Katie Stein, Διευθύνων Σύμβουλος της ASAPP – Σειρά Συνεντεύξεων

Katie Stein, Διευθύνων Σύμβουλος της ASAPP, είναι ένας έμπειρος στελέχος τεχνολογίας και επιχειρήσεων με περισσότερα από δύο δεκαετίες εμπειρίας που καλύπτει την εταιρική στρατηγική, τις λειτουργίες, τον ψηφιακό μετασχηματισμό και την ανάπτυξη των επιχειρήσεων. Πριν ενταχθεί ASAPP ως Διευθύνων Σύμβουλος τον Αύγουστο 2026, υπηρέτησε ως Διευθύνων Σύμβουλος της Atain και πέρασε οκτώ χρόνια στη Genpact, όπου ήταν Διευθυντής Στρατηγικής και Παγκόσμιος Επικεφαλής Επιχειρησιακών Υπηρεσιών και Αναλύσεων, επιβλέποντας την εταιρική στρατηγική, τα κύρια χαρτοφυλάκια υπηρεσιών, την εμπειρία πελατών και τις πρωτοβουλίες M&A. Στα αρχικά της καριέρας της, η Stein κατείχε ανώτερες ηγετικές θέσεις στη Mercer, συμπεριλαμβανομένου του Παγκόσμιου Διευθυντή Λειτουργιών για την επιχείρηση Συνταξιοδότησης, Υγείας και Παροχών της αξίας $2.5 δισεκατομμυρίων, και εργάστηκε ως Επικεφαλής Έργου στη Boston Consulting Group. Η καριέρα της έχει κυρίως επικεντρωθεί στη βοήθεια μεγάλων οργανισμών να βελτιώσουν την επιχειρησιακή απόδοση, να υλοποιήσουν τεχνολογία πιο αποτελεσματικά και να υλοποιήσουν σύνθετους επιχειρηματικούς μετασχηματισμούς.

ASAPP είναι μια εταιρεία AI που εστιάζει στη μετασχηματισμό της εξυπηρέτησης πελατών των επιχειρήσεων μέσω της AI-φυσικής Πλατφόρμας Εμπειρίας Πελάτη (CXP). Ιδρύθηκε το 2015, η εταιρεία αναπτύσσει τεχνολογία που ενώνει AI πράκτορες, ανθρώπινη εξειδίκευση, δεδομένα πελατών και επιχειρηματικά συστήματα σε φωνητικά και ψηφιακά κανάλια. Στο κέντρο της πλατφόρμας βρίσκεται το GenerativeAgent, ένας AI πράκτορας εξυπηρέτησης πελατών σχεδιασμένος να κατανοεί τις συνομιλίες, να επεξεργάζεται τα αιτήματα των πελατών, να πραγματοποιεί ενέργειες μέσω συνδεδεμένων επιχειρηματικών συστημάτων, και να εμπλέκει ανθρώπινους πράκτορες όταν απαιτείται πρόσθετος έλεγχος ή κρίση. Η ASAPP παρέχει επίσης εργαλεία για δοκιμές, παρακολούθηση, διακυβέρνηση και παρατηρησιμότητα, επιτρέποντας σε μεγάλους οργανισμούς να υλοποιούν AI που αντιμετωπίζει πελάτες διατηρώντας μεγαλύτερο έλεγχο του τρόπου λειτουργίας των αυτοματοποιημένων πρακτόρων.

Η καριέρα σας σας οδήγησε από ρόλους στρατηγικής και μετασχηματισμού στη BCG, Mercer και Genpact, στην ηγεσία της Atain, και τώρα στο να γίνετε Διευθύνων Σύμβουλος της ASAPP. Τι σας τράβηξε στην ASAPP σε αυτό το σημείο της καριέρας σας, και μετά τις πρώτες 30 ημέρες, τι έχετε εντοπίσει ως τις μεγαλύτερες ευκαιρίες και προτεραιότητες για την εταιρεία;

