Vara Kumar Namburu, Co-Founder og Head of R&D, Whatfix – Interview Serie

Vara Kumar er co-founder og Head of R&D og Solutions hos Whatfix, hvor han driver innovation og strategisk vækst for virksomheden. Han co-foundede Whatfix med Khadim Batti i 2014 med visionen om at give mennesker og organisationer mulighed for at arbejde symbiotisk med teknologi for at maksimere deres potentiale. Med base i USA leder Vara virksomhedens multiproduktstrategi og vision for produktudvikling og -adoption, teknologiudvikling og innovation, hvilket hjælper med at accelerere succesfulde integrationer for kunder og partnere. Under Varas ledelse har virksomheden banet vejen for ‘brugerificering’, en banebrydende tilgang, der flytter fokus fra at få brugere til at tilpasse sig teknologien til at få teknologien til at tilpasse sig brugerne. Han er passioneret om at bygge teknologi, som brugere elsker.

Whatfix er en digital adoptionsplatform, der hjælper organisationer med at forbedre softwareadoption og brugerproduktivitet ved at integrere in-app-vejledning, gennemgang, tooltips og selvbetjeningssupport direkte i virksomhedsapplikationer. Bygget på dette introducerer Whatfix AI intelligente, kontekstafhængige agenter som Authoring, Guidance og Insights, der automatiserer indholdsskabelse, leverer realtidsin-app-support og transformerer brugsdata til handlebare indsigt. Sammen strømliner Whatfix og Whatfix AI onboarding, reducerer træningsfriktion og optimerer arbejdsgange, samtidig med at de sikrer oversigt, ansvarlighed og dataprivatliv.

I co-foundede Whatfix for mere end et årti siden efter at have bygget min karriere i enterprise-teknologi. Hvad inspirerede dig til at starte virksomheden, og hvordan er din oprindelige vision udviklet med opkomsten af AI?

Min karriere begyndte hos Huawei Technologies, hvor jeg arbejdede som Systemarkitekt og mødte min fremtidige co-founder, Khadim Batti. Vores første fælles venture var SearchEnabler, en SEO-platform til små og mellemstore virksomheder. Trods bygning af en solid løsning opdagede vi et grundlæggende problem: brugere kunne ikke maksimere platformens muligheder. Selv da vi tilføjede en “Fix It”-knap til vejledning, indså vi, at problemet ikke kun var SEO, men at gøre teknologi virkelig tilgængelig for brugere.

Dette ledte os til at etablere Whatfix i 2014. Vores kerneoverbevisning var revolutionerende for sin tid: i stedet for at tvinge mennesker til at tilpasse sig teknologi, ville vi gøre teknologien til at tilpasse sig mennesker. Vi kaldte dette “brugerificering”, hvilket sikrer, at software bliver intuitiv, driver adoption og maksimerer impact.

AI har forstærket denne mission eksponentielt. Startende med vores Airim-acquisition i 2019 har vi integreret AI i hvert produkt, vi bygger. I dag er vi ikke kun ved at gøre software mere brugervenlig; vi skaber intelligente systemer, der lærer, resonnerer og handler i stor skala. Vores vision er udviklet fra simpel brugertilpasning til at bygge virkelig menneskecentreret AI, der transformerer, hvordan arbejde udføres på tværs af virksomheder.

Mange studier viser, at de fleste AI-piloter fejler, fordi slutbrugere ikke ved, hvordan de skal anvende teknologien i deres daglige arbejde. Fra din synsvinkel, hvad er de grundlæggende årsager til denne adoptionskløft?

Jeg ser to grundlæggende barrierer, der blokerer succesfuld AI-adoption. Først er det, hvad jeg kalder overbelastning; store virksomheder drukner i tusindvis af applikationer, hver med sine egne AI-kapaciteter. Brugere står over for beslutningslammelse om, hvilket værktøj der tjener hvilket formål, og hvilket skaber friktion, der dræber momentum og eliminerer ROI.

Den anden barriere er tillid. IT-ledere og CIO’er har brug for sikkerhed om, at AI-systemer opretholder sikkerhedsstandarder, overholder regler og fungerer uden fordomme. Når organisationer bekymrer sig om dataudtræk, AI-hallucinationer eller governance-fejl, tøver de med at skala ud over pilotprogrammer.

