Mike Clifton, Đồng CEO tại Alorica – Loạt Phỏng Vấn

Mike Clifton là Đồng CEO của Alorica, một công ty hàng đầu toàn cầu về 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 đại diện 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 thành tích tăng trưởng lợi nhuận bằng cách tích hợp các giải pháp công nghệ có thể mở rộng để đáp ứng nhu cầu thị trường đang phát triển.

Alorica là một công ty hàng đầu toàn cầu về trải nghiệm khách hàng và kinh doanh quy trình ngoài, cung cấp các giải pháp công nghệ được kích hoạt, 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 lai này như thế nào?

Chiến lược của Alorica phản ánh mô hình lai 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 chúng. 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 An toàn và Tin cậy 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 thời gian thực, nhận thức ngữ cảnh giúp cải thiện quản lý kiến thức và đảm bảo an toàn và tin cậy số.

Bằng cách tích hợp các công cụ AI cung cấp các tương tác thông minh về mặt cảm xúc và nhận thức 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. Sự phản hồi theo 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 chuyển đổi của ngành công nghiệp sang tăng cường trên tự động hóa.

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 trong số đó là khả năng của các đại lý tương tác với một công cụ kiến thức lắng nghe giọng nói theo thời gian thực và dịch nó thành một công cụ phản hồi tự động, đây là một công cụ mạnh mẽ và chủ động mà chúng tôi đã sử dụng trên nhiều giải pháp. Một ví dụ khác là việc sử dụng các công cụ AI trò chuyện để tăng cường khả năng đào tạo của các đại lý về các kịch bản khách hàng khó khăn nhất. Bằng cách chạy các mô phỏng tương tác thời gian thực được điều khiển bởi AI, chúng tôi giảm căng thẳng và các mô hình liên tục học hỏi – cập nhật cho các đại lý về cảm xúc và đồng cảm khi họ có được nhiều kinh nghiệm hơn.

Làm thế nào bạn theo dõi tác động hiệu suất của các công cụ AI này – 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 thuộc về 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 hơn với tỷ lệ 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 An toàn và Tin cậy 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 evoAI của chúng tôi mang lại 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 góc độ học máy, các mô hình của bạn được đào tạo như thế nào để duy trì độ chính xác và khả năng thích ứng khi nhu cầu khách hàng, ngôn ngữ và điều kiện thị trường thay đổi?

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

Dưới đây là một số chiến lược chính mà chúng tôi áp 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 tích hợp thông tin mới nhất, các mô hình của chúng tôi có thể thích ứng với sở thích khách hàng đang thay đổi 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 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 khác nhau, 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 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 liên quan 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 nhận thức 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 khả năng thích ứng.
• 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 lai 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 lai hoặc tập hợp) cùng với các mô hình LLM thương mại có sẵn cho phép chúng tôi đạt được hiệu quả về 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 ứng và có khả năng cung cấp các trải nghiệm khách hàng chất lượng cao trong các môi trường động.

evoAI cung cấp các tương tác thông minh về mặt cảm xúc, nhận thức ngữ cảnh trên 120+ ngôn ngữ với thời gian phản hồi dưới một giây. Làm thế nào sự 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 nhận thức ngữ cảnh giúp tìm và sắp xếp lượng thông tin khổng lồ nhanh chóng cho các truy vấn của đại lý.
• Định Hướng Cá Nhân Hóa: Cung cấp khả năng thích ứng 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 có phản hồi bằng tiếng Pháp để một phụ huynh lớn tuổi đang nghe có thể hiểu.
• Hiệu Quả: Giảm thời gian phản hồi và thường loại bỏ nhu cầu phải có phản hồi của con người.
• 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 giải quyết nhanh hơn.

Với sự tăng trưởng của AI đại lý, 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 các 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 hoạt động AI của mình.

