Už žvalgybos: Ulteh naujos kartos pokalbių roboto kūrimas

Viskas prasidėjo nuo problemos, su kuria susiduria beveik kiekvienas verslas: kaip teikti išskirtinį klientų aptarnavimą dideliu mastu, neaukojant žmogiškojo prisilietimo? 2022 m. pradžioje „Ulteh“ įkūrėjų komanda susirinko nedidelėje konferencijų salėje, o šis iššūkis buvo užrašytas ant baltos lentos. Tradiciniai sprendimai – skambučių centrų plėtra, pagrindinių DUK robotų diegimas arba pagalbos teikimas išorės tiekėjams – turėjo didelių trūkumų. Jie buvo arba pernelyg brangūs, arba varginančiai riboti, arba rizikavo pakenkti santykiams su klientais.

„Mes vis grįždavome prie šios esminės įtampos tarp mastelio keitimo ir suasmeninimo“, – prisimena Sarah Chen, „Ulteh“ inovacijų vadovė. „Esami įrankiai vertė įmones rinktis vieną arba kitą. Tikėjome, kad turi būti geresnis būdas.“

Komanda įsivaizdavo kažką revoliucingo: dirbtiniu intelektu paremtą pokalbių sistemą, pakankamai sudėtingą, kad suprastų smulkius klientų poreikius, mokytųsi iš kiekvienos sąveikos ir pateiktų atsakymus, kurie būtų tikrai naudingi, o ne robotiškai suprogramuoti. Ji turėtų būti prieinama keliais kanalais, sklandžiai integruotis su esamomis verslo sistemomis ir prisitaikyti prie kiekvienos įmonės unikalaus balso ir reikalavimų.
Ši vizija buvo ne tik apie geresnių technologijų kūrimą – tai buvo iš esmės pakeisti įmonių ir jų klientų santykius. Užuot laikę palaikymą minimaliomis sąnaudomis, „Ulteh“ jį matė kaip galimybę sustiprinti ryšius su klientais ir skatinti verslo augimą. Ši perspektyva suformavo kiekvieną aspektą, kuris vėliau tapo viena pažangiausių pokalbių dirbtinio intelekto sistemų rinkoje.

Prieš parašydama vieną kodo eilutę, Ulteh komanda beveik šešis mėnesius tyrinėjo, kaip iš tikrųjų veikia efektyvus klientų aptarnavimas žmonėms. Jie išanalizavo tūkstančius paramos nuorašų, apklausė klientų aptarnavimo specialistus įvairiose pramonės šakose ir atliko nuodugnius bendravimo psichologijos tyrimus.
„Tai, ką atradome, buvo žavu“, – aiškina dr. Miguelis Rodriguezas, Ulteh lingvistikos vadovas. "Puikus klientų aptarnavimas yra ne tik problemų sprendimas – tai kelionė iki šio sprendimo. Kai proceso metu klientai jaučiasi išgirsti, suprasti ir įvertinti, jų pasitenkinimas labai padidėja, net ir sprendžiant tą pačią problemą."
Tyrimas nustatė keletą svarbių sėkmingos sąveikos su klientais komponentų:

Aktyvūs klausymosi signalai – maži žodiniai signalai, parodantys dėmesį ir supratimą
Kontekstinė atmintis – gebėjimas prisiminti ir nurodyti ankstesnes pokalbio dalis
Emocinis intelektas – atpažinti ir tinkamai reaguoti į kliento emocinę būseną
Pokalbio lankstumas – prisitaikymas prie skirtingų bendravimo stilių ir pageidavimų
Rezoliucijos nuosavybė – atsakomybės už sprendimo radimą prisiėmimas, o ne tik problemų persiuntimas

Šios įžvalgos sudarė Ulteh požiūrio pagrindą. Užuot sukūrę dar vieną scenarijų pokalbių robotą, kuris laikytųsi griežtų sprendimų medžių, jie sukurtų pokalbio AI, imituojantį šiuos žmonių bendravimo modelius.
Komanda taip pat atliko išsamius vartotojų tyrimus, kad suprastų skausmo taškus naudojant esamus pokalbių robotų sprendimus. Tai atskleidė plačiai paplitusį nusivylimą robotais, kurie negalėjo suprasti pagrindinių klausimų, pamiršo kontekstą pokalbio viduryje arba įstrigo vartotojus į nesibaigiančias kilpas, nesuteikdami prieigos prie žmogaus pagalbos, kai to reikia.
„Remiantis vartotojų atsiliepimais, sudarėme sąrašą „niekada to nedaryk“, – sako Rodriguezas. „Tai tapo mūsų kovos su planu – viskas, ko mūsų sistema specialiai vengtų daryti.