Η ASAPP εμφανίστηκε για πρώτη φορά στο radar μου κατά τη διάρκεια της Χειμερινής Θύελλας Fern νωρίτερα φέτος. Στην Atain, δουλεύαμε από όλες τις πλευρές για να δημιουργήσουμε επαρκή χωρητικότητα για μία από τις μεγαλύτερες αεροπορικές εταιρείες των Η.Π.Α., καθώς χιλιάδες ταξιδιώτες που είχαν διακοπεί προσπαθούσαν να επιστρέψουν στο σπίτι. Η ASAPP δεν απαντούσε μόνο σε ερωτήσεις· το GenerativeAgent της επανακράτησε πάνω από 3,800 επιβάτες σε έξι ημέρες, συμπεριλαμβανομένων σύνθετων αλλαγών δρομολογίων. Αυτό μου έδειξε πώς φαίνεται η επιχειρηματική AI υπό πραγματική πίεση. Οι πρώτες 30 ημέρες μου ενίσχυσαν αυτήν την άποψη. Η ευκαιρία μας είναι να εστιάσουμε και να κλιμακώσουμε: να συγκεντρωθούμε εκεί που η ASAPP έχει το πιο σαφές δικαίωμα νίκης, να βοηθήσουμε τους πελάτες να μεταβούν από το πείραμα στην παραγωγική επίδραση, και να εκτελέσουμε με μεγαλύτερη ταχύτητα και συνέπεια.

Η προσέγγιση της ASAPP φέρνει αυτόνομους AI πράκτορες, ντετερμινιστικές ροές εργασίας και ανθρώπινους ειδικούς μαζί σε ένα ενιαίο στρώμα ορχήστρωσης. Πώς καθορίζετε ποιες αποφάσεις πρέπει να παραχωρηθούν σε AI πράκτορα, ποιες να ακολουθήσουν προκαθορισμένους κανόνες, και ποιες να εμπλέξουν ανθρώπινη κρίση;

Δεν αναθέτουμε μια ολόκληρη αλληλεπίδραση σε AI, σε προκαθορισμένη ροή εργασίας ή σε ένα άτομο. Εξετάζουμε κάθε απόφαση με βάση την πολυπλοκότητά της, τον κίνδυνο και την ανάγκη λογοδοσίας. Το AI είναι κατάλληλο για την κατανόηση της πρόθεσης, την ερμηνεία του πλαισίου και την προσαρμογή στον πελάτη. Οι ροές εργασίας παρέχουν συνέπεια όταν πρέπει να τηρηθούν απαιτούμενα βήματα ή πολιτικές. Οι άνθρωποι προσθέτουν κρίση όταν μια κατάσταση είναι ασαφής, εξαιρετική ή σημαντική. Η ορχήστρωση φέρνει και τα τρία μαζί στην ίδια αλληλεπίδραση. Ο στόχος δεν είναι η μέγιστη αυτονομία. Είναι η επίλυση περισσότερων αναγκών πελατών ενώ εφαρμόζεται το σωστό επίπεδο ελέγχου σε κάθε σημείο απόφασης.

Η ASAPP αντιμετωπίζει την ανθρώπινη συμμετοχή ως διαρκές μέρος του συστήματος AI αντί για απλώς μια διαδρομή κλιμάκωσης όταν η αυτοματοποίηση αποτυγχάνει. Καθώς οι AI πράκτορες γίνονται πιο ικανοί, πού πιστεύετε ότι οι άνθρωποι θα συνεχίσουν να προσθέτουν τη μεγαλύτερη αξία στις αλληλεπιδράσεις εξυπηρέτησης πελατών;

Ανθρώπινη εφευρετικότητα! Μερικούς μήνες πριν, μίλησα με έναν ανώτερο ηγέτη CX που παρατήρησε ότι ένας σχετικά μικρός αριθμός κλήσεων αντιπροσωπεύει ένα δυσανάλογο ποσοστό χρόνου διαχείρισης. Συχνά πρόκειται για περιπτώσεις άκρων χωρίς σαφή FAQ, άρθρο γνώσης ή τυπική διαδικασία λειτουργίας. Είναι δύσκολες επειδή η οργάνωση δεν έχει αντιμετωπίσει – ή κωδικοποιήσει – τη λύση προηγουμένως. Οι άνθρωποι θα συνεχίσουν να προσθέτουν τη μεγαλύτερη αξία σε αυτές τις στιγμές: ερμηνεύοντας την αβεβαιότητα, εξισορροπώντας ανταγωνιστικές παραμέτρους και εφαρμόζοντας κρίση όπου δεν υπάρχει καθιερωμένο εγχειρίδιο. Ωστόσο, η εμπλοκή ενός ατόμου δεν πρέπει να σημαίνει εγκατάλειψη της αυτοματοποίησης και μεταφορά όλης της αλληλεπίδρασης. Το AI συγκεντρώνει ό,τι χρειάζεται και παρουσιάζει σε ένα άτομο ένα συγκεκριμένο αίτημα και το πλαίσιο· ο άνθρωπος παρέχει την κρίση, και στη συνέχεια το AI συνεχίζει την αλληλεπίδραση. Αυτή η εξειδίκευση επιλύει το άμεσο ζήτημα και βοηθά στην επέκταση του τι μπορεί να επιλύσει το AI στη συνέχεια.

