Fran Loftus, Chief Experience Officer, EliseAI – Interview Series

Fran Loftus, Chief Experience Officer, EliseAI je dynamický líder známý svou kreativní energií a všestranným pozadím, kombinujícím podnikatelský drive s hlubokými operačními odbornými znalostmi. Předtím, než se připojila k EliseAI, spoluzaložila HOM, technologicky umožněnou platformu pro vybavení a zapojení, kterou později získala společnost Alfred, kde později zastávala několik výkonných rolí, které formovaly zkušenosti residentů napříč stovkami tisíc jednotek. V EliseAI zastávala seniorní operační vedení, které podléhalo CEO a představenstvu, řídila mezioborovou efektivitu, dohlížela na výsledky klientů a úzce spolupracovala s inženýry a prodejem na produktové strategii a spuštění. Jako uznávaný zakladatel a lídr odvětví byla nominována na Top Foundera na MIPIM a opakovaně jmenována mezi CRETechovými nejlepšími ženami – influencery.

EliseAI je newyorská softwarová společnost, která transformuje, jak organizace v oblasti bydlení a zdravotnictví spravují komunikaci s vysokým objemem a operační pracovní postupy pomocí pokročilé konverzační a agentic umělé inteligence. Její platforma automatizuje úkoly, jako je plánování prohlídek, komunikace při pronájmu, požadavky na údržbu, prodloužení, přijetí pacientů a administrativní podporu napříč textem, hlasem, e-mailem a chatem, umožňující týmům pracovat efektivněji, zatímco zlepšují rychlost reakce a zákaznickou zkušenost. Centralizací těchto interakcí do jednotného systému AI pomáhá EliseAI organizacím škálovat operace, snižovat manuální pracovní zátěž a dosahovat měřitelných zlepšení výkonu napříč kritickými funkcemi.

Jako Chief Experience Officer v EliseAI, máte vzácnou kombinaci zkušeností napříč komunitou, operacemi a technologií. Zakládala jste HOM, platformu, která pomáhala multifunkčním budovám dodávat sdílené vybavení a pocit komunity ve velkém měřítku, a poté vedla zkušenosti a doručování služeb u Alfreda, společnosti poskytující rezidenční služby, která je zabudovaná do tisíců bytových domů. Jak tyto hluboce praktické, lidmi orientované role ovlivňují, jak navrhujete a operačně realizujete AI zkušenosti v EliseAI?

Mé pozadí v fyzickém majetkovém managementu mi ukázalo, že technologie je tak dobrá, jako služba, kterou skutečně dodává na místě. V HOM a Alfredu jsem se naučila, že resident se nezajímá o elegantní rozhraní, pokud jeho požadavek na údržbu zmizí v černé díře nebo jeho přestěhování je zpožděno. To mě učinilo posedlou uzavřením smyčky. Ne navrhují AI pouze pro zpracování konverzací, ale navrhují ji pro řízení celého životního cyklu úkolu. Prioritizuji residenta v krizi nebo personál, který je příliš napjatý, zajistit, aby AI nebyla pouze další věcí, kterou musí monitorovat, ale nástrojem, který jim uleví od tíhy.

Z pohledu CX, co vlastně vypadá efektivní AI v prostředí bydlení a zdravotnictví, kde důvěra, jasnost a follow-through záleží stejně jako rychlost nebo automatizace?

V bydlení a zdravotnictví je být rychlý skvělé, ale skutečně dodržet sliby je to, co buduje důvěru. Dobrá AI by neměla pouze poskytnout rychlou odpověď; musí zajistit, aby se něco skutečně stalo. Pokud se pacient ptá na účet nebo nájemník chce prodloužit nájem, AI musí aktualizovat záznamy, informovat správného manažera a dát tomu člověku vědět, že kola jsou v pohybu. Je to o jasnosti a proaktivitě, aby lidé neměli pocit, že musí zavolat třikrát, aby pouze zkontrolovali stav.

EliseAI zvolila vertikální přístup jako první, místo obecné AI vrstvy. Jak toto rozhodnutí mění denní zkušenost pro property týmy, residenty a zdravotnický personál ve srovnání s horizontálními AI nástroji?

Obecné AI nástroje vyžadují, aby zákazník provedl těžkou práci učení softwaru o pravidlech odvětví. Protože jsme vertikální řešení zaměřené výhradně na bydlení a zdravotnictví, náš systém přichází s hlubokým porozuměním specifických pracovních postupů, jako jsou předpisy o depozitu nebo nuance pacientského plánování. Pro personál na místě to znamená, že nejsou řízeni generickým chatbotem, který by mohl halucinovat politiku. Pracují se systémem, který je již integrován do jejich stávajícího softwaru a mluví jazykem jejich denních operací od prvního dne.

Můžete vysvětlit, jak stínování front-line pracovníků pro zachycení koncových pracovních postupů zlepšuje chování modelu a konečnou zákaznickou zkušenost, ve srovnání s trénováním na abstraktních datech?