Turėdama mokslinių tyrimų įžvalgų, Ulteh inžinierių komanda susidūrė su didžiausiu iššūkiu: sukurti pakankamai sudėtingą AI architektūrą, kad galėtų įgyvendinti savo ambicingą viziją. Vadovaujant CTO Raj Patel, jie sukūrė daugiasluoksnę sistemą, kuri sujungia kelias pažangiausias AI technologijas.
„Mes nenorėjome tiesiog kartoti esamų pokalbių robotų sistemų“, - aiškina Patelis. "Juos iš esmės ribojo jų dizainas. Mums reikėjo sukurti kažką naujo nuo pat pradžių."
Rezultatas buvo hibridinė architektūra, kurią Ultehas vadina „pažinimo sistema“. Jos pagrindas yra sudėtingas natūralios kalbos supratimo (NLU) variklis, sukurtas transformatorių pagrindu veikiančiuose neuroniniuose tinkluose. Šis variklis neapsiriboja paprastu ketinimų aptikimu ir vienu metu analizuoja kelis kalbos aspektus:

Semantinis supratimas – supratimas, ką žodžiai reiškia kontekste
Pragmatinė analizė – atpažinti, ką vartotojas bando pasiekti
Sentimentų aptikimas – emocinio pranešimo tono nustatymas
Subjekto atpažinimas – konkrečios informacijos ištraukimas (pavadinimai, datos, produktai ir kt.)

Šis NLU sluoksnis patenka į dinamišką pokalbių valdymo sistemą, kuri palaiko kontekstą visos sąveikos metu. Skirtingai nuo tradicinių pokalbių robotų, kurie kiekvieną pranešimą traktuoja kaip atskirą įvykį, Ulteh sistema kuria ir atnaujina išsamų pokalbio modelį realiuoju laiku.
„Kontekstinės atminties komponentas buvo ypač sudėtingas“, - pažymi Patelis. „Mums reikėjo sistemos, kad ji atsimintų svarbias detales iš ankstesnio pokalbio, nepakliūdama į nesvarbią informaciją. Reikėjo sukurti naujus pokalbio svarbos algoritmus.
Kitas proveržis įvyko atsako generavimo sistemoje. Užuot pasirinkęs iš iš anksto parašytų šablonų, Ulteh AI dinamiškai konstruoja atsakymus, derindamas atitinkamą informaciją su atitinkamais pokalbio modeliais. Tai leidžia palaikyti daug natūralesnį dialogą, išlaikant tikslumą.
Visą sistemą palaiko nuolatinis mokymosi ciklas, kuris analizuoja sėkmingą ir nesėkmingą sąveiką, kad laikui bėgant patobulintų supratimą ir atsakymus. Tai ne tik duomenų rinkimas – tai struktūrinis mokymasis, kuris pagerina sistemos galimybes nereikalaujant rankinio perprogramavimo.
„Mūsų architektūra ypatinga nėra joks atskiras komponentas“, – pabrėžia Patel. „Štai kaip šie elementai veikia kartu, kad sukurtų nuoseklią, protingą pokalbių sistemą, kuri iš tikrųjų gerėja, kuo daugiau naudojama.

