Katie Stein, generální ředitelka ASAPP – série rozhovorů

Katie Stein, generální ředitelka ASAPP, je zkušená technologická a obchodní manažerka s více než dvacetiletou zkušeností zahrnující korporátní strategii, operace, digitální transformaci a růst podniku. Předtím, než se připojila k ASAPP jako generální ředitelka v srpnu 2026, působila jako generální ředitelka Atain a strávila osm let ve společnosti Genpact, kde byla ředitelkou pro strategii a globální vedoucí podnikových služeb a analytiky, dohlížela na korporátní strategii, hlavní portfolia služeb, zákaznickou zkušenost a iniciativy v oblasti fúzí a akvizic. Na počátku své kariéry zastávala Stein vedoucí pozice ve společnosti Mercer, včetně globální provozní ředitelky pro její $2.5 miliardy obchod s důchody, zdravotním pojištěním a benefity, a pracovala jako projektová vedoucí ve společnosti Boston Consulting Group. Její kariéra se převážně soustředila na pomoc velkým organizacím zlepšovat provozní výkonnost, efektivněji nasazovat technologie a provádět složité obchodní transformace.

ASAPP je společnost zaměřená na umělou inteligenci, která se soustředí na transformaci firemního zákaznického servisu prostřednictvím své AI‑nativní platformy pro zákaznickou zkušenost (CXP). Společnost byla založena v roce 2015 a vyvíjí technologie, které spojují AI agenty, lidskou odbornost, zákaznická data a podnikovou infrastrukturu napříč hlasovými a digitálními kanály. V jádru platformy je GenerativeAgent, AI agent pro zákaznický servis navržený tak, aby rozuměl konverzacím, analyzoval požadavky zákazníků, prováděl akce prostřednictvím propojených podnicích systémů a zapojoval lidské agenty, když je vyžadováno další dohled nebo úsudek. ASAPP také poskytuje nástroje pro testování, monitorování, řízení a pozorovatelnost, což umožňuje velkým organizacím nasazovat AI směrem k zákazníkům a zároveň zachovat větší kontrolu nad chováním automatizovaných agentů.

Vaše kariéra vás zavedla z rolí v oblasti strategie a transformace v BCG, Mercer a Genpact k vedení Atain a nyní k tomu, že jste se stala generální ředitelkou ASAPP. Co vás na ASAPP v tomto bodě vaší kariéry přitahovalo a co jste po prvních 30 dnech identifikovala jako největší příležitosti a priority pro společnost?

ASAPP mě poprvé zaujala během zimní bouře Fern na začátku tohoto roku. V Atain jsme pracovali ze všech úhlů, abychom vytvořili dostatečnou kapacitu pro jednu z největších amerických leteckých společností, když tisíce zasažených cestujících usilovaly o návrat domů. ASAPP neodpovídala jen na otázky; její GenerativeAgent přerezervoval více než 3 800 pasažérů během šesti dnů, včetně složitých změn itinerářů. To mi ukázalo, jak vypadá podniková AI pod skutečným tlakem. Mých prvních 30 dní tuto představu posílilo. Naší příležitostí je soustředit se a škálovat: zaměřit se tam, kde má ASAPP nejjasnější právo na vítězství, pomoci zákazníkům přejít od experimentování k reálnému dopadu v produkci a realizovat to s větší rychlostí a konzistencí.

Přístup ASAPP spojuje autonomní AI agenty, deterministické pracovní postupy a lidské odborníky v jediné vrstvě orchestraci. Jak určujete, která rozhodnutí mají být svěřena AI agentovi, která mají následovat předdefinovaná pravidla a která mají zahrnovat lidský úsudek?

Nepřiřazujeme celou interakci výhradně AI, předdefinovanému pracovnímu postupu nebo osobě. Každé rozhodnutí posuzujeme podle jeho složitosti, rizika a potřeby odpovědnosti. AI je vhodná pro pochopení záměru, interpretaci kontextu a přizpůsobení se zákazníkovi. Pracovní postupy zajišťují konzistenci, když je nutné dodržet požadované kroky nebo politiky. Lidé přidávají úsudek, když je situace nejasná, výjimečná nebo důležitá. Orchestraci spojuje všechny tři prvky v jedné interakci. Cílem není maximální autonomie, ale řešení více zákaznických potřeb při aplikaci správné úrovně kontroly v každém rozhodovacím bodě.

