هدف Saiga موفقیت در جایی است که Magic و سایر برنامه‌های دربان شکست خوردند – TechCrunch

ساعت 5 بعدازظهر روز سه شنبه است و شما برای یک پرواز به یک کنفرانس شرکتی دیر می دوید. در حالی که در ترافیک ساعات شلوغی گیر کرده اید، به ذهنتان خطور می کند که فراموش کرده اید یک پرستار بچه برای بچه ها رزرو کنید – و یک رستوران برای گردش تیمی که در پایان سفر برنامه ریزی شده است پیدا کنید.

کارل موریتز هرمان به جای اینکه خودتان وظایف را تکمیل کنید، امیدوار است سایگا، یک سرویس جدید دربان مجازی، برای کمک – یا چندین. هرمان سایگا را در تلاش برای ایجاد ابزاری راه‌اندازی کرد که بتواند «همه چیز را به همان شکل انجام دهد [long as] این (الف) قانونی است و (ب) نیازی به حضور فیزیکی ندارد،» او هفته گذشته از طریق ایمیل به TechCrunch توضیح داد.

«کاربران ما از طریق یک برنامه به عنوان رابط اصلی با Saiga تعامل دارند، جایی که آنها یک رابط چت مانند برای هر کار دارند. هرمان گفت، چت با کارت‌های پیشنهادی تعاملی غنی شده است تا تجربه را بهبود بخشد و امکان تصمیم‌گیری سریع‌تر را برای مشتریان ما فراهم کند. “ما آنچه مهم است انجام می دهیم، نه آنچه فوری است.”

استارت‌آپ‌های بی‌شماری تلاش کرده‌اند چشم‌اندازی را که هرمان توصیف می‌کند، برآورده کنند. Magic Assistant، شاید بدنام ترین، قول داده است که هر چیزی را از طرف مشتریانی که به دستیارانش پیامک ارسال می کنند، سفارش دهد، رزرو کند یا تسهیل کند. سال‌ها طول کشید تا مجیک بفهمد که چگونه بدون سرمایه‌ای از بین برود، که در نهایت منجر به معرفی طرح‌های قیمت‌گذاری برتر و بازاری دستی برای مشاغل خاص، مانند مدیریت تقویم شد.

اما هرمان معتقد است که Saiga می تواند در جایی موفق شود که مجیک و همچنین آزمایش هایی مانند GoButler و M دستیار فیس بوک شکست خورده باشند.

“من متقاعد شده ام که [digital assistants] هرمان گفت که هنوز مشکلی است که ارزش حل دارد و این سوال است که چه زمانی، نه اگر، به شیوه ای رضایت بخش به آن پرداخته شود. سایگا موانع کلیدی را که دیگران قبلاً در آن شکست خورده‌اند، حل کرده است.»

پیشینه ای در هوش مصنوعی

قبل از تأسیس سایگا، هرمان مشاور مک‌کینزی بود و مدت کوتاهی در مورگان استنلی در بخش ادغام و تملک این تجارت کارآموزی کرد. او سپس به تأسیس شرکت Dark Blue Labs، شرکتی که در حال توسعه الگوریتم‌هایی برای یادگیری از داده‌های ساختاریافته و بدون ساختار است، ادامه داد. پس از اینکه DeepMind در سال 2014 شرکت Dark Blue Labs را خریداری کرد، هرمان به عنوان یک دانشمند محقق به DeepMind پیوست و در آنجا به ایجاد گروه تحقیقاتی زبان کمک کرد.

هرمان برای راه‌اندازی سایگا از آنچه او به عنوان «ترکیبی از انتخاب‌های ضعیف زندگی و یک موقعیت پیچیده برای شروع» توصیف می‌کند، الهام گرفت. در سال 2018، او از لندن به آلمان نقل مکان کرد تا دفتر DeepMind’s برلین را راه اندازی کند، و از آنجایی که همسرش فرانسوی است، هرمان مجبور شد در آن سال در چهار کشور مالیات بدهد. این خیلی برای شعبده بازی بود.