Bet kurios pažangios AI sistemos pagrindas yra duomenys – žaliava, iš kurios mašina mokosi. Ultehui duomenų strategijos, kuri leistų sukurti tikrai išskirtinį pokalbio intelektą, kūrimas sukėlė unikalių iššūkių ir etinių sumetimų.
„Mums reikėjo didžiulių pokalbių duomenų kiekių, kad galėtume apmokyti savo modelius“, – aiškina dr. Lisa Wong, Ulteh duomenų mokslų direktorė. „Tačiau mes buvome atkakliai tai darydami etiškai, visiškai skaidriai ir sutikdami“.
Užuot braukęs viešus pokalbius ar pirkęs abejotinos kilmės duomenų rinkinius, „Ulteh“ užmezgė partnerystę su įvairių pramonės šakų įmonėmis. Šie partneriai sutiko bendrinti anoniminius klientų aptarnavimo stenogramas, pateikdami realius sėkmingo ir nesėkmingo bendravimo su klientais pavyzdžius.
Duomenų rinkimo procesas apėmė griežtus anonimizacijos protokolus, pašalindama visą asmenį identifikuojančią informaciją, kol ji nepasiekė Ulteh sistemos. Bendrovė taip pat įgyvendino griežtą duomenų valdymo politiką, kuri neleidžia naudoti vieno kliento duomenų sistemoms apmokyti savo konkurentams.
Sukūrę pradinį duomenų rinkinį, Ulteh duomenų mokslininkai susidūrė su kitu iššūkiu: užtikrinti, kad AI nepaliktų šališkumo ar probleminių duomenų modelių. Jie sukūrė kelių etapų filtravimo procesą, kuris nustato ir pašalina šališką kalbą, netinkamus atsakymus ir neveiksmingus paslaugų modelius.
„Mes ne tik mokome AI imituoti žmonių pokalbius“, - pažymi Wongas. „Mes mokome, kaip įkūnyti geriausią klientų įtraukimo praktiką, vengiant įprastų spąstų.
Pačiame mokymo procese buvo naudojami prižiūrimo ir sustiprinimo mokymosi metodai. Pradiniai modeliai buvo mokomi naudojant pažymėtus duomenis, kurie nustatė optimalius atsakymus, o vėlesniuose etapuose buvo įtrauktos grįžtamojo ryšio linijos, leidžiančios sistemai mokytis iš savo sėkmės ir nesėkmių.
Ultehas taip pat buvo pradininkas tai, ką jie vadina „į įvairovę orientuotu mokymu“ – sąmoningai atskleisdamas AI įvairiausių pokalbių stilių, pramonės šakos terminijos ir kultūrinio bendravimo modelių. Tai padeda sistemai prisitaikyti prie skirtingų kontekstų, o ne taikyti universalų metodą.
„Duomenų strategija niekada nenustoja vystytis“, – pabrėžia Wongas. „Net dabar, kai mūsų sistemos yra įdiegtos visame pasaulyje, nuolat tobuliname mokymo procesus ir plečiame duomenų rinkinius, kad dirbtinis intelektas būtų jautresnis, labiau pritaikomas ir naudingesnis.

Techninė architektūra ir duomenys yra esminiai pagrindai, tačiau Ultehas pripažino, kad sėkmingam pokalbio AI reikia kažko labiau neapčiuopiamo: asmenybės. Norint sukurti dirbtinio intelekto asmenybę, kuri išlaikytų tinkamą pusiausvyrą tarp profesinės kompetencijos ir prieinamos šilumos, reikėjo žinių iš ne techninės srities.
„Mes pritraukėme specialistų, kurių galbūt nesitikėtumėte rasti dirbtinio intelekto kūrimo komandoje“, – sako Jordan Taylor, Ulteh naudotojų patirties direktorius. „Profesionalūs rašytojai, psichologai ir net buvęs teatro direktorius prisidėjo kuriant tai, ką vadiname „personažo sąranga“.
Ši tarpdisciplininė komanda sprendė klausimus, retai sprendžiamus techninės plėtros metu: kiek formali ar atsitiktinė turėtų būti AI kalba? Kaip tai turėtų reaguoti į humorą ar nusivylimą? Kokie pokalbio ritualai – pasisveikinimai, pripažinimai, perėjimai – sukeltų sąveiką natūraliai, o ne mechaniškai?
Atsakymai nebuvo universalūs. Ultehas pripažino, kad skirtingos įmonės turi skirtingus prekės ženklo balsus ir klientų lūkesčius. Finansų įstaigai gali prireikti oficialesnio, raminančio tono, o gyvenimo būdo prekės ženklui gali būti naudinga atsitiktinė, entuziastinga kalba.
„Sukūrėme pritaikomą asmenybės matricą“, – aiškina Taylor. „Tai leidžia kiekvienai įmonei pakoreguoti pagrindinius AI bendravimo stiliaus aspektus, išlaikant pagrindinį intelektą ir efektyvumą.
Ši matrica apima tokius matmenis kaip formalumas, glaustumas, išraiškingumas ir techninio žodyno tankumas. Įmonės gali konfigūruoti šiuos nustatymus, kad atitiktų jų prekės ženklo balsą, sukurdamos nuoseklią žmonių ir AI sąveikos patirtį.
Komanda taip pat sukūrė kultūrinį prisitaikymą, leidžiantį sistemai koreguoti savo komunikacijos modelius pagal geografinį ir kalbinį kontekstą. Tai reiškia, kad dirbtinis intelektas gali tinkamai orientuotis į kultūrinius skirtumus, susijusius su tiesumu, mandagumo ritualais ir humoru.
Svarbu tai, kad Ultehas nustatė aiškias AI asmenybės ribas. Jis niekada neapsimetinėja žmogumi, vengdamas „neįprasto slėnio“ efekto, atsirandančio, kai mašinos per daug stengiasi prasilenkti su žmonėmis. Vietoj to, jis pristato save kaip AI padėjėją, turintį savitą tapatybę.
„Asmenybės kūrimo procesas nebuvo susijęs su iliuzijos kūrimu“, - sako Taylor. "Tai buvo apie bendravimą, kuris jaustųsi patogiai, pagarbiai ir tikrai naudingas. Norėjome, kad pokalbiai padėtų žmonėms pasijusti geriau, o ne nesistengtų naršyti varginančioje sistemoje."