ASAPP vnímá zapojení lidí jako trvalou součást AI systému, nikoli jen jako cestu eskalace při selhání automatizace. Jakmile se AI agenti stanou schopnějšími, kde podle vás lidé nadále přinesou největší hodnotu v interakcích zákaznického servisu?

Lidská vynalézavost!  Před několika měsíci jsem hovořila se seniorním lídrem CX, který si všiml, že relativně malý počet hovorů představuje nepřiměřeně velkou část doby obsluhy. Často se jedná o okrajové případy bez jasné FAQ, znalostního článku nebo standardního provozního postupu. Jsou obtížné, protože organizace dosud nečelila – ani nezkodifikovala – odpovědi. Lidé v těchto chvílích přinesou největší hodnotu: interpretují nejasnosti, vyvažují protichůdné úvahy a uplatňují úsudek tam, kde neexistuje zavedený manuál. Zapojení osoby by však nemělo znamenat opuštění automatizace a předání celé interakce. AI shromáždí potřebné informace a představí osobě konkrétní požadavek a kontext; člověk poskytne úsudek a AI pak interakci pokračuje. Tato odbornost řeší okamžitý problém a pomáhá rozšířit, co AI může v budoucnu vyřešit.

Mnoho podniků úspěšně předvedlo generativní AI v pilotních projektech, ale potýká se s obtížemi při nasazení na miliony reálných zákaznických interakcí. Co společnosti nejčastěji podceňují při přechodu z AI pilotního projektu na produkčně škálovaný agentní systém?

Společnosti nejčastěji podceňují dlouhý ocas. Pilotní projekty obvykle testují definované případy použití za kontrolovaných podmínek. V produkčním měřítku se vzácné situace stávají každodenními: zákazníci mění směr, poskytují neúplné informace nebo kombinují potřeby způsoby, které nikdo nepředpověděl. Proto rozšiřování agentické AI není jen výzvou modelu. Vyžaduje integraci s podnikovými systémy, řízení, monitorování a způsob, jak zapojit lidi, když je potřeba úsudek. Pilot dokazuje, že technologie funguje. Produkce přebírá architekturu a provozní disciplínu, aby byla spolehlivá ve velkém měřítku.

Jak se podniky posouvají od jediného AI asistenta k více specializovaným agentům pracujícím společně, jaké nové technické nebo řídící výzvy se objevují v oblasti orchestraci, pozorovatelnosti a odpovědnosti?

Novou výzvou je koordinace. Více agentů vytváří více předání, rozhodovacích bodů a příležitostí, kdy může kontext nebo odpovědnost selhat. Podniky potřebují orchestraci, která určuje, který agent má jednat, jaké informace a oprávnění obdrží a jak jejich práce přispívá k řešení zákazníka. Pozorovatelnost musí zasahovat do celé interakce, aby organizace mohly pochopit, co se stalo a proč. To se stane základem řízení. Výhoda nepřijde z nasazení největšího počtu agentů. Přijde z koordinace celé této specializované inteligence do jednoho systému, který je spolehlivý, sledovatelný a odpovědný.

ASAPP nedávno představila Kontinuální Red Teaming, která automaticky testuje její AI systémy proti více než 50 třídám zranitelností, jak se modely vyvíjejí. Jak by měly podniky přehodnotit bezpečnost, když AI agenti již nejsou jen generátory odpovědí, ale stále častěji jsou schopni jednat jménem zákazníků?

V sázkách se mění, když AI přechází od odpovídání na otázky k činění akcí. Neoprávněná transakce nebo únik zákaznických údajů má mnohem vážnější dopad než nepřesná odpověď. Podniky potřebují jasné hranice toho, k čemu má agent přístup, co může dělat a kdy je vyžadováno schválení člověka. Bezpečnost také nemůže být jednorázový test před nasazením. Jak AI získává větší schopnosti, špatní aktéři také inovují. Proto ASAPP kontinuálně testuje tisíce nepřátelských scénářů pokrývajících více než 50 tříd zranitelností. Bezpečnost se musí vyvíjet tak rychle jako technologie, aby podniky mohly rozšiřovat, co AI může dělat, aniž by ohrozily důvěru zákazníků.

