迈克·克利夫顿，Alorica联合首席执行官 – 采访系列

迈克·克利夫顿 是Alorica的联合首席执行官，Alorica是数字化客户体验（CX）的全球领导者。在这个角色中，迈克监督公司的数字化转型战略，包括其屡获殊荣的AI产品，以便在各个行业和渠道（语音、聊天、网页等）为财富500强品牌提供最佳客户体验。凭借在数字创新、AI和企业技术方面的丰富专业知识和经验，迈克有着通过将可扩展的技术解决方案与不断变化的市场需求相结合来推动盈利增长的成功记录。

Alorica 是客户体验和业务流程外包的全球领导者，为银行、医疗保健、零售和电信等行业提供技术驱动、以人为本的解决方案。拥有超过100,000名员工，分布在17个以上的国家，公司每年管理着数十亿次互动，支持75多种语言，提供包括联系中心、分析、AI解决方案、内容审查和后台运营在内的服务，所有这些服务都旨在为客户带来可衡量的成果。

行业正在向增强而非自动化转变——Alorica的战略如何反映这种混合模式？

Alorica的战略通过专注于使用AI工具增强人工代理的性能，而不是替换他们，反映了增强而非自动化的混合模式。这种方法确保人类仍然是客户互动的核心，得到了先进技术的支持，以提高效率和有效性。

例如，Alorica推出了几种高级解决方案，例如 evoAI、知识IQ、数字信任和安全模型 和 CX2GO。这些工具旨在通过提供实时、上下文感知的交互来放大人工代理的性能，改善知识管理，确保数字信任和安全。

通过集成提供情感智能和上下文感知交互的AI工具，跨多种语言，具有亚秒级响应时间，Alorica使代理能够为客户提供个性化和高效的支持。这种实时响应性转化为改善的客户结果。

总体而言，Alorica的战略强调了人工代理的重要性，同时利用AI来增强他们的能力，反映了行业向增强而非自动化的转变。

您能否分享特定的例子，说明AI如何放大人工代理的性能，而不是取代它？

有很多放大例子，我们在提供服务时利用了这些例子。一个例子是代理可以与知识引擎交互，知识引擎可以实时监听语音并将其转换为自动响应引擎，提示代理提供帮助；这是一个强大的、预防性的工具，我们在许多解决方案中使用过。另一个例子是使用对话式AI引擎来增强我们训练代理处理最困难的客户场景的能力。通过运行AI驱动的模拟实时交互，我们减少了压力，模型也会随着代理获得更多经验而不断学习。

您如何跟踪这些AI工具的性能影响，例如在首次联系解决、处理时间或代理效率方面？

跟踪AI工具的性能影响与代理的指标相同，就像没有工具一样。区别在于能够处理更多电话，拥有更高的满意度产出，并且能够更好地预测工作人员策略，因为我们拥有来自模型的可靠数据。

您今年推出了几种高级解决方案，包括evoAI、知识IQ、数字信任和安全模型以及CX2GO。您认为哪一个对代理具有最直接的“超级力量”影响，为什么？

我们内部使用的evoAI使代理能够利用模拟呼叫进行训练，具有更高的场景意识，产生了最大的影响。其次是知识IQ，它增强了代理找到正确答案的能力。这些两个工具对我们的员工产生了革命性的影响，彻底改变了我们的代理如何快速、准确地解决客户的问题。

