漫長的等待、令人不知所措的功能選單、通話保留的背景音樂，最後客服人員終於接起電話，而對方又無法解決你的問題，難怪大家都對客服沒有什麼好感。
位於舊金山、由一群粒子物理研究員成立的新創公司 Deepgram，致力於運用人工智慧和 GPU 開發出企業可用於快速評估顧客來電的技術，以求解決上述問題和提高服務水準。
Deepgram 共同創辦人暨執行長 Scott Stephenson 說：「大家都不想打給客服，也不想浪費時間。我們則是想要協助客戶更快達到目標。」
客服中心如此惡名昭彰的原因
客服攸關著企業生存。根據客服顧問公司 SQM Group 進行的一項研究指出，企業只要將顧客首次來電便解決問題的數量增加 1%，一年便可省下平均 27.6 萬美元。該研究也發現，若是一次來電未能解決問題，顧客離開的可能性則會增加八倍之多。
「企業很想知道到底在與顧客通話的過程中發生了什麼狀況，卻又沒有一套省錢的辦法讓他們掌握那些資訊。」Stephenson 說。
Deepgram 運用 GPU 加速深度學習技術，讓語音內容變得可以搜尋，以及偵測在通話內容裡順利或無法解決問題的模式。Stephenson 說得耗費大量人力去接聽和評估通話錄音內容，只有 1% 的電話需要這麼做。
或者企業也能將語音轉成文字再進行檢討，卻又有著語音品質和錯誤的問題。
人類在口說語句時的聲音模式。圖片提供：Deepgram。
讓顧客感到滿意
Deepgram 的深度學習軟體讓企業能檢查每通電話的服務品質。Stephenson 表示無論客服人員是否使用正確的字眼和出現了哪些話題，軟體都會偵測聲音和語句的模式，企業便可從中找出讓顧客感到不滿或滿意的內容。
企業能夠運用這些資訊來改善話術和訓練客服人員、找出潛在銷售對象、檢查是否合乎規定，還有減少顧客投向競爭者懷抱的數量。
Stephenson 說每個使用該公司技術的 Deepgram 客戶，收入可增加 3%。
從暗物質到大數據
Stephenson 與共同創辦人 Noah Shutty 為密西根大學在中國研究暗物質時，提出發展 Deepgram 的想法。Shutty 對生活點滴錄製了上千個小時的內容，而他想從裡面找出某些特定時間的錄音內容。
在解決了 Shutty 的問題後，他們發現自己的辦法也能用於企業身上。
Stephenson 與 Shutty 使用數千小時的錄音檔（絕大部分是客服通話內容）來訓練神經網路，利用 CUDA 平行運算平台及 TensorFlow 深度學習架構建立名為「Kur」的開放源碼深度學習架構，再加上 GeForce GTX 1080 GPUs 搭配 cuDNN 來增快訓練速度。
Deepgram 在 Amazon Web Services 雲端環境裡使用 NVIDIA Tesla K80 GPU 加速器來部署技術。
「沒有 GPU 的助力，我們便達不到這項成就。」Stephenson 說。
如需更多人工智慧運算技術如何改變產業發展面貌的資訊，請在 iTunes（https://nvda.ws/2hQ4Leb）或 Google Play Music（https://nvda.ws/2hQaIrh）上訂閱NVIDIA 的 AI Podcast網路廣播節目。