Observe.ai, la piattaforma di intelligenza di conversazione, ha presentato oggi il suo modello LLM (Large Language Model) specifico per contact center, che conta ben 30 miliardi di parametri. Il modello è accompagnato da una suite di intelligenza artificiale generativa progettata per migliorare le prestazioni degli agenti. A differenza di altri modelli, come il famoso GPT, Observe.ai afferma che il suo LLM proprietario è stato addestrato su un vasto insieme di dati provenienti da interazioni effettive avvenute nei contact center di tutto il mondo.
La caratteristica distintiva di questo modello, sottolineata da Observe.ai, risiede nella possibilità di calibrarlo e controllarlo offerta agli utenti. La piattaforma consente infatti di personalizzare il modello per adattarlo alle specifiche esigenze del contact center.
La società ha dichiarato che il suo LLM è stato sottoposto a un addestramento specializzato utilizzando diversi set di dati provenienti dai contact center. Ciò ha permesso di potenziare le capacità di intelligenza artificiale del modello per affrontare varie attività, come il riassunto delle chiamate, il controllo qualità automatizzato e il coaching, tutte personalizzate per i team dei contact center.
Grazie alle sue potenzialità LLM, la suite di intelligenza artificiale generativa di Observe.ai mira a migliorare le prestazioni degli agenti in tutte le interazioni con i clienti, sia telefoniche che tramite chat. L’obiettivo è ottimizzare la gestione delle richieste, delle domande, dei reclami e delle conversazioni quotidiane che coinvolgono i team dei contact center.
Swapnil Jain, CEO di Observe.AI, ha affermato: “Il nostro LLM è stato sottoposto a un addestramento approfondito utilizzando un set di dati specifico delle interazioni dei contact center. Durante il processo di addestramento, abbiamo utilizzato un vasto corpus di dati estratti da centinaia di milioni di conversazioni elaborate da Observe.AI negli ultimi cinque anni”. Jain ha inoltre evidenziato l’importanza della qualità e della rilevanza dei dati di addestramento, che comprendono centinaia di istruzioni specificamente selezionate per varie attività applicabili direttamente ai casi d’uso dei contact center.
Secondo Observe.AI, il suo modello LLM per contact center ha superato il GPT-3.5 nei primi benchmark, mostrando un miglioramento del 35% nell’accuratezza del riassunto delle conversazioni e un incremento del 33% nell’analisi del sentiment. Jain ha dichiarato che queste cifre continueranno a migliorare grazie all’addestramento continuo.
Inoltre, il LLM è stato addestrato esclusivamente su dati anonimizzati, garantendo l’assenza di informazioni personali identificabili (PII). Observe.AI sottolinea l’utilizzo di tecniche di anonimizzazione per tutelare la privacy dei dati dei clienti, pur sfruttando appieno le capacità dell’intelligenza artificiale generativa.
Secondo Jain, circa il 70% delle aziende in diversi settori sta esplorando i potenziali vantaggi dell’intelligenza artificiale generativa, in particolare per migliorare l’esperienza del cliente, la fidelizzazione e la crescita dei ricavi. I responsabili dei contact center sono tra coloro che sono entusiasti di adottare queste tecnologie trasformative.
Tuttavia, Jain ritiene che i modelli generici di LLM debbano affrontare diverse sfide che ne limitano l’efficacia nei contact center. Queste sfide includono la mancanza di specificità e controllo, l’incapacità di distinguere risposte corrette da errate e una competenza limitata nella comprensione delle conversazioni umane e dei contesti reali. Di conseguenza, i modelli generici, compreso il GPT, spesso producono imprecisioni e confabulazioni, note anche come “allucinazioni”, che li rendono inadatti per gli ambienti aziendali.
“Questi modelli generici vengono addestrati su dati di internet aperti. Di conseguenza, non sono in grado di comprendere appieno le sfumature della conversazione umana parlata, come le pause, le ripetizioni e le frasi spezzate, e possono avere problemi di trascrizione dovuti alle peculiarità della sintesi vocale”, ha affermato Jain. “Pertanto, sebbene possano essere utili per attività generiche, come il riassunto di una conversazione, mancano del contesto rilevante per le conversazioni all’interno dei contact center”.
Jain ha spiegato che Observe.AI ha affrontato queste sfide incorporando nel proprio modello cinque anni di dati accurati e pertinenti. I dati sono stati raccolti da centinaia di milioni di interazioni con i clienti per addestrare il modello su attività specifiche dei contact center.
La nuova suite di intelligenza artificiale generativa dell’azienda offre supporto agli agenti durante tutto il ciclo di vita delle interazioni con i clienti. La funzione Knowledge AI consente di fornire risposte rapide ed accurate alle richieste dei clienti, eliminando la necessità di effettuare ricerche manuali nelle numerose knowledge base interne e nelle FAQ. La funzione Riepilogo Automatico consente agli agenti di concentrarsi sul cliente, riducendo le attività post-chiamata e garantendo la qualità e la coerenza delle note di chiamata.
Lo strumento Auto Coaching fornisce feedback personalizzati basati su prove agli agenti immediatamente dopo aver concluso un’interazione con il cliente. Ciò favorisce il miglioramento delle competenze e mira a migliorare l’esperienza di apprendimento per gli agenti, integrando le normali sessioni di coaching supervisionate.
Observe.ai afferma che il superamento del GPT in termini di coerenza e rilevanza rappresenta un significativo passo avanti.
L’azienda ha implementato un solido protocollo per la gestione dei dati, al fine di garantire la conservazione dei dati dei clienti, compresi quelli generati dal LLM, in conformità ai requisiti normativi. Ogni cliente o account ha a disposizione una partizione di archiviazione dedicata, che garantisce la crittografia dei dati e l’identificazione univoca per ogni cliente o account.