Josh Feast，是首席执行官兼联合创始人 科吉托，一个将情感与对话相结合的企业 AI 进入一个创新平台，为联络中心座席提供实时指导和指导，让主管能够随时随地查看其团队的实时对话，并持续监控客户和员工体验。
Cogito的故事始于1999年，在公司成立之前。您能否分享一些关于麻省理工学院人类动力学实验室早期的见解以及正在开展的工作？
从1999年到2006年，Sandy Pentland博士开发了基础科学，证明了社会信号在人类交流中的存在和力量，以及机器检测和解释它们的能力。
2007年，Cogito从麻省理工学院媒体实验室分离出来。 你能分享一下这个创世纪的故事吗？
在麻省理工学院工作之前，我认识到需要通过对话上下文提供信息的技术，以便在情绪激动的情况下帮助其用户。在新西兰儿童、青年和家庭服务部（现称为社会发展部儿童、青年和家庭部门）工作时，我注意到许多社会工作者由于职责的高度情绪化而筋疲力尽，并相信支持他们的管理系统将从这种技术中受益匪浅。我把我当时的观察结果带到了麻省理工学院，Cogito后来是根据彭特兰博士的麻省理工学院媒体实验室的研究创建的，似乎直接解决了这个问题。Cogito获得了国防高级研究计划局（DARPA）的资助，用于研究和开发人工智能平台和行为模型，以自动检测人类心理状态。这项技术被证明成功地帮助退伍军人通过与退伍军人事务部（VA）的部署从战斗中返回。
情感 AI Cogito使用的技术首先通过协助医疗保健提供者检测从战斗中返回的士兵中PTSD和其他心理健康障碍的早期迹象进行验证。您能讨论一下有关此内容的一些细节以及看到的结果类型吗？
将这项技术部署到医疗保健提供者的目的是检测抑郁症并防止退伍军人从战斗中返回的自杀。我们开发的平台使医生能够通过语音信号跟踪退伍军人的整体心理健康状况，并查明无家可归和其他心理健康状况不佳的警告信号等事件。我们很快意识到我们有一些特别的东西，并且该技术的应用可以证明是有用的，除了支持退伍军人和医疗保健系统在有大量复杂，充满情感的对话的地区。由于我们的根基仍然以人类体验为中心，我们成为了您今天所知道的Cogito，为包括医疗保健在内的多个行业的大型企业联络中心座席提供实时辅导和指导。
你能谈谈Cogito如何使用吗 AI 分析行为线索并在对话中提供即时反馈？
Cogito使用情感和对话的强大组合 AI 从所有对话中揭示新的见解，同时提取两者 什么 有人说， 如何 客户收到了消息。这些 AI 模型实时衡量所有呼叫的客户体验 （CX），以在当下产生影响，而呼叫后分析仅以改善未来的交互为中心。
Cogito 在几毫秒内提取和分析 200 多个声音和语音信号，为联络中心座席提供有关如何调整其行为的提示，并根据讨论的主题和预期结果提出最佳建议。
Cogito执行实时通话语音分析，以实时增强行为，从而在客户和联络中心座席之间大规模建立更好的人际关系，无论他们在哪里工作。
这种反馈如何指导座席与客户建立更好的关系？
联络中心座席从Cogito的轻推中获得的实时反馈使座席能够表现出更一致的情商，从而使座席在每次呼叫中都能产生同理心。提高同理心可以带来更好的对话结果，例如缩短呼叫处理时间、提高首次呼叫解决率、提高客户满意度和增加客户生命周期价值。
每个联络中心代表都有不同的优势和劣势。实时轻推他们在电话中接听有助于增强他们的客户服务，无论是提供更多的同理心、说得更慢还是听起来更乐观。这种量身定制的反馈允许座席根据特定客户的体验和他们拾取的语音信号与客户建立关系 AI 型。反过来，这改善了客户体验和座席体验。
实时反馈不仅有利于客户体验，还有利于员工体验 （EX）。我们的工具可帮助代表获得更积极的工作经验，事实证明，这可以推动更高水平的客户体验。
2019年，Cogito发表了一篇题为 “言语情感识别中的性别去偏见.” 当谈到言语中的性别偏见对情感的影响时，有哪些关键见解？
我们的论文侧重于建模方法和优化技术以及抽样偏差。因此，必须进行更多的研究来减轻机器学习中的负面偏见，特别是在语音情感识别方面。主要见解包括：
女性语音的音调往往高于男性语音，这导致谐波间距更广。
语音情感识别模型可能会受到这种差异的影响。这可能会导致女性语音的准确性低于男性语音的准确性。
可以应用去偏置机器学习技术来减少这种准确性不平衡。在本文中，Cogito介绍了一种新颖的去偏技术，该技术相对于基线表现良好。
Cogito如何运作以减轻不必要的性别或其他类型的偏见的影响？
Cogito使用自然语言处理（NLP）模型，结合了人类感知 AI 系统、深度学习机器模型和其他复杂的规则，帮助计算机理解、分析和模拟人类语言。我们一直在用新数据研究和发展我们的NLP，以减轻偏见。
Cogito有一个全面的机器学习模型开发协议，该协议明确旨在减轻偏见并确保基于道德机器学习（ML）的产品功能。该协议涵盖了用于训练的采样数据、减轻人类标记中的偏差以及使用 ML 去偏见技术等领域。
Cogito使用由大量音频数据组成的“公平性”数据集，其中说话者自我报告不同的人口统计类别。所有模型都根据公平性数据集和各种人口统计类别进行评估。我们还使用 ML Ops 技术客观地监控生产中的模型，并通过人工注释系统地执行模型审计。
您个人对如何 AI 不应该只取代人类，而是增强人类的行为吗？
人类可以做一些事情，他们可以在人与人之间的互动中提供细微差别，技术喜欢 AI 不能自己模仿。例如，客户希望在联系客户支持时获得同理心。如果客户仅与由 AI，他们的问题可能会得到解决，但他们最终可能会对互动感到沮丧或烦恼。如果我们将所有联络中心座席替换为 AI，然后我们将消除建立关系以及实现和维护持久、忠诚的客户所必需的人为因素。
在进行服务交互时，人类重视与能够设身处地地为人着想的人交谈，这些人有过与他们自己正在经历的经历相似的经历。同样，人类重视别人照顾他们并拥有他们问题的解决方案的感觉。独立还需要很长时间 AI 实际上被视为自助工具之外的东西。
关于Cogito，您还有什么想分享的吗？
在Cogito，我们正在开发新技术，以引领下一代联络中心。今年早些时候，我们发布了员工体验 （EX） 分数来跟踪座席的体验。与我们的客户体验 （CX） 分数类似，EX 分数结合了人类感知的情感 AI 和对话 AI，跨单个实例或跨多个调用获取趋势的实时见解。在高度的不满、倦怠和损耗中，EX Score 有助于解决如何防止倦怠并帮助座席体验的问题，从而推动更好的客户体验和长期业务可持续性。
感谢您的精彩采访，希望了解更多信息的读者请访问 科吉自.
