Fran Loftus, Chief Experience Officer, EliseAI – Intervieuserie

Fran Loftus, Chief Experience Officer, EliseAI er en dynamisk leder kendt for sin kreative energi og alsidige baggrund, der kombinerer iværksætterånd med dyb operativ ekspertise. Før hun tiltrådte stillingen hos EliseAI, var hun medstifter af HOM, en teknologiaktiveret facilitets- og engagementsplatform, der blev opkøbt af Alfred, hvor hun senere havde flere ledende roller, der formede beboeroplevelser på tværs af hundredtusinder af enheder. Hos EliseAI har hun haft ledende operationelle lederstillinger, der rapporterede til CEO og bestyrelsen, hvilket drev tværgående effektivitet, overvågede kunderesultater og samarbejdede tæt med ingeniører og salg på produktstrategi og lancering. Hun er anerkendt som grundlægger og branchetænker, og hun er blevet nomineret til Top Founder på MIPIM og gentagne gange nævnt blandt CRETechs topkvinder, der har indflydelse.

EliseAI er et New York-baseret AI-softwarefirma, der forvandler, hvordan bolig- og sundhedsorganisationer håndterer højvolumen kommunikation og operationelle arbejdsprocesser gennem avanceret konversationel og agensbaseret kunstig intelligens. Dets platform automatiserer opgaver som turscheduling, lejekommunikation, vedligeholdelsesanmodninger, forlængelser, patientindtag, og administrativt support på tværs af tekst, tale, e-mail og chat, hvilket giver mulighed for, at hold kan fungere mere effektivt samtidig med, at de forbedrer respons og kundeoplevelse. Ved at centralisere disse interaktioner i et samlet AI-system hjælper EliseAI organisationer med at skala operationer, reducere manuelt arbejdsvolume og levere målbare præstationsforbedringer på tværs af mission-kritiske funktioner.

Som Chief Experience Officer i EliseAI bringer du en sjælden kombination af erfaringer på tværs af fællesskab, operationer og teknologi. Du var medstifter af HOM, en platform, der hjalp multifamiliebygninger med at levere fælles faciliteter og en følelse af fællesskab i stor målestok. Derefter ledede du oplevelse og servicedelivery hos Alfred, en residential services-virksomhed, der var integreret i tusinder af lejlighedsbygninger. Hvordan påvirker disse dybt praktiske, menneske-først-roller, hvordan du designer og operationaliserer AI-oplevelser hos EliseAI i dag?

Min baggrund indenfor fysisk ejendomsforvaltning lærte mig, at teknologi kun er så god, som den service, den faktisk leverer på jorden. Hos HOM og Alfred lærte jeg, at en beboer ikke bekymrer sig om et elegant interface, hvis deres vedligeholdelsesanmodning forsvinder i en sort hul eller deres indtjekning bliver forsinket. Dette har gjort mig besat af at lukke cirklen. Jeg designer ikke kun AI til at håndtere samtaler, jeg designer det til at håndtere hele livscyklussen for en opgave. Jeg prioriterer beboeren i en krise eller den medarbejder, der er overbelastet, og sikrer, at AI ikke blot er endnu en ting, de skal overvåge, men et værktøj, der tager vægten af deres skuldre.

Set fra et CX-perspektiv, hvordan ser effektiv AI ud i bolig- og sundhedsmiljøer, hvor tillid, klarhed og opfølgningsmuligheder er lige så vigtige som hastighed eller automatisering?

I bolig- og sundhedssektoren er det godt at være hurtig, men faktisk at følge op er, hvad der bygger tillid. God AI skal ikke blot give dig et hurtigt svar, det skal sikre, at noget faktisk sker. Hvis en patient spørger om en regning eller en lejer ønsker at forlænge sin lejeaftale, skal AI opdatere optegnelserne, fortælle den rette leder og lade den person vide, at hjulene er i gang. Det handler om at være klar og proaktiv, så folk ikke føler, at de skal ringe tilbage tre gange bare for at tjekke status.

EliseAI har valgt en vertikal-først-tilgang i stedet for at tilbyde en generel formål AI-lag. Hvordan ændrer denne beslutning den dag-til-dag oplevelse for ejendomshold, beboere og sundhedsmedarbejdere i forhold til horisontale AI-værktøjer?

Generelle AI-værktøjer kræver, at kunden selv skal udføre det tungt arbejde med at lære softwaren branchereglerne. Fordi vi er en vertikal løsning, der er fokuseret udelukkende på bolig- og sundhedssektoren, ankommer vores system med en dyb forståelse af de specifikke arbejdsprocesser, som f.eks. sikkerhedsdepositorumregler eller patientschedule-nuancer. For medarbejderne på jorden betyder det, at de ikke behøver at styre en generisk chatbot, der måske hallucinerer en politik. De arbejder med et system, der allerede er integreret i deres eksisterende software og taler sproget for deres daglige operationer fra dag én.

Kan du forklare, hvordan skygning af frontline-arbejdere for at fange end-to-end-arbejdsprocesser forbedrer modeladfærd og den endelige kundeoplevelse, sammenlignet med kun at træne på abstrakt data?

