米特尔首席技术官和大型企业研发负责人卢伊斯·多明戈斯 – 采访系列

卢伊斯·多明戈斯，米特尔公司的首席技术官和大型企业研发负责人，拥有超过二十年的杰出职业生涯。以其创新方法和深厚的技术专长而闻名，卢伊斯一直致力于提供高质量的企业通信、联系中心系统、网络管理和云服务解决方案。

在米特尔公司的当前职位上，卢伊斯为技术战略方向提供指导，强调创新和可靠性。他领导了尖端技术的引入，确保公司的产品组合始终处于行业的前沿。在加入米特尔之前，卢伊斯曾担任Unify公司的首席产品和技术官，成功管理了整个产品组合，并率先开发了颠覆性的云服务。

米特尔是商业通信领域的全球领先者，提供了一系列全面的解决方案，赋予组织更有效地连接、协作和服务客户的能力。从本地系统到基于云的通信平台，米特尔提供可靠、可扩展和创新产品，以满足各类企业的多样化需求。通过对无缝集成和高质量用户体验的关注，米特尔帮助公司在快速变化的工作环境中保持连接和竞争力。

许多公司仍然依赖于传统的通信工具。从您的角度来看，过时的系统对企业带来了哪些最大的障碍？

许多公司依赖于过时的私人分支交换机（PBX）系统、联系中心和分散的协作工具。使用这些传统工具可能导致集成和互操作性的缺乏，因为它们具有封闭的架构和缺乏适当的软件接口。这使得与现代AI驱动的解决方案、CRM平台和基于云的应用程序集成变得更加困难。

当组织使用分散的传统工具时，用户体验（UX）和生产力可能会受到影响，因为应用程序的实施并未适应现代灵活的工作模式——远程、办公室或移动——并且不提供全渠道功能。此外，当使用过多的过时系统时，安全风险会增加，导致漏洞和合规性差距的增加，这是由于数据保护法规（如GDPR）的演变所致。最后，这些传统工具还会导致更高的产品维护和服务或运营成本，增加了所有权的总成本。

这些通信瓶颈如何影响企业有效实施AI驱动解决方案的能力？

AI应用程序依赖于实时数据的可用性、多个媒体渠道的无缝集成以及自动化机制。然而，传统系统倾向于以内部专有格式存储数据，AI无法访问或利用这些数据，这会损害AI的真正潜力，并在某些情况下导致碎片化。为了正确运行，AI需要结构化和非结构化数据。由于传统系统的数据结构不适合这种方法，这些系统限制了AI分析对话、提取商业价值和个性化通信活动的能力。

此外，许多AI驱动的应用程序，例如情感分析和语音转文本，依赖于实时分析。过时的基础设施通常缺乏此类应用程序所需的处理能力和实时连接，导致业务中的延迟和低效。真正的AI驱动的自动化——虚拟助手、工作流自动化等——需要与通信平台的深度集成。经常使用的传统系统具有过时或缺失的API支持，会产生障碍和瓶颈，阻碍集成和进一步限制自动化能力。

解决这些通信瓶颈可以帮助组织解锁AI驱动解决方案的全部潜力，提高效率、决策和用户体验。

米特尔如何为大型企业过渡到现代化的通信系统？

米特尔采取战略性的混合方法来现代化统一通信（UC）工具，帮助企业从传统系统过渡。与其强制进行全面更换，米特尔倡导和提供混合解决方案，包括本地应用程序、私有云和公共云解决方案，具有完全的互操作性。这种混合模型集成了电话基础设施、网络边缘的SBC/网关设备、UC应用程序和基于云的协作应用程序，允许企业按照自己的节奏现代化。

作为解决方案编排者，米特尔专注于为所有客户部署的应用程序创建必要的集成和服务。指导这一方法的关键原则包括：

• 混合云部署 – 与完全更换不同，米特尔维护和更新现有的本地和私有云PBX/UC/联系中心，同时在公共云中集成现代协作工具，确保企业可以在不中断的情况下演进。
• API和SDK – 米特尔不断更新和开发API和SDK，以弥合传统系统和现代应用程序之间的差距，包括协作、CRM和ERP环境。这种灵活性允许企业在不中断日常运营的情况下逐渐采用新服务。
• AI集成与传统系统 – 米特尔通过AI驱动的功能增强现有的通信平台，例如视觉语音邮件、虚拟助手/代理和实时转录。这些AI功能与云LLM和小型语言模型（SLM）一起工作，SLM可以在没有重大基础设施投资或升级的情况下运行。
• 安全和合规驱动的升级 – 米特尔优先考虑安全和监管合规性，实施安全标准，例如端到端有效载荷和信令加密以及静态数据加密。它使所有产品符合最新的行业法规和区域法律法规。

