Ashish Nagar é o CEO e fundador da Degree AI, aproveitando sua experiência na Amazon na equipe Alexa para usar inteligência synthetic para transformar as operações do contact middle. Com uma sólida experiência em tecnologia e empreendedorismo, Ashish tem sido basic na condução da missão da empresa de aumentar a eficiência e a eficácia das interações de atendimento ao cliente através de soluções avançadas de IA. Sob sua liderança, a Degree AI tornou-se um participante importante no espaço de contact middle orientado por IA, conhecido por seus produtos de ponta e implementação superior de inteligência synthetic.
O que o inspirou a deixar a Amazon e iniciar a Degree AI? Você pode compartilhar os pontos problemáticos específicos do atendimento ao cliente que você pretendia resolver com sua tecnologia?
Minha experiência é construir produtos na interseção entre tecnologia e negócios. Embora eu tenha graduação em Física Aplicada, meu trabalho sempre se concentrou em funções de produtos e na criação, lançamento e construção de novos negócios. Minha paixão por tecnologia e negócios me levou à IA.
Comecei a trabalhar com IA em 2014, quando estávamos construindo uma empresa de pesquisa móvel de próxima geração chamada Rel C, que period semelhante ao que a Perplexity AI é hoje. Essa experiência desencadeou minha jornada no software program de IA e, eventualmente, essa empresa foi adquirida pela Amazon. Na Amazon, fui líder de produto na equipe Alexa, buscando continuamente oportunidades para resolver problemas de IA mais complexos.
No meu último ano na Amazon, em 2018, trabalhei em um projeto que chamamos de “computador Star Trek”, inspirado na famosa franquia de ficção científica. O objetivo period desenvolver um computador que pudesse entender e responder a qualquer pergunta que você fizesse. Este projeto ficou conhecido como Prêmio Alexa, com o objetivo de permitir que qualquer pessoa mantenha uma conversa de 20 minutos com Alexa sobre qualquer assunto social. Liderei uma equipe de cerca de 10 cientistas e lançamos isso como um desafio mundial de IA. Trabalhei em estreita colaboração com mentes importantes de instituições como MIT, CMU, Stanford e Oxford. Uma coisa ficou clara: naquela época ninguém conseguia resolver totalmente o problema.
Mesmo assim, pude sentir uma onda de inovação que tornaria isso possível. Avançando para 2024, tecnologias como ChatGPT estão agora fazendo muito do que imaginamos. Houve rápidos avanços no processamento de linguagem pure com empresas como Amazon, Google, OpenAI e Microsoft construindo grandes modelos e a infraestrutura subjacente. Mas eles não estavam necessariamente lidando com fluxos de trabalho de ponta a ponta. Reconhecemos esta lacuna e queríamos colmatá-la.
Nosso primeiro produto não foi uma solução de atendimento ao cliente; period um assistente de voz para trabalhadores da linha de frente, como técnicos e funcionários de lojas de varejo. Levantamos US$ 2 milhões em financiamento inicial e mostramos o produto a clientes em potencial. A maioria deles solicitou que adaptássemos a tecnologia para contact facilities, onde eles já tinham fluxos de voz e dados, mas não tinham a arquitetura moderna de IA generativa. Isto levou-nos a perceber que as empresas existentes neste espaço estavam presas ao passado, enfrentando o dilema clássico do inovador: rever os seus sistemas legados ou construir algo novo. Começamos do zero e construímos o primeiro modelo nativo de linguagem grande (LLM), inteligência de experiência do cliente e plataforma de automação de serviços.
Meu profundo interesse nas complexidades da linguagem humana e no quão desafiador é resolver esses problemas do ponto de vista da engenharia da computação desempenhou um papel significativo em nossa abordagem. A capacidade da IA de compreender a fala humana é essential, especialmente para a indústria de contact facilities. Por exemplo, o uso do Siri muitas vezes revela como é difícil para a IA compreender a intenção e o contexto na linguagem humana. Mesmo consultas simples podem atrapalhar a IA, que tem dificuldade para interpretar o que você está perguntando.