Abstrakt data viser dig “hvad”, men at være på jorden med kunder viser dig “hvordan”. Når mit hold tilbringer tid i den faktiske omgang, hvor softwaren er installeret, ser de friktionspunkter, som en dataset ville overse. F.eks. under opdagelsessessioner med en militær boligoperatør identificerede vi komplekse godkendelsesflader og strenge daglige begrænsninger, der ikke var i nogen manual. Ved at fange disse beskidte, virkelige detaljer og oversætte dem til produktet kan vi bygge AI, der ikke blot fungerer i en demo, men overlever kaosset i en travl kontor.

Når AI-systemer bevæger sig ud over at besvare spørgsmål til at udføre opgaver, hvilke nye oplevelsesrisici opstår, og hvordan sikrer du, at automatisering føles støttende og pålidelig snarere end intrusiv eller uigennemsigtig?

Den primære risiko skifter fra, at AI siger noget forkert til, at AI gør noget forkert. For at afværge dette har jeg etableret en produktløsningsmodel, hvor vi har eksperter – mange af hvem er tidligere grundlæggere – der ejer bestemte domæner af produktet. De fastsætter de specifikke regler og rækværk for, hvordan AI udfører en opgave, og sikrer, at det aldrig tager en handling, der ville overraske eller forvirre en menneskelig medarbejder.

I bolig- og sundhedssektoren kan selv små fejl hurtigt underminere tillid. Hvordan designer du agensbaserede AI-systemer, der forbliver gennemsigtige, forudsigelige og lette for mennesker at korrigere, når det er nødvendigt?

Design til tillid begynder med at bevæge sig væk fra en traditionel reaktiv mindset, hvor du blot venter på, at ting går galt. I stedet har jeg bygget et hold, der fungerer som en bro mellem virkelige operationelle udfordringer og AI’s logik. Disse er ikke supportagenter – de er strateger og tidligere grundlæggere, der ejer bestemte domæner af produktet fra ende til anden.

De tilbringer deres tid med at skygge medarbejdere for at forstå de uafvigelige regler for en branche, såsom komplekse militære boliggodkendelsesflader eller strenge medicinske responsider, og de bagager disse direkte i, hvordan AI adfærder. Gennemsigtighed kommer fra, at vores systemer er designet til at markere potentielle problemer proaktivt, før de bliver beboer- eller patientklager. Når AI fornemmer en højfølelsesmæssig situation eller en kompleks anmodning, den ikke er trænet til, gætter den ikke. Den udløser en aflevering, der giver den menneskelige medarbejder den fulde historie og kontekst for interaktionen, og giver dem mulighed for at træde ind som en informeret partner snarere end at starte fra scratch.

Set fra dit udsyn over implementering og kunde succes, hvilke er de mest almindelige friktionspunkter, kunder støder på, når de adopterer AI i operationelle arbejdsprocesser, og hvordan reducerer EliseAI denne friktion tidligt i udrulningen?

Den største friktion er sjældent teknologien selv, men snarere den angst, at teknologien vil forstyrre holdets flow eller erstatte deres roller. Vi adresserer dette ved at fokusere på umiddelbar, praktisk lettelse. I den første uge bruger vi AI til at overtage de repetitive, højvolumenopgaver, der typisk forårsager den mest udbrændthed, som f.eks. den første føring af leads. Vi bruger også vores egen AI til at styre vores interne selskabsoperationer. Dette hjælper os med at forstå de præcise stresspunkter i at ændre en arbejdsproces, så vi kan være bedre partnere, når vores kunder går igennem samme overgang.

Mange organisationer kæmper med at bevæge sig ud over pilotfaser. Hvordan hjælper du kunder med at udvikle deres processer og forventninger, så AI bliver en integreret del af daglige operationer snarere end at forblive en sideløbende eksperiment?

AI bliver kun fast, når det holder op med at være et sideløbende projekt og bliver en normal del af arbejdsdagen. Vi hjælper ledere med at reorganisere deres hold, så når AI håndterer det tungt arbejde, kan mennesker fokusere på de opgaver, der faktisk kræver en menneskelig berøring.

EliseAI understøtter nu omtrent en af seks amerikanske lejligheder. Hvordan ændrer kunde-forventninger sig på dette niveau af skala, og hvilke nye oplevelsesudfordringer opstår, når AI bliver en standarddel af operationer?

På dette niveau er AI ikke længere en cool innovation. Det er en utility, ligesom elektricitet. Forventningen skifter fra, at det er imponerende, når det fungerer, til, at det er uacceptabelt, når det fejler. Vi må styre denne variation, mens vi opretholder 100% pålidelighed.

Set fremad 2-3 år, hvordan ser du rollen som Chief Experience Officer udvikle sig, når AI-systemer tager på sig mere ansvar indenfor essentielle tjenester som bolig og sundhed?

Rollen vil udvikle sig fra at styre kundeoplevelse til at orchestrere samarbejdet mellem mennesker og AI. Når AI tager over de administrative og repetitive dele af jobbet, vil CXO’s fokus skifte helt til de strategiske og emotionelle berøringspunkter. Vores ansvar vil være at sikre, at når verden bliver mere automatiseret, bliver de menneskelige interaktioner i bolig og sundhed mere intentionelle og mere betydningsfulde.

Tak for det store interview. Læsere, der ønsker at lære mere, kan besøge EliseAI.