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

• Giảm Thiểu 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 sinh tăng cường (RAG) dựa trên các cơ sở kiến 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 đề xuất được tạo bởi AI, nơi các phản hồi dưới ngưỡng độ tin cậy 80% kích hoạt xem xét lại của con người tự động. Thứ ba, các mô hình của chúng tôi bị giới hạn trong không gian tham số cụ thể 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 lại 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 tập công bằng 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 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 với 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 thiên vị được phát hiện, chúng tôi sử dụng đào tạo lại có mục tiêu trên các tập dữ liệu cân bằng và điều chỉnh trọng số mô hình để đảm bảo kết quả công bằng. Điều 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 xem chính xác cách các mô hình của chúng tôi hoạt động trên các dân tộc 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 làm Cố vấn” của chúng tôi. Hệ thống AI cung cấp các khuyến nghị với các tính năng giải thích – các đại lý có thể xem 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 mà 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 leo thang của chúng tôi tự động định tuyến các kịch bản phức tạp hoặc rủi ro cao đến 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: Mỗi tương tác AI được ghi nhật ký và giám sát thông qua Đài Quan sát Hiệu Suất Mô hình của chúng tôi, theo dõi sự偏离 khỏi 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 của 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 lại ngay lập tức.
• Xác Thực Vòng Lặp Phản Hồi Con Người: Chúng tôi đã thiết kế các vòng lặp phản hồi nơi các đại lý đánh giá các đề xuất AI sau mỗi tương tác, tạo ra một hệ thống học tập liên tục thích ứng 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 giới hạn hành vi của AI.
• Trách Nhiệm và Đường Dẫn Kiểm Toán: Mỗi quyết định bị ảnh hưởng bởi AI duy trì một đường dẫn kiểm toán đầy đủ, hiển thị đề xuất 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 thường xuyên xác thực các thực tiễn quản lý rủi ro của chúng tôi so với các tiêu chuẩn và yêu cầu quy định của ngành.

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 sự hiện diện của con người, tiêu chuẩn đạo đức và kiểm soát hoạt động.

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

Alorica xây dựng cách tiếp cận đào tạo lại mô hình và học tập liên tục thông qua khuôn khổ MLOps mạnh mẽ, cân bằng giữa tuân thủ quy định 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 nhịp điệu 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 khách hàng, đưa chúng vào đường ống đào tạo của chúng tôi mọi 72 giờ.

Lớp Thông Minh Tuân Thủ của chúng tôi 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 từng quốc gia – từ GDPR ở châu Âu đến CCPA ở California. Lớp này được cập nhật liên tục thông qua quan hệ đối tác với các nhà cung cấp công nghệ pháp lý và nguồn cấp dữ liệu quy định, đảm bảo 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 thông minh văn hóa” trong Alorica IQ, phòng thí nghiệm 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 khác nhau đáng kể giữa các tương tác khách hàng của Đức và Nhật Bản, và điều chỉnh độ chính xác của cảm xúc của chúng tôi tương ứng.

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 ngay lập tức các phiên bản trước nếu đào tạo mới giới thiệu các hành vi không mong muốn. Khung thử nghiệm 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.

Điều quan trọng nhất là, 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 học tập liên tục, nơi 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 và 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 định vị không chỉ là về việc nói ngôn ngữ – đó là về phản ánh văn hóa.

Các nền tảng AI của chúng tôi như evoAI và ReVoLT được điều chỉnh để nắm bắt 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 về期望 văn hóa và thích nghi thiết kế dịch vụ để phản ánh các chuẩn mực địa phương. Mô hình lai này đảm bảo rằng mọi tương tác đều cảm thấy như được xây dựng cho thị trường đó.

Ở 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, không chỉ dịch mà còn duy trì ngữ cảnh trên các kịch bản chuyển đổi mã – nơi khách hàng tự nhiên kết hợp 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 các khu vực đô thị, đảm bảo chúng tôi nắm bắt toàn bộ phổ giao tiếp.

Đối với 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 cho các 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 khách hàng chuyển từ tiếng Ả Rập chính thức sang tiếng Ả Rập không chính thức như một tín hiệu cảm xúc, kích hoạt các kỹ thuật giải quyết xung đột cụ thể cho ưa thích giải quyết xung đột của văn hóa đó.

Ở các thị trường EMEA, chúng tôi đã triển khai “Thiết Kế AI Trước Tuân Thủ”. 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 yêu cầu giao diện tiếng Pháp đầu tiên của Pháp. Các mô hình của chúng tôi được đào tạo không chỉ về ngôn ngữ mà còn về lễ nghi 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 giao tiếp.

