Ralph Gootee, CTO og medstifter af TigerEye – Interviewserie

Ralph Gootee, CTO og medstifter af TigerEye, leder udviklingen af en forretningsstimuleringsplatform designet til at forbedre strategisk beslutningstagning, planlægning og gennemførelse. Ved at udnytte avanceret tidssensorisk AI-teknologi giver TigerEye organisationer mulighed for at strømline planlægningsprocesser, simulere forskellige scenarier og træffe datadrevne beslutninger mere effektivt.

TigerEye er grundlagt af Gootee og tidligere PlanGrid-chefer, og TigerEye løser almindelige udfordringer i forretningsplanlægning, såsom forældede regneark og forlængede planlægningscykler, med fokus på tilpasning og forudsigelig vækst. Platformen integrerer principper fra brancher som bygge- og softwarekvalitetskontrol til at levere dynamiske løsninger, der hjælper virksomheder med at optimere drift og skala effektivt.

Hvad inspirerede dig til at starte TigerEye, og hvordan har dine tidligere erfaringer med PlanGrid påvirket din vision for virksomheden?

Jeg har altid fundet data til at være en udfordring. Tilbage da vi byggede mit sidste firma, PlanGrid, var værktøjer som Looker og Redshift lige kommet ud. Begrebet indsigt var nyt. Mixpanel og Amplitude var stadig i deres tidlige dage. Disse produkter var så nye, at du selv måtte bygge et dataingeniørteam for at håndtere enhver form for dataindsigt.

Ved PlanGrid samlede vi et fantastisk team med ph.d.’er og talentfulde ledere, der udførte imponerende arbejde: identificerede varme leads, analyserede kundeforbindelser og beregnede ARR. Men det krævede et hold på 10 personer, var dyrt, og efterladt analytikere med følelsen af at være billetkrydsere, der kørte SQL-forespørgsler for at besvare spørgsmål om segmentering og vækst. Når de til sidst flyttede videre for at lede datavidenskabsteams andre steder, var det tilbageværende hold ofte efterladt med at kæmpe for at give mening til dashboardene, de havde efterladt, hvilket resulterede i betydelig spildt tid. Desuden verificerede vores CFO selv disse tal for at sikre nøjagtighed.

Som bestyrelsesmedlem i andre virksomheder så jeg det samme mønster: afkoblet dashboard, der var svære at samle sammen til handlebare indsighter. Under Autodesk-opkøbet af PlanGrid blev disse udfordringer endnu tydeligere. At styre to Salesforce-miljøer og koordinere grundlæggende backoffice-opgaver som CRM, ERP og marketing var en kamp. Selv at bestemme, hvilke kampagner der fungerede, var en gåde. Disse frustrationer inspirerede visionen for TigerEye: en måde at gøre data ubesværet, handlebart, hurtigt og tilgængeligt.

TigerEye tilbyder en fleksibel AI-løsning til go-to-market-hold. Hvordan identificerede du udfordringerne på markedet, der ledte dig til at designe en konversations-AI til business intelligence?

Go-to-market-analyser kan ofte føles overvældende, da de er fyldt med tal, statistik og tung matematik. Processen med at stille kreative, undersøgende spørgsmål er klodset. Du kan oprette en billet til dataholdet og spørge om noget i retning af en vindrategraf. Der er frem og tilbage forklaring, forsinkelser, og nogle gange når du til sidst til at spørge det forkerte spørgsmål. For de fleste mennesker er det hverken en behagelig eller hurtig proces, især for dem uden myndighed som en C-Suite-eksekutiv til at accelerere svar.

Konversations-AI ændrer det. Forestil dig bare at sige: “Vis mig vindrater for Vestkysten i pink versus Østkysten i brun, over de sidste fire kvartaler, i en stolpegraf.” En konversation som den tager sekunder, og også udsigten. Vi designede TigerEye til at give brugerne en intuitiv “junioranalytiker”, de kan tale med – altid tilgængelig for at skabe indsighter uden behov for en klodset interface.

Hvad var de mest betydelige hindringer, du mødte under de tidlige faser af TigerEyes udvikling, og hvordan overvandede du dem?

En stor overraskelse var den enorme mængde data, vi stødte på, uanset virksomhedens størrelse. Selv mellemstore virksomheder havde ofte enorme mængder data, der ændrede sig hyppigt. Eksisterende værktøjer som Looker kunne ikke håndtere disse arbejdsmængder effektivt; vi så loadtider på 10-12 sekunder for en enkelt graf. Det er uacceptabelt for i dagens hurtige forretningsmiljø.

For at løse dette måtte vi innovere. Vi integrerede DuckDB for hurtigere forespørgselskørsel og valgte Flutter til at bygge en letvægts-, effektiv interface. Desuden bidrog vi tilbage til open-source-fællesskabet ved at udvikle og vedligeholde DuckDB.Dart, hvilket muliggjorde en ubesværet integration med Dart- og Flutter-miljøer. Disse teknologier tillod os at optimere for hastighed, fleksibilitet og skalerbarhed.

