Sean Whiteley, Gründer und Präsident von Qualified – Interview-Serie

Sie haben erfolgreich drei Unternehmen gegründet, darunter eines, das von Salesforce übernommen wurde, und ein weiteres, das von SurveyMonkey übernommen wurde. Was hat Sie dazu inspiriert, Qualified zu gründen, und wie passt es in die breitere Evolution von KI in Unternehmenssoftware?

Kraig und ich gründeten ein Suchmarketing-Unternehmen, das von Salesforce übernommen wurde. Dies war zu Beginn der Cloud-Revolution, und fast alle Marketing-Programme wurden schnell auf Digital umgestellt. Es wurde sofort klar, dass es eine große Diskrepanz gab, wie Verkäufer mit Käufern in dieser neuen Welt in Kontakt traten. Unternehmen gaben Millionen aus, um Traffic auf ihre Websites zu bringen, aber wenn diese hochmotivierten Käufer auftauchten, war das Engagement-Erlebnis nicht evolviert. Es war, als ob man eine spezielle Party für die Interessenten organisierte und vergaß, die Tür zu öffnen, wenn sie ankamen.

Dort kam die Idee für Qualified her. Wir wollten eine Möglichkeit schaffen, damit Vertriebsteams qualifizierte Käufer treffen, wenn sie die Website betreten – mit Relevanz, Kontext und Echtzeit-, hyperpersonalisierten Erlebnissen, die repräsentativ für das sind, was Käufer wollen. Wenn wir heute nach vorne blicken, haben wir diese Vision in etwas viel Größeres entwickelt: eine agente Marketing-Schicht, die jeden Workflow eines Inbound-Marketing-Prozesses ausführt, der reale Interaktionen auf der Website und asynchrone Interaktionen per E-Mail umfasst. Qualified ist für diese nächste Welle von Unternehmenssoftware gebaut, in der KI-Arbeiter nicht nur Aufgaben und Workflows ausführen, sondern auch kontextbasierte Entscheidungen im Namen Ihres Unternehmens treffen.

Wie hat sich Ihre Vision für KI von Ihren frühen Tagen im Suchmarketing bis heute, mit Piper, der automatisierten Inbound-Verkaufsautomatisierung im großen Maßstab, verändert?

Offensichtlich hat das Auftauchen von Large Language Models (LLMs) das Spiel komplett verändert. Als wir unser erstes Unternehmen gründeten, war es die frühe Cloud-Ära, die eine grundlegende Veränderung im Software-Liefermodell darstellte. Dinge wie gemeinsame Infrastruktur, Multi-Tenancy und Pay-as-you-go-Preise ebneten den Weg für Unternehmen, um mission-kritische Apps und Prozesse in die Cloud zu verlagern. Bald darauf wurden Plattform und Infrastruktur als Sammlung von Diensten verfügbar, was wiederum ein massiver Enabler für Unternehmen war, um bedeutende Workloads an Cloud-Anbieter auszulagern. Alles hat sich geändert.

Wenn wir ein Jahrzehnt vorwärts springen, hat die KI-Revolution explodiert. Vor einigen Jahren, als wir Qualified zum ersten Mal starteten, stellte Machine Learning (ML) eine neue Möglichkeit dar, Intelligenz aus großen Datenmengen zu gewinnen. Jetzt haben LLMs alles verändert, was unsere Fähigkeit betrifft, bedeutende Workloads an die KI zu übertragen. Aber wichtiger ist, dass LLMs KI für jeden zugänglich machen und Menschen die Möglichkeit haben, mit Computern, Apps oder Daten in ihrer natürlichen Sprache zu interagieren. Und obwohl wir wirklich gerade am Anfang stehen, ist es sehr klar, dass viele Dinge, die wir historisch getan haben, neu geschrieben werden und auf neue Weise durchgeführt werden. Dies gilt nicht nur für unser Leben, sondern auch für unsere Arbeit.

Eine unserer Mantras bei Qualified ist, alles, was wir historisch getan haben, in Frage zu stellen und zu bewerten, wie es mit KI transformiert wird. KI wird nicht nur die Art und Weise verändern, wie wir Systeme bauen, sondern auch neue Prozesse, Betriebe und Organisationsstrukturen freischalten.

