خودکار کردن وظایف خدمات مشتری، به ویژه آنهایی که مستلزم صحبت با مشتریان از طریق تلفن توسط نمایندگان است، چیزی شبیه جام مقدس در سازمان است. طبق یک مطالعه OnePoll که توسط ارائه‌دهنده نرم‌افزار مرکز تماس TCN انجام شده است، مشتریان مایلند به طور متوسط شش دقیقه منتظر بمانند تا با نماینده مشتری صحبت کنند. اما نمایندگان فقط می توانند تعداد زیادی تماس ارسال کنند.
این یک داستان رایج در میان شرکت‌هایی است که نرم‌افزاری را برای خودکارسازی خدمات مشتری می‌فروشند، از جمله پالو آلتو، کالیفرنیا Tenyx. Tenyx که خدمات صوتی را برای خدمات مشتری ایجاد می کند، امروز اعلام کرد که در دور اولیه AME Cloud Ventures، Cota Capital، Morado Ventures، Pathbreaker Ventures، Point72 Ventures و StageOne Ventures، 15 میلیون دلار جمع آوری کرده است.
Tenyx توسط تیم موسس Apprente رهبری می شود که سیستم های صوتی را برای خودکارسازی پذیرش سفارش ها در پنجره های رستوران توسعه داده است. مک‌دونالدز پس از آزمایش فناوری خود در مکان‌های انتخابی، Apprente را در سال 2019 خریداری کرد و نام آن را به McD Tech Labs تغییر داد. دو سال بعد، IBM واحد را به مبلغی نامشخص خرید.
تیم رهبری Tenyx شامل ایتامار آرل، استاد سابق علوم کامپیوتر در دانشگاه تنسی و مدیر عامل Apprente، و ران کریسلی، رئیس برنامه علوم شناختی در دانشگاه ساسکس است. این استارت‌آپ در مراحل اولیه از درآمد جلوتر است و نمی‌خواهد چیز زیادی در مورد فناوری خود فاش کند. اما آرل گفت که Tenyx با چالش هایی از جمله توانایی یادگیری مداوم از اطلاعات جدید و نیاز به کاهش زمان لازم برای توسعه یک سیستم هوش مصنوعی روبرو است.
«…بازار خدمات مشتریان شرکتی حتی با معرفی جایگزین های دیجیتال و سلف سرویس، به راه حل های صوتی وابسته است. پذیرش هوش مصنوعی محاوره‌ای به دلیل پیچیدگی پیاده‌سازی، چالش‌های مقیاس‌بندی مؤثر و عدم اعتماد کاربر با مشکل مواجه می‌شود. آرل ادامه داد: راه‌حل‌های اتوماسیون موجود برای خدمات مشتریان صوتی شکننده هستند و توانایی درک و تعامل با مشتریان را ندارند. «همه‌گیری COVID-19 منجر به کمبود نیروی انسانی در مراکز تماس شده است و فرصت‌هایی را برای پذیرش فناوری هوش مصنوعی محاوره‌ای باز می‌کند. در ترکیب، مشتریان انتظار تجربه مشتری بهتر و سازگارتری را دارند که می‌تواند با راه‌حل‌های هوش مصنوعی مبتنی بر صدا سازگار باشد.
حتی پیچیده ترین سیستم های هوش مصنوعی امروزه از یک محدودیت کلیدی رنج می برند: آمار. الگوریتم‌ها یک بار بر روی مجموعه‌ای از داده‌ها و به ندرت دوباره آموزش داده می‌شوند، که باعث می‌شود بدون آموزش مجدد نتوانند اطلاعات جدید را بیاموزند. در حالی که برخی از آزمایشگاه‌های هوش مصنوعی راه‌حل‌هایی مانند دسترسی سیستم‌ها به موتورهای جستجو را بررسی کرده‌اند، اما با موانع خاص خود همراه هستند. یکی «یادگیری فاجعه‌آمیز» است، پدیده‌ای که در آن سیستم‌های هوش مصنوعی نمی‌توانند آنچه را از مجموعه داده‌های آموزشی آموخته‌اند به خاطر بیاورند و نیاز به یادآوری مداوم دارند.
آرل اشاره می کند که Tenyx چیزی در آستین خود در این خطوط دارد.
مدل‌های فعلی هوش مصنوعی را می‌توان از حجم عظیمی از داده‌های ارائه شده در طول آموزش یاد گرفت، اما زمانی که داده‌های جدید در دسترس قرار گرفت، نمی‌توان آنها را به تدریج یاد گرفت. آرل در مصاحبه ای با TechCrunch گفت: این یک محدودیت قابل توجه در مدل های یادگیری ماشین موجود است که فناوری Tenyx قصد دارد بر آن غلبه کند. «به خصوص بر اساس تمرینات مستمر او [AI systems]فناوری Tenyx راه حل هایی را امکان پذیر می کند که می توانند بهره وری را از طریق یادگیری تعاملی انسانی بهبود بخشند.
اگر Tenyx پیشرفت قابل توجهی در یادگیری مادام العمر داشته باشد، این واقعاً چشمگیر خواهد بود. جف کلون، محقق OpenAI، که به تأسیس آزمایشگاه هوش مصنوعی Uber در سال 2017 کمک کرد، فراموشی فاجعه‌بار «پاشنه آشیل» یادگیری ماشینی را نامید. با تمرکز بر خدمات مشتری، دیدن اینکه چگونه تکنیک‌های یادگیری مادام‌العمر می‌تواند برای Tenyx مفید باشد، دشوار نیست، زیرا می‌تواند از آنها برای مثال برای ارائه یک سیستم منشی تلفنی مبتنی بر هوش مصنوعی با اطلاعات کسب‌وکار به‌روز استفاده کند (مثلاً. ساعات کار فروشگاه).
“با توسعه قابلیت‌های هوش مصنوعی جدید و همیشه یادگیرنده، ما معتقدیم Tenyx این پتانسیل را دارد که بازار خدمات مشتریان سازمانی را متحول کند و به طیف گسترده‌ای از شرکت‌ها اجازه می‌دهد تا کارایی و اثربخشی خود را به طور چشمگیری بهبود بخشند.” دن گاوک از Point72 Ventures در بیانیه ای گفت. این شرکت توسط کارشناسان فنی اداره می شود که قبلاً ثابت کرده اند می توانند راه حل های صوتی با هوش مصنوعی بسازند که قادر به پشتیبانی از هزاران مشتری واقعی در هر روز است.
آرل می گوید که درآمد حاصل از دور آخر برای توسعه تیم، توسعه فناوری اصلی شرکت برای مداوم استفاده خواهد شد. مطالعه کردنو همچنین ساخت و ارائه محصول هوش مصنوعی صوتی. او ادعا می کند که Tenyx که حدود 10 کارمند دارد، در حال مذاکره با مشتریان آینده در فضای مرکز تماس است.