Puneet Mehta, grundlægger og administrerende direktør for Netomi – Interviewserie

Puneet Mehta, grundlægger og administrerende direktør for Netomi, leder det San Francisco-baserede AI-selskab, der leverer autonome kundeservice-oplevelser. Med en baggrund i tech-entrepreneurship og Wall Street-handel med AI, har han drevet udviklingen af en “Agentic OS”-platform, der hjælper mærker med at løse kundeproblemer på tværs af kanaler med indbygget styring, personalisering og gennemsigtighed. Mehta er blevet anerkendt blandt Advertising Ages Creativity 50 og Business Insiders liste over top-iværksættere at holde øje med.

Netomi er en AI-drevet kundeservice-platform, der hjælper virksomheder med at automatisere og forbedre support på tværs af e-mail, chat, meddelelse og talekanaler. Systemet giver mulighed for, at mærker kan løse de fleste rutinemæssige kundeforespørgsler autonomt, samtidig med at de giver agenter realtidsassistance, når det er nødvendigt. Med indbygget styring, personalisering og multilingual support giver Netomi virksomheder mulighed for at skala kundeservice-operationer effektivt, samtidig med at de opretholder fuld kontrol over mærkestemme og overholdelse.

Du har haft en fascinerende rejse, fra at bygge AI-motorer til Wall Street til at grundlægge Netomi. Hvad inspirerede dig til at lancere Netomi, og hvordan har din tidligere erfaring formet dets mission?

Min tidlige arbejde på Wall Street fokuserede på at bygge AI-systemer, der skulle fungere med hastighed, præcision og absolut pålidelighed. Det gav mig en stærk grund i udviklingen af realtids-, mission-kritisk teknologi. Hos IBM Watson så jeg potentialet for AI til at forstå sprog og interagere med mennesker mere naturligt, men også begrænsningerne omkring gennemsigtighed og kontekstuel relevans.

Jeg lancerede Netomi med den overbevisning, at AI kunne gøre mere end automatisere svar. Jeg ville bygge systemer, der hjælper kunder med at opnå reelle mål med intelligens, empati og ansvarlighed. Fra begyndelsen har vores mission været at skabe AI, der understøtter menneskelig interaktion på en måde, der er meningsfuld og i overensstemmelse med de værdier, som organisationen repræsenterer.

Hvad er problemet, som Netomi ultimativt forsøger at løse, og hvad gør jeres tilgang anderledes end andre spillere på markedet?

Netomi fokuserer på at transformere kundeoplevelsen fra fragmenteret og reaktiv til proaktiv og resultatdrevet. For mange værktøjer i dag tilbyder generiske svar, som er frakoblet fra kundens historie, følelse eller hensigt. Vores tilgang er bygget omkring kontekst. Hver besked, en kunde sender, analyseres sammen med dusinvis af realtids-signaler, såsom loyalitetsstatus, seneste aktivitet, sentiment og tidligere interaktioner for at generere et svar, der er præcist og relevant.

Hvad adskiller os er ikke kun vores brug af generativ AI, men hvordan vi integrerer styring, mærkealignering og ansvarlighed i hver del af systemet. Vi giver virksomheder fuld indsigt i, hvordan beslutninger træffes, hvilke data der bruges, og hvordan hver respons reflekterer organisationens stemme og standarder. Vores mål er at give mærker mulighed for at anvende AI, der er intelligent, pålidelig og dybt integreret i deres kundeoplevelse-strategi.

Med så mange AI-platforme, der lover transformation, hvad tror du sætter Netomis Agentic OS fra andre CX-løsninger på markedet i dag?

Netomis Agentic OS er bygget på en dual-agent-arkitektur, der kombinerer deterministiske Action Agents med LLM-drevne Reasoning Agents. Action Agents håndterer sikre, lavkode-transaktioner som opdateringer, forespørgsler og proceseksekvering på tværs af virksomhedssystemer. Reasoning Agents fortolker kundeinput i realtid, ved hjælp af generativ AI til at tilpasse samtaler baseret på kontekst og hensigt.