سه بچه جوان را به آن اضافه کنید، و بوروکراسی ناشی از آن، و شما یک نوع ابرنواختر مدیریت زندگی خواهید داشت – به اندازه‌ای بد که من به طور جدی به راه‌هایی برای خلاص شدن از شر آن بخش از زندگی‌مان فکر کنم. هرمان گفت. «نکته خوب این است که این یک مشکل بسیار کلی است. همه ما از مدیریت زندگی رنج می‌بریم، و خودکار کردن ادمین دور از زندگی، یک خالص مثبت خالص برای نوع بشر است.»

البته سایگا یک تلاش بشردوستانه نیست. این سرویس دارای سطوح قیمتی متعددی است که ارزان‌ترین آنها 299 یورو (حدود 330 دلار) در ماه است، با هزینه‌های اضافی برای «کارهای بیش از حد پیچیده». هرمان گفت که مانع بالای ورود هم برای پوشش هزینه‌ها و هم کاهش هدفمند اندازه بازار هدف است و کسب و کار سایگا را از نظر تئوری مقیاس‌پذیر می‌کند.

سایگا همچنین بر روی انواع خاصی از وظایف تمرکز می‌کند، عمدتاً کارهایی که می‌توانند به صورت ناهمزمان انجام شوند. این سرویس می‌تواند برای مثال وقت روان‌پزشکی را تعیین کند، اما سفارش ندهد که پیتزا در یک ساعت تحویل داده شود. هرمان گفت که هدف ایجاد تعادل بین «وظایف با ارزش» و بوروکراسی پیچیده بر روی فعالیت‌های در حال پرواز و به سبک دربان است.

از نظر فناوری پشت صحنه، هرمان گفت که سایگا از ترکیبی از تکنیک ها برای تقویت تیم خدمات مشتری انسانی خود استفاده می کند. برای هر مشترک، سایگا یک نمودار دانش دارد که همه چیزهایی را که سرویس درباره شخص می‌داند در قالبی ساختاریافته ذخیره می‌کند. به گفته هرمان، این سایگا را قادر می‌سازد تا تمام داده‌های مورد نیاز خود را برای یک کار مشخص جمع‌آوری کند و فقط درباره بیت‌هایی که هنوز در پایگاه داده وجود ندارند سؤال بپرسد.

پردازش زبان طبیعی سایگا را قادر می‌سازد تا کشف کند که مشتریان برای انجام چه کارهایی ممکن است به کمک نیاز داشته باشند – و اینکه آیا آن وظایف تکرارپذیر یا قابل پیش‌بینی هستند. در همین حال، اتوماسیون فرآیند روباتیک (RPA) به خودکارسازی گردش‌های کاری یکنواخت که معمولاً به یک کارگر نیاز دارد کمک می‌کند.

هدف ما فقط خودکارسازی 80 درصد است. هرمان توضیح داد که اجازه دادن به 20 درصد کار دستی، محصول ما را بسیار عملی تر می کند. ما از یک تجزیه‌کننده هدف برای کشف نیازهای مشتریانمان استفاده می‌کنیم و در صورت امکان، این هدف را بر روی یک فرآیند موجود ترسیم می‌کنیم و به اپراتورهایمان اجازه می‌دهیم کارآمدتر کار کنند، اما مهم‌تر از آن اجازه می‌دهند اتوماسیون اتفاق بیفتد. … برای بخش RPA، به یک نسخه مصرف کننده UIPath فکر کنید. به جای انتقال داده‌ها از Salesforce به Oracle، فرآیندهای خودکار ما بر تمدید ثبت نام خودروی شما یا اطمینان از تمدید گذرنامه‌های خانواده‌تان قبل از انقضا تمرکز می‌کنند.

راهی به سوی موفقیت؟

سایگا، که از امروز عموماً در بریتانیا و آلمان در دسترس است، تنها «دوجین» کاربر دسترسی اولیه دارد. اما این شرکت در پایان سال 2020 دور اولیه 3 میلیون یورویی (3.31 میلیون دلار) را به رهبری Mosaic Ventures و Seedcamp بست و “اواخر بهار” را برای سری A خود هدف قرار داده است.

«در حال حاضر، ما روی مدیران ارشد و بنیان‌گذاران سطح C در مقیاس‌های بزرگ تمرکز می‌کنیم. هرمان گفت: ما هم به مصرف‌کنندگان فردی و هم به شرکت‌هایی که می‌خواهند سایگا را به عنوان یک امتیاز به تیم‌های مدیریتی خود ارائه دهند، می‌فروشیم. ما قصد داریم این مخاطبان هدف را به تدریج گسترش دهیم تا در مرحله بعدی همه خانوارهایی با درآمد خانوار بیش از 100000 دلار را شامل شود.

