Jonathan Corbin, zakladatel a CEO Maven AGI – rozhovor

Jonathan Corbin je zakladatel a CEO Maven AGI. Předtím, jako globální viceprezident pro zákaznický úspěch a strategii ve společnosti HubSpot, vedl Jonathan tým asi 1 000 manažerů zákaznického úspěchu, partnerů a smluvních manažerů napříč několika regiony a vertikálami. Jeho odpovědností bylo zajišťovat udržení zákazníků, růst výnosů a realizaci hodnoty pro více než 200 000 zákazníků po celém světě, od startupů po podniky.

Maven AGI je komplexní řešení Generative AI, které je navrženo tak, aby transformovalo krajinu zákaznické podpory – bez bolestí hlavy. Zatímco v režimu utajení, Mavenova technologie autonomně vyřešila více než 93 % zákaznických dotazů, snížila náklady na podporu o 81 %, zlepšila celkovou zákaznickou zkušenost, v měřítku, po vyřešení milionů interakcí v více než 50 jazycích pro早ní zákazníky.

Vous byli dříve globálním viceprezidentem pro zákaznický úspěch a strategii ve společnosti HubSpot, kde jste vedl tým asi 1 000 manažerů zákaznického úspěchu, partnerů a smluvních manažerů napříč několika regiony a vertikálami. Jaké byly některé z hlavních okamžiků a klíčových poznatků z tohoto období vašeho života?

Během tohoto období byl Hubspot jednou z pěti nejrychleji rostoucích B2B SaaS společností s více než miliardou dolarů výnosů. Existuje jen málo lidí, kteří měli možnost budovat, růst a spravovat na takové úrovni, na jaké jsme operovali. Společnosti, které rostou touto rychlostí, nejsou obvykle této velikosti, a společnosti naší velikosti nerostly touto rychlostí. Strávil jsem hodně času zaměřením na vytváření škálovatelných přístupů k plánování a růstu, zajišťování, aby jsme měli velmi jasně stanovené cíle, sladění motivací napříč několika organizacemi, aby vytvořily výsledky, které jsme chtěli jako organizace, zajišťování, aby jsme měli systémy, které vytvářejí viditelnost toho, co se děje v organizaci, a plánování nad několika horizonty. Cokoliv, co jsme spustili, muselo fungovat nejen pro naše současné zákazníky, ale muselo mít také schopnost udržet kontinuitu při exponenciálním růstu.

Můžete sdílet některé poznatky o tom, co vás inspirovalo k spuštění Maven AGI, a jak dlouho jste byli v režimu utajení?

Jsem posedlý zákaznickou zkušeností již od velmi počátku své kariéry a proto jsem strávil tolik času ve společnostech, které jsou lídry ve svém oboru (Adobe, Marketo, Sprinklr, Hubspot atd.). V roce 2017 jsem se vracel z cesty na Západní pobřeží, setkal jsem se s některými skvělými zákazníky, jako je Apple a Nike, a měli jsme tyto velmi podrobné rozhovory o potenciálu odemknutí izolovaných dat a vytvoření velmi personalizovaných zkušeností na úrovni jednotlivého uživatele. Nemluvím o segmentovaném přístupu, kdy spadáte do této věkové kategorie nebo demografické skupiny. Ne, toto je schopnost plně nasadit všechny informace, které jste nám sdělili, aby se předcházelo zákaznickým očekáváním a proaktivně se s nimi komunikovalo. Zákazníci byli velmi nadšení, ale technologie v té době neexistovala.

Moji spoluzakladatelé – Sami Shalabi, Eugene Mann a já jsme vždy mluvili o personalizaci v měřítku a o potenciálu, který mohou mít transformátory, od doby, kdy výzkumné výsledky byly zveřejněny společností Google. Sami postavil jednu z největších personalizačních engine na světě v Google News (1 miliarda+ uživatelů) a Eugene vedl personalizaci pro něj, takže jsme vždy měli hluboké a přehledné rozhovory o možnostech, které bychom mohli odemknout, jakmile se technologie vyvine. Aplikace toho, co jsme dělali v té době, spočívala v tom, že jsem měl potíže s vytvořením skvělé zkušenosti v měřítku pro naše uživatele Hubspotu, Eugene se díval na to, jak produktovat LLM schopnosti ve společnosti Stripe, a Sami sdílel své poznatky o tom, co fungovalo dobře v Google.

