Ashley Moser, Mitbegründerin und Chief Commercial Officer von MelodyArc – Interviewreihe

Ashley Moser, Mitbegründerin und Chief Commercial Officer von MelodyArc, leitet die kommerzielle Strategie des Unternehmens und arbeitet mit Kunden zusammen, um ambitionierte operative Ziele in messbare Ergebnisse zu übersetzen. Sie verfügt über einen Hintergrund, der Operations, Produktstrategie, Logistik, Vertrieb und Finanzdienstleistungen umfasst, einschließlich Führungspositionen bei Wonder und Walmart’s Jetblack, wo sie in den Bereichen Lieferkette, kontinuierliche Verbesserung, Strategie und Logistik tätig war. Früher in ihrer Karriere war sie Vertriebsdirektorin bei Stella Connect, später von Medallia übernommen, arbeitete mit der mobilen Einzelhandelsplattform NewStore und verbrachte mehr als vier Jahre bei J.P. Morgan im institutionellen Aktienverkauf.

MelodyArc ist eine Enterprise‑AI‑Orchestrierungsplattform, die Operations‑Teams dabei unterstützt, Daten, Geschäftsregeln, KI‑Systeme und menschliche Entscheidungsfindung in einer einzigen gesteuerten Umgebung zu koordinieren. Die Plattform ist darauf ausgelegt, komplexe operative Prozesse von Anfang bis Ende auszuführen, sodass Teams Workflows definieren, Geschäftslogik anwenden, KI‑Operatoren oder andere Agenten bereitstellen und Fälle an Personen eskalieren können, wenn ein höheres Urteil erforderlich ist. Die Point Engine bewertet mögliche Wege zur Lösung jedes Falls, arbeitet innerhalb organisationaler Regeln und protokolliert jeden Schritt, wodurch Unternehmen mehr Transparenz und Kontrolle über KI‑gestützte Workflows in Bereichen wie Kundenservice, Merchandising, Site‑Messaging, Lieferkette und Sortiment erhalten.

Sie haben eine vielfältige Karriere, die Finanzwesen bei J.P. Morgan, Enterprise‑SaaS bei Medallia und operative Rollen bei Walmart’s Jetblack umfasst. Welche spezifische Erkenntnis oder Frustration hat Sie dazu veranlasst, MelodyArc mitzugründen, und wie haben diese Erfahrungen die Kernvision des Unternehmens geprägt? 

Wir haben das Unternehmen gegründet, weil mein Mitgründer James McHenry und ich beide zuvor sowohl Operatoren als auch Technologen waren. Wir haben aus erster Hand gesehen und in vielen Fällen dabei geholfen, großartige Technologie für Operations‑Teams zu entwickeln. Doch immer wieder stießen wir auf dieselbe Lücke: Punktlösungen, die entweder nur einen engen Ausschnitt dessen abdeckten, was Operations tatsächlich tun, oder nicht mit der realen Arbeitsweise vor Ort übereinstimmten.

Vor diesem Hintergrund haben wir uns zum Ziel gesetzt, eine Plattform zu entwickeln, die neue Technologien für Front‑Line‑Operations‑Teams nutzbar macht. Heute äußert sich das in der Human‑in‑the‑Loop‑Orchestrierung.

MelodyArc legt KI direkt in die Hände von Front‑Line‑Operatoren. Wie unterscheidet sich dieser Ansatz von traditionellen Top‑Down‑Enterprise‑KI‑Implementierungen, und warum erfolgt dieser Wandel jetzt? 

Mit MelodyArc, sobald die Plattform eingerichtet ist, geben wir die Möglichkeit, neue Workflows, Ideen und Prozesse mit menschlicher Beteiligung direkt in die Hände der Teams zu legen, ohne oder mit nur minimalem Einfluss auf die übergeordnete Roadmap. Das bedeutet, dass Teams ihre eigenen Prozesse mithilfe von KI verbessern können, ohne jedes Mal die Befehlskette hin und her durchlaufen zu müssen. Es ist eine grundlegend andere Art, diese Technologie einzusetzen.

Dies wird besonders deutlich bei unseren größten Enterprise‑Implementierungen. Bei einem Kunden begannen wir mit einem einzigen Anwendungsfall in einem Team. Heute sind wir mit mehr als fünf Anwendungsfällen in mehreren Teams live.

Wir haben zudem beobachtet, dass Teams einen KI‑unterstützten Prozess an einem einzigen Tag erstellen, etwas, das sie zuvor depriorisiert hatten, weil es nie die ROI‑Schwelle für ein engineering‑intensives Projekt erreicht hatte.

Viele Organisationen investieren stark in KI, kämpfen jedoch weiterhin damit, sie zu operationalisieren. Welche häufigsten Lücken beobachten Sie zwischen KI‑Strategie und realer Umsetzung?

