Jonathan Corbin, a Maven AGI – Interjúsorozat alapítója és vezérigazgatója

Jonathan Corbin, a Maven AGI alapítója és vezérigazgatója. Korábban a HubSpot ügyfélsikerének és stratégiájának globális alelnökeként Jonathan egy hozzávetőleg 1,000 fős ügyfél-, partner- és szerződésmenedzserből álló csapatot vezetett több régióban és ágazatban. Feladatai közé tartozik az ügyfelek megtartása, a bevétel növekedése és az értékteremtés több mint 200,000 XNUMX ügyfele számára világszerte, az induló vállalkozásoktól a vállalkozásokig.

Maven AGI egy átfogó Generatív AI natív megoldás, amelyet az ügyfélszolgálati környezet átalakítására terveztek – fejfájás nélkül. Lopakodó módban a Maven technológiája az ügyfelek megkereséseinek több mint 93%-át önállóan oldotta meg, 81%-kal csökkentve a támogatási költségeket, és nagymértékben javította az általános ügyfélélményt, miután több millió interakciót megoldott több mint 50 nyelven a korai ügyfelek számára.

Korábban Ön a HubSpot ügyfélsiker- és stratégiai részlegének globális alelnöke volt, ahol egy körülbelül 1,000 fős ügyfél-, partner- és szerződésmenedzserből álló csapatot vezetett több régióban és ágazatban. Melyek voltak az életednek ebből az időszakából a legfontosabb és legfontosabb dolgok?

Ebben az időszakban a Hubspot az öt leggyorsabban növekvő B2B SaaS vállalat egyike volt, több mint egymilliárd dolláros bevétellel. Nagyon kevesen vannak, akiknek lehetőségük volt olyan léptékű építkezésre, növekedésre és gazdálkodásra, mint amilyenben mi működtünk. Az ilyen sebességgel növekvő vállalatok általában nem akkora méretűek, és a mi méretünkben lévő vállalatok sem nőttek ilyen sebességgel. Sok időt töltöttem azzal, hogy méretezhető megközelítéseket dolgozzak ki a tervezéshez és a növekedéshez, ügyelve arra, hogy nagyon világos célokat tűzzünk ki, és összehangoljuk az ösztönzőket több szervezet között, hogy elérjük azokat az eredményeket, amelyeket szervezetként kerestünk, biztosítva, hogy rendelkezzünk a szükséges rendszerekkel láthatóvá teszi, hogy mi történik a szervezetben, és több horizonton tervezzen. Mindennek, amit bevezettünk, nem csak a jelenlegi ügyfeleink számára kellett működnie, hanem képesnek kell lennie arra, hogy fenntartsa a folyamatosságot az exponenciális növekedés mellett.

Megosztana néhány betekintést arról, hogy mi inspirált a Maven AGI elindításához, és mióta vagy lopakodó módban?

Karrierem kezdete óta megszállottja vagyok az ügyféltapasztalatnak, és ezért töltöttem annyi időt az iparág vezető vállalatainál ezen a területen (Adobe, Marketo, Sprinklr, Hubspot stb.). 2017-ben visszatértem egy nyugati parti swingből, és olyan nagyszerű ügyfelekkel találkoztam, mint az Apple és a Nike, és hihetetlenül mélyreható beszélgetéseket folytattunk arról, hogy miként lehet feloldani az elzárt adatokat, és létrehozni ezeket a nagyon személyre szabott élményeket az egyes felhasználók számára. szint. Nem arról a szegmentált megközelítésről beszélek, hogy ebbe a korosztályba vagy demográfiai kategóriába tartozol. Nem, ez a lehetőség arra, hogy a velünk megosztott összes információt teljes körűen bevezessük az ügyfelek elvárásaira, és proaktív módon kapcsolatba léphessünk velük. Óriási izgalom volt a vásárlók részéről, de a technológia akkoriban még nem létezett.

Társalapítóim - Sami Shalabi, Eugene Mann, és mindig is a nagyszabású személyre szabásról és a transzformátorokban rejlő lehetőségekről beszélgettem, mióta a kutatás először megjelent a Google-tól. Sami megépítette a világ egyik legnagyobb személyre szabó motorját a Google Newsnál (1 milliárd felhasználónál több felhasználó), és Eugene vezette a személyre szabást, így mindig is mélyreható, éleslátó beszélgetéseket folytattunk a technológia fejlődésével feltárható lehetőségekről. Ennek az akkori tevékenységünkre az az alkalmazása, hogy én küzdöttem azzal, hogy nagyszabású élményt tudjak létrehozni a Hubspot-felhasználóink ​​számára, Eugene azt vizsgálta, hogyan lehet termelni az LLM-képességeket a Stripe-nál, Sami pedig megosztotta meglátásait. ami jól működött a Google-nál.

