Ashish Nagar，Level AI的CEO和创始人 – 采访系列

Ashish Nagar是Level AI的CEO和创始人，他利用在亚马逊Alexa团队的经验，运用人工智能来改变联系中心的运营。凭借在技术和创业方面的坚实背景，Ashish在推动公司使命方面发挥了重要作用，即通过先进的AI解决方案来增强客户服务互动的效率和有效性。在他的领导下，Level AI已成为AI驱动的联系中心空间中的关键玩家，以其尖端产品和对人工智能的卓越实施而闻名。

是什么启发你离开亚马逊并创立Level AI？你能分享一下你试图用你的技术解决的客户服务中的具体痛点吗？

我的背景是构建位于技术和商业交叉点的产品。尽管我拥有应用物理学的本科学位，但我的工作始终专注于产品角色和建立、启动和构建新业务。我的技术和商业热情让我走向了人工智能。

我于2014年开始从事人工智能工作，当时我们正在构建一个下一代移动搜索公司，称为Rel C，这与今天的Perplexity AI类似。这段经历激发了我进入人工智能软件的旅程，最终，这家公司被亚马逊收购。在亚马逊，我是Alexa团队的产品负责人，持续寻找机会来解决更复杂的人工智能问题。

在我最后一年在亚马逊（2018年），我参与了一个我们称之为“星际迷航计算机”的项目，灵感来自著名的科幻系列。该项目的目标是开发一台可以理解和响应任何问题的计算机，这个项目被称为Alexa Prize，旨在使任何人都可以与Alexa就任何社交话题进行20分钟的对话。我领导了一个由大约10名科学家组成的团队，我们将其作为一个全球人工智能挑战推出。我与来自麻省理工学院、卡内基梅隆大学、斯坦福大学和牛津大学等机构的领先思想家密切合作。很明显，当时没有人能够完全解决这个问题。

即使在那时，我也能感觉到一波创新浪潮即将到来，这将使其成为可能。快进到2024年，像ChatGPT这样的技术现在正在做我们曾经设想的大部分事情。自然语言处理领域出现了快速进步，像亚马逊、谷歌、OpenAI和微软这样的公司正在构建大型模型和基础设施。但是，他们并没有专门解决端到端的工作流程。我们认识到了这一差距，并希望解决它。

我们的第一个产品并不是客户服务解决方案；它是一个针对前线工作者（如技术人员和零售店员）的语音助手。我们筹集了200万美元的种子资金，并向潜在客户展示了该产品。他们压倒性地要求我们将该技术适用于联系中心，在那里他们已经拥有语音和数据流，但缺乏现代的生成式人工智能架构。这使我们意识到现有的公司在这个领域停滞不前，苦于经典的创新者困境，即是否应该改造他们的旧系统或构建新东西。我们从一张白纸开始，构建了第一个本地大型语言模型（LLM）客户体验智能和服务自动化平台。

我的深入兴趣是人类语言的复杂性以及从计算机工程的角度来看解决这些问题的挑战性，在我们的方法中起到了重要作用。人工智能理解人类语言的能力至关重要，特别是在联系中心行业。例如，使用Siri往往会暴露人工智能在理解人类语言中的意图和上下文方面的困难。即使是简单的查询也可能使人工智能陷入困境，它难以解释你正在询问什么。

人工智能在理解意图、维持长时间对话的上下文以及拥有关于世界的相关知识方面都存在困难。即使ChatGPT也存在这些方面的局限性。例如，它可能不知道最新的新闻或理解对话中的主题转换。这些挑战直接与客户服务有关，因为对话通常涉及多个主题，并需要人工智能理解特定领域的知识。我们正在解决这些挑战，我们的平台旨在处理客户服务环境中的人类语言的复杂性。

Level AI的NLU技术超越了基本的关键词匹配。您能解释一下您的AI如何理解更深层次的客户意图，以及这如何为客户服务带来好处吗？Level AI如何确保其AI系统的准确性和可靠性，特别是在理解细微的客户互动方面？