Sukurti sudėtingą dirbtinį intelektą buvo tik pusė darbo. Kad „Ulteh“ sistema teiktų realią vertę, ji turėjo sklandžiai integruotis su sudėtingomis technologinėmis ekosistemomis, kurias dauguma įmonių jau turi. Tai buvo nemenkas inžinerinis iššūkis.

„Šiuolaikinės įmonės paprastai valdo dešimtis skirtingų sistemų – CRM, atsargų valdymo, užsakymų apdorojimo, vartotojų paskyrų, žinių bazių ir kt.“, – aiškina Elena Vasquez, „Ulteh“ integracijos sistemų vadovė. „Mūsų dirbtinis intelektas turėjo prisijungti prie visų šių sistemų, kad galėtų pateikti tikrai naudingus atsakymus.“
Integracijos komanda sukūrė vadinamąją „Universal Connector Framework“ – lanksčią sistemą, kuri leidžia saugiai, dvipusiai perduoti duomenis tarp „Ulteh“ dirbtinio intelekto ir praktiškai bet kurios verslo sistemos su API. Ši sistema naudoja standartizuotų protokolų ir pritaikytų adapterių derinį, kad būtų galima pritaikyti prie įvairių pramonės šakų sistemų.

„Mes kūrėme realiam pasauliui, o ne idealiam“, – sako Vasquez. „Tai reiškė susidoroti su visomis netvarkingomis senųjų sistemų realijomis, nenuosekliomis duomenų struktūromis ir skirtingais saugumo reikalavimais.“
Saugumas kėlė ypatingų iššūkių. Dirbtiniam intelektui reikia prieigos prie jautrių verslo sistemų nesukuriant naujų pažeidžiamumų. „Ulteh“ įdiegė išsamią saugumo architektūrą, apimančią visą šifravimą, detalią leidimų kontrolę ir nuolatinį neįprastų modelių stebėjimą.

Kita svarbi naujovė buvo „Ulteh“ kanalų integracijos metodas „Sąveika visur“. Įmonės turi bendrauti su klientais per svetaines, mobiliąsias programėles, pranešimų platformas ir socialinę žiniasklaidą. Užuot kūrusi atskirus kiekvieno kanalo diegimus, „Ulteh“ sistema palaiko vieningą pokalbių modelį, kuris sklandžiai seka klientą įvairiose platformose.