Amikor először hallottunk arról, hogy mit csinál az OpenAI, és elkezdtük használni az elérhetővé vált LLM-ek egy részét, rájöttünk, hogy ott tartunk, ahol a technológia már létezik a tökéletes ügyfélélmény megteremtésére. A vállalatoknak választaniuk kellett a költséghatékonyság és a jó ügyfélélmény között, ami mindenféle dolgot eredményezett, például összetett szegmentációs stratégiákat, amelyek célja az ügyfelek interakcióinak korlátozása, olyan dolgok létrehozása, amelyek alapvetően akadályok, amelyeket önkiszolgálásnak neveztek, vagy elássák a támogatási elérhetőségeket valahova nem található.

Körülbelül egy éve indítottuk el a Maven AGI-t lopakodó módban, mert a Mavennél a hatást tartjuk fontosnak – és amikor bejelentettük, hogy mit csinálunk, valós példákat akartunk mutatni a hatásunkra és a mérőszámainkra, nem csak arra, hogy léteztünk és gyűjtöttünk egy kis pénzt. . Hihetetlenül hálásak vagyunk a korai ügyfeleinknek, akik eléggé hittek bennünk ahhoz, hogy együtt dolgozhassanak velünk a legmodernebb technológia bevezetésében és a határok feszegetésében a jobb ügyfélélmény kialakítása érdekében.

Meg tudja határozni számunkra, hogy mi az AGI a Maven AGI kontextusában?

Az AGI nyelvi szempontból nagyon jól definiált – ez egy általános mesterséges intelligencia. Mit jelent ez valójában üzleti értelemben? Arra összpontosítunk, amit üzleti AGI-nek nevezünk, és úgy definiáljuk, mint az összetett feladatok kezelésének képességét olyan funkcionális AI-ügynökök segítségével, amelyek speciálisan speciális feladatokra vannak kiképezve, és egy olyan hangszerelési réteggel rendelkeznek, amely lehetővé teszi számukra az együttműködést.

Példa erre az, ha egy bankszámla-felhasználó kapcsolatba lép a bankjával, és megkérdezi, hogy a befizetését kiegyenlítették – amit a számlaelőzményekből tudunk, az az, hogy kis áthidaló kölcsönre van szüksége a számlái kiegyenlítéséhez és a beváltáshoz. A Maven megérti a történelmi kontextust, és felajánlja a kölcsönt, miközben kezeli a vele kapcsolatos összes papírmunkát, például háttérellenőrzést, hitelellenőrzést, hitelpapírok kitöltését, a kockázatok megértését, jóváhagyását és a kockázaton belüli konkrét összeget. profil, a kölcsön jóváhagyása és a pénz áthelyezése a személy számlájára.

Egy másik példa lehet, ha valaki felkeresi a CRM-támogatási csapatát, és megkérdezi, hogyan kell telepíteni egy kampányt. Ebből azt értjük, hogy nem akarják tudni, hogyan kell kampányt létrehozni, hanem bizonyos számú leadet szeretnének egy adott dátumig. A felhasználók azt mondanák: „Jövő hónapban adj 100 leadet”, és a Mavennek át kell mennie a hihetetlenül összetett feladaton, hogy átadja ezeket.

Melyek a legnagyobb problémák azzal kapcsolatban, hogy a mesterséges intelligencia hogyan integrálódott az ügyfélszolgálatba?

A múltban az AI az ügyfélszolgálatban olyan gépi tanulási modelleket használt, amelyek erősen determinisztikusak voltak, és hónapokig tartott a betanítás. Ezek a modellek alapvetõ ha-akkor logikán mûködtek: ha egy felhasználó az X-et választja, akkor az Y opciót kapja. Ez a leegyszerűsített megközelítés elmaradt a várakozásoktól, csalódást keltő eredményekhez vezetett, és sok CX-szakember szkeptikus volt az AI lehetőségeivel kapcsolatban. Az AI-vezérelt ügyfélszolgálat valódi sikere a dinamikus személyre szabáson, az érvelési képességen és az értelmes cselekvéseken múlik.

Melyek a legfontosabb lépések a Maven AGI képzésében az ügyfélszolgálati kérdések kezelésére?

Ez nagyon egyszerű. . . csak adjon hozzáférést minden olyan információhoz, amelyet az emberek képzésére használna. Napokon – nem heteken vagy hónapokon belül – nagy pontossággal üzembe helyezhetjük az Ön számára. Az Ön sajátos hangszínét, népnyelvét és bármilyen hangulatjelét használja.

Hogyan segít a Maven AGI az ügyfélszolgálati költségek csökkentésében és az általános vevői elégedettség javításában?