Πολλές επιχειρήσεις έχουν επιδείξει με επιτυχία τη γενετική AI σε πιλοτικά προγράμματα, αλλά αντιμετωπίζουν δυσκολίες όταν προσπαθούν να την εφαρμόσουν σε εκατομμύρια πραγματικές αλληλεπιδράσεις πελατών. Τι υποτιμούν συνήθως οι εταιρείες όταν κάνουν τη μετάβαση από ένα πιλοτικό AI σε ένα παραγωγικού‑επίπεδου σύστημα αυτόνομων πρακτόρων;

Οι εταιρείες συχνά υποτιμούν τη μακρά ουρά. Τα πιλοτικά προγράμματα συνήθως δοκιμάζουν καθορισμένες περιπτώσεις χρήσης υπό ελεγχόμενες συνθήκες. Σε κλίμακα παραγωγής, οι σπάνιες καταστάσεις γίνονται καθημερινές: οι πελάτες αλλάζουν κατεύθυνση, παρέχουν ελλιπείς πληροφορίες ή συνδυάζουν ανάγκες με τρόπους που κανείς δεν είχε προβλέψει. Γι’ αυτό η κλιμάκωση της agentic AI δεν είναι μόνο πρόκληση μοντέλου. Απαιτεί ενσωμάτωση με τα συστήματα της επιχείρησης, διακυβέρνηση, παρακολούθηση και έναν τρόπο να εμπλέκονται άνθρωποι όταν απαιτείται κρίση. Το πιλοτικό αποδεικνύει ότι η τεχνολογία λειτουργεί. Η παραγωγή απαιτεί την αρχιτεκτονική και την πειθαρχία λειτουργίας ώστε να είναι αξιόπιστη σε κλίμακα.

Καθώς οι επιχειρήσεις μεταβαίνουν από έναν μόνο βοηθό AI σε πολλούς εξειδικευμένους πράκτορες που συνεργάζονται, ποιες νέες τεχνικές ή διοικητικές προκλήσεις εμφανίζονται γύρω από την ορχήστρωση, την παρατηρησιμότητα και τη λογοδοσία;

Η νέα πρόκληση είναι ο συντονισμός. Περισσότεροι πράκτορες δημιουργούν περισσότερες παραδόσεις, σημεία λήψης αποφάσεων και ευκαιρίες για να διασπαστεί το πλαίσιο ή η λογοδοσία. Οι επιχειρήσεις χρειάζονται ορχήστρωση που καθορίζει ποιος πράκτορας πρέπει να ενεργήσει, ποιες πληροφορίες και άδειες λαμβάνει, και πώς η εργασία του συμβάλλει στην επίλυση του πελάτη. Η παρατηρησιμότητα πρέπει να επεκταθεί σε όλη την αλληλεπίδραση ώστε οι οργανισμοί να κατανοούν τι συνέβη και γιατί. Αυτό γίνεται η βάση για τη διακυβέρνηση. Το πλεονέκτημα δεν θα προέρχεται από την ανάπτυξη του μεγαλύτερου αριθμού πρακτόρων, αλλά από τον συντονισμό όλης αυτής της εξειδικευμένης νοημοσύνης σε ένα σύστημα που είναι αξιόπιστο, ανιχνεύσιμο και λογοδοτικό.