Die erste Welle dieser KI-Transformation hat sich in Agenten manifestiert. Jedes Unternehmen bringt agente Schichten in verschiedene Funktionen im Unternehmen ein. Unser AI-SDR-Agent hat sich als sehr beliebter Ausgangspunkt erwiesen, um eine agente Schicht in eine Marketing-Bewegung zu bringen. Und es wird sehr klar, dass nicht nur Piper fast alle Aufgaben und Workflows der Inbound-Pipeline-Generierung automatisieren kann, die historisch von menschlichen SDRs ausgeführt wurden, sondern auch viele der Workflows, die traditionell mit Marketing-Automatisierungsplattformen durchgeführt wurden.

Piper ist ein leistungsfähiges Beispiel für einen autonomen KI-Agenten in Aktion. Wo ziehen Sie persönlich die Grenze zwischen hilfreicher Automatisierung und riskanter Autonomie?

Autonomie kann nicht ohne Verantwortung existieren. Vertrauen kann exponentiell gewonnen oder verloren werden, in einem agentenbasierten System. Wir bauen nicht mehr nur Cloud-Tooling. Wir setzen jetzt autonome Arbeiter ein, die Entscheidungen im Namen unserer Kunden treffen. Es gibt höhere Risiken für Zuverlässigkeit und Vertrauen als je zuvor. Unkorrekte oder unhelpful Agenten-Verhalten sollte die Nummer eins für jeden sein, der Agenten entwickelt. Ebenso wichtig wie Investitionen in Fähigkeiten um Training, Feinabstimmung, Transparenz, Zitate und Kontrolle ist es, den Kunden zu ermöglichen, die Governance-Grundlage für einen Agenten aufzubauen.

Mit Piper haben wir absichtlich nützliche Autonomie aufgebaut – KI, die innerhalb klar definierter Schranken operiert, angetrieben von unserer reichen Geschichte von Partnerschaften mit unseren Kunden, die unsere Produkte heute nutzen. Die Grenze für mich ist ziemlich klar: Automatisierung sollte nie das Urteilsvermögen in Momenten ersetzen, die Kontext, Empathie oder Nuancen erfordern.

Piper versucht nicht, die gesamte Käuferreise aus dem Stand heraus zu besitzen. Es gibt einen wichtigen Aufwärmprozess, um sicherzustellen, dass der Agent nicht nur effizient, sondern auch genau und innerhalb der von einem Kunden definierten Grenzen operiert. Sie können nicht einfach einen Agenten in der Produktion einsetzen, der mit Ihren Interessenten und Kunden interagiert, ohne zu verstehen, wie dies die gesamte Kaufzyklen beeinflussen wird.

Also ist die Grenze für mich bei Vertrauen, Beobachtbarkeit und Kontrolle gezogen. Wenn wir keine Erklärbarkeit oder Messung seiner Leistung liefern können, ist es nicht bereit. Die meisten Unternehmen, mit denen ich spreche, werden viel gebildeter und denken über diese Dinge auf die richtige Weise nach, aber es ist unsere Aufgabe, unseren Kunden zu helfen, die richtigen Schranken, Moderation und Best Practices um Governance zu etablieren.

Angesichts der zunehmenden Fähigkeiten von KI-Agenten, wie stellen Sie sicher, dass Piper innerhalb ethischer und kontextbezogener Grenzen bleibt – insbesondere wenn es um reale menschliche Leads in hochriskanten Szenarien geht?

Innerhalb der Qualified-Anwendung können Sie Piper so programmieren, dass sie innerhalb bestimmter Grenzen bleibt, ihre Tonlage kontrolliert und sicherstellt, dass sie den Richtlinien des Unternehmens entspricht. Diese sind absolute Wahrheiten und Regeln der Interaktion, die nicht gebrochen werden können, wenn Besucher engagiert werden. Wir bieten erhebliche Moderation und Schranken im Kern unserer KI, was bedeutet, dass Risiken um Daten (PII) und sensible Informationen komplett ausgeschlossen werden. Zusätzlich ermöglichen wir es Unternehmen, zusätzliche Schranken, Anweisungen und Regeln der Interaktion hinzuzufügen.

