Ashish Nagar 是Level AI的首席执行官兼创始人，他利用自己在亚马逊 Alexa 团队的工作经验，利用人工智能来改变联络中心的运营。Ashish 拥有深厚的技术和创业背景，在推动公司通过先进的人工智能解决方案提高客户服务互动效率和效果的使命方面发挥了重要作用。在他的领导下，Level AI 已成为人工智能驱动型联络中心领域的关键参与者，以其尖端产品和卓越的人工智能实施而闻名。
是什么促使你离开亚马逊并创办 Level AI？你能分享一下你希望用你的技术解决的客户服务具体痛点吗？
我的背景是打造技术与商业交汇的产品。虽然我拥有应用物理学本科学位，但我的工作一直专注于产品角色以及建立、启动和打造新业务。我对技术和商业的热情让我进入了人工智能领域。
我从 2014 年开始从事人工智能工作，当时我们正在建立一家名为 Rel C 的下一代移动搜索公司，它与今天的 Perplexity AI 类似。那次经历激发了我进入人工智能软件领域的旅程，最终，该公司被亚马逊收购。在亚马逊，我是 Alexa 团队的产品负责人，不断寻找机会解决更复杂的人工智能问题。
我在亚马逊工作的最后一年，也就是 2018 年，我参与了一个我们称之为“星际迷航计算机”的项目，该项目的灵感来自著名的科幻系列电影。该项目的目标是开发一台能够理解并回答你提出的任何问题的计算机。这个项目被称为 Alexa Prize，旨在让任何人都能与 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，我们将这个项目作为一项全球人工智能挑战赛推出。我与麻省理工学院、卡内基梅隆大学、斯坦福大学和牛津大学等机构的顶尖人才密切合作。有一件事变得很清楚：当时，没有人能够完全解决这个问题。
即便如此，我也能感觉到一波创新浪潮即将到来，这将使这一切成为可能。快进到 2024 年，像 ChatGPT 这样的技术现在已经实现了我们设想的大部分目标。随着亚马逊、谷歌、OpenAI 和微软等公司构建大型模型和底层基础设施，自然语言处理取得了快速进步。但他们不一定能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。
我们的第一款产品不是客户服务解决方案，而是面向一线员工（如技术人员和零售店员工）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。他们强烈要求我们将这项技术应用于联络中心，因为他们已经有语音和数据流，但缺乏现代生成式 AI 架构。这让我们意识到，该领域的现有公司都停留在过去，面临着典型的创新者困境：是彻底改造他们的遗留系统还是构建新系统。我们从一张白纸开始，构建了第一个原生大型语言模型 (LLM) 客户体验智能和服务自动化平台。
我对人类语言的复杂性以及从计算机工程角度解决这些问题的难度有着浓厚的兴趣，这在我们的方法中发挥了重要作用。人工智能理解人类语言的能力至关重要，尤其是对于联络中心行业而言。例如，使用 Siri 通常会发现人工智能很难理解人类语言中的意图和上下文。即使是简单的查询也会让人工智能陷入困境，它很难理解你在问什么。
人工智能在理解意图、在长时间对话中保持语境以及掌握与世界相关的知识方面面临困难。即使是 ChatGPT 在这些方面也存在局限性。例如，它可能不知道最新消息，或者不理解对话中不断变化的话题。这些挑战与客户服务直接相关，因为对话通常涉及多个主题，需要人工智能理解特定的领域相关知识。我们正在通过我们的平台解决这些挑战，该平台旨在处理客户服务环境中人类语言的复杂性。
Level AI 的 NLU 技术超越了基本的关键字匹配。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给客户服务带来的好处吗？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？
根据手头的工作，我们有六到七种不同的 AI 管道，专门针对特定任务。例如，一个工作流程可能涉及识别呼叫驱动因素并了解客户对产品或服务的问题，我们称之为“客户之声”。另一个可能是自动对质量记分卡进行评分，以评估代理绩效。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。
打个比方，我们使用的技术基于 LLM，类似于 ChatGPT 和其他生成式 AI 工具背后的技术。但是，我们使用针对客户服务的 LLM，这些 LLM 是我们针对这些专门的工作流程在内部训练的。这使得我们在新客户入职后的短短几天内就能实现超过 85% 的准确率，从而缩短价值实现时间、减少专业服务并实现无与伦比的准确性、安全性和信任度。
我们的模型在客户服务方面拥有深厚的专业知识。旧模式是通过挑选出“取消我的帐户”或“我不高兴”等关键词或短语来分析对话。但我们的解决方案并不依赖于捕捉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，从而使其更快、更高效。
例如，如果有人说“我想取消我的账户”，他们可能会用无数种方式来表达，比如“我和你们完了”或“我要去找别人了”。我们的人工智能理解问题的意图并将其与上下文联系起来，这就是我们的软件更快、更准确的原因。
一个有用的类比是，旧人工智能就像一本规则手册——你会建立这些严格的规则手册，其中包含 if-then-else 语句，这些语句缺乏灵活性，需要不断维护。另一方面，新人工智能就像一个动态的大脑或学习系统。只需几个指示，它就能动态地学习上下文和意图，不断改进。规则手册的范围有限，当某些东西不符合预定义的规则时，它很容易被打破，而动态学习系统则不断扩展、成长，并产生更广泛的影响。
从客户角度来看，一个很好的例子是一家大型电子商务品牌。他们有成千上万的产品，不可能不断更新。然而，我们的人工智能可以理解上下文，比如你是否在谈论一款特定的沙发，而不需要不断更新每一款新产品的记分卡或评分标准。
