Mike Clifton, Đồng CEO tại Alorica – Loạt Phỏng Vấn

Mike Clifton là Đồng CEO của Alorica, một nhà lãnh đạo toàn cầu trong lĩnh vực trải nghiệm khách hàng số (CX). Trong vai trò này, Mike giám sát chiến lược chuyển đổi số của công ty – bao gồm các sản phẩm AI giành giải thưởng – để cung cấp trải nghiệm CX tối ưu trên các kênh (giọng nói, trò chuyện, web, v.v.) và ngành công nghiệp thay mặt cho các thương hiệu FORTUNE 500. Với chuyên môn và kinh nghiệm mạnh mẽ trong đổi mới số, AI và công nghệ doanh nghiệp, Mike đã chứng minh được khả năng thúc đẩy tăng trưởng lợi nhuận bằng cách tích hợp các giải pháp công nghệ có thể mở rộng để đáp ứng nhu cầu thị trường不断 thay đổi.

Alorica là một nhà lãnh đạo toàn cầu trong lĩnh vực trải nghiệm khách hàng và kinh doanh quy trình ngoài, cung cấp các giải pháp công nghệ được hỗ trợ, tập trung vào con người cho các ngành công nghiệp như ngân hàng, chăm sóc sức khỏe, bán lẻ và viễn thông. Với hơn 100.000 nhân viên trên 17 quốc gia, công ty quản lý hàng tỷ tương tác hàng năm trong hơn 75 ngôn ngữ, cung cấp các dịch vụ như trung tâm liên lạc, phân tích, giải pháp AI, kiểm duyệt nội dung và hoạt động văn phòng trở lại – tất cả đều tập trung vào việc thúc đẩy kết quả có thể đo lường được cho khách hàng.

Ngành công nghiệp đang chuyển hướng từ tự động hóa sang tăng cường – chiến lược của Alorica phản ánh mô hình kết hợp này như thế nào?

Chiến lược của Alorica phản ánh mô hình kết hợp của tăng cường trên tự động hóa bằng cách tập trung vào việc tăng cường hiệu suất của đại lý con người với các công cụ AI, thay vì thay thế họ. Cách tiếp cận này đảm bảo rằng con người vẫn là trung tâm của các tương tác khách hàng, được hỗ trợ bởi các công nghệ tiên tiến để cải thiện hiệu quả và hiệu quả.

Ví dụ, Alorica đã ra mắt một số giải pháp tiên tiến như evoAI, Knowledge IQ, Mô hình Tin cậy và An toàn Số và CX2GO®. Những công cụ này được thiết kế để khuếch đại hiệu suất của đại lý con người bằng cách cung cấp các tương tác theo ngữ cảnh và thời gian thực, cải thiện quản lý kiến thức và đảm bảo tin cậy và an toàn số.

Bằng cách tích hợp các công cụ AI cung cấp các tương tác thông minh về mặt cảm xúc và ngữ cảnh trên nhiều ngôn ngữ với thời gian phản hồi dưới một giây, Alorica cho phép các đại lý cung cấp hỗ trợ cá nhân hóa và hiệu quả cho khách hàng. Tính phản hồi thời gian thực này chuyển thành kết quả khách hàng được cải thiện.

Tổng thể, chiến lược của Alorica nhấn mạnh tầm quan trọng của các đại lý con người trong khi tận dụng AI để tăng cường khả năng của họ, phản ánh sự thay đổi của ngành công nghiệp từ tự động hóa sang tăng cường.

Có thể chia sẻ các ví dụ cụ thể về nơi AI đã khuếch đại hiệu suất của đại lý con người thay vì thay thế nó?

Có nhiều ví dụ về khuếch đại mà chúng tôi đã tận dụng trong việc cung cấp dịch vụ của mình. Một ví dụ là khả năng của các đại lý tương tác với một động cơ kiến thức lắng nghe ngôn ngữ thời gian thực và dịch nó thành một động cơ phản hồi tự động提示 hỗ trợ; đây là một công cụ mạnh mẽ, chủ động mà chúng tôi đã sử dụng trên nhiều giải pháp. Một ví dụ khác là việc sử dụng các động cơ AI trò chuyện để tăng cường khả năng đào tạo đại lý của chúng tôi về các kịch bản khách hàng khó khăn nhất. Bằng cách chạy các mô phỏng AI của các tương tác thời gian thực, chúng tôi giảm căng thẳng và các mô hình liên tục học hỏi – cập nhật đại lý về tình cảm và sự đồng cảm khi họ tích lũy thêm kinh nghiệm.