AI将如何改变企业通信的未来？

AI正在通过提高效率、自动化任务和增强企业通信来改变UC系统。它还被用于加强安全性。诸如语音识别、连续漏洞评估和系统安全审计等功能为企业提供了更强的保护措施。

同时，代理AI和虚拟助手也在不断扩展。组织正在用多模式能力增强这些AI驱动的助手，支持各种通信功能，包括处理复杂查询、自动响应、协助安排和信息检索。

AI还推动了语音转文本、实时多语言翻译和情感分析等领域的创新。这些增强功能使联系中心受益，提高了员工的生产力和整体用户满意度。

此外，内容管理中使用生成式AI的趋势正在上升，因为LLM被集成来生成分析报告、摘要、合规记录等。我们将继续看到更多AI的采用，以推动UC领域的发展，企业使用AI驱动的语言模型来组织、检索和共享企业知识，以提高协作和数据共享的优化。

米特尔如何为AI驱动的虚拟助手、自动化和预测分析的崛起做准备？

米特尔在LLM出现之前的几年就开始了其AI之旅，并继续将AI集成到其产品和技术合作伙伴中。在适用情况下，米特尔将AI能力纳入其产品组合，以增强客户解决方案，重点关注代理AI，包括虚拟助手和虚拟联系中心代理。另外，米特尔提供AI能力，例如自然语言处理（NLP）、呼叫和会议分析、系统分析和预测报告，以及低代码/无代码工作流自动化，这些都简化了UC和联系中心应用程序。

米特尔如何利用AI和大型语言模型（LLM）来增强企业的通信和协作？

米特尔利用AI和LLM来提高企业内部的整体通信和协作体验。如前所述，米特尔将AI和LLM能力集成到其产品中，利用高级语音和文本分析（特别是NLP和语音转文本）、具有上下文记忆的智能虚拟助手以及任务自动化。米特尔还提供了一种自助和客户支持解决方案，通过AI模型训练过程将客户知识库纳入其中。这些技术增强了实时通信、优化了客户互动、确保了系统安全，并提供了24/7的监控和支持。

将LLM集成到企业通信系统中面临的最大挑战是什么，米特尔如何解决这些挑战？

将LLM集成到企业通信系统中存在几个挑战，包括数据隐私、安全、延迟以及灵活的AI集成。作为一家全球性组织，数据隐私问题和监管合规性（GDPR和欧洲AI法案）是我们的首要任务。因此，我们确保我们的AI解决方案以保护客户数据为最高优先级。为了增强安全性，米特尔正在研究在客户网络边缘部署小型语言模型（SLM）的使用，以限制和保护可能暴露给公共云LLM的数据。在混合云环境中，所有产品都必须具有适当的接口/API来安全地集成AI。米特尔已现代化其产品，以便在本地、托管和私有云以及公共云中启用AI集成。我们还正在开发灵活的工作流创建功能，这将允许“自带LLM”（BYO-LLM）方法，以避免供应商锁定。

实时协作工具（如语音和视频）需要LLM响应瞬间，这为基础设施带来了挑战。米特尔的愿景是依赖边缘AI来处理实时通信并减少与AI助手交互的延迟。最后，米特尔正在开发可以为特定行业（如医疗保健、金融和酒店业）量身定制的AI模型，以确保更垂直化和上下文感知的AI驱动通信。

在米特尔的产品生态系统中，您最看好哪些AI驱动的自然语言处理应用？

鉴于可衡量的和立即的投资回报率，米特尔联系中心是AI驱动的LLM和NLP解决方案最令人兴奋的领域。具有聊天和语音交互的AI驱动虚拟代理可以处理客户查询并在升级到真人代理之前收集信息，减少工作量并提高响应时间。诸如呼叫录音转录、总结用于合规、情感分析用于客户满意度和代理培训等功能都可以提高运营效率。米特尔的UC解决方案包括视觉语音邮件、智能搜索、知识管理和清晰通话的降噪功能。

随着AI重塑通信，企业应该如何处理AI驱动的工作场所交互的道德考虑？

AI正在显著地改变工作场所的通信和协作，带来了新的用户和客户体验。然而，这些变化并非没有道德挑战。道德考虑应该在AI实施的每个阶段都得到解决，包括在多样化的数据集上训练AI模型，以避免偏见并确保公平的决策。AI的一个主要问题是透明度和可解释性，这需要明确的条款和条件以及AI使用的披露。AI的使用应该扩展人类的增强和赋权，但它不是人类的替代品。

此外，安全性和防止AI滥用应该得到考虑，以保护免受深度伪造和用户数据和凭据的操纵。

企业可以采取什么步骤来确保员工在AI日益嵌入日常工作流程中时实现平稳过渡？

企业必须采取措施培养采用、信任和生产力，以确保向AI驱动的解决方案过渡平稳。企业的第一步是创建AI政策和企业治理，以定义AI在公司内的作用，然后坚持这些政策。领导层还应就AI采用和倡导达成一致，并为所有员工提供有关AI工作原理、其局限性以及如何有效使用AI的培训。

同时，企业应引入AI协作工具和集成框架，以赋予员工AI辅助功能，增强决策过程，同时保持人工监督。领导层还应解决道德和工作保障问题，并提供渠道来收集员工反馈和衡量AI带来的增量价值。

通过在AI采用过程的早期阶段做好这些事情，员工将更加自信地使用这些工具，企业也将更快地看到对其投资的回报。

感谢这次精彩的采访，希望了解更多的读者可以访问米特尔。