从机器学习的角度来看，您的模型如何接受训练，以保持准确性和适应性，应对不断变化的客户需求、语言和市场条件？

为了保持准确性和适应性，以应对不断变化的客户需求、语言和市场条件，我们的机器学习模型会不断接受训练和改进。

以下是我们采用的关键策略：

• 持续学习：我们的模型被设计为可以持续学习新的数据。这涉及定期更新训练数据集，包括最近的交互、反馈和市场趋势。通过纳入最新的信息，我们的模型可以适应不断变化的客户偏好和新兴的市场条件。
• 多样化的数据源：我们使用广泛的数据源来训练我们的模型，包括客户交互、社交媒体、市场报告等。这种多样性确保我们的模型能够接触到各种场景和语言细微差别，增强它们的理解和响应能力。
• 反馈循环：我们实施了强大的反馈循环，客户交互和代理输入被用来微调模型。这种实时反馈有助于识别和纠正不准确之处，使模型保持相关性和有效性。
• 多语言能力：我们的模型被训练为可以处理多种语言，以便在全球客户基础上提供准确、本地化和上下文感知的响应。
• 定期审计和评估：我们定期对模型进行审计和评估，以评估其性能。这包括使用基准数据集和现实世界场景测试模型，以确保它们满足准确性和适应性标准。
• 人机协作：我们保持人机协作的方法，人工代理与AI合作管理复杂的查询。这种混合模型确保技术从人类专业知识中学习，并随着时间的推移提高其性能。
• 利用较小的语言模型：训练垂直定向的较小模型（通过混合或集成方法）以及与商业可用的大型语言模型（LLM）一起，允许在计算、搜索和响应时间方面实现效率，同时缩短偏差和公平性测试周期。

这些策略使我们的机器学习模型能够保持准确、适应性和高质量的客户体验的能力，即使在动态环境中。

evoAI 提供120多种语言的情感智能和上下文感知交互，具有亚秒级响应时间。这种实时响应性如何转化为代理支持和客户结果？

evoAI通过以下几种方式为代理提供更好的支持和改善客户结果：

• 性能：上下文感知的交互帮助代理快速找到和整理大量信息。
• 个性化：提供多语言适应性，允许代理选择输入和输出语言，实现实时提示的自由选择。例如，客户用英语询问并要求用法语响应，以便他们的老年父母可以理解。
• 效率：减少响应时间，通常消除了人工响应的需要。
• 情感智能：使代理能够根据情况意识（语气、情绪和词语选择）调整选项，实现更快的升级和解决。

随着代理AI的兴起，您如何管理诸如幻觉、偏差或失去控制等风险，同时确保代理保持决策者？

在Alorica，我们相信技术背后的正确架构可以带来巨大的不同。这就是为什么管理代理AI的风险需要一个分层的治理框架，我们将其融入到AI运营的每个层面。

以下是我们解决每个关键风险的方法：

• 幻觉缓解：我们采用三层验证系统来最小化幻觉。首先，我们的模型使用检索增强生成（RAG），该技术将响应建立在经过验证的知识库和实时数据源之上，减少了虚构信息的可能性。其次，我们在所有AI生成的建议上实施置信度评分，响应的置信度低于80%会触发人工审查。第三，我们的模型被限制在特定于每个客户业务规则和事实域的参数空间内运行——AI无法生成关于产品、策略或程序的信息，除非这些信息在训练数据中被明确记录。
• 偏差检测和预防：我们的偏差管理策略贯穿整个AI生命周期。在模型训练期间，我们使用对抗性去偏差技术和公平感知学习算法来积极对抗训练数据中的历史偏差。我们保持人口统计学平等指标，跨受保护类别进行月度审计，使用公平性指标和不均等影响评估工具。我们的模型经过合成数据的测试，旨在揭示不同人口统计学群体、语言和文化背景中的偏差。当检测到偏差时，我们采用有针对性的重新训练，使用平衡的数据集，并调整模型权重以确保公平的结果。重要的是，我们保持透明的报告，跟踪偏差指标随时间的变化，允许客户看到我们的模型在不同人群中的性能。
• 维持人工控制：人工代理通过我们的“AI作为顾问”架构保持最终的决策权。AI系统提供带有可解释性功能的建议——代理可以看到AI为什么建议采取特定行动，AI考虑了哪些因素，哪些替代方案存在。我们实施了硬性停止，AI无法自主执行某些操作：金融交易、合同修改、法律承诺或健康相关建议始终需要人工授权。我们的升级协议会自动将复杂或高风险场景路由到高级代理或主管，当AI检测到超出其能力范围的情况时。
• 持续监控和关机开关：每次AI交互都会通过我们的模型性能观测台记录和监控，该平台实时跟踪预期行为的偏差。我们保持即时回滚能力和“关机开关”，可以在多个层面禁用单个模型组件、整个模型或系统范围的AI功能——如果检测到异常行为，可以在几秒内禁用。我们的漂移检测算法会将模型输出与人类专家决策进行比较，标记偏差以进行立即审查。
• 人机协作验证：我们设计了反馈循环，代理在每次交互后会对AI建议进行评分，创建一个持续学习系统，适应人类专业知识。我们的顶级代理参加每周的校准会议，审查边缘情况，帮助完善AI的决策边界。这种协作智能模型使人类判断不断塑造和约束AI行为。
• 问责制和审计跟踪：每个AI影响的决策都会保持完整的审计跟踪，显示AI的建议、置信度、使用的数据源和代理的最终决策。这种方法确保问责制，并使我们能够根据结果不断改进模型。