Η ASAPP παρουσίασε πρόσφατα Συνεχής Red Teaming, η οποία ελέγχει αυτόματα τα συστήματα AI της έναντι περισσότερων από 50 κατηγοριών ευπάθειας καθώς τα μοντέλα εξελίσσονται. Πώς πρέπει οι επιχειρήσεις να επανεξετάσουν την ασφάλεια όταν οι πράκτορες AI δεν δημιουργούν απλώς απαντήσεις αλλά μπορούν όλο και περισσότερο να αναλαμβάνουν ενέργειες εκ μέρους των πελατών;

Οι συνέπειες αλλάζουν όταν η AI μεταβαίνει από την απάντηση ερωτήσεων στην ανάληψη δράσης. Μια μη εξουσιοδοτημένη συναλλαγή ή η αποκάλυψη δεδομένων πελατών είναι πολύ πιο σημαντική από μια λανθασμένη απάντηση. Οι επιχειρήσεις χρειάζονται σαφή όρια σχετικά με το τι μπορεί να προσπελάσει ένας πράκτορας, τι μπορεί να κάνει και πότε απαιτείται ανθρώπινη έγκριση. Η ασφάλεια δεν μπορεί επίσης να είναι μια δοκιμή που εκτελείται μόνο μία φορά πριν από την ανάπτυξη. Καθώς η AI γίνεται πιο ικανή, και οι κακόβουλοι παράγοντες καινοτομούν. Γι’ αυτό η ASAPP ελέγχει συνεχώς χιλιάδες αντιπαραθετικά σενάρια που καλύπτουν περισσότερες από 50 κατηγορίες ευπάθειας. Η ασφάλεια πρέπει να εξελίσσεται το ίδιο γρήγορα με την τεχνολογία, ώστε οι επιχειρήσεις να μπορούν να επεκτείνουν τις δυνατότητες της AI χωρίς να θίγουν την εμπιστοσύνη των πελατών.

Η γενετική AI είναι εγγενώς πιθανοκρατική, ωστόσο οι διαδικασίες εξυπηρέτησης πελατών συχνά περιλαμβάνουν συναλλαγές, απαιτήσεις συμμόρφωσης και άλλες εργασίες όπου τα αποτελέσματα πρέπει να είναι προβλέψιμα. Πώς μπορούν οι επιχειρήσεις να διατηρήσουν την ευελιξία της γενετικής AI ενώ εισάγουν αρκετή ντετερμινιστική δομή ώστε αυτά τα συστήματα να είναι αξιόπιστα;

Το κλειδί είναι να διαχωριστεί η συζήτηση από τη διαδικασία της επιχείρησης. Πιστεύουμε ότι η Γενετική AI πρέπει να κάνει ό,τι κάνει καλύτερα: να κατανοεί τον πελάτη, να διαχειρίζεται την αβεβαιότητα και να απαντά φυσικά. Ωστόσο, κρίσιμες διαδικασίες – όπως η επαλήθευση, οι συναλλαγές και η συμμόρφωση – πρέπει να λειτουργούν μέσα σε βήμα-βήμα ροές εργασίας που επιβάλλουν τους κανόνες της εταιρείας και την απαιτούμενη ακολουθία. Αυτή η αρχιτεκτονική παρέχει στις επιχειρήσεις το καλύτερο και των δύο: μια ευέλικτη εμπειρία για τον πελάτη και μια προβλέψιμη εκτέλεση για την επιχείρηση. Επιπλέον, καθιστά τις διαδικασίες πιο εύκολες για δοκιμή, έλεγχο και βελτίωση καθώς τα μοντέλα εξελίσσονται. Οι επιχειρήσεις δεν χρειάζεται να κάνουν κάθε συνομιλία πελάτη άκαμπτη για να είναι αξιόπιστη η AI. Πρέπει να είναι πολύ σαφείς για το πού η AI μπορεί να προσαρμοστεί και πού η διαδικασία απολύτως δεν μπορεί.