Làm thế nào để theo dõi tác động hiệu suất của các công cụ AI – ví dụ, trong Giải quyết Đầu tiên, thời gian xử lý hoặc hiệu quả của đại lý?

Theo dõi các công cụ AI trong sử dụng tăng cường rơi vào các chỉ số được giao cho đại lý như thể không có công cụ nào tồn tại. Sự khác biệt nằm ở khả năng xử lý nhiều cuộc gọi với kết quả hài lòng cao hơn và sự tự tin để dự đoán chiến lược lực lượng lao động tốt hơn khi bạn có dữ liệu vững chắc từ các mô hình.

Bạn đã ra mắt một số giải pháp tiên tiến này năm – evoAI, Knowledge IQ, Mô hình Tin cậy và An toàn Số và CX2GO®. Bạn thấy giải pháp nào có tác động “siêu năng lực” ngay lập tức nhất cho các đại lý và tại sao?

Sử dụng nội bộ của chúng tôi về evoAI cung cấp cho các đại lý khả năng tận dụng các cuộc gọi mô phỏng để đào tạo với mức độ nhận thức tình huống cao hơn, mang lại tác động lớn nhất. Điều này được theo sau bởi Knowledge IQ, giúp tăng cường khả năng của các đại lý trong việc tìm kiếm câu trả lời đúng. Hai giải pháp này đã thay đổi hoàn toàn cách nhanh chóng và chính xác các đại lý của chúng tôi có thể giải quyết nhu cầu của khách hàng.

Từ quan điểm học máy, làm thế nào các mô hình của bạn được đào tạo để duy trì độ chính xác và thích nghi khi nhu cầu khách hàng, ngôn ngữ và điều kiện thị trường thay đổi?

Để duy trì độ chính xác và thích nghi trước nhu cầu khách hàng, ngôn ngữ và điều kiện thị trường thay đổi, các mô hình học máy của chúng tôi trải qua đào tạo liên tục và tinh chỉnh.

Dưới đây là một số chiến lược quan trọng mà chúng tôi sử dụng:

• Học Liên tục: Các mô hình của chúng tôi được thiết kế để học hỏi từ dữ liệu mới liên tục. Điều này liên quan đến việc cập nhật thường xuyên các tập dữ liệu đào tạo với các tương tác mới nhất, phản hồi và xu hướng thị trường. Bằng cách kết hợp thông tin mới nhất, các mô hình của chúng tôi có thể thích nghi với sự thay đổi trong sở thích của khách hàng và điều kiện thị trường mới nổi.
• Nguồn Dữ liệu Đa dạng: Chúng tôi sử dụng một loạt các nguồn dữ liệu để đào tạo các mô hình của mình, bao gồm các tương tác của khách hàng, truyền thông xã hội, báo cáo thị trường và nhiều hơn nữa. Sự đa dạng này đảm bảo rằng các mô hình của chúng tôi được tiếp xúc với nhiều kịch bản và sắc thái ngôn ngữ, tăng cường khả năng hiểu và phản hồi chính xác của chúng.
• Vòng Lặp Phản Hồi: Chúng tôi triển khai các vòng lặp phản hồi mạnh mẽ nơi các tương tác của khách hàng và đầu vào của đại lý được sử dụng để tinh chỉnh các mô hình. Phản hồi thời gian thực này giúp xác định và sửa chữa các sai sót để các mô hình vẫn phù hợp và hiệu quả.
• Khả năng Đa Ngôn ngữ: Các mô hình của chúng tôi được đào tạo trên các tập dữ liệu đa ngôn ngữ để xử lý các tương tác trong nhiều ngôn ngữ. Điều này rất quan trọng để cung cấp các phản hồi chính xác, được định vị và theo ngữ cảnh cho một cơ sở khách hàng toàn cầu.
• Kiểm Toán và Đánh Giá Định Kỳ: Chúng tôi tiến hành kiểm toán và đánh giá định kỳ các mô hình của mình để đánh giá hiệu suất của chúng. Điều này bao gồm việc kiểm tra các mô hình chống lại các tập dữ liệu chuẩn và các kịch bản thế giới thực để đảm bảo chúng đáp ứng các tiêu chuẩn về độ chính xác và thích nghi.
• Con Người Trong Vòng Lặp: Chúng tôi duy trì một cách tiếp cận con người trong vòng lặp nơi các đại lý con người cộng tác với AI để quản lý các truy vấn phức tạp. Mô hình kết hợp này đảm bảo rằng công nghệ học hỏi từ chuyên môn của con người và cải thiện hiệu suất của nó theo thời gian.
• Sử Dụng Các Mô hình Ngôn ngữ Nhỏ Hơn: Đào tạo các mô hình nhỏ hơn theo chiều dọc (thông qua một cách tiếp cận kết hợp hoặc tập hợp) cùng với các mô hình LLM thương mại có sẵn cho phép hiệu quả trong tính toán, tìm kiếm và thời gian phản hồi trong khi rút ngắn các chu kỳ kiểm tra thiên vị và công bằng.