„Klientas gali pradėti pokalbį jūsų svetainėje per pietų pertrauką, o tada tęsti jį per „WhatsApp“ važiuodamas namo“, – pažymi Vasquezas. „Mūsų sistema palaiko visą kontekstą, sukurdama nuolatinį pokalbį, o ne fragmentišką sąveiką.“
Integracijos komanda taip pat sukūrė įrankius, kurie supaprastino diegimo procesą įmonėms. Jų „Integration Studio“ teikia vizualinio žemėlapio sąsajas, iš anksto sukurtas jungtis populiarioms platformoms ir išsamius testavimo įrankius, kurie žymiai sutrumpina diegimo laiką.

„Kai kurie iš mūsų ankstyviausių klientų, remdamiesi savo patirtimi su kitomis įmonės sistemomis, tikėjosi, kad diegimas užtruks mėnesius“, – sako Vasquezas. „Supaprastinome procesą iki tokio lygio, kad daugelis įmonių gali pradėti naudoti pagrindines funkcijas per kelias dienas, o visišką integraciją atlikti per kelias savaites, o ne mėnesius.“

Iki 2023 m. vidurio Ultehas turėjo veikiantį prototipą, kuris demonstravo įspūdingas galimybes kontroliuojamoje aplinkoje. Tačiau tikrasis išbandymas būtų įdiegtas realiame pasaulyje, su visais nenuspėjamumu ir sudėtingumu. Įmonei reikėjo partnerių, norinčių diegti eksperimentines technologijas su klientais susijusiuose vaidmenyse.
„Tai buvo didelis prašymas“, – pripažįsta Carlosas Rivera, Ulteh partnerystės direktorius. „Mes kreipėmės į įmones ir iš esmės sakėme: „Sutvarkykime kai kurias svarbiausias jūsų klientų sąveikas su sistema, kuri dar niekada nebuvo įdiegta“. Suprantama, buvo dvejonių“.
Proveržis įvyko, kai vidutinio dydžio elektroninės prekybos įmonė, besispecializuojanti lauko įrangos gamyboje, sutiko išbandyti sistemą. Užuot visiškai įdiegę, jie įdiegė Ulteh AI ribotais pajėgumais, tvarkydami produktų užklausas nakties valandomis, kai nebuvo prieinami žmogiškieji agentai.
„Tos pirmosios savaitės buvo neįtikėtinai intensyvios“, – prisimena Rivera. "Visa mūsų techninė komanda stebėjo sąveiką, nustatė problemas ir tobulino beveik realiu laiku. Per tą mėnesį sužinojome daugiau nei per ankstesnius šešis."
Pilotas atskleidė keletą netikėtų iššūkių. Klientai uždavė klausimus, kurių kūrimo komanda nesitikėjo, naudojo produktų terminologiją, kuri supainiojo AI, ir rado kūrybiškų būdų nutraukti pokalbių srautus. Tačiau tai taip pat parodė pagrindines sistemos stipriąsias puses – ji mokėsi ir tobulėjo su kiekviena sąveika, o klientai teigiamai reagavo į jos pokalbio stilių.
Remdamasi šia pradine sėkme, Ulteh išplėtė bandomąją programą, įtraukdama finansinių paslaugų, sveikatos priežiūros ir kelionių pramonės įmones. Kiekvienas diegimas atnešė naujų iššūkių ir įžvalgų, kurios suformavo sistemos plėtrą.
„Mes atradome, kad skirtingose pramonės šakose pokalbių modeliai labai skiriasi“, – pažymi dr. Rodriguezas. "Kelionių užsakymo sąveika atrodo ne taip, kaip sveikatos priežiūros konsultacija ar finansinių paslaugų paklausimas. Turėjome padaryti sistemą daug labiau pritaikoma, nei iš pradžių tikėjomės."
Iki 2024 m. pradžios šios bandomosios programos sugeneravo pakankamai duomenų ir patobulinimų, kad Ulteh galėtų pereiti prie bendro pasiekiamumo. Bendrovė sukūrė brandų produktą, kurio veiksmingumas įrodytas įvairiais atvejais ir pramonės šakose.
„Bandymo etapas buvo nuolankus“, – sako generalinė direktorė Maria Khoury. "Manėme, kad laboratorijoje sukūrėme ką nors revoliucingo, tačiau realūs diegimai iš tikrųjų pavertė gaminį tokiu, koks jis yra šiandien. Mūsų pirmieji partneriai buvo ne tik klientai – jie buvo šios technologijos kūrėjai."