将 Level AI 的技术与现有客户服务系统相结合的主要挑战是什么？您如何应对这些挑战？
Level AI 是一个客户体验智能和服务自动化平台。因此，我们与业内大多数 CX 软件集成，无论是 CRM、CCaaS、调查还是工具解决方案。这使我们成为中央枢纽，从所有这些来源收集数据并充当顶层智能层。
然而，挑战在于其中一些系统基于非云、本地技术，甚至缺乏 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一问题，尽管我们 80% 的集成现在都是基于云或 API 原生的，这使我们能够快速集成。
Level AI 如何为客服人员提供实时情报和可操作的见解？您能分享一些例子来说明它如何改善了客户互动吗？
我们为客户提供三种实时情报和可操作的见解：
- 手动工作流程的自动化：服务代表的时间通常有限（6 到 9 分钟），而且要执行多项手动任务。Level AI 可自动执行繁琐的任务，例如在通话期间和通话后记笔记，为每个客户生成定制摘要。这为我们的客户节省了 10% 到 25% 的通话处理时间，从而提高了效率。
- 面向服务代表的 CX Copilot：服务代表面临着高流失率和入职挑战。想象一下，在不了解公司政策的情况下被带到联络中心。Level AI 充当专家 AI，坐在代表旁边，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。此功能帮助我们的客户将服务代表的入职和培训速度提高了 30% 到 50%。
- Manager Copilot：这项独特功能让管理者可以实时了解团队的表现。Level AI 提供对对话的逐秒洞察，让管理者可以干预、检测情绪和意图并实时支持销售代表。这使代理的工作效率提高了 10% 到 15%，并提高了代理的满意度，这对于降低成本至关重要。例如，如果客户开始咒骂销售代表，系统会标记出来，管理者可以接听电话或悄悄向销售代表提供指导。如果没有这项技术，这种实时干预是不可能的。
您能详细说明一下 Level AI 的情绪分析如何工作以及它如何帮助代理更有效地响应客户吗？
我们的情绪分析可以检测出七种不同的情绪，从极度沮丧到兴奋，这使我们能够衡量影响整体情绪得分的不同程度的情绪。这种分析既考虑了口语，也考虑了对话的语调。然而，通过实验我们发现，口语比语调发挥了更重要的作用。你可以用平淡的语调说出最刻薄的话，也可以用奇怪的语调说出非常好听的话。
我们提供 1 到 10 的情绪评分，其中 1 表示情绪非常消极，10 表示情绪非常积极。我们分析了 100% 的客户对话，深入了解客户互动。
情境理解也至关重要。例如，如果通话开始时情绪非常消极，但结束时情绪积极，即使通话 80% 的内容是消极的，整体互动也被认为是积极的。这是因为客户一开始很不高兴，客服人员解决了问题，客户满意而归。另一方面，如果通话开始时情绪积极，但结束时情绪消极，那就另当别论了，尽管通话 80% 的内容可能是积极的。
这种分析有助于销售代表和经理确定需要培训的领域，重点关注与积极情绪相关的行为，例如问候客户、承认他们的担忧以及表现出同理心，这些因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，尤其是考虑到客户互动的敏感性？
从第一天起，我们就把安全和隐私放在首位。我们以企业级安全和隐私为核心原则构建了我们的系统。我们不会将任何生成式 AI 功能外包给第三方供应商。一切都是在内部开发的，这使我们能够训练客户特定的 AI 模型，而无需在我们的环境之外共享数据。我们还提供广泛的定制服务，使客户能够拥有自己的 AI 模型，而无需在我们数据管道的不同部分之间共享任何数据。
为了解决当前业界的担忧，我们的数据不会被外部模型用于训练。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。这种方法可以避免某些 AI 模型面临的问题，即使用 AI 生成的数据进行训练会导致它们失去准确性。在 Level AI，一切都是第一方的，我们不会与外部共享或提取数据。
凭借最近获得的 3940 万美元 C 轮融资，您有何计划来扩展 Level AI 平台并拓展新的客户群？
C 轮融资将推动我们在关键领域的战略增长和创新计划，包括推进产品开发、工程改进和严谨的研发工作。我们的目标是招募组织各个级别的顶级人才，使我们能够继续开拓行业领先的技术，超越客户的期望并满足不断变化的市场需求。
您如何看待人工智能在未来十年转变客户服务方面发挥的作用？
虽然人们通常关注的是自动化方面——预测未来机器人将处理所有客户服务——但我们的观点更加微妙。自动化程度因垂直行业而异。例如，在银行或金融领域，自动化程度可能较低，而在其他行业，自动化程度可能较高。平均而言，我们认为在所有垂直行业实现 40% 以上的自动化是一项挑战。这是因为服务代表的工作不仅仅是回答问题——他们还充当故障排除者、销售顾问等角色，而这些角色无法被人工智能完全取代。
工作流自动化也具有巨大潜力，而 Level AI 正是专注于此。这包括后台任务，如质量保证、票务分类和屏幕监控。在这里，使用生成式 AI 可以使自动化程度超过 80%。智能和数据洞察至关重要。我们的独特之处在于使用生成式 AI 从非结构化数据中获取洞察。这种方法可以极大地提高洞察的质量，减少 90% 的专业服务需求，并将价值实现时间缩短 90%。
另一个重要的考虑因素是，贵公司的代言人应该是机器人还是人。除了他们执行的基本功能之外，与客户建立人际联系也至关重要。我们的方法是消除人工工作量中的多余任务，让他们专注于有意义的互动。
我们认为人类最适合直接沟通，并且应该继续扮演这一角色。但是，它们并不适合做笔记、转录互动或屏幕录制等任务。通过为它们处理这些任务，我们可以腾出时间来更有效地与客户互动。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/level-ai-shou-xi-zhi-xing-guan-jian-chuang-shi-ren-ashish
