Цифровые операторы — новое поколение голосовых роботов

Большинство технологий появилось благодаря нашему любопытству и тяге к самопознанию: к примеру, нейронные сети своим открытием обязаны исследованиям в области ИИ, а именно попыткам воспроизвести способность нервных систем обучаться и исправлять ошибки.

И не стоит бояться, что ИИ попытается захватить мир, — современным решениям пока чужды захватнические амбиции. Ну, по крайней мере, в этом десятилетии... Зато они способны помочь в медицине, в строительстве и даже в контакт-центрах. Именно о последнем направлении пойдет речь в нашей статье.

Neuro.net давно занимается проектами в сфере нейронных сетей. Сооснователь и COO компании Александр Кузнецов рассказал нам о продуктах компании, о том, чем они отличаются от других производителей голосовых роботов, и, самое главное, о том, как нейросети помогают устранить рутинные процессы.

Расскажите о компании Neuro.net. В какой сфере вы работаете и какие решения разрабатываете?

Neuro.net — это международный IT-проект, который предоставляет услуги контакт-центра на базе искусственного интеллекта. Наше решение позволяет создать автономный контакт-центр без использования реальных сотрудников. Мы предпочитаем называть своих виртуальных сотрудников «цифровыми операторами», потому что видим, что это принципиально новое поколение развития голосовых роботов. Они поддерживают сложные беседы, обучаются на истории диалога, имитируют эмоции и распознаются менее 1% собеседников. Достаточно прослушать несколько звонков, чтобы понять разницу.

Поясните нам, как работают нейросети? Чем они отличаются от обычных программ?

Если говорить максимально упрощенно, то нейросеть — это математическая модель, способная самостоятельно обучаться и улучшать свои результаты на каждом новом дата-сете.  В нашем случае это позволяет использовать историю диалогов для создания всё лучшей версии нашего цифрового оператора, который сегодня стал фактически неотличим от реального собеседника.  

Так, на простейший, казалось бы, вопрос робота «Остались ли у вас ещё вопросы?» мы записываем сотни вариантов ответных реплик в зависимости от реакции собеседника. Используя нейросеть, на весь диалог мы получаем уже десятки и сотни тысяч комбинаций. В итоге каждый наш новый диалог оказывается не похож на предыдущий.

Откуда берете данные, чтобы «обучать» свои решения?

Исходные данные — достаточно болезненный вопрос для обучения любой нейросети. Нам повезло: большинство колл-центров хранит историю звонков, и после очистки персональных данных они готовы передавать эти звонки нам для обучения нейросети.

Сильно ли изменилась сфера маркетинга, продаж и коммуникаций? Возможно ли сейчас работать в этой сфере без применения решения, подобного вашему?

Автоматизация рутины — это эволюционный процесс. Наш фокус — сценарии, где использование нейросетей позволяет сохранить как минимум тот же пользовательский опыт, но при этом распределить ресурсы реального колл-центра на более сложные задачи. Если цифровой оператор справляется лучше реального контакт-центра при сборе NPS или в сценарии телемаркетинга, то зачем нагружать живых людей монотонными диалогами? Компании, которые не планируют фокусироваться на решении более сложных пользовательских задач, в долгосрочной перспективе, конечно, не будут конкурентоспособны.

Чем ваши боты отличаются от продуктов конкурентов?

Главное отличие цифровых операторов Neuro.net от обычного голосового робота — в технологиях. Мы используем для обработки данных собственные высокоточные алгоритмы NLU Engine (Natural Language Understanding), способные работать на небольших дата-сетах. Используя данные, полученные от системы распознавания речи (ASR), NLU Engine выделяет из текста такие объекты распознавания, как entities (сущности) и intents (намерения), которые применяются в логике построения диалога.

Пример диалога с голосовым роботом компании Neuro.net. Впечатляет, правда?

Результат — фактически неотличимый от реального собеседника уровень ведения разговора. Цифровой оператор Neuro.net соблюдает интонацию, выдерживает паузы и логику построения ответов, а, главное, с каждым новым разговором становится всё лучше благодаря технологии машинного обучения.