اعتبار تصویر: سایگا

بخش زیادی از سایگا همچنان در حال انجام است – اما ساختار دقیق حقوق و مزایا برای کارکنان خدمات آن نیست. هرمان گفت که آنها کارمندان تمام وقت با مزایا، حقوق “به طور قابل توجهی بالاتر از حداقل دستمزد” و سوابق بررسی شده هستند.

اخیر پژوهش از موسسه خدمات مشتریان دریافت که 60 درصد از کارمندان خدمات مشتری در سال 2021 خصومت را تجربه کردند، اما هرمان معتقد نیست که کارگران سایگا به این میزان حساس هستند. او معتقد است از آنجایی که سایگا تا حد زیادی با موضوعات مدیریت سروکار دارد، به احتمال زیاد مشتریان به جای سایگا یا کارکنان خدمات آن، در مورد زمان کندی در یک موسسه بوروکراتیک صحبت کنند.

“با توجه به فرآیند ورود بسیار پیچیده و دستی ما، ما همچنین یک ارتباط شخصی با هر مشتری داریم که خطر تلاش آن مشتریان برای آسیب رساندن به اپراتورهای ما را به هر طریقی کاهش می دهد. هرمان افزود که ما مسئولیت خود را برای آموزش و پشتیبانی از متخصصان عملیات مشتریان خود بسیار جدی می‌پذیریم و تیمی را پیرامون آنها ایجاد کرده‌ایم تا آنها را قادر کنیم بهترین کار خود را در یک محیط امن انجام دهند.

در مورد حفظ حریم خصوصی و حفظ داده‌ها، سایگا در خط‌مشی منتشر شده خود تنها گفت که «قوانین مربوط به حفاظت از داده‌ها را رعایت می‌کند»، از داده‌های شخصی برای مقاصدی غیر از ارائه خدمات استفاده نمی‌کند و به مشتریان اجازه می‌دهد تا داده‌های شخصی خود را در هر زمان حذف کنند. اسنادی که توسط مشتری برای حذف علامت‌گذاری نشده‌اند، بسته به قوانین تجاری و مالیاتی قابل‌اجرا، «تا انقضای حقوق ضمانت‌نامه قانونی یا احتمالی قراردادی» و احتمالاً بیشتر نگهداری می‌شوند.

“به عنوان یک نقطه شروع، درک مدل کسب و کار ما بسیار مهم است: ما برای خدمات خود هزینه ای دریافت می کنیم تا اطمینان حاصل کنیم که مشوق های خود را به طور کامل با مشتریان خود هماهنگ کرده ایم. هرمان گفت: ما محصولات یا خدمات را به آنها تحمیل نمی کنیم زیرا ممکن است برای Saiga کمیسیونی وجود داشته باشد و از داده های آنها به هیچ شکلی به جز آموزش سیستم های یادگیری ماشین و حل وظایف مدیریت برای مشتریان خود استفاده نمی کنیم. «ما داده‌ها را نمی‌فروشیم یا داده‌ها را به صورت انبوه نمی‌فروشیم. ما علیه داده های مشتری نیز تبلیغ نمی کنیم. متخصصان عملیات مشتری ما در زمینه اقدامات حفظ حریم خصوصی داده ها آموزش دیده اند و تمام داده های مشتری در حمل و نقل و ذخیره سازی رمزگذاری شده و بر روی سرورهای اروپایی مطابق با [relevant] آئین نامه.”

هرمان قصد دارد به شدت به بازخورد کاربران تکیه کند تا این سرویس را با گسترش آن تطبیق دهد.

«با دریافت هزینه‌های (قابل توجه) برای خدمات، می‌توانیم از همان ابتدا یک محصول قابل دوام ارائه دهیم. او ادامه داد: اتوماسیون راهی برای افزایش حاشیه‌ها و قیمت ارزان‌تر است، اما پیش‌نیاز موفقیت نیست. “[O]تمرکز اصلی ما بر افزایش سطح اتوماسیونی است که مشتریان و اپراتورهای ما تجربه می کنند. در تمام سناریوها، این یک تجارت میلیارد دلاری است.»