Gal Rimon, zakladatel a generální ředitel Centrical – Interview Series

Gal Rimon založil Centrical (původně GamEffective) v roce 2013 s jasnou vizí: pomoci společnostem posílit své zaměstnance a učinit lidi středobodem obchodního úspěchu. Před Centricalem působil jako generální ředitel Gilon Business Insight, lídra v oblasti business intelligence. Když Gilon odkoupila Ness Technologies (NASDAQ: NSTC) v roce 2010, Gal vstoupil do Ness jako senior viceprezident a člen jeho výkonného vedení. Na počátku své kariéry působil jako viceprezident pro zákaznické vztahy a operace v Deloitte Consulting a zastával pozice v EDS a Bashan. Gal získal titul MBA v marketingu a informačních technologiích na Tel Aviv University.

Centrical je platforma pro výkon a zapojení zaměstnanců s umělou inteligencí, která pomáhá organizacím zlepšit efektivitu front-line týmů prostřednictvím jednotného systému pro výkon, personalizované koučování, kontinuální učení, zajištění kvality a gamifikaci. Platforma spojuje data o výkonu zaměstnanců, koučování poháněné umělou inteligencí, mikro-učení, programy uznání a okamžité přehledy, aby pomohla manažerům identifikovat příležitosti pro zlepšení a vést zaměstnance k lepšímu výsledku. Široce používaná kontaktními centry, prodejními organizacemi a týmy zákaznických zkušeností, Centrical je navržen tak, aby zvýšil zapojení zaměstnanců, produktivitu, spokojenost zákazníků a celkový obchodní výkon poskytováním personalizovaného vedení a motivace ve velkém měřítku.

Před založením Centrical jste strávil roky ve vedení business intelligence, včetně funkce generálního ředitele Gilon před jeho akvizicí Ness Technologies. Jak tato zkušenost formovala váš názor, že podniky nepotřebují pouze lepší dashboardy/data, ale systém, který by mohl převést přehledy do akce pro front-line týmy?

Strávil jsem téměř dvě desetiletí v business intelligence, pracoval s poradenskými firmami, jako jsou EDS a Deloitte, a později vedl svou vlastní společnost. Pomáhali jsme některým z největších organizací na světě, aby dávaly smysl svým datům, a byli jsme v tom dobří. Ale neustále jsem narážel na stejnou zeď. Společnosti investovaly大量ně do datové infrastruktury. Dashboardy byly sofistikované. KPI byly dobře definovány. A přesto se velmi málo změnilo.

Inteligence existovala. Jenomže nebyla schopná jednat. Chybějící článek byl vždy lidský prvek. Můžete umístit červenou vlajku vedle podprůměrného zaměstnance na dashboardu, ale ta vlajka manažera neřekne, co má dělat, a nepomůže zaměstnanci zlepšit se. Most mezi přehledem a provedením vede přes lidi, a žádný BI nástroj, se kterým jsem kdy pracoval, nebyl navržen tak, aby tento most překlenul. To se stalo zakládající myšlenkou za Centricalem. Otázka nebyla „jak dát lídrům více dat?“, ale „jak převést data na správnou akci, pro správnou osobu, ve správný okamžik?“

Centrical popisuje sám sebe jako budující „Performance Intelligence OS“ pro front-line. Co to znamená v praktických termínech pro zákaznický servis, pohostinství, bankovnictví nebo telekomunikační tým, který používá platformu každý den?

Představme si zákaznického agenta v velké bance: zpracovává komplexní hovory po celý den. Jeho manažer dohlíží na tým 30 lidí na dvou místech. Bez performance operačního systému manažer tráví většinu času taháním zpráv, prohlížením hodnocení QA a snažím se zjistit, kdo potřebuje pozornost. Do doby, než se dostane ke koučování, je to reaktivní, příliš pozdě a nekonzistentní napříč jeho týmem a dalším.

S Centricalem vypadá den jinak. Platforma začíná od obchodního výsledku: cíle zlepšení kvality, spuštění nového produktu nebo požadavku na dodržování předpisů. Přijímá signály z KPI dat, hodnocení kvality, pokroku ve vzdělávání a zpětné vazby zaměstnanců, aby identifikovala přesně, kde jsou mezery. Když má agent konkrétní slabost, například slabé otázky na hovorech o retenci, platforma to manažerovi předloží s doporučeným koučovacím aktem, který je již připraven, a spustí cílenou simulaci role-play pro agenta, aby si mohl procvičit před dalším hovorem.

