Katie Stein, PDG d’ASAPP – Série d’interviews

Katie Stein, PDG d’ASAPP, est une dirigeante chevronnée du secteur technologique et des affaires, forte de plus de deux décennies d’expérience couvrant la stratégie d’entreprise, les opérations, la transformation numérique et la croissance des entreprises. Avant de rejoindre ASAPP en tant que PDG en août 2026, elle a été PDG d’Atain et a passé huit ans chez Genpact, où elle était Directrice de la stratégie et Responsable mondial des services d’entreprise et de l’analytique, supervisant la stratégie d’entreprise, les principaux portefeuilles de services, l’expérience client et les initiatives de M&A. Au début de sa carrière, Stein a occupé des postes de direction senior chez Mercer, notamment Directrice générale des opérations mondiales pour son activité de retraite, santé et prestations évaluée à 2,5 milliards de dollars, et a travaillé comme chef de projet chez Boston Consulting Group. Sa carrière s’est largement centrée sur l’aide aux grandes organisations pour améliorer leurs performances opérationnelles, déployer la technologie plus efficacement et mener à bien des transformations commerciales complexes.

ASAPP est une entreprise d’IA axée sur la transformation du service client d’entreprise grâce à sa plateforme d’expérience client native IA (CXP). Fondée en 2015, la société développe une technologie qui réunit agents IA, expertise humaine, données clients et systèmes d’entreprise sur les canaux vocaux et numériques. Au cœur de la plateforme se trouve GenerativeAgent, un agent de service client IA conçu pour comprendre les conversations, raisonner sur les demandes des clients, effectuer des actions via les systèmes d’entreprise connectés et impliquer des agents humains lorsque une supervision ou un jugement supplémentaires sont nécessaires. ASAPP propose également des outils de test, de surveillance, de gouvernance et d’observabilité, permettant aux grandes organisations de déployer une IA orientée client tout en conservant un contrôle accru sur le comportement des agents automatisés.

Votre carrière vous a conduit des rôles de stratégie et de transformation chez BCG, Mercer et Genpact à la direction d’Atain, et maintenant à la fonction de PDG d’ASAPP. Qu’est-ce qui vous a attiré chez ASAPP à ce stade de votre carrière, et après vos trente premiers jours, quelles sont, selon vous, les plus grandes opportunités et priorités pour l’entreprise ?

ASAPP est d’abord apparu sur mon radar pendant la tempête hivernale Fern plus tôt cette année. Chez Atain, nous avons mobilisé toutes nos ressources pour créer suffisamment de capacité pour l’une des plus grandes compagnies aériennes américaines, alors que des milliers de voyageurs perturbés cherchaient à rentrer chez eux. ASAPP n’a pas seulement répondu aux questions ; son GenerativeAgent a reprogrammé plus de 3 800 passagers en six jours, y compris des changements d’itinéraires complexes. Cela m’a montré à quoi ressemble l’IA d’entreprise sous une vraie pression. Mes trente premiers jours ont confirmé cette vision. Notre opportunité consiste à se concentrer et à évoluer : se focaliser sur les domaines où ASAPP possède le droit le plus clair de gagner, aider les clients à passer de l’expérimentation à un impact en production, et exécuter avec plus de rapidité et de constance.

L’approche d’ASAPP réunit des agents IA autonomes, des flux de travail déterministes et des experts humains au sein d’une couche d’orchestration unique. Comment déterminez-vous quelles décisions doivent être confiées à un agent IA, lesquelles doivent suivre des règles prédéfinies, et lesquelles doivent impliquer le jugement humain ?

Nous n’attribuons pas une interaction entière à l’IA, à un flux de travail prédéfini ou à une personne. Nous examinons chaque décision en fonction de sa complexité, de son risque et du besoin de responsabilité. L’IA est particulièrement adaptée à la compréhension de l’intention, à l’interprétation du contexte et à l’adaptation au client. Les flux de travail assurent la cohérence lorsque des étapes ou des politiques obligatoires doivent être respectées. Les humains apportent leur jugement lorsqu’une situation est ambiguë, exceptionnelle ou aux conséquences importantes. L’orchestration réunit les trois éléments dans la même interaction. L’objectif n’est pas la maximisation de l’autonomie, mais la résolution d’un plus grand nombre de besoins clients tout en appliquant le niveau de contrôle approprié à chaque point de décision.