Som medstifter, hvordan prioriterede du og dit hold funktioner og muligheder for TigerEyes lancering?

Vi startede med at placere hele virksomhedens ressourcer bag visionen om AI-analytiker. Dette betød, at hver enkelt front-end- og back-end-ingeniør bidrog. Naturen af en AI-analytiker krævede en fuldtidsindsats fra hele virksomheden, fordi det ikke kun handler om tekstoutput; det handler om at levere interaktive widgets, konfigurere simuleringer og aktivere analytikere til at tage meningsfulde handlinger. For eksempel tillader en funktion brugerne at konfigurere en fremtidig plan for at tilføje 10 repræsentanter til Vestkysten uden besvær, hvilket kræver design af et højt interaktivt og intuitivt system.

Udviklingsprocessen havde sine op- og nedture, men den tekniske ryggrad blev bygget på en rigorøs vurdering. Dette blev kernen i vores prioritering. Vurdering er, hvor det virkelige arbejde sker. Vi er konstant i gang med at spørge: “Gjorde denne ændring systemet bedre eller værre?” Vi startede med vores ingeniørhold og vores domæneeksperter og udviklede os herefter til at fange kunde-spørgsmål for at finjustere vores system yderligere.

Vi introducerede et automatiseret testsuite, hvor AI vurderer sig selv og tildeler en score for at bestemme, om ændringer er forbedringer. For at sikre nøjagtighed udfører vi stadig menneskelige vurderinger ugentligt for at forhindre fordomme som en LLM, der giver sig selv topkarakter. Denne dobbelte tilgang har været afgørende for at få TigerEye til en “1.0”-tilstand og løbende at hæve standarden.

Til sidst var opnåelse af domænespecifik alignment en stor fokus. Salg og go-to-market-operationer kræver præcise, specialiserede svar, og alignment på tværs af interessenter er ikke altid ligetil. Dette er, hvorfor domæneekspertise og reel kundetilbagemelding var afgørende for at forme TigerEye til den platform, det er i dag.

Hvordan adskiller TigerEyes tilgang sig fra traditionelle BI-værktøjer, og hvilken indvirkning har dette haft på adoptionsraterne blandt virksomheder?

TigerEye blev bygget fra bunden op med AI og mobil, og tilbyder en løsning, der er inhærent bærbar og designet til at besvare spørgsmål hurtigt. I modsætning til traditionelle BI-værktøjer, der er langsomme og ofte kræver omfattende konfiguration, prioriterer TigerEye hastighed og brugervenlighed gennem konversations-AI.

Vores grafer og widgets er højt fleksible, med interaktive visuelle effekter, der tillader brugere at udforske data intuitivt. AI’en afhænger ikke af generisk, overfladisk information, der kan føre til ukorrekte svar; i stedet er den specialiseret til at levere præcise, strukturerede målinger tilpasset hver forretning.

Uanset om det er for startups, mellemstore eller store virksomheder, sikrer TigerEye konsistens ved at basere alle beregninger på SQL, hvilket giver både front-end- og AI-drevne forespørgsler mulighed for at levere de samme pålidelige tal. Vi tilbyder også gennemsigtighed ved at vise kunderne matematikken bag vores analyse, hvilket sikrer, at de forstår nøjagtigt, hvordan TigerEye-platformen er nået til sine svar. Dette engagement for klarhed hjælper med at opbygge tillid og tillid til de leverede indsighter.

Resultatet er en AI-platform, der leverer stærk tilpasning, mens den giver hold mulighed for at få adgang til handlebare indsighter uafhængigt, og tillader datahold at fokusere på mere strategiske opgaver. Denne tilgang har accelereret adoptionsraten blandt virksomheder, der søger intuitive, skalerbare og præcise værktøjer til at forbedre deres beslutningstagning.

Hvordan udnytter TigerEye AI til at tilpasse sig og lære af CRM-, ERP- og marketingautomatiseringsændringer i realtid?

TigerEye bruger AI, herunder Retrieval-Augmented Generation (RAG) og integrationer med realtids-API’er, til at tilpasse sig dynamisk til ændringer i CRM-, ERP- og marketingautomatiseringsplatforme. Vi kombinerer desuden GenAI med mere traditionel maskinlæring og simulationsteori for at give vores AI mulighed for at forudsige fremtiden. Ved at forbinde direkte til disse systemer overvåger vores virksomhed kontinuerligt opdateringer, såsom nye kundeoptegnelser, ændringer i handelsfase eller kampagneprestationsmål, og sikrer, at indsighter forbliver aktuelle og handlebare.

Vores AI-analytiker rapporterer ikke bare passivt data; den lærer og udvikler sig med kunde-arbejdsgange. For eksempel, hvis et salgsteam ændrer sin pipeline-struktur, identificerer TigerEye hurtigt ændringerne og justerer sine beregninger, prognoser og anbefalinger derefter. Denne realtids-tilpasning eliminerer manuelle opdateringer og sikrer, at ledelse og hold altid har en præcis og opdateret oversigt over deres go-to-market-præstation.