A IA luta para compreender a intenção, manter o contexto durante longas conversas e possuir conhecimento relevante do mundo. Até o ChatGPT tem limitações nessas áreas. Por exemplo, pode não saber as últimas notícias ou compreender a mudança de tópicos numa conversa. Esses desafios são diretamente relevantes para o atendimento ao cliente, onde as conversas geralmente envolvem vários tópicos e exigem que a IA compreenda conhecimentos específicos relacionados ao domínio. Estamos enfrentando esses desafios em nossa plataforma, projetada para lidar com as complexidades da linguagem humana em um ambiente de atendimento ao cliente.
A tecnologia NLU da Degree AI vai além da correspondência básica de palavras-chave. Você pode explicar como sua IA entende mais profundamente a intenção do cliente e os benefícios que isso traz para o atendimento ao cliente? Como a Degree AI garante a precisão e a confiabilidade de seus sistemas de IA, especialmente na compreensão das nuances das interações com os clientes?
Temos seis ou sete pipelines de IA diferentes, adaptados a tarefas específicas, dependendo do trabalho em questão. Por exemplo, um fluxo de trabalho pode envolver a identificação dos motivadores de chamada e a compreensão dos problemas que os clientes têm com um produto ou serviço, que chamamos de “voz do cliente”. Outra poderia ser a pontuação automatizada de scorecards de qualidade para avaliar o desempenho do agente. Cada fluxo de trabalho ou serviço tem seu próprio pipeline de IA, mas a tecnologia subjacente permanece a mesma.
Para fazer uma analogia, a tecnologia que usamos é baseada em LLMs semelhantes à tecnologia por trás do ChatGPT e outras ferramentas generativas de IA. No entanto, usamos LLMs específicos de atendimento ao cliente que treinamos internamente para esses fluxos de trabalho especializados. Isso nos permite alcançar mais de 85% de precisão em apenas alguns dias após a integração de novos clientes, resultando em tempo de retorno mais rápido, serviços profissionais mínimos e precisão, segurança e confiança incomparáveis.
Nossos modelos possuem experiência profunda e específica em atendimento ao cliente. O antigo paradigma envolvia a análise de conversas escolhendo palavras-chave ou frases como “cancelar minha conta” ou “não estou satisfeito”. Mas nossa solução não depende de capturar todas as variações possíveis de frases. Em vez disso, aplica IA para compreender a intenção por trás da pergunta, tornando-a muito mais rápida e eficiente.
Por exemplo, se alguém disser “Quero cancelar minha conta”, há inúmeras maneiras de expressar isso, como “Acabei com vocês” ou “Estou mudando para outra pessoa”. Nossa IA entende a intenção da pergunta e a vincula ao contexto, e é por isso que nosso software program é mais rápido e preciso.
Uma analogia útil é que a IA antiga period como um livro de regras: você construía esses livros de regras rígidos, com declarações se-então-senão, que eram inflexíveis e precisavam de manutenção constante. A nova IA, por outro lado, é como um cérebro dinâmico ou um sistema de aprendizagem. Com apenas algumas dicas, ele aprende dinamicamente o contexto e a intenção, melhorando continuamente em tempo actual. Um livro de regras tem um alcance limitado e quebra facilmente quando algo não se enquadra nas regras predefinidas, enquanto um sistema de aprendizagem dinâmico continua a expandir-se, a crescer e a ter um impacto muito mais amplo.
Um ótimo exemplo da perspectiva do cliente é uma grande marca de comércio eletrônico. Eles têm milhares de produtos e é impossível acompanhar atualizações constantes. Nossa IA, no entanto, pode entender o contexto, por exemplo, se você está falando sobre um sofá específico, sem precisar atualizar constantemente um scorecard ou rubrica a cada novo produto.
Quais são os principais desafios na integração da tecnologia da Degree AI com os sistemas existentes de atendimento ao cliente e como você os aborda?