„Ulteh“ ruošiantis platesniam pateikimui rinkai, komanda susidūrė su svarbiu klausimu: kaip įmonės turėtų matuoti pokalbių dirbtinio intelekto diegimo sėkmę? Tradiciniai klientų aptarnavimo rodikliai, tokie kaip vidutinis apdorojimo laikas ar per valandą uždarytų užklausų skaičius, neatspindėjo visos sistemos vertės.

„Mums reikėjo sukurti naują sistemą, skirtą suprasti pokalbių dirbtinio intelekto poveikį“, – aiškina Nadia Johnson, „Ulteh“ analitikos vadovė. „Norint suprasti tikrąją klientų patirtį ir verslo rezultatus, reikėjo žvelgti plačiau nei veiklos rodikliai.“
Bendradarbiaudama su bandomaisiais partneriais, „Ulteh“ sukūrė tai, ką jie vadina „Įsitraukimo poveikio sistema“ – daugiamačiu požiūriu į pokalbių dirbtinio intelekto efektyvumą. Ši sistema apima tiek tradicinius rodiklius, tiek naujus rodiklius, specialiai sukurtus dirbtinio intelekto valdomai sąveikai:

Pokalbių kokybės rodikliai:

Sprendimo rodiklis: užklausų, visiškai išspręstų be žmogaus įsikišimo, procentas
Supratimo tikslumas: kaip dažnai dirbtinis intelektas teisingai interpretuoja kliento ketinimus
Pokalbių efektyvumas: žingsniai, reikalingi sprendimui pasiekti
Nuotaikų trajektorija: kaip kliento nuotaikos keičiasi visos sąveikos metu

Verslo poveikio rodikliai:

Konversijos įtaka: kaip dirbtinio intelekto pokalbiai veikia pirkimo sprendimus
Palaikymo nukreipimo vertė: sutaupytos išlaidos dėl sumažėjusio žmogiškosios pagalbos poreikio
Kryžminio pardavimo efektyvumas: sėkmė nustatant ir įgyvendinant papildomas pardavimo galimybes
Klientų išlaikymo poveikis: koreliacija tarp dirbtinio intelekto sąveikos ir pakartotinio verslo

Patirties rodikliai:

Klientų pastangų balas: kokia lengva bendra patirtis klientams
Perėjimo rodiklis: kaip dažnai klientai atsisako dirbtinio intelekto dėl žmogiškosios pagalbos
Savanoriškas grįžtamasis ryšys: nepasakytos teigiamos arba neigiamos pastabos apie patirtį

Ši matavimo sistema padėjo įmonėms suprasti visą „Ulteh“ technologijos diegimo poveikį. Rezultatai buvo įtikinami. Įvairių pramonės šakų įmonės pranešė apie reikšmingą veiklos efektyvumo ir klientų pasitenkinimo pagerėjimą.

„Vienas iš mūsų mažmeninės prekybos partnerių pastebėjo, kad įdiegęs mūsų sistemą, jo konversijų rodiklis per naktį padidėjo 35 %“, – pažymi Johnsonas. „Jie ne tik sutaupė pinigų palaikymo išlaidoms – jie aktyviai didino naujas pajamas tomis valandomis, kai anksčiau neturėjo galimybės gauti pardavimų palaikymo.“
Finansinių paslaugų klientas pranešė, kad 78 % įprastų užklausų dabar visiškai tvarko dirbtinis intelektas, todėl jų žmonių komanda gali sutelkti dėmesį į sudėtingus atvejus, kuriems reikalingas profesionalus sprendimas. Bendras klientų pasitenkinimo balas padidėjo 22 %, nepaisant to, kad žmonių skaičius sumažėjo 30 %.

