Puneet Mehta, Gründer und CEO von Netomi – Interviewreihe

Puneet Mehta, Gründer und CEO von Netomi, leitet das in San Francisco ansässige AI-Unternehmen, das autonome Kundenservice-Erfahrungen liefert. Mit einer Vergangenheit in Tech-Unternehmertum und Wall-Street-Handel mit künstlicher Intelligenz hat er die Entwicklung einer “Agentic OS”-Plattform vorangetrieben, die Marken hilft, Kundenprobleme über verschiedene Kanäle hinweg mit eingebauter Governance, Personalisierung und Transparenz zu lösen. Mehta wurde unter anderem von Advertising Age als einer der Creativity 50 und von Business Insider als einer der Top-Unternehmer zu beobachten genannt.

Netomi ist eine künstliche Intelligenz-gestützte Kundenservice-Plattform, die Unternehmen hilft, Support über E-Mail, Chat, Messaging und Sprachkanäle zu automatisieren und zu verbessern. Ihr System ermöglicht es Marken, die Mehrheit der Routine-Kundenanfragen autonom zu lösen, während sie gleichzeitig den Agenten Echtzeit-Hilfe bieten, wenn dies erforderlich ist. Mit eingebauter Governance, Personalisierung und mehrsprachiger Unterstützung ermöglicht Netomi es Organisationen, Kundenservice-Operationen effizient zu skalieren, während sie gleichzeitig die vollständige Kontrolle über die Markenstimme und die Einhaltung von Vorschriften bewahren.

Sie haben eine faszinierende Reise hinter sich, von der Entwicklung von künstlichen Intelligenz-Engines für die Wall Street bis zur Gründung von Netomi. Was hat Sie dazu inspiriert, Netomi zu gründen, und wie hat Ihre vorherige Erfahrung die Mission des Unternehmens geprägt?

Meine frühe Arbeit an der Wall Street konzentrierte sich auf den Bau von künstlichen Intelligenz-Systemen, die mit Geschwindigkeit, Präzision und absoluter Zuverlässigkeit arbeiten mussten. Das gab mir eine solide Grundlage für die Entwicklung von Echtzeit- und mission-kritischen Technologien. Bei IBM Watson sah ich das Potenzial von künstlicher Intelligenz, um Sprache zu verstehen und mit Menschen auf natürliche Weise zu interagieren, aber auch die Grenzen im Hinblick auf Transparenz und kontextuelle Relevanz.

Ich gründete Netomi mit der Überzeugung, dass künstliche Intelligenz mehr kann als nur Antworten automatisieren. Ich wollte Systeme entwickeln, die Kunden helfen, reale Ziele mit Intelligenz, Empathie und Verantwortung zu erreichen. Von Anfang an war unsere Mission, künstliche Intelligenz zu schaffen, die die menschliche Interaktion auf eine bedeutungsvolle und mit den Werten der Organisation, die sie vertritt, übereinstimmende Weise unterstützt.

Welches Problem versucht Netomi letztendlich zu lösen, und was unterscheidet Ihren Ansatz von anderen Akteuren in diesem Bereich?

Netomi konzentriert sich auf die Transformation der Kundenerfahrung von fragmentiert und reaktiv zu proaktiv und ergebnisorientiert. Viele Tools bieten heute generische Antworten, die nicht mit der Geschichte, den Emotionen oder der Absicht des Kunden verbunden sind. Unser Ansatz basiert auf Kontext. Jede Nachricht, die ein Kunde sendet, wird zusammen mit Dutzenden von Echtzeit-Signalen wie Treuestatus, recente Aktivitäten, Sentiment und vorherigen Interaktionen analysiert, um eine genaue und relevante Antwort zu generieren.

Was uns von anderen unterscheidet, ist nicht nur unsere Verwendung von generativer künstlicher Intelligenz, sondern auch, wie wir Governance, Markenausrichtung und Verantwortung in jeden Teil des Systems integrieren. Wir geben Unternehmen vollständige Einblicke in die Entscheidungsfindung, die verwendeten Daten und die Art und Weise, wie jede Antwort die Stimme und die Standards der Organisation widerspiegelt. Unser Ziel ist es, Marken mit künstlicher Intelligenz auszustatten, die intelligent, vertrauenswürdig und tief in die Kundenerfahrungstrategie eingebettet ist.

Was unterscheidet Netomis Agentic OS von anderen CX-Lösungen auf dem Markt?

Netomis Agentic OS basiert auf einer dualen Agentenarchitektur, die deterministische Action Agents mit LLM-gesteuerten Reasoning Agents kombiniert. Action Agents behandeln sichere, low-code-Transaktionen wie Updates, Abfragen und Prozessaufgaben über Unternehmenssysteme hinweg. Reasoning Agents interpretieren Kundeninput in Echtzeit und passen Gespräche mithilfe von generativer künstlicher Intelligenz an Kontext und Absicht an.