Succes kræver, at AI integreres direkte, hvor mennesker arbejder. Gennem vores ScreenSense-teknologi analyserer vi, hvad brugere laver, og hvad de prøver at opnå, og derefter leverer vores Guidance Agent kontekstafhængige anbefalinger og næste bedste handlinger på tværs af deres eksisterende systemer. Denne tilgang eliminerer gætteriarbejde, multiplierer engagementshastigheder og giver umiddelbar værdi til brugere, der ellers kan modstå ny teknologi.

Whatfix’s nye AI-agenter er bygget omkring begrebet “brugerificering”. Kan du forklare, hvad dette betyder, og hvordan det adskiller sig fra traditionelle tilgange til digital adoption?

Brugerificering repræsenterer en grundlæggende skift i, hvordan vi tænker om teknologiudvikling. I stedet for at træne mennesker til at tilpasse sig softwarebegrænsninger, designer vi løsninger, der tilpaser sig menneskeligt adfærd og behov. Hver beslutning, vi træffer, prioriterer brugeroplevelsen, med målet om at overgå forventninger og levere konkrete forretningsværdier.

Traditionel adoption følger en én-størrelse-til-alle-modellen: udrulning af træning, håb om det bedste og skyld på brugere, når adoptionen stagnere. Brugerificering tager den modsatte tilgang. Vi udnytter AI til at skabe personlig, kontekstfølsom vejledning, der udvikler sig med hver brugers rolle og situation. Vores løsninger lærer af brugerinteraktioner og tilpaser sig derefter.

Hvad gør dette særligt kraftfuldt, er vores feedback-drevne udviklingsproces. Kundeinput former direkte mere end halvdelen af vores produktroadmap, hvilket sikrer, at vi løser virkelige arbejdspladsudfordringer i stedet for teoretiske problemer. Dette skaber en menneske-først-filosofi, hvor AI-agenter eliminerer friktion, så mennesker kan fokusere på strategisk, kreativt og høj-impact-arbejde i stedet for at kæmpe med teknologi.

Vores omfattende teknologistak – omfattende Digital Adoption Platform (DAP), Product Analytics og Mirror – driver virksomhedsomfattende teknologiadoption gennem intelligent dataanalyse, der accelererer udrulning af både traditionel software og fremvoksende AI-løsninger. Vi har integreret AI-funktioner på tværs af platformen, herunder konversationsanalysegrænseflader og følelsesresponsive udløsere, der giver organisationer mulighed for at afkode brugermønstre, forfine deres adoptions tilgange og opnå kvantificerbare forretningsresultater.

ScreenSense beskrives som kernen i jeres nye AI-agenter, der fortolker både brugerkontekst og -intention. Hvordan fungerer denne teknologi i praksis, og hvordan sikrer den relevans uden at overvælde brugere?

ScreenSense fungerer som en intelligent tolk, der samtidig analyserer applikationsmiljøet (hvad der sker på skærmen) og brugerobjektiver (hvad nogen prøver at opnå). Denne dobbelte bevidsthed giver mulighed for realtidsanbefalinger, der både er teknisk nøjagtige og personligt relevante.

I praksis bruger vores AI-agenter – Authoring, Insights og Guidance – ScreenSense til at levere nøjagtighed og kontekstafhængig vejledning i deres assistance. I stedet for at bombardere brugere med generiske forslag eller kræve, at de lærer nye grænseflader, forstår systemet deres umiddelbare kontekst og giver præcis den rigtige hjælp på præcis det rigtige tidspunkt.

Nøglen til at undgå brugeroverbelastning er kontekstfiltrering. ScreenSense samler ikke kun data ind; den behandler også den information for at bestemme, hvornår intervention tilføjer værdi, og hvornår den skaber distraktion. Brugere modtager vejledning, der føles intuitiv og rettidig, snarere end intrusiv, fordi systemet forstår både deres tekniske miljø og deres arbejdende intentioner.

Kunne du føre os igennem de tre nye AI-agenter – Authoring, Insights og Guidance – og dele konkrete eksempler på, hvordan de forbedrer produktivitet i virkelige virksomhedsarbejdsgange?

Vores Authoring Agent demokratiserer indholdsskabelse ved at konvertere hverdagslig sprog til avancerede in-app-oplevelser. En træningsmanager kan blot sige “opret en tooltip til dashboardets nye funktion”, og systemet bygger automatisk indholdet, bestemmer målretningregler og anvender passende styling. Denne effektive arbejdsgang giver mulighed for læring og udviklingsteams, produktchefer og forretningsstakeholdere uden kodningsekspertise at bygge komplekse in-app-supportelementer, herunder interaktive overlæg, trin-for-trin-guider og situationsbestemt hjælpeindhold i virksomhedsskala, hvilket i virkeligheden eliminerer de konventionelle flaskehalse og tekniske ekspertisekrav, der typisk langsommeliggør indholdsskabelsesprocesser. Vi ser en 40% hurtigere indholdsskabelse i dag, med 70% effektivitetsgevinster på horisonten.

