Puneet Mehta, grundlægger og administrerende direktør for Netomi – Intervieuserie

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 governance, 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, beskeder og talekanaler. Systemet giver mulighed for, at mærker kan løse de fleste rutinemæssige kundehenvendelser autonomt, samtidig med at de giver agenter realtidsassistance, når det er nødvendigt. Med indbygget governance, personalisering og multilingual support giver Netomi virksomheder mulighed for at skalerer 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 dens 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 realtids-, mission-kritisk teknologi. Hos IBM Watson så jeg potentialet for AI til at forstå sprog og interagere med mennesker på en mere naturlig måde, men også begrænsningerne omkring gennemsigtighed og kontekstuel relevans.

Jeg lancerede Netomi med den overbevisning, at AI kunne gøre mere end at automatisere svar. Jeg ville bygge systemer, der hjælper kunder med at opnå virkelige mål med intelligens, empati og ansvarlighed. Fra starten 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 op 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 governance, 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 udnytte AI, der er intelligent, troværdig og dybt integreret i deres kundeoplevelsesstrategi.

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

Netomis Agentic OS er bygget op omkring en dobbelt-agent-arkitektur, der kombinerer deterministiske Action Agents med LLM-drevne Reasoning Agents. Action Agents håndterer sikre, lavkode-transaktioner såsom opdateringer, forespørgsler og proceseksekvering på tværs af virksomhedssystemer. Reasoning Agents fortolker kundeindput i realtid, 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 reagere øjeblikkeligt på signaler som sentiment-skift, leveringsforsinkelse eller dataændringer. Hver beslutning er version-kontrolleret og fuldt observerbar, hvilket giver holdene sporing og overholdelsesoversigt på hvert trin. Denne arkitektur understøtter intelligent interaktion og operativ pålidelighed i stor målestok.

Flere 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.

Latens-forventninger, især til stemme- eller synkronkanaler, skal defineres tidligt for at vejlede systemdesign. Kontinuerlige evalueringmekanismer skal også være på plads for at overvåge prompt-degradering eller model-drift. En almindelig misforståelse er, at upload af store mængder ustukt indhold til en vektor-database svarer til en AI-strategi. I virkeligheden afhænger succesfuld implementering mere af data-engineering, klare politik-rammer og struktureret forandringsstyring. Gennemsigtighed, observerbarhed og rigorøs testning er essentielle krav til ethvert virksomheds-grad-agentic-system.

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

Prompt-engineering fokuserer på at optimere isolerede interaktioner. Orchestration-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 reagerer, 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 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, stemme og beskeder?

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 loyalitets-niveau eller ordre-status hentes fra verificerede kilder lige før generering, hvilket reducerer risikoen for hallucination.

Tillids-niveauer 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 differentierende faktorer 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 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 kombinere deres svar til 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.

Med 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. Latens reduceres gennem letvægts-, asynkron-pipelines bygget til at opfylde under-tre-sekunders-mål for stemme-kanaler. Agent-adfærd testes mod historiske transkriptioner, før implementering, for at simulere resultater og identificere fejlmodi.

Sikringsforanstaltninger er på plads for at stoppe udførelse, hvis omkostnings-, latens- eller politik-grænser overskrides. Trafik omfordeler kontinuerligt blandt konkurrerende prompt- eller hentningsstrategier for at optimere kundeoplevelsen og beregnings-effektivitet. Denne tænkning påvirker hvert lag af platformen.

Du har en imponerende række investorer og rådgivere, fra 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 virkelige forretnings-problemer, især de, som mødes af Fortune 100-virksomheder, der opererer på globalt niveau. Uanset om det handler om at automatisere support, gennemtvinge overholdelse eller levere konsistens på tværs af kanaler, giver deres feedback os sikkerhed på, at vi bygger teknologi, der er klar til virksomheds-realiteter.

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

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 indlejring er version-kontrolleret og sporbart, så ændringer kan auditeres eller rullet tilbage. Personligt identificerbare oplysninger filtreres, før de når modellen, og retentionspolitikker håndhæves strengt. Typer af handlingsskemaer og sandbox-test giver os sikkerhed på, at agenter opfylder betingelser, før de aktiverer produktionsværktøjer.

Alle handlinger er styret af en politik-motor, der kan pause eller ændre trin i realtid. Rolle-baseret adgangskontrol, multi-faktor-autentificering og uændrelige audit-logger giver yderligere beskyttelse. Signerede anmodnings-omslag 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 være i stand til at 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 troværdigt lag på tværs af kunde-rejsen, 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.