Zwei zentrale Punkte stechen hervor. Erstens neigen Unternehmen, wenn sie einen Prozess identifizieren, auf den sie KI anwenden wollen, dazu, einen Alles‑oder‑Nichts‑Ansatz zu wählen. Sie automatisieren entweder alles an einem Fokus‑Prozess oder lassen ihn völlig unangetastet. Wir raten Unternehmen stattdessen, die Zusammensetzung eines Prozesses zu analysieren und zu bestimmen, wo Automatisierung passt, wo KI eingesetzt werden kann und wo Menschen weiterhin eingebunden werden müssen, nicht zwingend in dieser Reihenfolge. Dieser Ansatz eröffnet deutlich mehr Prozesse als KI‑Kandidaten und ermöglicht zudem weitere Automatisierung downstream, weil bewusst entschieden wurde, wo Menschen eingebunden werden.

Zweitens haben Unternehmen aus strategischer Sicht oft Hunderte von potenziellen Anwendungsfällen zur Auswahl. Der Schlüssel liegt darin, sie anhand realer geschäftlicher Auswirkungen, Kosten, Stunden und konkreter Kennzahlen zu bewerten, anstatt sich von dem auffälligsten oder einfachsten zu leiten. Die größten, am meisten wirkungsvolle Bereiche zuerst anzugehen, selbst wenn sie schwieriger sind, bringt den meisten Nutzen. Dies erzeugt zudem einen positiven Flywheel‑Effekt, den KI‑Projekte in Organisationen schaffen können.

MelodyArc kombiniert KI mit menschlichen Workflows, anstatt sie zu ersetzen. Wie bestimmen Sie das richtige Gleichgewicht zwischen Automatisierung und menschlicher Entscheidungsfindung in Unternehmensumgebungen?

MelodyArc hilft Unternehmen, ihre Automatisierungsziele zu erreichen, indem es das richtige Gleichgewicht zwischen KI und menschlicher Entscheidungsfindung im Loop findet. Wenn MelodyArc den Implementierungsprozess startet, kann das Endziel einer Organisation darin bestehen, dass die Automatisierung 90 % der Arbeit erledigt, während die verbleibenden 10 % auf das Fachwissen der Teammitglieder setzen. Statt jedoch ausschließlich Geschwindigkeit zu priorisieren, nutzt MelodyArc von Anfang an die Einbindung von Menschen im Loop. Zum Beispiel beginnt man mit einer 50‑50‑Aufteilung zwischen Automatisierung und Mitarbeitereingaben und automatisiert dann schrittweise mehr des Prozesses. Dieser Ansatz bringt unternehmensweite Workflows schneller in die Produktion, weil wir nicht versuchen, den Workflow zu perfektionieren, bevor wir KI integrieren.

Ein weiterer Vorteil dieses Ansatzes ist, dass wir beim Start in die Produktion Prozessdaten sammeln, die genau zeigen, welche Teile des Prozesses als nächstes automatisiert werden sollten. Das ermöglicht MelodyArc, schneller und kontinuierlich auf die Automatisierungsziele zuzusteuern. In der Praxis bedeutet das häufig, dass ein Unternehmen eine fortlaufende Verbesserung der Automatisierung erlebt, ohne den Workflow für Korrekturen oder Anpassungen unterbrechen zu müssen.

Mit Ihrem Hintergrund in Customer Experience und Operations, wie denken Sie, dass KI definiert, wie „großartiger Service“ in einer Umgebung aussieht, in der Antworten sofort generiert werden können?

Ich glaube, „sofort“ wird zum Standard und im Wesentlichen zu einer Ware. Großartiger Service ging nie darum, einem Kunden schnell eine Antwort zu geben, sondern ihm die richtige Antwort mit möglichst geringem Aufwand zu liefern. KI bietet uns neue Möglichkeiten, diesen Aufwand zu reduzieren, sei es durch Ausführungen im Namen der Kunden, Vorschläge für nächste Schritte oder das automatische Ausfüllen von Feldern – alles, was ein Erlebnis flüssiger und angenehmer macht. Eine sofortige Antwort zu erzeugen bedeutet nichts, wenn sie nicht wirklich relevant ist, und ich würde argumentieren, dass das reine Verfolgen von Geschwindigkeit Unternehmen dazu bringt, für das falsche Ziel zu optimieren.

Enterprise‑KI scheitert häufig in der letzten Phase, in der Adoption und Benutzerfreundlichkeit entscheidend werden. Welche Gestaltungsprinzipien waren entscheidend, um sicherzustellen, dass MelodyArc tatsächlich von Frontline‑Teams genutzt wird?

Wir gehen davon aus, dass viel implizites Wissen in unseren Teams vorhanden ist, und wir sind sehr klar darüber, was wir automatisieren können und was nicht. Diese Unterscheidung offen zu kommunizieren macht die Erfahrung deutlich intuitiver. Es ist keine Black‑Box, in der Teams unsicher sind, was passiert oder warum.