„Skaičiai daug pasako“, – sako Johnsonas, – „tačiau kai kurie reikšmingiausi atsiliepimai buvo kokybiniai. Klientai dažnai išreiškia nuostabą, kokia naudinga ir natūrali yra sąveika. Jie apibūdina patirtį kaip „gaiviai efektyvią“, o ne kaip nusivylimą, kurio jie tikisi iš automatizuotų sistemų.“

Sėkmingas produktas rinkoje ir vis labiau naudojamas įvairiose pramonės šakose, todėl Ulteh nepasikliauja savo pasiekimais. Bendrovė turi ambicingą plėtros planą, nurodantį pokalbio AI ir klientų įtraukimo ateitį.
„Mes iš tikrųjų ką tik subraižome paviršių, kas įmanoma“, – sako CTO Raj Patel. „Pagrindinė mūsų sukurta technologijų platforma suteikia mums pagrindą tyrinėti galimybes, kurios prieš kelerius metus atrodė kaip mokslinė fantastika.
Vienas iš labiausiai laukiamų pokyčių yra Ulteh iniciatyva „Multimodal Engagement“. Šis išplėtimas leis AI apdoroti ir generuoti ne tik tekstą, bet ir balsą, vaizdus bei interaktyvius vaizdinius elementus. Įsivaizduokite, kad klientas nufotografuoja produkto problemą, AI analizuoja ją realiuoju laiku ir pateikia vaizdines sprendimo instrukcijas – visa tai tame pačiame pokalbio sraute.
Bendrovė taip pat kuria pažangias personalizavimo galimybes, kurios neapsiriboja praeities sąveikų prisiminimu. Sistema aktyviai prisitaikys prie individualių bendravimo stilių, pageidavimų ir poreikių, sukurdama tikrai pritaikytą pokalbio patirtį kiekvienam vartotojui.
„Viena iš įdomiausių mūsų tyrimų sričių yra tai, ką vadiname „bendradarbiaujančiu intelektu“, – aiškina generalinė direktorė Maria Khoury. „Mes kuriame modelius, skirtus dirbtinio intelekto ir žmogiškųjų agentų sklandžiai bendradarbiauti, o sistema tvarko įprastus kelių pokalbių aspektus, o žmonių agentai gali sutelkti dėmesį į sprendimą, empatiją ir sudėtingų problemų sprendimą.
Tai ne tik efektyvumas – tai klientų aptarnavimo specialistų gebėjimų didinimas. AI veikia kaip išmanusis asistentas, teikiantis atitinkamą informaciją, siūlantis atsakymus ir atliekantis administracines užduotis, leidžiantis žmonėms teikti išskirtines paslaugas dideliu mastu.
Ulteh taip pat tiria programas, kurios skiriasi nuo tradicinio klientų aptarnavimo. Ta pati pokalbio žvalgyba, padedanti išspręsti palaikymo problemas, gali padėti klientams priimti sudėtingus pirkimo sprendimus, teikti asmenines rekomendacijas ir teikti iniciatyvų švietimą apie produktus ir paslaugas.
„Mes įsivaizduojame ateitį, kurioje linija tarp palaikymo, pardavimo ir klientų sėkmės tampa vis sklandesnė“, – sako Khoury. „Mūsų technologija leidžia įmonėms būti šalia ir padėti kiekviename kliento kelionės etape, užmegzti ryšius, skatinančius ilgalaikį lojalumą ir augimą.
Žvelgdama į ateitį, bendrovė ir toliau įsipareigoja atsakingai vystyti AI. „Ulteh“ įsteigė išorinę etikos patariamąją tarybą ir įgyvendino griežtus procesus, skirtus naujoms funkcijoms išbandyti, kad būtų išvengta galimo šališkumo ar žalingo poveikio.
„AI galimybės sparčiai tobulėja, o kartu ir didelė atsakomybė“, – pabrėžia Khoury. "Mes kuriame technologijas, su kuriomis kasdien bendraus milijonai žmonių. Mūsų misijos pagrindas yra užtikrinti, kad ši sąveika būtų naudinga, pagarbi ir sąžininga."