Disse agenter orkestreres af et proprietært event-drevet system, der giver platformen mulighed for at svare øjeblikkeligt på signaler som sentiment-skift, leveringsforsinkelse eller dataændringer. Enhver beslutning er versionstyret og fuldt observerbar, hvilket giver holdene sporing og overholdelsesoversigt på hvert trin. Denne arkitektur understøtter intelligent interaktion og operativ pålidelighed i stor målestok.

Many virksomheder kæmper stadig med, hvad det indebærer at være AI-klar. Hvordan bør virksomheder evaluere deres klarhed, og hvad er de almindelige misforståelser, du ser, der holder dem tilbage?

AI-klarhed begynder med grundlæggende principper. Virksomheder har brug for godt styrede, autoritative datakilder. Uden dem vil selv de mest kapable modeller returnere upålidelige eller inkonsistente resultater. Kerneforretningsworkflows skal også være eksponeret gennem stabile API’er eller event-drevne arkitekturer, så AI-agenter kan tage meningsfuld handling, ikke kun føre en samtale.

Forventninger til latency, især for tale- eller synkronkanaler, skal defineres tidligt for at vejlede systemdesign. Kontinuerlige evalueringssystemer skal også være på plads for at overvåge prompt-degradering eller model-drift. En almindelig misforståelse er, at upload af store mængder ustuktureret indhold til en vektor-database svarer til en AI-strategi. I virkeligheden afhænger succesfuld implementering mere af dataingeniørarbejde, klare politikrammer og struktureret forandringsstyring. Gennemsigtighed, observerbarhed og rigorøs testning er essentielle krav til enhver virksomhedsgrad af agentic-system.

Du har talt om begrænsningerne for prompt-engineering i stor målestok. Hvad er orchestration-engineering, og hvorfor er det mere livskraftigt for langsigtede virksomheds-AI-adopter?

Prompt-engineering fokuserer på at optimere isolerede interaktioner. Orchestration-engineering behandler det fulde system af beslutninger, handlinger og politikker, der skal fungere sammen på tværs af kanaler og workflows. Hos Netomi definerer vi nye funktioner deklarativt, så de kan tilgås af en central planlægger i stedet for at være indbygget i enkelt-prompts. En politiklag bestemmer, hvilken agent der svarer, hvilke data den modtager, og hvordan resultaterne verificeres.

Dette giver mulighed for hurtig iteration uden at kompromittere mærkestandarder eller overholdelse. Det giver også meningsfulde kontrolleringspunkter for både tekniske og forretningsbrugere, hvilket giver systemer mulighed for at udvikle sig, samtidig med at de opretholder konsistens og oversigt.

Hvordan klarer Netomis AI-agenter at finde en balance mellem automatisering og mærkesikker personalisering på tværs af forskellige kunde-kanaler som e-mail, tale og meddelelse?

Netomis agenter adskiller mærke-regler fra prompts og anvender tone, begrænsninger i sprog og formateringskrav dynamisk ved kørselstidspunkt. Dette sikrer, at personalisering ikke kommer på bekostning af konsistens. Kunde-specifikke data som loyalitetsniveau eller ordrestatus hentes fra verificerede kilder lige før generation, hvilket reducerer risikoen for hallucination.

Tillidsniveauer og realtids-evalueringer bestemmer, hvornår der skal eskaleres. Alle ændringer testes i en sandbox, før de implementeres, så hver interaktion forbliver personlig og overholdende på tværs af alle kanaler.

En af Netomis differentiatorer er dens event-drevne ConversationOS. Hvordan fungerer dette i praksis sammenlignet med traditionelle intent-baserede systemer?

Traditionelle bots routerer alt gennem foruddefinerede intent-træer. Netomis ConversationOS lytter til en bredere strøm af begivenheder, herunder kunde-tekst, leveringsopdateringer og interne tilstandsændringer. Flere agent-stier kan køre parallelt, såsom at løse en faktureringsproblematik, samtidig med at man opdaterer en levering, og sammenføje deres svar i et enkelt svar.