Benutzerfreundlichkeit beruht auf der Idee, dass Technologie mit Frontline‑Teams zusammenarbeitet, anstatt zu etwas zu werden, worum sie herumarbeiten müssen. Das hängt damit zusammen, warum wir das Unternehmen überhaupt gegründet haben: Zu viele Point‑Solutions adressierten nur einen engen Teilbereich der Abläufe oder passten nicht zu der tatsächlichen Arbeitsweise vor Ort. Wir haben festgestellt, dass dies ein wesentlicher Grund dafür ist, dass viele Enterprise‑KI‑Tools Monate nach dem Start ungenutzt bleiben.

Wenn KI‑Agenten autonomer werden, vor welchen Governance‑ und Kontrollherausforderungen sollten Unternehmen stehen, bevor sie diese Systeme skalieren?

Beobachtbarkeit ist in jeder Unternehmensumgebung unverzichtbar, insbesondere die Fähigkeit, zu sehen, welche Entscheidungen getroffen wurden und warum. Für Prozesse, die Unternehmen automatisieren könnten, sich aber nicht vollständig damit wohlfühlen, empfehle ich, einen Menschen im Loop zu behalten. Das ist nicht nur wichtig, um Aufsicht zu gewährleisten, sondern auch, um neue Systeme zu testen und zu verstehen, wie sie funktionieren und welche Auswirkungen sie haben, sowohl positiv als auch negativ.

Aus kommerzieller Sicht, wie hat sich der Verkauf von KI an Unternehmen in den letzten Jahren entwickelt, da Käufer informierter, aber zugleich vorsichtiger werden?

Alle sind deutlich schlauer geworden, sowohl Käufer als auch Anbieter. Wir befinden uns etwa vier Jahre in einem eigentlich jahrzehntelangen Zyklus, sodass wir alle noch lernen. Da KI leistungsfähiger und verbreiteter wird, iterieren wir schnell darüber, was wir für Kunden tun können, während diese gleichzeitig lernen, was sie in ihren eigenen Organisationen erreichen können – das ist wirklich spannend, weil ein intensiver Wertetausch entsteht.

Organisationen konzentrieren sich mehr denn je auf Informationssicherheit, darauf, das, was sie einzigartig macht, zu bewahren, und auf die tatsächliche Effizienz, die KI liefert. Sie gehen Projekte ebenfalls rationaler an, sind bereit, die Einführung schrittweise zu erhöhen, anstatt alles auf einmal zu übernehmen. Build‑vs‑Buy ist nach wie vor eine aktive Kalkulation intern, und zunehmend sehen wir hybride Ansätze wie Build und Buy oder „Build via Buying“, anstatt das eine oder das andere.

Sie haben sowohl in schnell wachsenden Start‑ups als auch in großen Unternehmen wie Walmart gearbeitet. Wie unterscheidet sich der Aufbau von KI für Unternehmensabläufe je nach Unternehmensgröße und organisatorischer Komplexität?

Es gibt im Grunde zwei Dimensionen: die Breite der Organisation und die historische Tiefe ihres Technologie‑Stacks und ihrer Prozesse.

In schnell wachsenden Start‑ups gibt es nicht so viele Menschen oder so viel organisatorische Komplexität, und man arbeitet nicht mit Systemen, die vor 20 Jahren aufgebaut wurden, oder mit Teams, die das Gleiche seit einem Jahrzehnt tun. Je größer und etablierter die Organisation, desto mehr muss man die Arbeitsweisen von Grund auf neu überdenken. Das bedeutet, zu entscheiden, wie man in Zukunft operieren will, und dann schrittweise dorthin zu gehen, passend zur Organisation. Manchmal bedeutet das auch, unabhängige Experimente am Rand durchzuführen, etwas getrennt von oder parallel zu bestehenden Prozessen.

Wenn wir nach vorne blicken, wie sehen Sie die Rolle von Frontline‑Mitarbeitenden, wenn KI in den täglichen Arbeitsabläufen verankert wird? Bewegen wir uns in Richtung Verstärkung, Orchestrierung oder etwas völlig Neues? 

Für alltägliche Arbeitsabläufe ist eine Orchestrierungsschicht entscheidend. Alle Ihre Mitarbeitenden und Technologien nativ zusammenarbeiten zu lassen, ist die Richtung, in die wir gehen. Die Implementierung dieser Technologie kann jedoch komplex sein, da es kein einfaches Silosystem ist, in dem Organisationen einen Schritt automatisieren und ihn dann an eine Fachkraft übergeben können. Es ist eine Kombination aus KI, Automatisierung und einer Fachkraft, die im Tandem arbeitet.

Es gibt viele Möglichkeiten für Frontline‑Teams, Arbeitsabläufe zu implementieren. Jedes Mal, wenn wir mit Kunden sprechen, gibt es Dutzende, wenn nicht Hunderte von Projekten, die sie gerne angehen würden, aber nicht können, sei es wegen Budget, Technologie‑Roadmap, Teamgröße oder ROI, die sie zurückhalten. Genau hier kommen KI und Orchestrierung ins Spiel; sie helfen den Teams, mit dem, was sie bereits haben, viel mehr zu erreichen und gleichzeitig die Einführungskosten zu senken. Das führt letztlich zu einem positiven ROI für zukünftige Projekte.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten MelodyArc besuchen.