Wir ermöglichen es auch Piper, eine Konversation, die vom Thema abweicht, sanft zurückzulenken. Zusätzlich kann Piper eine Konversation beenden, wenn sie in einen Bereich driftet, der:

• Nicht mit dem Unternehmen, den Produkten, Dienstleistungen oder der Branche zusammenhängt
• Zufällig oder unsinnig ist
• Explizit, unangemessen oder anstößig ist
• Völlig außerhalb des Rahmens dessen liegt, was ein KI-SDR-System handhaben sollte

Diese strengen Schranken stellen sicher, dass Piper innerhalb ihrer zugewiesenen Grenzen bleibt und unseren Kunden vollständige Vertrauen und Kontrolle über ihr Verhalten gibt.

Sie haben über die Notwendigkeit von Rollback-Systemen und Übersteuerungsfunktionen gesprochen. Können Sie uns durch die Sicherheits- und Kontrollmaßnahmen führen, die Sie in die Plattform von Qualified integriert haben, um KI-Fehler zu verhindern oder zu mildern?

Vertrauen und Transparenz/Erklärbarkeit gehen Hand in Hand. Vertrauen beginnt mit der Bereitstellung von Einblicken in das, was passiert, warum es passiert und wie es in Zukunft beeinflusst werden kann. Es gibt grundlegende Grundsätze wie Zitate, Feedback-Schleifen und Feinabstimmung. Aber wir haben auch zusätzliche Schritte unternommen, um unseren Benutzern eine Beobachtbarkeitsebene für die KI zu bieten, die leicht zugänglich ist und menschliche Feedback-Schleifen ermöglicht.

Als Beispiel bieten wir die Fähigkeit, verschiedene Umstände zu simulieren und leicht zu sehen, was die KI tun wird, und Feedback oder Kurskorrektur für jeden hypothetischen Fall zu liefern. Genau wie Sie einen Mitarbeiter vorbereiten, bevor er Autonomie erhält, müssen Sie dasselbe mit der KI tun.

Im Lichte von KI-Regulierungstrends und aktuellen Schlagzeilen über KI-Fehler, wie sehen Sie die Rolle von Compliance und Richtlinien bei der Gestaltung der Zukunft von KI-Agenten in Vertrieb und Marketing?

Regulierung und Governance sind wichtiger denn je. Es ist nicht schwer, über die erhöhten Risiken nachzudenken, die Agenten darstellen könnten, wenn sie nicht verantwortungsvoll eingesetzt werden. Wir haben alle die Ergebnisse gesehen, wenn KI ohne Kontext oder Verantwortung eingesetzt wird. Im B2B-Bereich, insbesondere im Vertrieb und Marketing, wo wir tätig sind, haben wir es mit einer Menge Unternehmensdaten und einem gewissen Grad an personenbezogenen Informationen (PII) zu tun. Wir müssen uns selbst und unsere Kunden zu hohen Standards verpflichten, um die Erfahrungen unserer Käufer zu schützen.

Wir bauen Piper mit unternehmensweiter Compliance, beginnend auf der PRD-Ebene. Das bedeutet, dass wir über Datenschutz, Sicherheit und Governance nachdenken, wenn wir etwas Neues entwickeln und ausliefern. Wenn KI evolviert, werden auch die Standards um die üblichen Verdächtigen in unserer Branche wie SOC 2, GDPR, CCPA, Consent-Management usw. evolviert – all diese Dinge berücksichtigen wir, wenn wir Funktionen ausliefern. Aber das Abhaken von Kästchen reicht nicht aus. Wir schaffen eine Kultur der Transparenz und bauen unser eigenes ethisches Framework auf, bevor formelle Regulierungen kommen.

Diese Teile des KI-Puzzles können nicht auf formelle Richtlinien warten – wenn Sie diese Standards nicht bereits in Ihren Teams etabliert haben, sind Sie hinterher.

Glauben Sie, dass Unternehmen zu schnell vorankommen, wenn sie KI-Agenten zu viel Autonomie geben, ohne angemessene menschliche Aufsichtsstrukturen aufzubauen?