Diese Agenten werden von einem proprietären ereignisgesteuerten System orchestriert, das es der Plattform ermöglicht, sofort auf Signale wie Stimmungswechsel, Lieferverzögerungen oder Datenänderungen zu reagieren. Jede Entscheidung ist versioniert und vollständig beobachtbar, was Teams die Nachverfolgbarkeit und die Einhaltung von Vorschriften an jedem Schritt ermöglicht. Diese Architektur unterstützt intelligente Interaktion und betriebliche Zuverlässigkeit im großen Maßstab.

Viele Unternehmen kämpfen noch damit, was es bedeutet, AI-bereit zu sein. Wie sollten Unternehmen ihre Bereitschaft bewerten, und welche gängigen Missverständnisse sehen Sie, die sie behindern?

AI-Bereitschaft beginnt mit den Grundlagen. Unternehmen benötigen gut regierte, autoritative Datenquellen. Ohne diese werden sogar die leistungsfähigsten Modelle unzuverlässige oder inkonsistente Ergebnisse liefern. Kerngeschäftsprozesse müssen auch über stabile APIs oder ereignisgesteuerte Architekturen exponiert werden, damit AI-Agenten sinnvolle Aktionen ausführen können, nicht nur Gespräche führen.

Latenz-Erwartungen, insbesondere für Sprach- oder synchrone Kanäle, sollten frühzeitig definiert werden, um die Systementwicklung zu leiten. Kontinuierliche Bewertungsmechanismen müssen auch eingerichtet werden, um auf Prompt-Abbau oder Modell-Drift zu überwachen. Ein gängiges Missverständnis ist, dass das Hochladen großer Mengen an unstrukturiertem Inhalt in eine Vektor-Datenbank einer AI-Strategie entspricht. In Wirklichkeit hängt die erfolgreiche Bereitstellung eher von Daten-Engineering, klaren Richtlinien-Rahmen und strukturiertem Change-Management ab. Transparenz, Beobachtbarkeit und rigoroses Testen sind wesentliche Anforderungen für jedes unternehmensweite agente System.

Sie haben über die Grenzen der Prompt-Engineering im großen Maßstab gesprochen. Was ist Orchestrierungs-Engineering, und warum ist es für die langfristige Unternehmens-AI-Adoption geeigneter?

Prompt-Engineering konzentriert sich auf die Optimierung isolierter Interaktionen. Orchestrierungs-Engineering behandelt das gesamte System von Entscheidungen, Aktionen und Richtlinien, die über Kanäle und Workflows hinweg zusammenarbeiten müssen. Bei Netomi definieren wir neue Fähigkeiten deklarativ, damit sie von einem zentralen Planer angesprochen werden können, anstatt in einzelne Prompts eingebettet zu sein. Eine Richtlinien-Schicht bestimmt, welcher Agent antwortet, welche Daten er erhält und wie Ergebnisse überprüft werden.

Dies ermöglicht eine schnellere Iteration ohne Kompromisse bei Markenstandards oder Einhaltung von Vorschriften. Es bietet auch sinnvolle Kontrollpunkte für technische und geschäftliche Benutzer, sodass Systeme evolvieren können, während Konsistenz und Überwachung aufrechterhalten werden.

Wie schaffen es Netomis AI-Agenten, ein Gleichgewicht zwischen Automatisierung und markensicherer Personalisierung über verschiedene Kundenkanäle wie E-Mail, Sprache und Messaging zu erreichen?

Netomi-Agenten trennen Markenregeln von Prompts und wenden Ton, eingeschränkte Sprache und Formatierungsanforderungen dynamisch zur Laufzeit an. Dies stellt sicher, dass Personalisierung nicht auf Kosten von Konsistenz geht. Kunden-spezifische Daten wie Treue-Status oder Bestellstatus werden direkt vor der Generierung aus verifizierten Quellen abgerufen, um das Risiko von Halluzinationen zu verringern.

Vertrauensschwellen und Echtzeit-Bewertungen bestimmen, wann eine Eskalation erforderlich ist. Alle Änderungen werden in einem Sandbox-Test umgesetzt, bevor sie bereitgestellt werden, sodass jede Interaktion persönlich und konform über alle Kanäle hinweg bleibt.

Eines von Netomis Unterscheidungsmerkmalen ist sein ereignisgesteuertes ConversationOS. Wie funktioniert dies im Vergleich zu traditionellen intent-basierten Systemen?

Traditionelle Bots leiten alles durch vordefinierte Intent-Bäume. Netomis ConversationOS hört auf einen breiteren Stream von Ereignissen, einschließlich Kunden-Text, Liefer-Updates und interner Status-Änderungen. Mehrere Agenten-Pfade können parallel laufen, wie die Lösung eines Abrechnungsproblems und die Aktualisierung einer Lieferung, und ihre Antworten in eine einzelne Antwort zusammenführen.

Da alles als Ereignisse und nicht als versteckter Zustand strukturiert ist, können neue Agenten oder Fähigkeiten hinzugefügt werden, ohne bestehende Prozesse zu stören. Dies macht das System flexibler, widerstandsfähiger und einfacher zu warten.