Những chiến lược này cho phép các mô hình học máy của chúng tôi vẫn chính xác, thích nghi và có khả năng cung cấp trải nghiệm khách hàng chất lượng cao trong các môi trường động.

evoAI cung cấp các tương tác thông minh về mặt cảm xúc và ngữ cảnh trên 120 ngôn ngữ với thời gian phản hồi dưới một giây. Làm thế nào tính phản hồi thời gian thực này chuyển thành hỗ trợ đại lý và kết quả khách hàng?

evoAI cung cấp hỗ trợ đại lý tốt hơn và cải thiện kết quả khách hàng theo nhiều cách:

• Hiệu Suất: Các tương tác theo ngữ cảnh giúp tìm và sắp xếp một lượng lớn thông tin nhanh chóng cho các truy vấn của đại lý.
• Định Hướng: cung cấp khả năng thích nghi đa ngôn ngữ, cho phép tự do chọn ngôn ngữ đầu vào và đầu ra trong thời gian thực cho bất kỳ lời nhắc nào. Ví dụ, một khách hàng hỏi bằng tiếng Anh để phản hồi bằng tiếng Pháp để một phụ huynh già đang nghe có thể hiểu.
• Hiệu Quả: giảm thời gian phản hồi và thường loại bỏ nhu cầu phải có một người phản hồi.
• Trí Tuệ Cảm Xúc: cho phép các đại lý điều chỉnh các tùy chọn cho người gọi dựa trên nhận thức tình huống (giọng điệu, tâm trạng và lựa chọn từ), cho phép giảm căng thẳng nhanh hơn.

Với AI đại lý đang thu hút sự chú ý, làm thế nào bạn quản lý các rủi ro như ảo giác, thiên vị hoặc mất kiểm soát trong khi đảm bảo các đại lý vẫn là những người ra quyết định?

Tại Alorica, chúng tôi tin rằng kiến trúc đúng đắn đằng sau công nghệ tạo ra tất cả sự khác biệt. Đó là lý do tại sao việc quản lý rủi ro của AI đại lý đòi hỏi một khuôn khổ quản trị đa lớp mà chúng tôi đã xây dựng vào mọi cấp độ của hoạt động AI của chúng tôi.

Dưới đây là cách chúng tôi giải quyết từng rủi ro quan trọng:

• Giảm ảo giác:Chúng tôi sử dụng một hệ thống xác minh ba cấp để giảm thiểu ảo giác. Đầu tiên, các mô hình của chúng tôi sử dụng tạo ra tăng cường (RAG) dựa trên các cơ sở tri thức đã được xác minh và các nguồn dữ liệu thời gian thực, giảm khả năng thông tin bịa đặt xuống 85%. Thứ hai, chúng tôi triển khai đánh giá độ tin cậy trên tất cả các gợi ý AI, nơi các phản hồi dưới ngưỡng độ tin cậy 80% kích hoạt xem xét của con người tự động. Thứ ba, các mô hình của chúng tôi bị giới hạn hoạt động trong các không gian tham số được xác định cho mỗi quy tắc kinh doanh và miền事 thực của khách hàng – AI không thể tạo ra thông tin về sản phẩm, chính sách hoặc thủ tục không được ghi chép rõ ràng trong dữ liệu đào tạo.
• Phát Hiện và Ngăn Chặn Thiên Vị:Chiến lược quản lý thiên vị của chúng tôi hoạt động trên toàn bộ vòng đời AI. Trong quá trình đào tạo mô hình, chúng tôi sử dụng các kỹ thuật chống thiên vị đối lập và các thuật toán học công bằng nhận thức để chủ động chống lại các thiên vị lịch sử trong dữ liệu đào tạo. Chúng tôi duy trì các chỉ số bình đẳng dân tộc học trên các danh mục được bảo vệ và tiến hành các cuộc kiểm toán hàng tháng bằng cách sử dụng các công cụ như chỉ số công bằng và đánh giá tác động khác biệt. Các mô hình của chúng tôi trải qua kiểm tra bằng dữ liệu tổng hợp được thiết kế để tiết lộ thiên vị trên các nhóm dân tộc, ngôn ngữ và ngữ cảnh văn hóa khác nhau. Khi phát hiện ra thiên vị, chúng tôi sử dụng đào tạo lại có mục tiêu trên các tập dữ liệu cân bằng và điều chỉnh trọng lượng mô hình để đảm bảo kết quả công bằng. Quan trọng là, chúng tôi duy trì các báo cáo minh bạch theo dõi các chỉ số thiên vị theo thời gian, cho phép khách hàng thấy chính xác cách các mô hình của chúng tôi hoạt động trên các dân số khác nhau.
• Giữ Kiểm Soát Con Người: Các đại lý con người vẫn là những người ra quyết định cuối cùng thông qua kiến trúc “AI as Advisor” của chúng tôi. Hệ thống AI cung cấp các khuyến nghị với các tính năng giải thích – các đại lý có thể thấy tại sao AI đề xuất một hành động cụ thể, những yếu tố nào nó xem xét và những lựa chọn thay thế nào tồn tại. Chúng tôi đã triển khai các điểm dừng cứng nơi AI không thể tự động thực hiện các hành động nhất định: giao dịch tài chính, sửa đổi hợp đồng, cam kết pháp lý hoặc tư vấn sức khỏe luôn yêu cầu ủy quyền của con người. Các giao thức chuyển tiếp của chúng tôi tự động định tuyến các kịch bản phức tạp hoặc rủi ro cao cho các đại lý cao cấp hoặc giám sát viên khi AI phát hiện các tình huống ngoài ranh giới năng lực của nó.
• Giám Sát Liên Tục và Công Tắc Ngắt:Mọi tương tác AI đều được đăng nhập và theo dõi thông qua Phòng Quan Sát Hiệu Suất Mô hình của chúng tôi, theo dõi sự偏差 từ các hành vi dự kiến trong thời gian thực. Chúng tôi duy trì khả năng quay lại tức thời và “công tắc ngắt” ở nhiều cấp độ – các thành phần mô hình riêng lẻ, toàn bộ mô hình hoặc các tính năng AI hệ thống có thể bị tắt trong vài giây nếu hành vi bất thường được phát hiện. Các thuật toán phát hiện trôi của chúng tôi liên tục so sánh đầu ra mô hình với quyết định của chuyên gia con người, đánh dấu sự khác biệt để xem xét ngay lập tức.
• Xác Thực Vòng Lặp Con Người:Chúng tôi đã thiết kế các vòng lặp phản hồi nơi các đại lý đánh giá các gợi ý AI sau mỗi tương tác, tạo ra một hệ thống học tập liên tục thích nghi với chuyên môn của con người. Các đại lý hàng đầu của chúng tôi tham gia vào các phiên hiệu chỉnh hàng tuần nơi họ xem xét các trường hợp biên và giúp tinh chỉnh các ranh giới quyết định của AI. Điều này tạo ra một mô hình trí tuệ hợp tác nơi phán quyết của con người liên tục định hình và hạn chế hành vi của AI.
• Sự Kế Toán và Đường Dẫn Kiểm Toán:Mọi quyết định bị ảnh hưởng bởi AI duy trì một đường dẫn kiểm toán đầy đủ cho thấy gợi ý AI, mức độ tin cậy, nguồn dữ liệu được sử dụng và quyết định cuối cùng của đại lý con người. Điều này đảm bảo trách nhiệm và cho phép chúng tôi liên tục cải thiện các mô hình của mình dựa trên kết quả. Các cuộc kiểm toán của bên thứ ba xác nhận các thực tiễn quản lý rủi ro của chúng tôi so với các tiêu chuẩn của ngành và yêu cầu quy định.