通过实施这些综合保障措施，我们确保代理AI系统增强人类能力，同时保持人类主体性、道德标准和运营控制。

您如何处理模型的重新训练和持续学习，以确保AI系统保持与合规性要求和客户情感细微差别的一致性？

Alorica的模型重新训练和持续学习方法建立在一个强大的MLOps框架上，该框架平衡了监管合规性与客户体验优化。

我们实施了一种多层次的重新训练架构，按照不同的时间表运行。我们的合规关键模型每天进行漂移检测和每周性能审计，并在监管变化发生时自动触发重新训练。对于客户情感模型，我们利用实时反馈循环，捕获代理更正和客户满意度评分，并每72小时将这些反馈纳入我们的训练流程。

我们的专有合规智能层作为一个防护系统，自动验证模型输出与每个地理区域特定的监管框架，确保我们的AI系统在不需要人工干预的情况下保持合规。

对于情感细微差别，我们在Alorica IQ中开发了“文化背景嵌入”。这些是针对区域的精细模型，理解不仅仅是语言，还包括文化交流模式。例如，我们的模型认识到直接性水平在德国和日本客户互动之间有显著差异，并相应地调整情感评分。

我们保持版本化的模型注册表，具有完整的回滚功能，允许我们在新训练引入意外行为时立即回滚到以前的版本。我们的A/B测试框架持续运行，将新模型版本与生产基准进行比较，跨数千次交互进行测试，然后进行全面部署。

最重要的是，我们建立了人工反馈集成协议，我们的顶级代理定期审查边缘情况，并提供纠正反馈，创建一个美德循环，人类专业知识不断增强我们的AI能力。这种方法已经将合规违规减少了94%，同时将情感检测准确率提高到92%，支持所有语言。

随着快速的国际扩张，特别是在印度、埃及和EMEA等市场，您如何将AI-人工方法适应不同的语言和文化需求？

我们相信本地化不仅仅是语言问题——它是关于文化。

我们的AI平台，如evoAI和ReVoLT，被调整为捕捉语气、细微差别和上下文，跨数百种语言和方言，使交互感觉自然和真实。但我们不仅仅依赖技术。我们从每个地区招聘人才，培训团队以满足文化期望，并根据当地规范调整我们的服务设计。这一混合模型确保每次交互都感觉像是为该市场量身定制的。

在印度，我们支持75种官方语言和无数方言，我们部署了语言网架构，它不仅可以识别口音，还可以在代码切换场景中保持上下文——客户自然地在同一对话中混合使用印地语、英语和区域语言。我们的模型经过实际对话模式的训练，来自二级和三级城市，而不仅仅是大都市地区，确保我们捕捉到交流风格的全部范围。

对于我们的埃及业务，服务于更广泛的MENA地区，我们开发了阿拉伯语方言特定的模型，可以区分埃及阿拉伯语、海湾阿拉伯语和黎凡特阿拉伯语，并对正式（Fusha）和非正式（Ammiya）注册有专门的处理。我们的AI理解当客户从正式阿拉伯语切换到非正式阿拉伯语作为情感线索时，触发代理的实时辅导，辅导内容特定于该文化的冲突解决偏好。

在EMEA市场，我们实施了“监管优先的AI设计”。每个国家的部署都包括预配置的合规模块——从德国严格的数据本地化要求到法国的语言保护法，要求法语优先接口。我们的模型不仅被训练为语言，还被训练为当地的商业礼仪；例如，我们的德国部署强调精确性和详细的文档，而我们的意大利模型允许更多的对话灵活性。

