Como a Inteligência Artificial pode fazer a gente odiar menos os SAC

Longos tempos de espera. Opções de menu confusas. Música de fundo enganosa. Depois de tudo isso, o operador do serviço de atendimento ao cliente que lhe atende não consegue oferecer a ajuda necessária. Não é à toa que nós odiamos o SAC.

Foto via Digital Genius

Uma startup de São Francisco, na Califórnia, fundada por pesquisadores de física de partículas, trabalha para aliviar essa agonia, com ajuda da AI e de GPUs. A empresa Deepgram criou uma tecnologia que as organizações podem usar para fazer uma avaliação rápida do atendimento ao consumidor e melhorar o serviço.

“As pessoas realmente não querem ligar para o SAC e não querem desperdiçar seu tempo”, afirma Scott Stephenson, cofundador e CEO da Deepgram. “Queremos contribuir para os clientes alcançarem seus objetivos com mais rapidez.”

Por que os SACs são tão ruins

Há muitos interesses em jogo no serviço de atendimento ao cliente. As empresas que aumentam em apenas 1% o número de chamadas de atendimento ao consumidor resolvidas na primeira tentativa economizam, em média, US$ 276 mil dólares por ano, segundo um estudo do SQM Group, uma empresa de consultoria de serviços de atendimento ao cliente. Os clientes cujos problemas não são resolvidos em uma chamada têm uma chance oito vezes maior de deixarem de ser clientes, de acordo com o estudo.

[expand title=”Continuar lendo”]

“As empresas realmente querem saber o que está acontecendo nas chamadas dos seus clientes, mas ainda não encontraram uma maneira econômica de fazer isso”, diz Stephenson.

A Deepgram usa deep learning acelerado para GPUs para tornar a fala reconhecível e detectar padrões que demonstrem em que ponto as chamadas deram certo ou errado. Atualmente, isso exige que alguém ouça e avalie as gravações das chamadas de atendimento ao consumidor. Como isso requer muitas horas de trabalho, acontece em apenas uma a cada 100 chamadas, afirma Stephenson.

Como alternativa, as empresas convertem a fala em texto para revisão, mas tal técnica é marcada por problemas de qualidade de áudio e erros, completa ele.

Mantenha o cliente satisfeito

O software de deep learning da Deepgram possibilita que as empresas verifiquem a qualidade do serviço em cada chamada. Ele detecta padrões de sons e frases para que as empresas descubram detalhes, como o que agrada ou desagrada os clientes, se os operadores do SAC usam as palavras certas e quais são os assuntos que costumam surgir, declara Stephenson.

Segundo ele, as empresas podem usar essas informações para melhorar os scripts e o treinamento dos operadores, identificar clientes potenciais de vendas, verificar a conformidade com as normas e diminuir o número de clientes que vão para os concorrentes. Um cliente da Deepgram aumentou em 3% a receita usando a tecnologia da empresa, ele acrescenta.

Foto via Divulgação/Deepgram

Da matéria escura ao Big Data

Stephenson e o cofundador Noah Shutty estavam na China pesquisando a matéria escura para a Universidade de Michigan quando tiveram a ideia de formar a Deepgram. Shutty tinha gravado milhares de horas de sua vida e precisava de uma forma de encontrar determinados momentos.

Após resolver o problema de Shutty, eles perceberam que o método também poderia auxiliar as empresas. A dupla treinou sua rede neural com milhares de horas de áudio compostas principalmente por gravações de chamadas atendimento ao consumidor. Eles criaram uma estrutura de deep learning com código-fonte aberto denominada Kur, que engloba a plataforma de computação paralela CUDA e a estrutura de deep learning TensorFlow.

A Deepgram, que faz parte do Programa de aceleração inicial para startups da NVIDIA, implementa sua tecnologia com nossos aceleradores de GPU Tesla K80 na nuvem dos Amazon Web Services.

[/expand]

Deixe seu comentário

comentários