ASAPP considère l’implication humaine comme une partie continue du système d’IA plutôt que comme un simple chemin d’escalade lorsque l’automatisation échoue. À mesure que les agents IA deviennent plus performants, où pensez‑vous que les humains continueront d’apporter le plus de valeur dans les interactions de service client ?

L’ingéniosité humaine ! Il y a quelques mois, j’ai discuté avec un responsable CX senior qui a constaté qu’un nombre relativement restreint d’appels représente une part disproportionnée du temps de traitement. Il s’agit souvent de cas limites sans FAQ claire, article de connaissance ou procédure opérationnelle standard. Ils sont difficiles parce que l’organisation n’a jamais rencontré – ou codifié – la réponse auparavant. Les humains continueront d’apporter le plus de valeur dans ces moments : interpréter l’ambiguïté, équilibrer des considérations concurrentes et exercer un jugement lorsqu’il n’existe aucun manuel établi. Mais faire intervenir une personne ne doit pas impliquer d’abandonner l’automatisation ni de transférer l’intégralité de l’interaction. L’IA recueille ce qui est nécessaire et présente à la personne une demande précise et le contexte ; l’humain fournit le jugement, puis l’IA poursuit l’interaction. Cette expertise résout le problème immédiat et contribue à élargir ce que l’IA pourra résoudre par la suite.

De nombreuses entreprises ont démontré avec succès l’IA générative lors de pilotes, mais rencontrent des difficultés lorsqu’elles tentent de la déployer à travers des millions d’interactions client réelles. Quelles sont les choses que les sociétés sous‑estiment le plus lors du passage d’un pilote IA à un système agentique à l’échelle de la production ?

Les entreprises sous-estiment le plus souvent la longue traîne. Les pilotes testent généralement des cas d’utilisation définis dans des conditions contrôlées. À l’échelle de la production, les situations rares deviennent des occurrences quotidiennes : les clients changent de direction, fournissent des informations incomplètes ou combinent des besoins de façon inattendue. C’est pourquoi le déploiement de l’IA agentique n’est pas seulement un défi de modèle. Il nécessite une intégration aux systèmes d’entreprise, une gouvernance, une surveillance et un moyen d’impliquer les personnes lorsque le jugement est requis. Le pilote prouve que la technologie fonctionne. La production prend l’architecture et la discipline opérationnelle pour la rendre fiable à grande échelle.

À mesure que les entreprises passent d’un assistant IA unique à plusieurs agents spécialisés travaillant ensemble, quels nouveaux défis techniques ou de gouvernance apparaissent autour de l’orchestration, de l’observabilité et de la responsabilité ?

Le nouveau défi est la coordination. Plus d’agents créent davantage de transferts, de points de décision et d’opportunités de rupture du contexte ou de la responsabilité. Les entreprises ont besoin d’une orchestration qui détermine quel agent doit agir, quelles informations et autorisations il reçoit, et comment son travail contribue à la résolution du client. L’observabilité doit s’étendre sur l’ensemble de l’interaction afin que les organisations puissent comprendre ce qui s’est passé et pourquoi. Cela devient le socle de la gouvernance. L’avantage ne viendra pas du déploiement du plus grand nombre d’agents, mais de la coordination de toute cette intelligence spécialisée en un système fiable, traçable et responsable.

ASAPP a récemment introduit Continuous Red Teaming, qui teste automatiquement ses systèmes d’IA contre plus de 50 classes de vulnérabilités à mesure que les modèles évoluent. Comment les entreprises doivent‑elles repenser la sécurité lorsque les agents IA ne se contentent plus de générer des réponses mais sont de plus en plus capables d’agir au nom des clients ?

Les enjeux changent lorsque l’IA passe de la réponse aux questions à l’exécution d’actions. Une transaction non autorisée ou une fuite de données client est bien plus conséquente qu’une réponse inexacte. Les entreprises ont besoin de limites claires sur ce qu’un agent peut accéder, ce qu’il peut faire et quand l’approbation humaine est requise. La sécurité ne peut pas non plus être un test réalisé une fois avant le déploiement. À mesure que l’IA devient plus puissante, les acteurs malveillants innovent également. C’est pourquoi ASAPP teste en continu des milliers de scénarios adverses couvrant plus de 50 classes de vulnérabilités. La sécurité doit évoluer aussi rapidement que la technologie, afin que les entreprises puissent étendre les capacités de l’IA sans compromettre la confiance des clients.