Bằng cách triển khai các biện pháp phòng ngừa toàn diện này, chúng tôi đảm bảo rằng các hệ thống AI đại lý của chúng tôi tăng cường khả năng của con người trong khi duy trì các tiêu chuẩn đạo đức, cơ quan và kiểm soát hoạt động.

Làm thế nào để tiếp cận việc đào tạo lại mô hình và học tập liên tục để đảm bảo các hệ thống AI của bạn vẫn được căn chỉnh với cả yêu cầu tuân thủ và sự tinh tế của cảm xúc khách hàng?

Cách tiếp cận của Alorica đối với việc đào tạo lại mô hình và học tập liên tục tại Alorica IQ được xây dựng trên một khuôn khổ MLOps mạnh mẽ cân bằng giữa yêu cầu tuân thủ và tối ưu hóa trải nghiệm khách hàng.

Chúng tôi đã triển khai một kiến trúc đào tạo lại đa lớp hoạt động trên các khoảng thời gian khác nhau. Các mô hình quan trọng về tuân thủ của chúng tôi trải qua phát hiện trôi hàng ngày và kiểm toán hiệu suất hàng tuần, với các kích hoạt đào tạo lại tự động khi có thay đổi quy định. Đối với các mô hình cảm xúc khách hàng, chúng tôi tận dụng các vòng lặp phản hồi thời gian thực thu thập các sửa đổi của đại lý và điểm số hài lòng của khách hàng, cho ăn vào đường ống đào tạo của chúng tôi mọi 72 giờ.

Chúng tôi duy trì một Lớp Thông Minh Tuân thủ hoạt động như một hệ thống rào cản, tự động xác thực đầu ra mô hình so với các khuôn khổ quy định cụ thể cho mỗi quốc gia – từ GDPR ở châu Âu đến CCPA ở California. Lớp này được cập nhật liên tục thông qua quan hệ đối tác của chúng tôi với các nhà cung cấp công nghệ pháp lý và nguồn cấp dữ liệu quy định, đảm bảo rằng các hệ thống AI của chúng tôi vẫn tuân thủ mà không cần can thiệp thủ công.

Đối với sự tinh tế của cảm xúc, chúng tôi đã phát triển những gì chúng tôi gọi là “các bản nhúng ngữ cảnh văn hóa” trong Alorica IQ, bộ phận ươm tạo đổi mới của công ty. Đây là các mô hình khu vực được tinh chỉnh hiểu không chỉ ngôn ngữ mà còn các mẫu giao tiếp văn hóa. Ví dụ, các mô hình của chúng tôi nhận ra rằng mức độ trực tiếp thay đổi đáng kể giữa các tương tác của khách hàng Đức và Nhật, và điều chỉnh việc ghi điểm cảm xúc của chúng tôi cho phù hợp.

Chúng tôi duy trì các sổ đăng ký mô hình phiên bản với khả năng quay lại đầy đủ, cho phép chúng tôi quay lại phiên bản trước ngay lập tức nếu đào tạo mới giới thiệu các hành vi không mong muốn. Khung kiểm tra A/B của chúng tôi chạy liên tục, so sánh các phiên bản mô hình mới với các đường cơ sở sản xuất trên hàng nghìn tương tác trước khi triển khai đầy đủ.