Insights Agent transformerer analytics fra en specialistfunktion til en konversationsværktøj. Produktchefer kan stille naturlige spørgsmål som “Hvilke funktioner forårsager brugerirritation?” og modtage umiddelbar visuel analyse med specifikke friktionspunkter og handlebare næste skridt. Denne metode giver produktchefer og diverse teambidragydere mulighed for hurtigt at opdage handlebar indsigt om brugerengagementmønstre og systemeffektivitet uden at kræve avancerede dataanalysefærdigheder, hvilket i sidste ende støtter deres evne til at pege på, hvilken funktionalitet kræver forbedring eller ville have gavn af forbedret adoption.

Vores Guidance Agent leverer øjeblikkelige svar inden for brugernes aktive arbejdsgange. Når nogen søger efter “godkendelsesprocesser” under behandling af ordrer, får de præcis, kontekstafhængig information fra internt dokumentation uden at forlade deres nuværende applikation. Denne metode revolutionerer, hvordan virksomhedsansatte får adgang til information ved at reducere respons tid og mindske afhængighed af hjælpedeskressourcer, hvilket giver dem mulighed for at opnå nødvendig klarhed uden at afbryde deres nuværende opgaver, navigere længerevejledning eller oprette supportbilletter, og dermed fastholde deres koncentration og effektivitet inden for deres aktive arbejdsgange.

Over 300 kunder er allerede ved at udrulle disse agenter i produktionsmiljøer og ser en fordobling og tredobling af engagementshastigheder.

Fra din erfaring, hvad adskiller organisationer, der lykkes med GenAI-adoption, fra dem, der fejler?

Succesfuld GenAI-adoption kræver to grundlæggende elementer: ubesværet integration og ansvarlig governance. Organisationer, der lykkes, integrerer AI-kapaciteter direkte i eksisterende arbejdsgange i stedet for at introducere separate værktøjer, der skaber yderligere kompleksitet.

De mest succesfulde organisationer fokuserer på umiddelbar brugeroplevelse snarere end imponerende teknologidemonstrationer. De løser specifikke arbejdsgangsproblemer, som mennesker står over for dagligt, og sikrer, at AI bliver en produktivitetsforstærker snarere end endnu et system at mestre. Disse virksomheder investerer også i nye roller som AI-supervisorer, der opretholder menneskelig oversigt for at sikre, at systemer forbliver nøjagtige, retfærdige og kontinuerligt forbedrede.

Organisationer, der kæmper, behandler typisk AI som et teknologiprojekt snarere end en brugeroplevelsestransformation. De fokuserer på udrulningsmetrikker i stedet for adoptionsresultater og falder til at adresse tillids- og kompleksitetsbarriererne, der forhindrer skala.

Virksomheder investerer stadig mere i AI-værktøjer på tværs af softwarestakken. Hvordan ser du rollen udvikle sig for adoptionsplatforme som Whatfix, når denne trend accelererer?

Når AI-udbredelsen accelererer, bliver adoptionsplatforme det kritiske orkestreringslag, der forhindrer virksomhedskaos. Uden samlet vejledning risikerer organisationer at skabe multiple overlappende kapaciteter, der forvirrer brugere og spilder investeringer.

Whatfix er den intelligente rygrad, der forbinder planlægning, udrulning, adoption og optimering på tværs af hele virksomhedens softwarelivscyklus. Vores platformssuite kombinerer Digital Adoption, Product Analytics og Mirror’s simulationsfunktioner for at skabe data-drevne adoptionsstrategier, der fungerer for både traditionel software og fremvoksende AI-udrulninger.

Vi udvider vores tilbud ud over vores nuværende tilbud til AI-native løsninger, herunder Seek, Assistant og AI Roleplay. Disse kombinerer intelligent automation med adaptiv træning for at skabe omfattende adoptionsoplevelser. Målet er at blive det samlede intelligenslag, der maksimerer ROI på tværs af hver teknologiinvestering, en virksomhed foretager.