我们有六到七个不同的AI管道，针对特定的任务，取决于手头的工作。例如，一个工作流程可能涉及识别呼叫驱动因素和了解客户对产品或服务的问题，这我们称之为“客户的声音”。另一个可能是自动评分质量评分卡以评估代理性能。每个工作流程或服务都有自己的AI管道，但底层技术保持不变。

为了进行类比，我们使用的技术基于类似于ChatGPT和其他生成式人工智能工具背后的技术的LLM。然而，我们使用针对这些专门工作流程量身定制的客户服务特定LLM，我们在家进行了培训。这使我们能够在仅仅几天内为新客户提供超过85%的准确率，从而实现更快的时间到价值，尽量减少专业服务，并提供无与伦比的准确性、安全性和信任度。

我们的模型在客户服务方面具有深厚、特定的专业知识。旧范式涉及通过选择关键词或短语（如“取消我的帐户”或“我不高兴”）来分析对话。但我们的解决方案并不依赖于捕获所有可能的短语变体。相反，它应用人工智能来理解问题背后的意图，使其变得更快、更高效。

例如，如果有人说“我要取消我的帐户”，他们可能以无数种方式表达这种意图，例如“我已经和你们结束了”或“我要转到别的地方去”。我们的AI理解问题的意图并将其与上下文联系起来，这就是为什么我们的软件更快、更准确的原因。

一个有用的类比是，旧的AI就像一本规则书——你会构建这些僵硬的规则书，里面有if-then-else语句，这些规则书是僵硬的，需要不断维护。新的AI则像一个动态的大脑或学习系统。只要有几个指针，它就可以动态地学习上下文和意图，并持续改进。规则书的范围有限，很容易在预定义规则不适用时出现问题，而学习系统则不断扩展、增长，并且具有更广泛的影响。

一个很好的例子来自客户的角度，是一家大型电子商务品牌。他们有成千上万的产品，跟上不断更新的产品是不可行的。然而，我们的AI可以理解上下文，例如是否正在讨论一张特定的沙发，而无需不断更新评分卡或清单以包含每个新产品。

Level AI的技术与现有的客户服务系统集成的关键挑战是什么？您如何解决这些挑战？

Level AI是一个客户体验智能和服务自动化平台。因此，我们与行业中的大多数CX软件集成，无论是CRM、CCaaS、调查还是工具解决方案。这使我们成为中心枢纽，收集所有这些来源的数据，并作为上层的智能层。

然而，挑战在于其中一些系统是基于非云、内部部署的技术，或者甚至是缺乏API或干净数据集成的云技术。我们与客户密切合作以解决这个问题，尽管我们80%的集成现在是基于云的或API本地的，使我们能够快速集成。

Level AI如何为客户服务代理提供实时智能和可行的见解？您能分享一些改善客户互动的例子吗？

我们为客户提供三种类型的实时智能和可行的见解：

1. 手动工作流的自动化：服务代表通常有有限的时间（6到9分钟）和多个手动任务。Level AI自动执行枯燥的任务，例如在对话期间和之后进行笔记，并为每个客户生成定制的摘要。这使我们的客户节省了10%至25%的呼叫处理时间，导致效率更高。
2. CX Copilot for Service Reps：服务代表面临高离职率和入职挑战。想象一下被投入到一个联系中心，而不知道公司的政策。Level AI作为一个专家AI，与代表并肩倾听对话，并提供实时指导。这包括处理异议、提供知识和提供智能转录。这一功能帮助我们的客户将服务代表的入职和培训时间缩短了30%至50%。
3. Manager Copilot：这个独特的功能为经理提供了对团队表现的实时可见性。Level AI提供了对对话的每秒见解，允许经理干预、检测情绪和意图，并在实时支持代表。这提高了代理的生产力10%至15%，并增加了代理的满意度，这对于降低成本至关重要。例如，如果客户开始对代表大喊大叫，系统会标记它，经理可以接管呼叫或向代表低声提供指导。这种实时干预在没有这项技术的情况下是不可能的。