Když jsme poprvé slyšeli o tom, co dělá OpenAI, a začali používat některé z LLM, které se staly dostupnými, uvědomili jsme si, že jsme na bodu, kdy existuje technologie, která umožňuje vytvořit dokonalou zákaznickou zkušenost v měřítku. Společnosti musely volit mezi náklady na efektivitu a dobrou zákaznickou zkušeností, což vedlo k různým věcem, jako jsou komplexní segmentační strategie navržené tak, aby omezovaly interakce se zákazníky, vytváření věcí, které jsou v podstatě překážkami, které nazývají samopoboku, nebo ukládání kontaktních informací na podporu někam, kde je nelze najít.

Založili jsme Maven AGI asi před rokem v režimu utajení, protože to, co priorizujeme v Maven, je dopad – a když jsme oznámili, co děláme, chtěli jsme poskytnout skutečné příklady našeho dopadu a metrik, ne jen to, že existujeme a že jsme získali nějaké peníze. Jsme nesmírně vděční našim raným zákazníkům, kteří v nás věřili natolik, že s námi pracovali na nasazení nejnovější technologie a na rozvoji lepší zákaznické zkušenosti.

Můžete pro nás definovat, co je AGI v kontextu Maven AGI?

AGI je opravdu dobře definováno z jazykového hlediska – je to umělá obecná inteligence. Co to vlastně znamená v obchodním smyslu? Zaměřujeme se na něco, co nazýváme obchodním AGI, a definujeme ho jako schopnost zvládat komplexní úkoly pomocí funkčních AI agentů, kteří jsou speciálně vyškoleni pro konkrétní odpovědnosti s orchestrací, která umožňuje, aby pracovali společně.

Příkladem toho může být uživatel bankovního účtu, který se obrátí na svou banku a zeptá se, zda jeho vklad byl potvrzen – co víme z historie účtu, je to, že potřebuje malou mostovou půjčku, aby pokryl své účty a šeky. Maven pochopí historický kontext a nabídne půjčku, zatímco zpracuje veškerou související dokumentaci, jako jsou kontrola pozadí, kontrola kreditu, vyplnění žádosti o půjčku, pochopení rizik, schválení a konkrétní částka, která spadá do rizikového profilu, schválení půjčky a převedení peněz na účet osoby.

Dalším příkladem by mohl být někdo, kdo se obrátí na svůj tým podpory CRM a zeptá se, jak nasadit kampaň. Co bychom pochopili z toho, je to, že oni nechtějí vědět, jak vytvořit kampaň, ale chtějí určitý počet leadů do bestimmého data. Uživatelé by měli možnost říci: “Dejte mi 100 leadů příští měsíc” a Maven by prošel nesmírně komplexním úkolem dodání těch leadů.

Jaké jsou některé z největších problémů s tím, jak AI byla historicky integrována do zákaznické podpory?

Historicky, AI v zákaznické podpoře používala modely strojového učení, které byly vysoce deterministické a trvalo měsíce, než byly vyškoleny. Tyto modely fungovaly na základě základní logiky: pokud uživatel zvolil X, byli by jim nabídnuty možnosti Y. Tento jednoduchý přístup nedosáhl očekávaných výsledků, což vedlo k zklamáním a mnoha odborníkům v oblasti CX, kteří pochybují o potenciálu AI. Skutečný úspěch v AI poháněné zákaznické podpoře závisí na dynamické personalizaci, schopnosti rozumět a provádět smysluplné akce.

Jaké jsou klíčové kroky zapojené do školení Maven AGI, aby zvládl zákaznickou podporu dotazů?

Je to opravdu jednoduché. … pouze nám dejte přístup k jakékoli informaci, kterou byste použili k výcviku lidí. Můžeme to mít spuštěno pro vás s vysokou mírou přesnosti do dnů – ne týdnů nebo měsíců. Bude používat váš specifický tón, hovorový jazyk a jakékoli emotikony, které chcete.