Desuden giver TigerEyes fleksibilitet mulighed for at arbejde på tværs af multiple systemer, og sikrer en ubesværet integration og alignment. Uanset om det er Salesforce, HubSpot, NetSuite eller andre platforme, giver TigerEyes AI hold mulighed for at skære igennem kompleksiteten og levere rettidige, pålidelige indsighter, der driver smartere og hurtigere beslutningstagning.

Med øget kompleksitet i go-to-market-operationer, hvordan simplificerer TigerEye beslutningstagning for ledelse og hold?

Handlebare indsighter gennem konversations-AI. Traditionelle BI-værktøjer kræver ofte, at hold navigerer i besværlige dashboard, venter på, at datahold genererer rapporter, eller manuelt samler målinger sammen på tværs af siloede systemer. TigerEye eliminerer disse flaskehalse ved at give instant, AI-drevne svar tilpasset ledelsens og holdets behov.

Vores AI-analytiker fungerer som en proaktiv, junior medarbejder, der kan svare på spørgsmål som “Hvad er min vindrate i Q4 på tværs af regioner?” eller “Hvordan ville tilføjelse af fem repræsentanter til Østkysten påvirke ARR?” Platformen leverer indsighter på sekunder uden behov for datamodellering eller omfattende opsætning.

Ved at integrere AI med tilpasset business intelligence sikrer TigerEye, at alle målinger er nøjagtige, konsistente og aligneret på tværs af organisationen. Ledelsen opnår klarhed over strategiske beslutninger, mens holdene nyder godt af værktøjer, der bringer tendenser til overfladen, forudsiger resultater og reducerer støjen af operationel kompleksitet. TigerEye hjælper erhvervsledere med at træffe hurtigere og smartere beslutninger uden den tunge løft.

Hvordan ser du konversations-AI for at transformere business intelligence de næste fem år?

Business intelligence står lige nu i en korsvej. Mange værktøjer er fastlåst i en ældre eller opkøbt tilstand. De er langsomme til at innovere, mangler nye produkter og er for generelle i deres tilgang. Disse legacy-løsninger blev ikke bygget fra bunden op til at integrere med store sprogmodeller eller tilbyde AI-interoperabilitet. I de fleste tilfælde forsøger de at tilpasse forældede systemer med uprøvede AI-løsninger, hvilket ikke flytter nålen.

Konversations-AI vil drive en ny generation af specialiserede BI-applikationer. Disse værktøjer kræver ikke, at hold bruger utallige timer på at tilpasse og bygge løsninger – de er tilpasset fra starten til at løse specifikke behov i finans, salg, marketing, bygge- og anlægsindustri, olie og gas og andre brancher. Hver marked udvikler sig forskelligt, og specialisering er nøglen.

Fundamentale AI-modeller som OpenAI, Anthropic og Mistral vil fortsat håndtere brede, generiske anvendelser, men fremtiden for BI ligger i specialiserede vertikale løsninger, der løser unikke problemer. Specialiserede AI-værktøjer til BI vil erstatte den nuværende en-size-fits-all-tilgang, og give virksomheder mulighed for at trække indsighter hurtigere og mere præcist. Det kan levere præcision og handlebare indsighter inden for sin domæne. Denne ændring vil omdefinere BI, som vi kender det.

Efter at have fungeret som visiting partner i Y Combinator, hvordan har mentoring af startups påvirket din ledelsesstil eller tilgang til innovation?

YC lærte mig vigtigheden af at prioritere mennesker. Jeg lærte at fokusere min energi på grundlæggere, der var sultne, åbne for feedback og urokkeligt sejgivne. Disse egenskaber – stædighed og tilpasning – er kendetegn for succesfulde hold, og jeg har ført det med mig ind i TigerEye.

En anden lære var at erkende værdien af diversitet, både i tanke og baggrund. Ved YC så jeg førstehånds, hvordan grundlæggere fra underrepræsenterede grupper ofte bragte utrolig stædighed og kreativitet til bordet. Det er en perspektiv, der har formet, hvordan vi bygger og leder i TigerEye i dag. Diversitet styrker hold og driver innovation.

Hvad er din vision for TigerEyes fremtid, og hvordan planlægger du at udvide dens indvirkning på tværs af brancher?

TigerEye er først og fremmest et AI-virksomhed. Vores mål er at bringe de innovationer, vi ser i forbruger-AI, som den ubesværede interaktion i værktøjer som Perplexity og Cursor, ind i virksomheden. Forestil dig en personlig assistent, du kan spørge om indsighter overalt, på enhver enhed. Har du brug for at vide, hvorfor aftaler strandede i Q2 eller hvad der ville kræves for at fordoble din salgsstyrke i en bestemt region, mens du er på farten? Du spørger, og det er der øjeblikkeligt, nøjagtigt og konsistent på tværs af virksomheden.

Fremtiden for TigerEye handler om at simplificere adgangen til data og gøre indsighter almindelige, uanset om du bruger en mobilapp, bærer en smartwatch eller beder om en rapport i Slack. Vi fokuserer på at skabe værktøjer, der gør datadreven beslutningstagning ubesværet.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge TigerEye.