Quan trọng nhất, chúng tôi đã thiết lập một Giao Thức Tích Hợp Phản Hồi Con Người nơi các đại lý hàng đầu của chúng tôi thường xuyên xem xét các trường hợp biên và cung cấp phản hồi sửa chữa, tạo ra một chu kỳ ảo जहande chuyên môn của con người liên tục nâng cao khả năng AI của chúng tôi. Cách tiếp cận này đã giảm 94% các vi phạm tuân thủ trong khi cải thiện độ chính xác của phát hiện cảm xúc lên 92% trên tất cả các ngôn ngữ được hỗ trợ.

Với sự mở rộng quốc tế nhanh chóng – đặc biệt là ở các thị trường như Ấn Độ, Ai Cập và EMEA – làm thế nào bạn điều chỉnh cách tiếp cận AI-con người của mình để đáp ứng nhu cầu ngôn ngữ và văn hóa đa dạng?

Chúng tôi tin rằng việc bản địa hóa không chỉ là về việc nói ngôn ngữ – nó là về phản ánh văn hóa.

Các nền tảng AI của chúng tôi như evoAI và ReVoLT được điều chỉnh để bắt捉 giọng điệu, sắc thái và ngữ cảnh trên hàng trăm ngôn ngữ và phương ngữ, vì vậy các tương tác cảm thấy quen thuộc và chân thực. Nhưng chúng tôi không dừng lại ở công nghệ. Chúng tôi thuê nhân tài từ trong từng khu vực, đào tạo các đội xung quanh các kỳ vọng văn hóa và thích nghi thiết kế dịch vụ để phản ánh các chuẩn mực địa phương. Mô hình kết hợp này đảm bảo rằng mọi tương tác đều cảm thấy như được xây dựng cho thị trường đó.

Tại Ấn Độ, nơi chúng tôi hỗ trợ 75 ngôn ngữ chính thức cộng với nhiều phương ngữ, chúng tôi đã triển khai Kiến Trúc Lưới Ngôn ngữ của mình không chỉ dịch mà còn duy trì ngữ cảnh trên các kịch bản chuyển mã – nơi khách hàng tự nhiên trộn lẫn tiếng Hindi, tiếng Anh và ngôn ngữ khu vực trong cùng một cuộc trò chuyện. Các mô hình của chúng tôi được đào tạo trên các mẫu trò chuyện thực tế từ các thành phố cấp 2 và cấp 3, không chỉ là các khu vực đô thị, đảm bảo rằng chúng tôi bắt được toàn bộ phổ giao tiếp.

Đối với các hoạt động của chúng tôi ở Ai Cập phục vụ khu vực MENA rộng lớn hơn, chúng tôi đã phát triển các mô hình cụ thể về phương ngữ tiếng Ả Rập phân biệt giữa tiếng Ả Rập Ai Cập, tiếng Ả Rập Vùng Vịnh và tiếng Ả Rập Levant, với xử lý chuyên dụng cho các đăng ký chính thức (Fusha) so với không chính thức (Ammiya). Các mô hình AI của chúng tôi hiểu khi một khách hàng chuyển từ tiếng Ả Rập chính thức sang không chính thức như một tín hiệu cảm xúc, kích hoạt huấn luyện đại lý thời gian thực.

Tại các thị trường EMEA, chúng tôi đã triển khai một “Thiết Kế AI Trước Tiên về Quy Định”. Mỗi triển khai quốc gia bao gồm các mô块 tuân thủ được cấu hình trước, từ các yêu cầu về vị trí dữ liệu nghiêm ngặt của Đức đến các luật bảo vệ ngôn ngữ của Pháp yêu cầu giao diện tiếng Pháp đầu tiên. Các mô hình của chúng tôi được đào tạo không chỉ về ngôn ngữ mà còn về lễ儀 kinh doanh địa phương; ví dụ, triển khai của chúng tôi ở Đức nhấn mạnh sự chính xác và tài liệu chi tiết, trong khi mô hình của chúng tôi ở Ý cho phép nhiều sự linh hoạt trong cuộc trò chuyện.