Jak Maven AGI pomáhá při snižování nákladů na zákaznickou podporu a zlepšování celkové zákaznické spokojenosti?

Společnosti nasazují Maven AGI různými způsoby, ale nejlepší způsob, jak mít nejrychlejší dopad, je vložit Maven na začátek vaší fronty podpory na koncových bodech nebo kanálech, které chtějí vaši zákazníci používat (chat, web, vyhledávání, Slack, v produktu, SMS atd.). To nám umožňuje poskytnout okamžité, personalizované výsledky + akce zákazníkům bez čekací doby, zatímco zajišťujeme, aby ti úžasní agenti podpory dělali to, co dělají nejlépe, pracovali se zákazníky, kteří skutečně potřebují lidskou interakci, aby vyřešili své problémy.

Jaké technologické pokroky umožnily Maven AGI dosáhnout tak vysokých sazeb autonomního řešení problémů?

Věřím, že jsme získali jeden z nejlepších inženýrských týmů na světě, aby vyřešil problém, který spočívá v problému dat. Úžasní lidé, kteří pracovali na výzvách, jako je vyhledávání ve společnosti Google, a personalizace v měřítku ve společnosti Meta a Amazon, a kteří již roky přemýšleli o řešení těchto druhů problémů. Data jsou fragmentovaná a izolovaná, a abychom mohli zodpovědět otázky zákazníků a provést akce, museli jsme být schopni přijmout více dat, než kdokoli jiný. Druhá část spočívá v schopnosti provést akce a postavit náš akční motor, protože víme, že pouze zodpovězení otázek nestačí. Abychom mohli dosáhnout obchodního AGI, musíme být schopni předvídat potřeby uživatelů a komunikovat s nimi s úmyslem.

Můžete poskytnout více informací o nedávném financování série A ve výši 20 milionů dolarů a o tom, jak bude využito?

Byli jsme šťastní, že jsme dosáhli všeho, co jsme chtěli s naším seed kolem: postavit skvělý inženýrský tým, produkt, který řeší skutečné problémy, a mít zákazníky, kteří získávají hodnotu z našeho produktu. Získali jsme naše seed kolo méně než před rokem, ale měli jsme některé skvělé investory, kteří chtěli být součástí naší cesty s námi. Po strávení času s M13 jsme byli opravdu nadšení, že budeme pokračovat ve stavbě budoucnosti Maven AGI společně s nimi. 28 milionů dolarů, které jsme získali za poslední rok, bude použito k vybudování našeho týmu GTM, investování do budování partnerství a pokračování v náboru inženýrů, protože rozšiřujeme náš akční motor (™) a platformové schopnosti.

Jak vidíte roli AI vyvíjet se v odvětví zákaznické podpory v průběhu příštích pěti let?

Budoucnost nebude rozdělena do podpory, služeb, prodeje a různých funkcí. Místo toho se zákaznická podpora stane součástí bezproblémové, sjednocené zákaznické zkušenosti bez zmatených předání a izolovaných dat. Jak se vyvíjejí očekávání zákazníků, změní se i způsoby, jakými je budeme obsluhovat.

Dnes jsou potřeby zákazníků rozděleny do 3 kategorií:

• Ti, kteří chtějí samopoboku – schopnost najít řešení nebo odpověď na otázku.
• Ti, kteří chtějí přístup k samopoboku, ale potřebují ověření, že činí správnou akci.
• Zákazníci, kteří požadují bílou rukavici a potřebují lidskou pomoc.

Budoucnost má také 3 kategorie, ale očekávání zákazníků budou mnohem odlišnější:

• Očekávají okamžité odpovědi na své otázky.
• Předpokládají, že jejich potřeby a otázky budou předvídány s personalizací, daty o využití, plným historickým kontextem a schopností provést akci a komunikovat s nimi na kanálu jejich výběru.
• Schopnost komunikovat se zákaznickými agenty bez čekacích dob a dlouhých front, kteří mají odpovědi na jejich otázky, plný historický kontext a schopnost okamžitě provést akce.

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