Τα κέντρα εξυπηρέτησης πελατών παραδοσιακά μέτρησαν την αυτοματοποίηση μέσω δεικτών όπως η συγκράτηση και η μείωση κόστους. Καθώς η agentic AI γίνεται πιο εξελιγμένη, ποιους δείκτες πρέπει να χρησιμοποιούν οι επιχειρήσεις για να καθορίσουν αν η AI βελτιώνει πραγματικά την εμπειρία του πελάτη αντί να μειώνει απλώς την ανθρώπινη παρέμβαση;

Απομακρυνόμαστε από δείκτες όπως η απόκλιση και η συγκράτηση και προχωρούμε προς ό,τι αποκαλώ «επαληθευμένη επίλυση». Θέλω να είμαστε υπεύθυνοι για την κατανόηση της πρόθεσης του πελάτη και την πραγματική επίλυσή της. Ως πελάτης, θέλω η εμπειρία να είναι ευχάριστη, αλλά πάνω απ’ όλα, θέλω ο λόγος για τον οποίο επικοινώνησα να λυθεί. Όταν μετράμε αυτό το αποτέλεσμα, αντί απλώς αν η AI απέτρεψε κάποιον από το να φτάσει σε ανθρώπινο πράκτορα, εναρμονίζουμε την τεχνολογία με τη δουλειά που ο πελάτης πραγματικά χρειάζεται να ολοκληρωθεί.

Αν ένας ανθρώπινος ειδικός μπορεί όλο και περισσότερο να επιβλέπει ή να καθοδηγεί πολλαπλές συνομιλίες που οδηγούνται από AI, πώς προβλέπετε ότι θα εξελιχθεί το εργατικό δυναμικό των κέντρων εξυπηρέτησης; Βλέπετε νέους ρόλους να εμφανιστούν γύρω από την επίβλεψη AI, την εκπαίδευση, τη διακυβέρνηση και τη συνεχή βελτίωση;

Αυτό είναι που με ενθουσιάζει πραγματικά σχετικά με το μελλοντικό μοντέλο λειτουργίας των κέντρων εξυπηρέτησης. Σήμερα, οι ανθρώπινοι πράκτορες είναι στην πρώτη γραμμή, συχνά βοηθώντας πελάτες που είναι απογοητευμένοι, μπερδεμένοι ή θυμωμένοι, ενώ δαπανούν μεγάλο μέρος του χρόνου τους περιηγούμενοι σε πολύπλοκα συστήματα για την επίλυση αυτών των προβλημάτων. Είναι απαιτητική εργασία και το burnout είναι υψηλό. Καθώς η agentic AI αναλαμβάνει όλο και περισσότερο από αυτή τη δουλειά σε φωνητικά και ψηφιακά κανάλια, πιστεύω ότι θα εμφανιστεί μια νέα κατηγορία επαγγελματιών CX: ο ανθρώπινος πράκτορας ως αναλυτής. Ο χρόνος τους θα δαπανάται όλο και περισσότερο σε καταστάσεις που απαιτούν κρίση, δεν είναι ασπρόμαυρες ή φέρουν κανονιστική ευαισθησία. Πρόκειται για έναν θεμελιωδώς διαφορετικό ρόλο, και έναν που η ίδια η AI βοηθά να δημιουργηθεί.

Μετά τις πρώτες 30 ημέρες ηγεσίας της ASAPP, τι σας έχει εκπλήξει περισσότερο σχετικά με το πού βρίσκονται σήμερα οι επιχειρήσεις στην υιοθέτηση της agentic AI, και τι πιστεύετε ότι θα καθορίσει το επόμενο στάδιο της εξυπηρέτησης πελατών με τεχνητή νοημοσύνη;

Έχω εντυπωσιαστεί από το πόσο πρόθυμοι είναι οι πελάτες με τους οποίους έχω μιλήσει να κάνουν το agentic AI έναν βασικό πυλώνα της στρατηγικής τους για την εμπειρία πελάτη (CX), αντί να είναι κάτι παράπλευρο. Η πρόκληση είναι ότι τα τμήματα Digital, IT, Security και Operations συχνά κινούνται με διαφορετικούς ρυθμούς και μετρούν την επιτυχία διαφορετικά. Αυτή η κατακερματισμένη προσέγγιση καθιστά δύσκολο να διαφανούν σαφώς οι επιχειρηματικές περιπτώσεις των εταιρειών. Το επόμενο στάδιο θα απαιτήσει οι οργανισμοί να εναρμονιστούν γύρω από ό,τι πραγματικά μετράει σε επίπεδο επιχείρησης και να κατανοήσουν πού το agentic AI στην εμπειρία πελάτη μπορεί να επηρεάσει αυτά τα αποτελέσματα. Σήμερα, αυτή η επίδραση μπορεί να διασπαστεί σε υπάρχουσες κάρτες απόδοσης και απομονωμένα μετρικά.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το ASAPP.