I stedet for at styre enkeltværktøjer har organisationer brug for platforme, der forstår det komplette teknologimiljø og kan guide brugere gennem stadig mere komplekse landskaber med tillid og effektivitet.

Settende fremad, har Whatfix talt om en fremtid, hvor digitale løsninger selvkorrigere og tilpasse sig i realtid. Hvad er de vigtigste milepæle, du ser som afgørende for at nå denne fremtid?

Vores roadmap centrerer sig om at etablere Whatfix som verdens førende AI-platform for brugerificering af virksomhedsteknologi. Dette kræver opnåelse af tre forbundne milepæle over de næste fem år.

Først skal vi skala vores AI-Agent-udrulning fra den nuværende 300+ kundebase til standardimplementering på tværs af alle Whatfix-engagementer. Disse agenter vil blive den standardmåde, hvorpå millioner af virksomhedsbrugere navigerer kompleksitet og accelererer deres daglige arbejdsgange.

Anden skal vi bygge omfattende AI-først produktkapaciteter ud over vores nuværende Digital Adoption, Analytics og Mirror-tilbud. Løsninger som Seek, Assistant og AI Roleplay vil skabe den samlede intelligensinfrastruktur, virksomhederne har brug for til komplet teknologi-livscyklusstyring.

Tredje skal vi forfølge global kategori-lederskab ved at redefinere, hvad Digital Adoption betyder i en AI-dreven verden. Succes betyder at blive anerkendt som det selskab, der gjorde virksomheds-AI virkelig tilgængelig og praktisk for hverdagsbrugere.

Ultimo er milepælen at placere menneskecentreret, kontekst- og intentionssensorisk AI i hænderne på hver enkelt virksomhedsbruger. Hvis millioner af mennesker på tværs af industrier arbejder smartere og hurtigere med mindre friktion takket være Whatfix, har vi opnået vores grundlæggende mission.

Med virksomheder, der balancerer hurtig AI-adoption og medarbejder-tillid, hvad er de risici, du forudser, hvis brugercentreret tilgange ikke tages alvorligt?

Det primære risiko er adoptionsfejl i stor skala. Uden brugercentreret design står virksomheder over for de samme tillidsudfordringer, vi ser i dag, bekymringer om datasikkerhed, AI-hallucinationer og governance-kløfter. Disse bekymringer skaber organisationsresistens, der forhindrer skala ud over pilotprogrammer, og effektivt spilder AI-investeringer.

Kompleksitetskrisen vil også intensiveres. Når hver applikation tilføjer AI-kapaciteter uden at overveje brugeroplevelsen, vil medarbejdere stå over for stadig mere fragmenterede arbejdsgange og beslutningslammelse. Dette fører til produktivitetsnedgang snarere end de effektivitetsgevinster, AI lover.

Måske mest kritisk risikerer organisationer at skabe AI-modstandskulturer, hvor brugere aktivt undgår nye kapaciteter, fordi tidligere implementeringer skabte friktion snarere end værdi. Når først brugere mister tillid til AI-værktøjer, kræver det betydeligt mere indsats og ressourcer at genskabe denne tillid.

Til sidst, hvordan holder du personligt øje med kurven, når det kommer til at forstå både de tekniske og menneskelige aspekter af virksomheds-AI-adoption?

Vores organisations tilgang giver en værdifuld perspektiv på begge dimensioner. Vi har integreret AI på tværs af alle vores forretningsoperationer, fra salgsteams, der bruger AI til prospektenrigelse, til vores intelligente søgesystemer, der forbinder medarbejdere med interne videnbasers. Produktteams bruger AI-agenter som arbejdsgangs-co-piloter, hvilket giver os førstehånds-erfaring med de udfordringer, vores kunder står over for.

Vi har også implementeret omfattende arbejdsstyrkeudvikling gennem vores AI-Labs og Zero-Click-ramme, hvor hver enkelt software-ingeniør lærer at tænke som en AI-ingeniør. Dette skaber organisationsomfattende læsefærdighed, der informerer både vores tekniske udvikling og vores forståelse af brugeradptionsmønstre.

Mest vigtigt er, at vores produktudviklingsproces forbliver dybt rodnet i kundeinput, med over halvdelen af vores roadmap formet af virkelige virksomhedsudfordringer. Denne kontinuerlige dialog sikrer, at vi forstår ikke kun, hvad der er teknisk muligt, men hvad der faktisk skaber værdi for mennesker, der bruger disse systemer dagligt.