Generativní AI je inherentně pravděpodobnostní, avšak procesy zákaznického servisu často zahrnují transakce, požadavky na soulad a další úkoly, kde musí být výsledky předvídatelné. Jak mohou podniky zachovat flexibilitu generativní AI a zároveň zavést dostatečně deterministickou strukturu, aby byly tyto systémy spolehlivé?

Klíčem je oddělit konverzaci od obchodního procesu. Myslíme si, že generativní AI by měla dělat to, co dělá nejlépe: rozumět zákazníkovi, orientovat se v nejasnostech a reagovat přirozeně. Kritické procesy – jako ověřování, transakce a soulad – by však měly fungovat v rámci krokových pracovních toků, které vynucují pravidla společnosti a požadovanou sekvenci. Tato architektura poskytuje podnikům to nejlepší z obou světů: flexibilní zážitek pro zákazníka a předvídatelnou realizaci pro podnik. Také usnadňuje testování, audit a zlepšování procesů s vývojem modelů. Podniky nemusí učinit každou zákaznickou konverzaci rigidní, aby byla AI spolehlivá. Musí být naprosto jasné, kde může AI přizpůsobovat a kde proces naprosto nesmí být měněn.

Kontaktní centra tradičně měřily automatizaci pomocí metrik, jako je zachycení a snížení nákladů. Jak AI agentní se stává sofistikovanější, jaké metriky by měly podniky použít k určení, zda AI skutečně zlepšuje zákaznickou zkušenost, místo aby jen snižovala zapojení lidí?

Odcházíme od metrik, jako je odklon a zachycení, a směřujeme k tomu, co nazývám „ověřeným řešením“. Chci, abychom byli odpovědní za pochopení záměru zákazníka a jeho skutečné vyřešení. Jako zákazník chci, aby byla zkušenost příjemná, ale především chci, aby byl vyřešen důvod, proč jsem se obrátil. Když měříme tento výsledek, místo pouhého sledování, zda AI zabránila kontaktu s lidským agentem, sladíme technologii s úkolem, který zákazník skutečně potřebuje splnit.

Pokud jeden lidský expert může čím dál více dohlížet nebo řídit více AI‑řízených konverzací, jak očekáváte, že se bude vyvíjet pracovní síla v kontaktním centru? Vidíte vznik nových rolí souvisejících s dohledem nad AI, školením, řízením a kontinuálním zlepšováním?

To je to, co mě opravdu nadchlo ohledně budoucího provozního modelu kontaktního centra. Dnes jsou lidské agenti na první linii, často pomáhají zákazníkům, kteří jsou zklamaní, zmatení nebo naštvaní, a přitom věnují velkou část svého času navigaci v složitých systémech, aby tyto problémy vyřešili. Je to náročná práce a vyhoření je vysoké. Jak agentní AI přebírá více této práce napříč hlasovými a digitálními kanály, věřím, že se objeví nová třída profesionálů CX: lidský agent jako analytik. Jejich čas bude čím dál více věnován situacím, které vyžadují úsudek, nejsou černobílé nebo nesou regulační citlivost. Jedná se o zásadně odlišnou roli, kterou samotná AI pomáhá vytvářet.

Po vašich prvních 30 dnech vedení ASAPP, co vás nejvíce překvapilo na tom, kde se podniky nyní nacházejí v adopci agentické AI, a co podle vás bude definovat další fázi zákaznického servisu poháněného AI?

Mám dojem, jak ochotní jsou klienti, se kterými jsem mluvil, učinit z agentické AI základní pilíř jejich CX strategie, místo aby byla jen doplňkem. Výzvou je, že digitální, IT, bezpečnostní a provozní oddělení často postupují různou rychlostí a úspěch měří odlišně. Tato fragmentace ztěžuje jasně vidět podnikatelský případ. Další fáze bude vyžadovat, aby organizace sladily to, co je skutečně důležité na úrovni podniku, a pochopily, kde může agentická AI v CX posunout tyto výsledky. Dnes může být tento dopad rozředěn napříč stávajícími scorecardy a oddělenými metrikami.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit ASAPP.