Degree AI é uma plataforma de inteligência de experiência do cliente e automação de serviços. Como tal, integramo-nos com a maioria dos softwares CX do setor, seja uma solução de CRM, CCaaS, pesquisa ou ferramentas. Isso nos torna o centro central, coletando dados de todas essas fontes e servindo como camada de inteligência no topo.
No entanto, o desafio é que alguns desses sistemas são baseados em tecnologia não-nuvem, no native, ou mesmo em tecnologia de nuvem que carece de APIs ou integrações de dados limpas. Trabalhamos em estreita colaboração com nossos clientes para resolver isso, embora 80% de nossas integrações sejam agora baseadas em nuvem ou nativas de API, o que nos permite uma integração rápida.
Como a Degree AI fornece inteligência em tempo actual e insights acionáveis para agentes de atendimento ao cliente? Você pode compartilhar alguns exemplos de como isso melhorou as interações com os clientes?
Existem três tipos de inteligência em tempo actual e insights acionáveis que fornecemos aos nossos clientes:
- Automação de fluxos de trabalho manuais: Os representantes de serviço geralmente têm tempo limitado (6 a 9 minutos) e diversas tarefas manuais. A Degree AI automatiza tarefas tediosas, como fazer anotações durante e após conversas, gerando resumos personalizados para cada cliente. Isso economizou para nossos clientes de 10 a 25% no tempo de atendimento de chamadas, resultando em mais eficiência.
- Copiloto CX para representantes de serviço: Os representantes de serviço enfrentam grande rotatividade e desafios de integração. Think about ser colocado em um contact middle sem conhecer as políticas da empresa. A Degree AI atua como uma IA especialista sentada ao lado do representante, ouvindo conversas e oferecendo orientação em tempo actual. Isso inclui lidar com objeções, fornecer conhecimento e oferecer transcrição inteligente. Esse recurso ajudou nossos clientes a integrar e treinar representantes de serviço de 30 a 50% mais rápido.
- Copiloto Gerente: Esse recurso exclusivo oferece aos gerentes visibilidade em tempo actual sobre o desempenho de sua equipe. A Degree AI fornece insights a cada segundo sobre as conversas, permitindo que os gerentes intervenham, detectem sentimentos e intenções e apoiem os representantes em tempo actual. Isto melhorou a produtividade dos agentes em 10 a 15% e aumentou a satisfação dos agentes, o que é essential para a redução de custos. Por exemplo, se um cliente começa a xingar um representante, o sistema sinaliza isso e o gerente pode atender a chamada ou sussurrar orientações para o representante. Este tipo de intervenção em tempo actual seria impossível sem esta tecnologia.
Você pode explicar como funciona a análise de sentimento da Degree AI e como ela ajuda os agentes a responder de maneira mais eficaz aos clientes?
Nossa análise de sentimento detecta sete emoções diferentes, que vão da frustração extrema à euforia, o que nos permite medir vários graus de emoções que contribuem para nossa pontuação geral de sentimento. Esta análise considera tanto as palavras faladas quanto a tonalidade da conversa. No entanto, descobrimos através das nossas experiências que a palavra falada desempenha um papel muito mais significativo do que o tom. Você pode dizer as coisas mais cruéis em um tom monótono ou coisas muito boas em um tom estranho.
Fornecemos uma pontuação de sentimento em uma escala de 1 a ten, sendo 1 indicando um sentimento muito negativo e 10 indicando um sentimento altamente positivo. Analisamos 100% das conversas dos nossos clientes, oferecendo uma visão profunda das interações com os clientes.
A compreensão contextual também é crítica. Por exemplo, se uma ligação começa com um sentimento muito negativo, mas termina positivamente, mesmo que 80% da ligação tenha sido negativa, a interação geral é considerada positiva. Isso ocorre porque o cliente começou chateado, o agente resolveu o problema e o cliente saiu satisfeito. Por outro lado, se a chamada começar positivamente, mas terminar negativamente, a história é diferente, apesar de 80% da chamada poder ter sido positiva.