Abstraktní data ukazují “co”, ale být na místě se zákazníky ukazuje “jak”. Když můj tým stráví čas ve skutečném prostředí, kde je software nasazen, vidí tření, které by datové sady minuly. Například během zjišťovacího sezení s provozovatelem vojenského bydlení jsme identifikovali komplexní schvalovací toky a přísné denní omezení, které nebyly v žádném manuálu. Zachycením těchto skutečných, reálných detailů a jejich překladem do produktu můžeme postavit AI, která nefunguje pouze v demo, ale přežije chaos rušného úřadu.

Když AI systémy přesahují odpovědi na otázky a vykonávají úkoly, jaké nové zkušenostní rizika vznikají a jak zajišťujete, aby automatizace vypadala podpůrná a spolehlivá, spíše než intruzivní nebo neprůhledná?

Hlavní riziko se posouvá od toho, že AI řekne něco nesprávného, k tomu, že AI udělá něco nesprávného. K jeho zmírnění jsem zavedl model produktových řešení, kde máme odborníky – mnozí z nich jsou bývalí zakladatelé – kteří vlastní specifické domény produktu. Nastavují specifická pravidla a zábrany pro to, jak AI vykonává úkol, zajistit, aby AI nikdy nečinila akci, která by překvapila nebo zmátla lidského zaměstnance.

V bydlení a zdravotnictví, i malé poruchy mohou rychle erodovat důvěru. Jak navrhujete agentic AI systémy, aby zůstaly transparentní, předvídatelné a snadno pro lidi, aby mohli zasáhnout a opravit, když je to potřeba?

Navrhování pro důvěru začíná odchodem od tradičního reaktivního myšlení, kde prostě čekáte, až se věci rozbijí. Místo toho jsem postavil tým, který funguje jako most mezi skutečnou operační složitostí a logikou AI. Tyto nejsou podpůrnými agenty – jsou to stratégové a bývalí zakladatelé, kteří vlastní specifické domény produktu od začátku do konce.

Stráví svůj čas stínováním pracovníků, aby pochopili nezbytná pravidla odvětví, jako jsou komplexní toky schvalování vojenského bydlení nebo přísné časy lékařské reakce, a přímo je vtělí do toho, jak AI funguje. Průhlednost pochází z faktu, že naše systémy jsou navrženy tak, aby proaktivně označovaly potenciální problémy, dříve než se stanou stížnostmi residentů nebo pacientů. Když AI rozpozná situaci s vysokými emocemi nebo komplexní žádostí, na kterou není trénována, neuhádá. Spouští předání, které poskytuje lidskému zaměstnanci plnou historii a kontext interakce, umožňující jim zasáhnout jako informovaný partner, spíše než začínat od nuly.

Z vašeho úhlu pohledu, který dohlíží na implementaci a úspěch klientů, jaké jsou nejčastější tření, se kterými se klienti setkávají při přijímání AI do operačních pracovních postupů, a jak EliseAI snižuje toto tření brzy při nasazení?

Největší tření je zřídka technologií samotnou, ale spíše úzkostí, že technologie naruší tok týmu nebo nahradí jejich role. Toto řešíme zaměřením se na okamžitou, praktickou úlevu. V prvním týdnu používáme AI k převzetí opakujících se, vysoce objemových úkolů, které obvykle způsobují největší vyhoření, jako je počáteční follow-up leadů. Používáme také svou vlastní AI ke správě interních firemních operací. To nám pomáhá pochopit přesně stresové body změny pracovního postupu, abychom mohli být lepšími partnery, když naši klienti procházejí toutéž transformací.

Mnohé organizace bojují s přechodem za pilotní fáze. Jak pomáháte klientům evolucovat jejich procesy a očekávání, aby se AI stala integrovanou součástí denních operací, spíše než zůstat postranním experimentem?

AI zůstává pouze tehdy, když přestane být postranním projektem a stane se normální součástí pracovního dne; pomáháme lídrům reorganizovat své týmy, aby se AI zabývala rutinními úkoly, a lidé se mohli soustředit na úkoly, které skutečně vyžadují lidský dotek.

EliseAI nyní podporuje přibližně jednu šestinu amerických bytů. Jak se mění očekávání klientů na této úrovni rozsahu, a jaké nové zkušenostní výzvy vznikají, když se AI stává součástí standardních operací?

Na této úrovni je AI již není cool inovace. Je to utilita, stejně jako elektřina. Očekávání se posouvá z toho, že je působivé, když funguje, k tomu, že je nepřijatelné, když selže. Musíme spravovat tuto variabilitu, zatímco udržujeme 100% spolehlivost.

Pohledem do budoucna 2 až 3 let, jak vidíte evoluci role Chief Experience Officer, když AI systémy přebírají více odpovědnosti uvnitř základních služeb, jako je bydlení a zdravotnictví?

Role se bude vyvíjet z řízení zákaznické služby na orchestraci partnerství mezi lidmi a AI. Když AI přebírá administrativní a opakující se části práce, zaměření CXO se posune zcela na strategické a emocionální kontaktní body. Naší odpovědností bude zajistit, aby se lidské interakce v bydlení a zdravotnictví staly více úmyslnými a více dopadovými, když se svět stává více automatizovaným.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit EliseAI.