A cégek a Maven AGI-t többféle módon telepítik, de a leggyorsabb hatás elérése érdekében a legjobb módja annak, hogy a Maven-t beszúrják a támogatási sor élére azokon a végpontokon vagy csatornákon, amelyeket ügyfelei használni szeretnének (csevegés, web, keresés, Slack, termékben, SMS-ben stb.). Ez lehetővé teszi számunkra, hogy azonnali, személyre szabott eredményeket és műveleteket biztosítsunk az ügyfeleknek várakozási idő nélkül, miközben biztosítjuk, hogy ezek a csodálatos ügyfélszolgálati ügynökök azt csinálják, amit a legjobban tudnak, és olyan ügyfelekkel dolgoznak, akiknek valóban emberi interakcióra van szükségük problémáik megoldásához.

Milyen technológiai fejlesztések tette lehetővé a Maven AGI számára, hogy ilyen magas szintű önálló problémamegoldást érjen el?

Úgy gondolom, hogy a világ egyik legjobb mérnöki csapatát toboroztuk, hogy megoldjuk ezt az adatproblémát. Ragyogó emberek, akik olyan kihívásokon dolgoztak, mint a keresés a Google-nál, illetve a nagyszabású személyre szabás a Metánál és az Amazonnál, és évek óta gondolkodnak az ilyen jellegű problémák megoldásán. Az adatok töredezettek és össze vannak rakva, és ahhoz, hogy válaszolhassunk az ügyfelek kérdéseire, és lépéseket tudjunk tenni, több adatot kellett feldolgoznunk, mint bárki más. A második rész a cselekvés képessége és az akciómotorunk felépítése, mert tudjuk, hogy a kérdések megválaszolása nem elég. Ahhoz, hogy megvalósíthassuk az üzleti AGI-t, képesnek kell lennünk arra, hogy előre jelezzük a felhasználók igényeit, és szándékosan bevonjuk őket.

Tudsz-e további részletekkel szolgálni a legutóbbi 20 millió dolláros A sorozatú finanszírozás és hogyan fogják hasznosítani?

Szerencsések voltunk, hogy minden hengerre rátaláltunk abban, amit a vetőmag körünkkel el akartunk érni: egy nagyszerű mérnöki csapat felépítése, egy olyan termék, amely valós problémákat old meg, és olyan vásárlóink ​​vannak, akik értéket hoznak ki termékünkből. Kevesebb, mint egy éve hoztuk létre a vetőmag körünket, de volt néhány igazán nagyszerű befektető, akik részt akartak venni a velünk való utazásban. Az M13-mal töltött idő után nagyon izgatottak voltunk, hogy velük együtt építhetjük tovább a Maven AGI jövőjét. Az elmúlt évben összegyűjtött 28 millió dollárt a GTM-csapatunk felépítésére, a partner ökoszisztéma kiépítésébe való befektetésre, valamint az akciómotor (™) és a platform képességeinek bővítésével folytatjuk a mérnökök alkalmazását.

Hogyan látja a mesterséges intelligencia szerepének fejlődését az ügyfélszolgálati iparágban a következő öt évben?

A jövő nem lesz felosztva támogatásra, szolgáltatásokra, értékesítésre és különféle funkciókra. Ehelyett az ügyfélszolgálat egy zökkenőmentes, egységes ügyfélélmény részévé válik, zökkenőmentes átadások és eltömődött adatok nélkül. Ahogy az ügyfelek elvárásai fejlődnek, úgy alakulnak a kiszolgálásuk módjai is.

Napjaink vásárlói igényei 3 kategóriába sorolhatók:

• Azok, akik önkiszolgálni akarnak – az a képesség, hogy megtalálják a megoldást vagy választ egy kérdésre.
• Azok, akik szeretnének hozzáférni az önkiszolgáláshoz, de hitelesítésre van szükségük, hogy helyesen cselekszenek.
• Azok az ügyfelek, akik fehér kesztyűt igényelnek, és emberi segítségre szorulnak.

A jövőnek is van 3 kategóriája, de az ügyfelek elvárásai egészen mások lesznek:

• Kérdéseikre azonnali választ várnak.
• A személyre szabással, a használati adatokkal, a teljes történelmi kontextussal, valamint azzal a képességgel, hogy az általuk választott csatornán tudjanak cselekedni és kapcsolatba lépni velük, előre jelezze igényeiket és kérdéseit.
• Lehetőség arra, hogy várakozási idő és hosszadalmas sorok nélkül kapcsolatba léphessenek az ügyfélszolgálati ügynökökkel, akiknek válaszai vannak kérdéseikre, teljes történelmi kontextusuk van, és azonnali lépéseket tehetnek.

Köszönjük a remek interjút, azoknak az olvasóknak, akik többet szeretnének megtudni, látogassanak el Maven AGI.