您能详细解释一下Level AI的情绪分析是如何工作的，以及它如何帮助代理更有效地响应客户吗？

我们的情绪分析检测七种不同的情绪，从极度沮丧到欣喜若狂，使我们能够衡量各种情绪，这些情绪有助于我们的整体情绪评分。该分析考虑了对话中的口头语言和语调。然而，我们通过实验发现，口头语言在情绪分析中比语调更重要。你可以用平淡的语调说出刻薄的话，也可以用奇怪的语调说出很好的话。

我们提供一个情绪评分，范围从1到10，1表示非常负面的情绪，10表示高度积极的情绪。我们分析了100%的客户对话，为客户互动提供了深入的见解。

上下文理解也至关重要。例如，如果通话以非常负面的情绪开始但以积极的方式结束，即使通话的80%是负面的，整个互动仍被视为积极的。这是因为客户一开始很沮丧，代理解决了问题，客户离开时很满意。另一方面，如果通话以积极的方式开始但以负面的方式结束，那就是一个不同的故事，尽管通话的80%可能是积极的。

这种分析帮助代表和经理识别需要培训的领域，关注与积极情绪相关的行动，例如问候客户、承认他们的担忧和表现出同情心——这些元素对于成功的互动至关重要。

Level AI如何解决数据隐私和安全问题，特别是考虑到客户互动的敏感性质？

从第一天开始，我们就优先考虑安全性和隐私性。我们以企业级安全性和隐私性作为核心原则来构建我们的系统。我们没有将任何生成式AI能力外包给第三方供应商。我们在家开发的一切，使我们能够为客户服务的专用工作流程训练客户特定的AI模型，而无需在我们的环境之外共享数据。我们还提供了广泛的定制，使客户能够拥有自己的AI模型，而无需在我们的数据管道的不同部分之间共享数据。

为了解决当前行业的担忧，我们的数据不会被用于外部模型的训练。我们不允许我们的模型受到来自其他来源的AI生成数据的影响。这一方法可以防止一些AI模型面临的问题，即由于被训练成AI生成的数据而失去准确性。在Level AI，我们的一切都是第一方的，我们不在我们的数据管道中共享或拉取外部数据。

凭借最近的3940万美元C轮融资，您计划如何扩展Level AI的平台并接触到新的客户群体？

C轮投资将推动我们在关键领域的战略增长和创新计划，包括产品开发、工程增强和严格的研究和开发工作。我们旨在在整个组织的各个层级上招募顶级人才，使我们能够继续开创行业领先的技术，以超越客户的期望并满足不断变化的市场需求。

您如何看待未来十年中人工智能在转变客户服务方面的作用？

虽然通常的关注点在于自动化方面——预测未来机器人将处理所有客户服务——但我们的观点更为细致。自动化的程度因垂直行业而异。例如，在银行或金融领域，自动化可能较低，而在其他行业中，自动化可能较高。平均而言，我们认为跨所有垂直行业实现超过40%的自动化是具有挑战性的。这是因为服务代表不仅仅回答问题——他们还扮演故障排除、销售顾问等角色，这些角色无法被人工智能完全复制。

工作流自动化也有很大的潜力，这是Level AI的重点。这包括后台任务，如质量保证、票据分类和屏幕监控。在这里，使用生成式人工智能可以超过80%的自动化。智能和数据洞察至关重要。我们在使用生成式人工智能来获取非结构化数据的洞察方面是独一无二的。这种方法可以大大提高洞察力的质量，减少专业服务的需求90%，并将时间到价值加速90%。

另一个重要考虑因素是您的组织的面貌应该是一个机器人还是一个人。除了他们执行的基本功能之外，人类的联系对于您的客户至关重要。我们的方法是消除人工的多余任务，使他们能够专注于有意义的互动。

我们相信人类最适合直接沟通，应该继续扮演这一角色。然而，他们并不适合任务，如做笔记、转录互动或屏幕录制。通过为他们处理这些任务，我们让他们有更多时间来更有效地与客户互动。

感谢这次精彩的采访，希望了解更多的读者可以访问Level AI。