hơn thế nữa, những vai trò không thể được hoàn toàn sao chép bởi trí tuệ nhân tạo.

Cũng có tiềm năng đáng kể trong tự động hóa quy trình làm việc, điều mà Level AI tập trung vào. Điều này bao gồm các nhiệm vụ văn phòng như đảm bảo chất lượng, phân loại vé và giám sát màn hình. Ở đây, tự động hóa có thể vượt quá 80% bằng cách sử dụng trí tuệ nhân tạo tạo sinh. Trí tuệ và thông tin chi tiết là rất quan trọng. Chúng tôi độc đáo trong việc sử dụng trí tuệ nhân tạo tạo sinh để thu được thông tin chi tiết từ dữ liệu không cấu trúc. Cách tiếp cận này có thể cải thiện đáng kể chất lượng thông tin chi tiết, giảm nhu cầu về dịch vụ chuyên nghiệp xuống 90% và tăng tốc thời gian để có giá trị lên 90%.

Một yếu tố quan trọng khác là liệu mặt tiền của tổ chức bạn nên là một bot hay một người. Ngoài các chức năng cơ bản mà họ thực hiện, một kết nối con người với khách hàng của bạn là rất quan trọng. Cách tiếp cận của chúng tôi là loại bỏ các nhiệm vụ thừa khỏi khối lượng công việc của một người, cho phép họ tập trung vào các tương tác có ý nghĩa.

Chúng tôi tin rằng con người phù hợp nhất cho giao tiếp trực tiếp và nên tiếp tục ở vai trò đó. Tuy nhiên, họ không lý tưởng cho các nhiệm vụ như ghi chú, chuyển đổi tương tác hoặc ghi màn hình. Bằng cách xử lý những nhiệm vụ này cho họ, chúng tôi giải phóng thời gian của họ để tương tác với khách hàng một cách hiệu quả hơn.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Level AI.