Esta análise ajuda tanto o representante como o gestor a identificar áreas de formação, concentrando-se em ações que se correlacionam com o sentimento positivo, como cumprimentar o cliente, reconhecer as suas preocupações e demonstrar empatia – elementos cruciais para interações bem-sucedidas.
Como a Degree AI aborda questões de privacidade e segurança de dados, especialmente dada a natureza sensível das interações com os clientes?
Desde o primeiro dia, priorizamos a segurança e a privacidade. Construímos nosso sistema com segurança e privacidade de nível empresarial como princípios fundamentais. Não terceirizamos nenhum de nossos recursos de IA generativa para fornecedores terceirizados. Tudo é desenvolvido internamente, o que nos permite treinar modelos de IA específicos do cliente sem compartilhar dados fora do nosso ambiente. Também oferecemos ampla personalização, permitindo que os clientes tenham seus próprios modelos de IA sem qualquer compartilhamento de dados entre diferentes partes do nosso pipeline de dados.
Para responder a uma preocupação atual da indústria, os nossos dados não são utilizados por modelos externos para formação. Não permitimos que nossos modelos sejam influenciados por dados gerados por IA de outras fontes. Esta abordagem evita os problemas que alguns modelos de IA enfrentam, onde o treinamento em dados gerados por IA faz com que percam a precisão. Na Degree AI, tudo é authentic e não compartilhamos ou extraímos dados externamente.
Com o recente financiamento da Série C de US$ 39,4 milhões, quais são seus planos para expandir a plataforma da Degree AI e alcançar novos segmentos de clientes?
O investimento da Série C alimentará nossas iniciativas estratégicas de crescimento e inovação em áreas críticas, incluindo avanço no desenvolvimento de produtos, melhorias de engenharia e esforços rigorosos de pesquisa e desenvolvimento. Nosso objetivo é recrutar talentos de primeira linha em todos os níveis da organização, permitindo-nos continuar a ser pioneiros em tecnologias líderes do setor que superem as expectativas dos clientes e atendam às demandas dinâmicas do mercado.
Como você vê o papel da IA na transformação do atendimento ao cliente na próxima década?
Embora o foco geral esteja frequentemente no aspecto da automação – prever um futuro onde os bots cuidarão de todo o atendimento ao cliente – nossa visão é mais sutil. A extensão da automação varia de acordo com a vertical. Por exemplo, na banca ou nas finanças, a automatização pode ser mais baixa, enquanto noutros setores pode ser mais elevada. Em média, acreditamos que alcançar mais de 40% de automação em todos os setores é um desafio. Isso ocorre porque os representantes de serviço fazem mais do que apenas responder perguntas: eles atuam como solucionadores de problemas, consultores de vendas e muito mais, funções que não podem ser totalmente replicadas pela IA.
Há também um potencial significativo na automação do fluxo de trabalho, no qual a Degree AI se concentra. Isso inclui tarefas administrativas, como garantia de qualidade, triagem de tickets e monitoramento de tela. Aqui, a automação pode ultrapassar 80% usando IA generativa. Inteligência e insights de dados são cruciais. Somos únicos no uso de IA generativa para obter insights de dados não estruturados. Esta abordagem pode melhorar enormemente a qualidade dos insights, reduzindo a necessidade de serviços profissionais em 90% e acelerando o tempo de obtenção de valor em 90%.
Outra consideração importante é se o rosto da sua organização deve ser um bot ou uma pessoa. Além das funções básicas que desempenham, uma conexão humana com seus clientes é essential. Nossa abordagem é remover o excesso de tarefas da carga de trabalho de uma pessoa, permitindo que ela se concentre em interações significativas.
Acreditamos que os humanos são mais adequados para a comunicação direta e devem continuar a desempenhar esse papel. No entanto, eles não são ideais para tarefas como fazer anotações, transcrever interações ou gravar tela. Ao cuidar dessas tarefas para eles, liberamos seu tempo para interagir com os clientes de maneira mais eficaz.
Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Nível IA.