Nền tảng kỹ thuật là Khung Học Lai Tập Trung của chúng tôi trong Alorica IQ, nơi các mô hình địa phương học từ dữ liệu khu vực mà không cần 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 Thông Minh 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 sự sẵn có của dịch vụ đến các sở thích thanh toán địa phương ảnh hưởng đến luồng trò chuyện.

Cách tiếp cận này đã mang lại kết quả ấn tượng: hoạt động của chúng tôi ở Ấn Độ cho thấy điểm số CSAT cao hơn 40% khi sử dụng 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 là 98% cho các truy vấn ngôn ngữ cụ thể.

Làm thế nào khả năng của evoAI trong việc nhận ra 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 chữ đến chữ bằng cách hiểu các phương ngữ, giọng điệu và thậm chí cả trạng thái cảm xúc trong thời gian thực.

Khả năng nhận dạng phương ngữ và cảm xúc tinh vi của evoAI đã trở thành yếu tố khác biệt cạnh tranh 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.

Về mặt kỹ thuật, evoAI sử dụng Mô hình Lai Âm-Linguistik của chúng tôi, xử lý đồng thời các mẫu âm thanh, các 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 tế 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 sẽ nhận ra các động lực danh dự – sự xấu hổ thông qua các cấu trúc cụm từ và mẫu nhấn mạnh cụ thể.

Khả năng nhận dạng phương ngữ của chúng tôi vượt ra ngoài việc phát hiện giọng. evoAI duy trì các bản đồ phương ngữ động, hiểu các chỉ số kinh tế – xã hội được nhúng trong các mẫu nói. Ở Ấn Độ, ví dụ, hệ thống nhận ra không chỉ liệu ai đó nói tiếng Tamil hay Telugu, mà còn xác định nền tảng giáo dục và gốc đô 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 làm tăng điểm số tin cậy khách hàng lên 67% trong các chương trình thí điểm.

Lớp trí tuệ cảm xúc sử dụng Công Nghệ Đồ Thị Cảm Xúc Của Chúng Tôi, ánh xạ các đường dẫn 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%, đưa cho các đại lý thời gian quan trọng để can thiệp với các kỹ thuật giải quyết xung đột cụ thể cho sở thích giải quyết xung đột của văn hóa đó.

Đối với việc áp dụng thị trường mới, phòng thí nghiệm hành động của chúng tôi có một chiến lược “Định Vị Tiến Bộ” 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 ngôn công cộng của thị trường mục tiêu. Trong 30 ngày đầu tiên sau khi 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 là đáng kể. Các nghiên cứu của chúng tôi cho thấy rằng 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 lịch sự văn hóa phù hợp, sẽ giảm thời gian thâm nhập thị trường từ 6 tháng xuống chỉ 8 tuần. Chi phí mua khách hàng có thể giảm tới 45% khi các khuyến nghị truyền miệng tăng do các tương tác tự nhiên, phù hợp với văn hóa.

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 hướng đến nhóm sức khỏe và phúc lợi của chúng tôi – đảm bảo rằng sự an toàn của đại lý luôn được ưu tiên.

Ưu thế công nghệ này chuyển trực tiếp thành việc áp dụng thị trường: các khu vực sử dụng khả năng nhận dạng 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 đại lý được cải thiện 78% khi họ cảm thấy tự tin hơn trong việc xử lý các tương tác phức tạp về văn hóa.

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

Tiền tuyến tiếp theo là sự hội tụ của AI trò chuyện, AI đại lý và mạng nơ-ron để dàn xếp một mức độ kết quả chưa từng được xem xét trước đây. 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 công tác: truy cập một trang web để chọn một hãng hàng không, sau đó đặt khách sạn, sắp xếp phương tiện đi lại, đặt lịch ăn tối và lên kế hoạch cho chuyến trở về. Đây là một ví dụ đơn giản về việc đưa ra một lời nhắc và để các bot tích hợp – được cung cấp bởi một mạng nơ-ron – xử lý tất cả các tùy chọn có sẵn và xây dựng một phản hồi đa lựa chọn cho bạn để 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.