Wir haben alle die Schlagzeilen gesehen, wenn diese Dinge schiefgehen – es gibt zweifellos Unternehmen, die zu schnell vorankommen und KI als Werkzeuge betrachten, die implementiert werden sollen, anstatt als eine gesamte Geschäftstransformation.

Automatisierung ist keine Strategie. Es ist ein Teil dieses größeren Bildes, aber es erfordert Infrastruktur und langfristiges Denken, um massive Fehler zu vermeiden, die am Ende des Tages das Vertrauen mit Ihren Kunden untergraben. Sie können das nicht zurückgewinnen.

Menschliche Aufsicht ist kein Hemmschuh für den Erfolg mit Automatisierung, sondern ein Enabler. KI wird die schwere Arbeit leisten, aber Menschen in der Schleife sind erforderlich, um verantwortungsvoll zu skalieren.

Wie balancieren Sie die Geschwindigkeit und Effizienz von KI mit einzigartigen menschlichen Fähigkeiten wie Urteilsvermögen, Ethik und Nuancen in Kundeninteraktionen?

Wir betrachten Piper als Teammitglied. Ihre Stärken – immer aktiv, Geschwindigkeit, sofortiger Abruf, unendliche Skalierbarkeit – machen sie zu einem leistungsstarken SDR-Agenten, aber wir wissen, dass sie nicht jede einzelne Interaktion von Anfang bis Ende besitzen kann.

Menschen werden immer in hochriskanten Gesprächen erforderlich sein, in denen nuanciertes emotionales Verständnis den Käufer besser bedient. Die Nutzung von KI in den richtigen Anwendungsfällen ist der Schlüssel, um Automatisierung und menschliche Fähigkeiten in Einklang zu bringen. Piper ist blitzschnell, aber sie weiß, wann sie aufhören und Menschen einbeziehen muss.

Wir lassen KI tun, was KI am besten kann, damit Menschen tun können, was Menschen am besten können.

Was begeistert Sie am meisten über die nächsten 2-3 Jahre in diesem Bereich?

Ich fühle mich, als ob die KI-Ära uns allen eine zweite Chance gegeben hat, nach einigen schwierigen Jahren in der Technologiebranche. Agente Marketing ist eine leistungsstarke Innovation, die die Türen für alle Arten von neuen Technologien öffnet und es Unternehmen in der Branche ermöglicht, auf dem Spielfeld zu bleiben.

Wir sind alle in diesem Rollercoaster zusammen, und wir kommen endlich über die anfängliche Gimmick-Phase hinaus und sehen, welche Anwendungen tatsächlich nützlich sind.

Die nächsten zwei bis drei Jahre werden alles über Orchestrierung sein – wenn immer mehr KI-Agents online kommen, wird die Aufgabe darin bestehen, die leistungsstärksten Tech-Stacks aufzubauen, die als ein Team zusammenarbeiten, um komplexe Workflows zu erledigen.

Welche Branchen glauben Sie, sind am wenigsten auf die Auswirkungen von autonomen KI-Agenten vorbereitet – und was sollten sie jetzt tun, um voranzukommen?

Branchen mit starren Hierarchien und Legacy-Technologie-Stacks sind gefährdet, zurückgelassen zu werden. Für agente Marketing muss man eine moderne Einstellung zu Datenhygiene und Software haben, und einige dieser größeren Operationen bewegen sich langsam und haben viel technische Schulden, die sie navigieren müssen. Ironischerweise sind dies die Organisationen, die am meisten von KI-Agenten profitieren könnten – ihre Workflows sind reif für Automatisierung.

Der Schlüssel liegt jetzt darin, mit der Infrastruktur und nicht mit der Technologie zu beginnen. Sie werden ihre Häuser in Ordnung bringen müssen, indem sie strategische Planung um Workflows vornehmen, in denen Agenten einen Mehrwert bieten. Sie werden Frameworks um Compliance und Sicherheit benötigen. Dann können sie mit der Erprobung einiger dieser Programme beginnen.

Dies ist nicht nur ein IT-Projekt – es ist eine gesamte organisatorische Veränderung, von oben bis unten.

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