Angesichts Ihrer Erfahrung mit Hochfrequenz-Handelssystemen, wie haben Konzepte aus der algorithmischen Finanzwirtschaft die Architektur oder Geschwindigkeit von Netomis Plattform beeinflusst?

Wir wenden die gleiche Disziplin an, die in der algorithmischen Finanzwirtschaft verwendet wird, auf Leistung und Kontrolle an. Latenz wird durch leichte, asynchrone Pipelines minimiert, die für Sprachkanäle Ziele von unter drei Sekunden erreichen. Das Verhalten von Agenten wird vor der Bereitstellung gegen historische Transkripte getestet, um Ergebnisse zu simulieren und Ausfälle zu identifizieren.

Sicherheitsmechanismen sind eingerichtet, um die Ausführung zu stoppen, wenn Kosten-, Latenz- oder Richtlinienschwellen überschritten werden. Der Datenverkehr wird kontinuierlich unter konkurrierenden Prompt- oder Abrufstrategien realloziert, um die Kundenerfahrung und die Recheneffizienz zu optimieren. Diese Denkweise beeinflusst jede Ebene der Plattform.

Sie werden von einem beeindruckenden Team von Investoren und Beratern unterstützt, darunter OpenAIs Greg Brockman und ehemalige Disney- und DeepMind-Führungskräfte. Wie hat dies Ihre Produktvision oder Wachstumsstrategie beeinflusst?

Unsere Berater bringen Unternehmenserfahrung und technisches Know-how mit, die unsere Produktvision und Wachstumsstrategie geprägt haben. Ihre Anleitung hält uns darauf fokussiert, reale Geschäftsprobleme zu lösen, insbesondere solche, mit denen Fortune-100-Unternehmen im globalen Maßstab konfrontiert sind. Ob es darum geht, Support zu automatisieren, Einhaltung von Vorschriften zu gewährleisten oder Konsistenz über Kanäle hinweg zu liefern, ihre Rückmeldungen stellen sicher, dass wir Technologie bauen, die für die Realitäten von Unternehmen bereit ist.

Eine Nachricht, die wir häufig hören, ist die Bedeutung von Kontrolle und Klarheit. Diese Systeme interagieren direkt mit Kunden und unterstützen menschliche Agenten, sodass Ergebnisse messbar und vertrauenswürdig sein müssen. Der menschliche Faktor bleibt bei jeder Produktentscheidung im Mittelpunkt.

Wenn Agentic-AI immer mehr in tägliche Geschäftsoperationen eingebettet wird, welche Sicherheitsvorkehrungen halten Sie für am wichtigsten, um menschlichen Missbrauch und maschinelle Fehlleitung zu verhindern?

Netomi baut Sicherheit in jede Ebene der Plattform ein. Prompts und Einbettungen sind versioniert und nachverfolgbar, sodass Änderungen überwacht oder zurückgesetzt werden können. Persönlich identifizierbare Informationen werden vor dem Erreichen des Modells gefiltert, und Aufbewahrungsrichtlinien werden streng durchgesetzt. Typisierte Aktions-Schemata und Sandbox-Tests stellen sicher, dass Agenten Bedingungen erfüllen, bevor sie Produktions-Tools aufrufen.

Alle Aktionen werden von einer Richtlinien-Engine gesteuert, die Aktionen in Echtzeit pausieren oder ändern kann. Rollenbasierte Zugriffscontrollen, Zwei-Faktor-Authentifizierung und unveränderliche Audit-Logs bieten zusätzlichen Schutz. Signierte Anforderungs-Umschläge und Kontingent-Limits schützen die Plattform vor externem Modell-Drift und Missbrauch.

Was begeistert Sie am meisten an der nächsten Phase der Kundenerfahrung und der Rolle, die künstliche Intelligenz dabei spielen wird?

Der aufregendste Wandel ist von reaktiver Dienstleistung zu proaktiver, intelligenter Unterstützung, die den vollen Kontext der Ziele, Vorlieben und Einschränkungen eines Kunden versteht. Künstliche Intelligenz wird bald in der Lage sein, Bedürfnisse vorherzusagen, über Systeme hinweg zu handeln und Ergebnisse zu liefern, ohne dass Kunden Komplexität navigieren oder sich wiederholen müssen.

Der eigentliche Fortschritt liegt nicht nur darin, was künstliche Intelligenz tun kann, sondern auch darin, wie nahtlos sie menschliche Entscheidungsfindung unterstützen wird. Künstliche Intelligenz wird zu einer vertrauenswürdigen Schicht über die gesamte Kundenerfahrung hinweg, die es Marken ermöglicht, durch Responsivität, Personalisierung und Zuverlässigkeit im großen Maßstab Loyalität aufzubauen. Wenn sich dies weiterentwickelt, werden die Grenzen zwischen Service, Verkauf und Erfahrung weiter verschwinden.

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