Pro agenta v pohostinství to může znamenat personalizovanou výzvu spojenou s chováním při registraci do programu věrnosti, s okamženou zpětnou vazbou a uznáním postaveným do toku práce. Pro telekomunikační tým, který spouští nový produkt, to může znamenat adaptivní učení, které se přizpůsobuje znalostním mezerám každého zástupce, místo aby tlačil všechny prostřednictvím stejného obsahu.

Společným jmenovatelem je, že systém spojuje strategii s provedením pro každého člověka na podlaze, nejen pro ty, jejichž manažeři mají čas toho týdne.

Mnohé podniky již mají BI nástroje, systémy pro řízení pracovních sil, platformy pro vzdělávání a software pro zajištění kvality. Kde tyto systémy obvykle selhávají, pokud jde o zlepšení skutečného výkonu zaměstnanců?

Problém není v nástrojích jednotlivě, ale v tom, že nekomunikují způsobem, který skutečně prospívá front-line operacím.

Systém QA signalizuje problém s kvalitou. Ta vlajka sedí na dashboardu. Manažer ji vidí tři dny později, pokud vůbec. Platforma pro vzdělávání má obsah, který by mohl pomoci, ale nikdo nepropojuje vlajku s obsahem. Systém pro řízení pracovních sil optimalizuje rozvrhy, ale nic neví o mezerách ve dovednostech. A uznání se děje odděleně, v jiném nástroji.

Insights a rozhodnutí nikdy nedosáhnou lidí, kteří je potřebují. Koučování se odpojí od školení, školení se odpojí od výsledků, a front-line zaměstnanec prožívá fragmentovaný soubor programů, které se neslučují do zlepšení.

A nyní se AI agenti dostávají do mixu, nasazují se a optimalizují izolovaně od lidské pracovní síly, což dále zhoršuje výzvu. Odpověď není pouze propojení těchto platforem. Je to orchestrace kolem sdíleného cíle: správná intervence, pro správnou osobu, ve správný okamžik, měřeno proti skutečnému obchodnímu výsledku.

Výsledky zákazníků Centrical zahrnují zlepšení v prvním řešení hovoru, prodejním výkonu, registraci do programu věrnosti, produktivitě a snížení chyb. Co tyto výsledky odhalují o typech front-line práce, které lze zlepšit pomocí AI?

Společným jmenovatelem všech těchto výsledků je, že zahrnují práci, kterou lze měřit a zlepšit prostřednictvím změny chování, posílení znalostí, rozvoje dovedností a personalizovaného školení, koučování a motivace, které to udrží. AI otevírá nyní hranici dělat to na individuální úrovni, nejen pro segment nebo kohortu, ale pro každého člověka, na základě jeho konkrétních mezer, role a toho, kde je na své vývojové cestě, a co podnik potřebuje od něj.

Centrical rozšiřuje své AI portfolio o AI-pomocné koučování, simulace role-play, hyper-personalizované zkušenosti s výkonem a autonomní inteligenci výkonu. Která z těchto schopností, podle vás, bude mít největší dopad na podnikové týmy v blízké budoucnosti?

Závisí na tom, kde se organizace nachází ve své transformaci. Zdůraznil bych dvě schopnosti, které mají okamžitý, měřitelný dopad právě teď pro naše zákazníky.

AI-pomocné koučování má nepřiměřený účinek, protože organizace jsou真的 pod tlakem, aby učinily koučování efektivnějším, zvýšily rozsah manažerů a zlepšily výkon týmu. Manažeři jsou největším vlivem na front-line výkon, a přesto tradičně trávili více času reportováním než koučováním. Náš AI asistent otočí toto poměru: surface, koho koučovat, na co a proč, s již připravenou akcí. A je to vše prioritizováno na základě cílů podniku. Manažer se stává lepším koučem bez potřeby dalších hodin v denním rozvrhu.

AI simulace role-play jsou stejně kritické právě teď, z jiného důvodu. Jakmile AI přebírá jednodušší interakce, konverzace, které dosáhnou lidských agentů, se stávají složitějšími: emočně nabité, výjimečné, vysoce rizikové. Současně organizace mobilizují své pracovní síly do nových rolí rychleji než kdykoli předtím. Praxe (v toku práce) je jediným způsobem, jak budovat důvěru a kompetenci v těchto situacích, než se stanou skutečnými. Simulace role-play v měřítku, poháněné skutečnými mezerami ve výkonu, to ermögňují.

Jak se AI-pomocné koučování mění role front-line manažerů, zejména když mnozí manažeři jsou již přetíženi administrativní prací a reportováním výkonu?