Fordi alt er struktureret som begivenheder i stedet for skjult tilstand giver systemet mulighed for, at nye agenter eller funktioner kan tilføjes uden at forstyrre eksisterende processer. Dette gør systemet mere fleksibelt, robust og lettere at vedligeholde.

Givet din erfaring med højfrekvens-handelssystemer, hvordan har koncepter fra algorithmisk finans påvirket arkitekturen eller hastigheden af Netomis platform?

Vi anvender samme disciplin, der bruges i algorithmisk handel, til ydelse og kontrol. Latency minimeres gennem letvægts-, asynkron-pipelines bygget til at opfylde under-tre-sekunders-mål for talekanaler. Agent-adfærd testes mod historiske transkriptioner, før de implementeres, for at simulere resultater og identificere fejlmodi.

Sikringsventiler er på plads for at standse eksekvering, hvis omkostning, latency eller politikgrænser overskrides. Trafik omfordeler kontinuerligt blandt konkurrerende prompt- eller hentestrategier for at optimere kundeoplevelse og beregnings-effektivitet. Denne tænkning påvirker hvert lag af platformen.

Du har en imponerende række investorer og rådgivere, herunder OpenAIs Greg Brockman til tidligere Disney- og DeepMind-chefer. Hvordan har det påvirket din produktvision eller vækststrategi?

Vore rådgivere bringer virksomheds-erfaring og teknisk indsigt, der har hjulpet med at forme både vores produktvision og vækststrategi. Deres vejledning holder os fokuseret på at løse reelle forretningsproblemer, især de, som mødes af Fortune 100-virksomheder, der opererer på global skala. Uanset om det handler om at automatisere support, gennemtvinge overholdelse eller levere konsistens på tværs af kanaler, deres feedback sikrer, at vi bygger teknologi, der er klar til virksomhedsrealiteter.

En besked, vi ofte hører, er vigtigheden af kontrol og klarhed. Disse systemer interagerer direkte med kunder og understøtter menneskelige agenter, så resultaterne må være målbare og pålidelige. Den menneskelige faktor forbliver central for hver produktbeslutning, vi træffer.

Da Agentic AI bliver mere integreret i daglige forretningsoperationer, hvad mener du er de vigtigste sikkerhedsforanstaltninger for at forhindre både menneskelig misbrug og maskin-misretning?

Netomi bygger sikkerhed ind i hvert lag af platformen. Prompts og indlejring er versionerede og sporbare, så ændringer kan auditeres eller ruller tilbage. Personligt identificerbart information filtreres, før den når modellen, og retentionspolitikker håndhæves strengt. Typer af handlingsskemaer og sandbox-testning sikrer, at agenter opfylder betingelser, før de aktiverer produktionsværktøjer.

Alle handlinger styres af en politik-motor, der kan pause eller ændre trin i realtid. Rolle-baseret adgangskontrol, multifaktor-autentificering og uændrelige audit-logs giver yderligere beskyttelse. Signerede anmodningsskonvolutter og kvote-grænser beskytter platformen mod ekstern model-drift og misbrug.

At se fremad, hvad begejstrer dig mest om den næste fase af kundeoplevelse og AI’s rolle i den?

Den mest spændende udvikling er overgangen fra reaktiv service til proaktiv, intelligent assistance, der forstår den fulde kontekst af en kundes mål, præferencer og begrænsninger. AI vil snart kunne forudse behov, handle på tværs af systemer og levere resultater uden at kræve, at kunder navigerer kompleksitet eller gentager sig selv.

Den virkelige fremgang er ikke kun i, hvad AI kan gøre, men i, hvor sammenhængende det vil understøtte menneskelig beslutning. AI vil blive et pålideligt lag på tværs af kundeoplevelsen, hjælpe mærker med at bygge loyalitet gennem respons, personalisering og pålidelighed i stor målestok. Da dette udvikler sig, vil grænserne mellem service, salg og oplevelse fortsat forsvinde.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Netomi.