技术基础是我们在Alorica IQ中的联邦学习框架，局部模型可以在不离开该国的情况下从区域数据中学习，同时仍然可以从全球模型改进中受益。我们在区域GPU集群上维护，以确保实时代理辅助的亚秒级延迟。

我们的文化智能团队由每个地区的语言学家和行为科学家组成，不断验证我们的AI输出。他们帮助我们确定了3,000多个需要特殊处理的文化特定场景——从影响服务可用性的宗教习俗到影响对话流程的本地支付偏好。

这种方法带来了显著的成果：我们的印度业务在使用文化适应的AI时，客户满意度评分（CSAT）提高了40%，而我们的EMEA部署实现了98%的首次联系解决率，针对语言特定的查询。

evoAI能够识别和适应区域方言和情感线索如何推动新市场的采用？

采用加速时，人们会感到技术“理解”了他们。evoAI超越了逐字翻译，实时理解俚语、口音，甚至情感基调。

evoAI先进的方言和情感识别能力已经成为我们在新市场渗透的主要竞争优势，直接解决了经常阻碍AI采用在新兴市场的信任差距。

从技术角度来看，evoAI采用我们的专有声学语言融合模型，该模型同时处理语音模式、语调和语义内容。这种三模式方法使我们能够检测到跨文化以不同方式表达的情感状态的微妙变化。例如，在日本市场，我们可以检测到“本音”与“建前”（真实感受与公开表达）的区别，通过语音和语调的微妙变化，而在中东市场，我们可以识别出荣辱动态，通过特定的短语构造和强调模式。

我们的方言识别不仅仅是口音检测。evoAI维护动态方言地图，了解嵌入在语音模式中的社会经济指标。例如，在印度，我们的系统可以识别不仅仅是某人是否说泰米尔语或泰卢固语，还可以识别教育背景和城市与农村起源，使代理能够相应地调整他们的沟通风格。这种细致的理解已经被证明可以提高客户信任评分67%，在试点项目中。

情感智能层使用我们的上下文情感图技术，绘制整个对话中的情感轨迹，而不仅仅是点对点的情绪。这种方法使evoAI能够预测情感升级30秒之前，准确率达到89%，为代理提供了至关重要的时间来干预，使用特定于该文化的冲突解决偏好的缓和技术。

对于新市场的采用，我们的信息行动实验室有一个“渐进式本地化”策略，通过Alorica IQ来实现。我们从一个针对目标市场的媒体内容、社交媒体和公共话语的基础模型开始。在部署的前30天内，evoAI将适应本地客户模式，通过我们的主动学习管道，该管道将具有最高情感变化的对话作为学习的优先事项。到第90天，我们的模型应该能够以95%的准确率识别方言，并以88%的准确率检测情感状态。

业务影响将是巨大的。我们的研究表明，埃及的部署，具有evoAI识别和响应开罗方言和亚历山大方言的能力，结合适当的文化礼仪模式，将典型的6个月市场渗透时间缩短到仅8周。客户获取成本可能会降低45%，因为口碑推荐增加了，自然的、文化敏感的交互增加了。

evoAI的情感适应能力将开启整个新的服务类别。例如，我们已经假设了一项由evoAI驱动的精神健康支持服务，能够识别抑郁症和焦虑症的早期标志，基于自然表达模式，实现及时干预和升级，我们的健康和幸福团队将始终优先考虑代理的福祉。

这种技术优势直接转化为市场采用：使用evoAI全部方言和情感能力的地区采用速度是标准AI部署的3.2倍，代理满意度评分提高了78%，因为他们感到更有信心地处理文化复杂的交互。

展望2025年之后，您如何看待人本AI在客户体验中的下一个前沿领域？

下一个前沿领域是对话式AI、代理AI和神经网络的融合，来编排以前未曾设想的更高层次的结果。这种融合将重新定义我们做业务的方式。编排不再是人与机器，而是机器与机器或同时与成千上万台机器。

想象一下您正在计划一场商务旅行：访问一个网站选择航空公司，然后预订酒店，安排交通，预订晚餐，计划返回。这个例子说明了如何通过一次提示，让由神经网络驱动的集成机器人处理所有可用的选项，并为您构建一个多选响应。这种模型中，编排是神经的，代理AI驱动机器人，交互是响应。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问Alorica。