Naše data ukazují, že manažeři trávili zhruba 60 % svého času analýzou dat a kolem 20 % hodnocením, což ponechává méně než 20 % na skutečnou podporu svých týmů. To je jádro dysfunkce. Lidé, kteří jsou nejvíce zodpovědní za front-line výkon, tráví většinu svého času věcmi, které by systém měl dělat za ně.

AI koučování získá zpět toto čas. Manažer získá prioritizovaný pohled na to, koho koučovat, na jaké chování, s již připravenou doporučenou akcí. Sezení lze zaznamenat a automaticky zdokumentovat, takže následné akce se aktivují přímo z koučovacích konverzací, místo aby seděly v poznámce, kterou nikdo nečte. Osobní cíle jsou vytvořeny tak, aby byly jak dosažitelné, tak viditelné pro zaměstnance.

Jedna z nejzajímavějších částí pozice Centrical je myšlenka řízení obou lidských a digitálních pracovníků. Jak by podniky měly uvažovat o řízení výkonu, když AI agenti se stanou součástí front-line operací?

Většina podniků kráčí do problému, který nevidí. AI agenti se objevují z všeho možného: jeden z vaší platformy pro kontaktování center, jeden z vašeho CRM, několik z vašich vlastních týmů a další zabalené do nástrojů, za které již платíte. Říkáme tomu zoo agentů. Všichni dělají práci, ale nikdo nevlastní jejich výkon. Nikdo vám nemůže říci, kteří z nich jsou skutečně dobří v práci, kteří se vzdalují, nebo kteří by měli být staženi.

Instinkt je řešit to jako technický problém, model nebo integraci. Myslím, že to je špatný rámec. Jakmile AI agent dělá front-line práci, potřebuje být řízen stejnou přísností, jakou přinášíme do lidského výkonu: jasnými cíli, měřitelnými výsledky, certifikací předtím, než zpracuje něco vysoce rizikového, a zpětnou vazbou, která chytí odchylku, než způsobí škodu.

To je vrstva, kterou většina podniků postrádá. Ne další místo, kde postavit agenta, ale jednotná vrstva pro řízení, certifikaci a orchestraci, sedící ve stejné soustavě, která řídí vaše lidi. Protože práce není již lidská nebo digitální. Je obojí, ve stejném týmu, často na stejné úkolu. Osoba a tři agenti zpracovávají jeden zákaznický kontakt. Pokud měříte lidi na jednom místě a agenti na jiném, vidíte pouze fragmenty jejich výkonu.

Co jsou nutné záruky, aby se AI poháněné systémy výkonu podporovaly zaměstnance, spíše než jednoduše zvyšovaly tlak, dohled nebo nerealistické očekávání produktivity?

Toto je důležitá témata, protože používáme AI, aby pomohla lidem stát se lepší verzí sami sebe v práci.

Tlak může vést ke krátkodobým výsledkům. Ale dlouhodobě potřebujete dát lidem jasný směr: pomoci jim vybudovat konkrétní dovednosti, které jejich role potřebuje, a vytvořit zaměřenou praxi na chování, která má největší význam. To je jiná nabídka pro zaměstnance. Systém není tam, aby vás sledoval. Je tam, aby vám pomohl stát se dobrým v práci. A stát se dobrým v práci feels mnohem lépe než být měřen na něm. To je jednoduchá věc, ale nikdo se neobjeví v práci, aby udělal špatnou práci.

Centrical nedávno získal 39 milionů dolarů v rámci série D financování, což zvýšilo celkové financování na více než 100 milionů dolarů. Jak bude toto nové kapitálu urychlit vaši globální expanzi a rozvoj AI nástrojů pro řízení front-line výkonu v příštích 12 až 24 měsících?

Myslíme na růst napříč několika oblastmi:

Sloužíme podnikům ve 150 zemích a 60 jazycích dnes, a toto kolo urychlí náš růst globálně.

Hlubší autonomní inteligence výkonu bude jednou z našich oblastí zaměření. Další fáze je systém, který identifikuje příležitosti, spouští správné programy a zlepšuje front-line výkon kontinuálně bez potřeby, aby manažer inicioval.

Nakonec, rozšíření platformy pro řízení výkonu napříč lidskými a AI pracovníky společně. Jakmile AI agenti přebírají front-line úkoly, podniky potřebují stejnou přísnost kolem standardů výkonu, koučování a měření pro ty digitální pracovníky, jako mají pro lidské. Jsme positionováni, aby být operačním systémem pro tuto hybridní realitu.

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