Įmonėms, norinčioms įtraukti Ulteh naujos kartos pokalbio AI į savo klientų įtraukimo strategiją, procesas prasideda nuo konkrečių jūsų poreikių ir tikslų supratimo.
„Įdiegimas nėra universalus“, – aiškina Thomas Williamsas, Ulteh klientų sėkmės direktorius. "Mes glaudžiai bendradarbiaujame su kiekvienu klientu, kad sukurtume diegimo metodą, kuris atitiktų jų unikalius iššūkius ir tikslus."
Įprastą diegimo procesą sudaro keli pagrindiniai etapai:
Atradimas ir planavimas: Ulteh komanda dirba su jumis, kad suprastų jūsų dabartinį klientų įtraukimą, nustatytų tobulinimo galimybes ir nustatytų aiškius įgyvendinimo tikslus. Šis etapas apima pokalbių duomenų analizę, klientų kelionių žemėlapių sudarymą ir sėkmės metrikos apibrėžimą.
Konfigūracija ir integravimas: sistema sukonfigūruota taip, kad atitiktų jūsų prekės ženklo balsą, verslo procesus ir pramonės specifinius reikalavimus. Įdiegta integracija su jūsų esamomis sistemomis, leidžianti AI pasiekti atitinkamą informaciją ir imtis atitinkamų veiksmų klientų vardu.
Žinių plėtra: jūsų verslo žinios paverčiamos formatais, kuriuos AI gali suprasti ir panaudoti. Tai gali apimti informaciją apie produktą, politiką, procedūras ir bendrus klientų scenarijus. „Ulteh“ teikia įrankius, kurie supaprastina šį procesą ir dažnai leidžia pasinaudoti esama dokumentacija.
Testavimas ir tobulinimas: prieš viešai paleidžiant sistemą, atliekami griežti įvairių scenarijų bandymai. Šis etapas dažnai apima ribotą diegimą su vidiniais vartotojais arba pasirinktomis klientų grupėmis, kad būtų galima surinkti atsiliepimus ir atlikti pakeitimus.
Laipsniškas diegimas: užuot taikęs viską vienu metu, Ulteh rekomenduoja laipsnišką diegimą, kuris palaipsniui plečia AI atsakomybę. Tai gali prasidėti tvarkant konkrečius užklausų tipus arba dirbant tam tikromis valandomis, o didėjant pasitikėjimui sistema.
Nuolatinis optimizavimas: įdiegus, kelionė nesibaigia. Ulteh komanda atlieka nuolatinę analizę ir optimizavimą, nustatydama tobulinimo galimybes ir padėdamas jums panaudoti naujas galimybes, kai jos atsiras.
Viso šio proceso metu Ulteh akcentuoja partnerystę, o ne tik technologijų diegimą. Jų komandą sudaro pokalbių dizaineriai, integracijos specialistai ir klientų sėkmės vadybininkai, kurie dirba kartu su jūsų komanda, siekdami užtikrinti, kad technologija duotų prasmingų verslo rezultatų.
„Didžiuojuosi ne tik technologija, kurią sukūrėme, bet ir transformacijas, kurias suteikėme savo klientams“, – sako Williamsas. „Kai įmonė mums praneša, kad ji ne tik efektyviau sprendžia klientų problemas, bet ir sukuria naujų teigiamų potyrių, kurių anksčiau nebuvo įmanoma – tada žinome, kad atliekame savo misiją.
Norėdami sužinoti daugiau apie tai, kaip Ulteh naujos kartos pokalbių AI gali pakeisti jūsų klientų įtraukimą, apsilankykite www.ulteh.com ir patirkite jų tiesioginį AI pokalbių robotą.

Kelionė nuo koncepcijos iki rinkoje pirmaujančio pokalbio AI buvo nuolatinių naujovių ir mokymosi „Ulteh“ komanda. Sujungę pažangiausias technologijas su giliomis žmonių bendravimo įžvalgomis, jie sukūrė kažką, kas pranoksta tradicinius pokalbių robotų ar virtualių asistentų apibrėžimus.
Kadangi įmonės susiduria su didėjančiu spaudimu teikti išskirtinę klientų patirtį plačiu mastu, tokie sprendimai kaip Ulteh's yra ne tik technologinė pažanga, bet ir strateginis pranašumas. Įmonės, kurios naudoja šią naujos kartos pokalbių AI, ne tik automatizuoja palaikymą – jos iš naujo išranda ryšius su klientais skaitmeninei erai.
Ulteh sistemos intelektas toliau tobulėja, mokomasi iš kiekvienos sąveikos ir plečiamos jos galimybės. Tačiau vizija išlieka pastovi: sukurti technologiją, kuri paverstų įmonių ir klientų pokalbius natūralesnius, produktyvesnius ir vertingesnius visiems dalyvaujantiems.