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 teknologi-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 governance, personalisering og gennemsigtighed. Mehta er blevet anerkendt blandt Advertising Age’s Creativity 50 og Business Insider’s liste over top-entrepreneurs at følge.

Netomi er en AI-drevet kundeservice-platform, der hjælper virksomheder med at automatisere og forbedre support på tværs af e-mail, chat, messaging og talekanaler. Dets system giver mærker mulighed for at løse de fleste rutinemæssige kundehenvendelser autonomt, samtidig med at det giver agenter reel-time assistance, når det er nødvendigt. Med indbygget governance, personalisering og multilingual understøttelse giver Netomi virksomheder mulighed for at skalerer kundeservice-operationer effektivt, samtidig med at de opretholder fuld kontrol over mærke-identitet 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 grundlag i udvikling af real-time, 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 grundlagde Netomi med den overbevisning, at AI kunne gøre mere end blot 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 organisationer, det repræsenterer.

Hvilket problem forsøger Netomi ultimativt at løse, og hvad gør jeres tilgang anderledes end andre spillere i branchen?

Netomi fokuserer på at transformere kundeoplevelsen fra fragmenteret og reaktiv til proaktiv og resultatdrevet. For mange værktøjer i dag tilbyder generiske svar, som er afkoblet fra kundens historie, emotion eller hensigt. Vores tilgang er bygget op omkring kontekst. Hver besked, en kunde sender, analyseres sammen med dusinvis af real-time-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 også, hvordan vi integrerer governance, mærke-tilpasning og ansvarlighed i hver del af systemet. Vi giver virksomheder fuld indsigt i, hvordan beslutninger tages, hvilke data der bruges, og hvordan hver svar reflekterer organisationens stemme og standarder. Vores mål er at give mærker mulighed for at bygge tillid med AI, der er intelligent, troværdig og dybt integreret i deres kundeoplevelsesstrategi.

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 proces-eksekvering på tværs af virksomhedssystemer. Reasoning Agents fortolker kunde-input i real-time, ved hjælp af generativ AI til at tilpasse samtaler baseret på kontekst og hensigt.

Disse agenter koordineres af et proprietært event-drevet system, der giver platformen mulighed for at svare øjeblikkeligt på signaler som sentimentsændringer, leveringsforsinkelser eller dataændringer. Hver beslutning er version-kontrolleret og fuldt observerbar, hvilket giver holdene sporing og overholdelse på hvert trin. Denne arkitektur understøtter intelligent interaktion og operationel pålidelighed i stor skala.

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

AI-klarhed begynder med grundlæggende ting. Virksomheder har brug for godt styrede, autoritative datakilder. Uden dem vil selv de mest kapable modeller returnere upålidelige eller inkonsistente resultater. Kerneforretnings-workflows 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 synkroniserede kanaler, skal defineres tidligt for at vejlede system-design. 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 data-engineering, klare politik-rammer og struktureret ændringsstyring. Gennemsigtighed, observerbarhed og rigorøs testning er essentielle krav til enhver virksomheds-grad af agentic-system.

Du har talt om begrænsningerne ved prompt-engineering i stor skala. Hvad er orkestrerings-engineering, og hvorfor er det mere viablet for langsigtede virksomheds-AI-adoption?

Prompt-engineering fokuserer på at optimere isolerede interaktioner. Orkestrerings-engineering omhandler 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 politik-lag bestemmer, hvilken agent der svarer, hvilke data den modtager, og hvordan resultaterne verificeres.

Dette giver mulighed for hurtig iteration uden at kompromittere mærke-standarder eller overholdelse. Det giver også meningsfulde kontrolpunkter for både tekniske og forretningsbrugere, hvilket giver systemer mulighed for at udvikle sig, samtidig med at de opretholder konsistens og tilsyn.

Hvordan klarer Netomis AI-agenter sig med at finde en balance mellem automatisering og mærke-sikker personalisering på tværs af forskellige kunde-kanaler som e-mail, tale og messaging?

Netomis agenter adskiller mærke-regler fra prompts, og anvender tone, begrænsede sprog og formateringskrav dynamisk på køretid. Dette sikrer, at personalisering ikke kommer på bekostning af konsistens. Kunde-specifikke data som loyalitets-niveau eller ordre-status hentes fra verificerede kilder lige før generation, hvilket reducerer risikoen for hallucination.

Tillids-niveauer og real-time-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 differentierende faktorer er dens event-drevne ConversationOS. Hvordan fungerer dette i praksis i forhold til traditionelle intent-baserede systemer?

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

Fordi alt er struktureret som events i stedet for skjult tilstand, kan nye agenter eller funktioner 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 møde under-tre-sekunders-mål for tale-kanaler. Agent-adfærd testes mod historiske transkriptioner, før de implementeres, for at simulere resultater og identificere fejltilfælde.

Circuit-breakere er på plads for at stoppe eksekvering, hvis omkostninger, latency eller politik-grænser overskrides. Trafik omfordeler kontinuerligt blandt konkurrerende prompt- eller hentnings-strategier for at optimere kundeoplevelsen og beregnings-effektivitet. Denne tænkning påvirker hvert lag af platformen.

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

Vores 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 forretnings-problemer, især de, der 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, giver deres feedback os besked på, at vi bygger teknologi, der er klar til virksomheds-realiteter.

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

Da Agentic AI bliver mere integreret i daglige forretnings-operationer, 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 embeddings er versionerede og sporbare, så ændringer kan auditeres eller ruller tilbage. Personligt identificerbare oplysninger filtreres, før de når modellen, og retentions-politikker er strengt gennemført. Typed action-schemas og sandbox-testning sikrer, at agenter opfylder betingelser, før de påkalder produktions-værktøjer.

Alle handlinger er styret af en politik-motor, der kan pause eller ændre trin i real-time. Rolle-baseret adgangskontrol, multi-faktor-authentificering og uændrings-logger giver yderligere beskyttelse. Signerede anmodning-omslag og kvote-grænser beskytter platformen mod ekstern model-drift og misbrug.

At se fremad, hvad er det, der fascinerer dig mest om den næste fase af kundeoplevelse og rollen, AI vil spille 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 kunderne behøver at navigere kompleksitet eller gentage sig selv.

Den virkelige fremgang er ikke kun i, hvad AI kan gøre, men i, hvordan det vil understøtte menneskelig beslutningstagning. AI vil blive et troværdigt lag på tværs af kunde-rejsen, hjælpende mærker med at bygge tillid gennem respons, personalisering og pålidelighed i stor skala. Da dette udvikler sig, vil grænserne mellem service, salg og oplevelse fortsætte med at forsvinde.

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