Поделитесь успешными кейсами? Среди казахстанских компаний есть ваши клиенты?

Для примера можем рассказать о нашем сотрудничестве с KUPIVIP.RU. В ходе этого проекта конверсия в покупки оказалась на 2% выше, чем при общении с реальными сотрудниками колл-центра. Цифровой оператор Neuro.net звонил клиентам, которые давно не совершали покупки, во время Black Friday и предлагал промокоды. Около 8% собеседников воспользовались купоном на дополнительную скидку при том, что реализованный нами объем звонков за сутки просто невозможно было выполнить силами обычного колл-центра.

Крупнейший наш кейс в Казахстане — сотрудничество с телекоммуникационным оператором KCell. В ходе пилотных проектов мы увидели все те же метрики: менее 1% абонентов распознали робота, и в каждом из сценариев удалось достичь целевого KPI, даже выше, чем у реального колл-центра.

Как находите специалистов? Самостоятельно обучаете?

Особенность Neuro.net как продукта в том, что, фактически, на рынке не существует специалистов, которые уже умеют работать с полностью аналогичным функционалом. Когда работа идет над инновационным проектом в сфере ИИ, приходится обучать или переобучать специалистов самостоятельно, оперативно погружать их в задачи. Помогает в поиске то, что мы периодически публикуем на профильных IT-ресурсах материалы про технологии Neuro.net. И IT-специалисты, которым интересна эта тема и которые работают в смежных отраслях, откликаются сами или рекомендуют обратить внимание на наши вакансии своим знакомым.

Илон Маск поднимал вопрос о том, что развитие ИИ может стать катастрофой для человечества... А как считаете вы, такая угроза реальна?

Важно понимать, что то, что создаем мы в Neuro.net, — это не автономная ИИ-машина, а совершенно прикладное решение, которое работает в своей определенной сфере. Мы используем нейросети для решения прикладных задач: автоматизации контакт-центра и развития бизнеса. Поэтому пока комментировать возможность восстания машин считаем себя точно не вправе!

Ваша нейросеть может нагрубить или «послать» клиента? И если да, то как вы наказываете за девиантное поведение?

В силу специфики работы Neuro.net мы имеем дело с ранее уже записанными репликами. Поэтому даже теоретической возможности нагрубить клиенту просто нет — если только мы заранее не запишем такую реплику голосом в студии :)

Второй пример. Робот способен поддержать почти любой разговор с клиентом.

С какими самыми сложными вызовами сталкивалась ваша компания?

Как ни странно, одной из самых сложных задач (после, собственно, создания рабочего решения) оказалось убедить потенциальных заказчиков в том, что цифровые операторы Neuro.net реально неотличимы от живого оператора. Люди думают, что голосовой робот — это по-прежнему алгоритм, способный машинным голосом зачитать «нажмите цифру 1, чтобы продолжить». Доказать клиентам, что отличий между реальным колл-центром и цифровыми операторами Neuro.net нет уже сейчас, — это сломать определенный барьер, и приходится доказывать, что мы не подтасовываем факты, а технологии и правда зашли уже так далеко. Самый простой способ доказать эффективность — это, конечно, предложить клиенту самостоятельно ответить на звонок нашего оператора и проверить его работу в деле.

Каких проектов ждать от вас в дальнейшем?

Сейчас основной наш фокус — запуск новых проектов в банковской сфере, а также в госсекторе. Это те сегменты, где ежедневно требуется обрабатывать сотни тысяч звонков в день, где есть сложные (и тем особенно интересные) задачи, связанные с  биометрией. Мы видим огромные перспективы в том, чтобы дальше развиваться именно в этих направлениях.

От редакции: Как мы видим, ИИ способен помочь даже в тех сферах, которые изначально считались вотчиной человека. Разумеется, в полноценное социальное общение роботы пока не умеют, но, наверное, это всего лишь вопрос времени. Нужны ли будем тогда мы с вами?

Артем Волков