Nền tảng kỹ thuật là Khung Học Liên Federated của chúng tôi trong Alorica IQ, nơi các mô hình địa phương học từ dữ liệu khu vực mà không để dữ liệu rời khỏi quốc gia, đảm bảo chủ quyền dữ liệu trong khi vẫn được hưởng lợi từ cải tiến mô hình toàn cầu. Chúng tôi duy trì các cụm GPU khu vực để đảm bảo độ trễ dưới 100ms cho hỗ trợ đại lý thời gian thực.

Đội Trí Tuệ Văn Hóa của chúng tôi, bao gồm các chuyên gia ngôn ngữ và nhà khoa học hành vi từ từng khu vực, liên tục xác thực đầu ra AI của chúng tôi. Họ đã giúp chúng tôi xác định hơn 3.000 kịch bản cụ thể về văn hóa đòi hỏi xử lý đặc biệt – từ các lễ tôn giáo ảnh hưởng đến tính khả dụng của dịch vụ đến các sở thích thanh toán địa phương ảnh hưởng đến luồng cuộc trò chuyện.

Cách tiếp cận này đã mang lại kết quả ấn tượng: các hoạt động của chúng tôi ở Ấn Độ cho thấy điểm số CSAT cao hơn 40% khi sử dụng các mô hình AI được điều chỉnh theo văn hóa so với các mô hình chung, và các triển khai của chúng tôi ở EMEA đã đạt được tỷ lệ giải quyết lần đầu tiên 98% cho các truy vấn ngôn ngữ cụ thể.

Làm thế nào evoAI có khả năng nhận biết và thích nghi với các phương ngữ khu vực và tín hiệu cảm xúc giúp thúc đẩy việc áp dụng ở các thị trường mới?

Sự áp dụng tăng tốc khi mọi người cảm thấy công nghệ “hiểu” họ. evoAI vượt ra ngoài việc dịch từ ngữ sang ngữ cảnh bằng cách hiểu tiếng lóng, giọng điệu và thậm chí cả sắc thái cảm xúc trong thời gian thực.

Khả năng nhận dạng và thích nghi với các phương ngữ và tín hiệu cảm xúc của evoAI đã trở thành yếu tố khác biệt chính của chúng tôi trong việc thâm nhập thị trường mới, giải quyết trực tiếp khoảng cách niềm tin thường cản trở việc áp dụng AI ở các thị trường mới nổi.

Từ quan điểm kỹ thuật, evoAI sử dụng Mô hình Kết Hợp Âm-Linguistic của chúng tôi, xử lý đồng thời các mẫu âm thanh, tính năng ngữ điệu và nội dung ngữ nghĩa. Cách tiếp cận ba chế độ này cho phép chúng tôi phát hiện các trạng thái cảm xúc tinh vi được thể hiện khác nhau trên các nền văn hóa. Ví dụ, ở các thị trường Nhật Bản, chúng tôi có thể phát hiện “honne” so với “tatemae” (cảm xúc thật so với mặt tiền công khai) thông qua các biến thể nhỏ trong âm điệu và tốc độ nói, trong khi ở các thị trường Trung Đông, chúng tôi nhận ra các động lực danh dự và xấu hổ thông qua các mẫu cụm từ và nhấn mạnh cụ thể.

Khả năng nhận dạng phương ngữ của chúng tôi vượt ra ngoài việc phát hiện giọng điệu. evoAI duy trì các bản đồ phương ngữ động hiểu các chỉ số kinh tế – xã hội nhúng trong các mẫu ngôn ngữ. Tại Ấn Độ, ví dụ, hệ thống nhận ra không chỉ liệu ai đó nói tiếng Tamil hay Telugu, mà còn xác định được nền tảng giáo dục và khu vực thành thị so với nông thôn, cho phép các đại lý điều chỉnh phong cách giao tiếp của họ một cách phù hợp. Sự hiểu biết tinh tế này đã được chứng minh là tăng điểm tin cậy khách hàng lên 67% trong các chương trình thí điểm.

Tính thông minh cảm xúc sử dụng Công Nghệ Biểu Đồ Cảm Xúc Theo Ngữ Cảnh của chúng tôi, ánh xạ các đường cảm xúc trong suốt các cuộc trò chuyện thay vì chỉ cảm xúc tại một thời điểm. Điều này cho phép evoAI dự đoán sự leo thang cảm xúc 30 giây trước khi nó xảy ra với độ chính xác 89%, cho các đại lý thời gian quan trọng để can thiệp với các kỹ thuật giảm căng thẳng cụ thể cho văn hóa đó.

Đối với việc áp dụng thị trường mới, phòng thí nghiệm hành động của chúng tôi có một chiến lược “Tiến Bộ Bản Địa” thông qua Alorica IQ. Chúng tôi bắt đầu với một mô hình cơ sở được đào tạo trên nội dung truyền thông, truyền thông xã hội và diễn biến công khai của thị trường mục tiêu. Trong 30 ngày đầu tiên sau triển khai, evoAI sẽ thích nghi với các mẫu khách hàng địa phương thông qua Đường Dẫn Học Chủ Động của chúng tôi, ưu tiên việc học từ các cuộc trò chuyện có biến thể cảm xúc cao nhất. Đến ngày thứ 90, các mô hình của chúng tôi nên đạt được độ chính xác 95% trong việc nhận dạng phương ngữ và 88% trong việc phát hiện trạng thái cảm xúc.

Tác động kinh doanh sẽ được mô hình hóa để trở nên đáng kể. Các nghiên cứu của chúng tôi cho thấy một triển khai ở Ai Cập, với khả năng của evoAI trong việc nhận ra và phản hồi các phương ngữ Cairo so với Alexandria, kết hợp với các mẫu lễ儀 văn hóa phù hợp, sẽ giảm thời gian thâm nhập thị trường thường là 6 tháng xuống chỉ 8 tuần. Chi phí mua khách hàng có thể giảm 45% khi các khuyến nghị truyền miệng tăng do các tương tác tự nhiên và văn hóa được nhận thức.

Khả năng thích nghi cảm xúc của evoAI sẽ mở ra hoàn toàn các danh mục dịch vụ mới. Ví dụ, chúng tôi đã suy đoán rằng một dịch vụ hỗ trợ sức khỏe tâm thần được cung cấp bởi evoAI có thể giúp nhận ra các dấu hiệu sớm của trầm cảm và lo lắng dựa trên các mẫu biểu hiện tự nhiên, cho phép can thiệp kịp thời và chuyển tiếp đến nhóm sức khỏe và phúc lợi của chúng tôi – đảm bảo rằng sự hài lòng của đại lý luôn được ưu tiên.

Lợi thế công nghệ này chuyển thành việc áp dụng thị trường: các khu vực sử dụng các khả năng phương ngữ và cảm xúc đầy đủ của evoAI cho thấy tốc độ áp dụng nhanh hơn 3,2 lần so với các triển khai AI tiêu chuẩn, với điểm số hài lòng của đại lý được cải thiện 78% khi họ cảm thấy tự tin hơn trong việc xử lý các tương tác văn hóa phức tạp.

Nhìn vượt qua năm 2025, bạn hình dung điều gì là biên giới tiếp theo cho AI lấy con người làm trung tâm trong CX?

Biên giới tiếp theo là sự hội tụ của AI trò chuyện, AI đại lý và mạng nơ-ron để dàn xếp một cấp độ kết quả cao hơn mà trước đây chưa từng được xem xét. Điều này sẽ thiết kế lại cách chúng ta kinh doanh. Sự dàn xếp không còn là con người với máy móc; nó là máy móc với máy móc hoặc máy móc với hàng nghìn máy móc đồng thời.

Hãy tưởng tượng bạn đang lên kế hoạch cho một chuyến đi kinh doanh: truy cập một trang web để chọn một hãng hàng không, sau đó đặt phòng khách sạn, sắp xếp phương tiện đi lại, lên lịch ăn tối và lên kế hoạch cho chuyến trở về. Đây là một ví dụ đơn giản về việc nhắc một lần và để các bot tích hợp – được hỗ trợ bởi mạng nơ-ron – xử lý tất cả các lựa chọn có sẵn và xây dựng một phản hồi đa lựa chọn để bạn chọn. Trong mô hình này, sự dàn xếp là nơ-ron, AI đại lý cung cấp năng lượng cho các bot và cuộc trò chuyện là phản hồi.

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