L’IA générative est intrinsèquement probabiliste, alors que les processus de service client impliquent souvent des transactions, des exigences de conformité et d’autres tâches où les résultats doivent être prévisibles. Comment les entreprises peuvent‑elles préserver la flexibilité de l’IA générative tout en introduisant une structure suffisamment déterministe pour rendre ces systèmes fiables ?

L’essentiel est de séparer la conversation du processus métier. Nous pensons que l’IA générative doit faire ce qu’elle fait de mieux : comprendre le client, naviguer dans l’ambiguïté et répondre naturellement. Mais les processus critiques – comme la vérification, les transactions et la conformité – doivent fonctionner dans des flux de travail à étapes qui appliquent les règles de l’entreprise et la séquence requise. Cette architecture offre aux entreprises le meilleur des deux mondes : une expérience flexible pour le client et une exécution prévisible pour l’entreprise. Elle facilite également les tests, les audits et l’amélioration des processus à mesure que les modèles évoluent. Les entreprises n’ont pas besoin de rendre chaque conversation client rigide pour rendre l’IA fiable. Elles doivent simplement être très claires sur les domaines où l’IA peut s’adapter et ceux où le processus ne doit absolument pas changer.

Les centres de contact ont traditionnellement mesuré l’automatisation à l’aide de métriques telles que le taux de containment et la réduction des coûts. À mesure que l’IA agentique devient plus sophistiquée, quelles métriques les entreprises devraient‑elles utiliser pour déterminer si l’IA améliore réellement l’expérience client plutôt que de simplement réduire l’intervention humaine ?

Nous nous éloignons des métriques comme le déviation et le containment pour nous orienter vers ce que j’appelle la « résolution vérifiée ». Je veux que nous soyons responsables de comprendre l’intention du client et de la résoudre réellement. En tant que client, je veux que l’expérience soit agréable, mais plus que tout, je veux que le motif de mon appel soit résolu. Lorsque nous mesurons ce résultat, plutôt que de simplement vérifier si l’IA a empêché le client de parler à un agent humain, nous alignons la technologie sur le travail que le client a réellement besoin d’accomplir.

Si un expert humain peut de plus en plus superviser ou guider plusieurs conversations pilotées par l’IA, comment pensez‑vous que la main‑d’œuvre des centres de contact évoluera ? Voyez‑vous émerger de nouveaux rôles autour de la supervision de l’IA, de la formation, de la gouvernance et de l’amélioration continue ?

C’est ce qui me passionne vraiment pour le futur du modèle opérationnel des centres de contact. Aujourd’hui, les agents humains sont en première ligne, aidant souvent des clients déçus, confus ou en colère, tout en passant une grande partie de leur temps à naviguer dans des systèmes complexes pour résoudre ces problèmes. C’est un travail exigeant, et le burnout est élevé. À mesure que l’IA agentique prend en charge davantage de ce travail sur les canaux vocaux et numériques, je pense que nous verrons émerger une nouvelle catégorie de professionnel CX : l’agent humain en tant qu’analyste. Son temps sera de plus en plus consacré à des situations qui nécessitent du jugement, qui ne sont pas en noir et blanc, ou qui comportent une sensibilité réglementaire. C’est un rôle fondamentalement différent, et que l’IA elle‑même contribue à créer.

Après vos 30 premiers jours à la tête d’ASAPP, qu’est‑ce qui vous a le plus surpris concernant le stade actuel d’adoption de l’IA agentique par les entreprises, et que pensez‑vous définira la prochaine étape du service client alimenté par l’IA ?

J’ai été impressionné par la volonté des clients avec qui j’ai échangé de faire de l’IA agentique un pilier central de leur stratégie CX plutôt que d’en faire un élément périphérique. Le défi réside dans le fait que le numérique, l’informatique, la sécurité et les opérations avancent souvent à des rythmes différents et mesurent le succès de manière distincte. Cette fragmentation rend difficile de voir clairement le cas d’affaires de l’entreprise. La prochaine étape exigera que les organisations s’alignent sur ce qui compte réellement au niveau de l’entreprise et comprennent où l’IA agentique dans le CX peut faire progresser ces résultats. Aujourd’hui, cet impact peut être dilué à travers les tableaux de bord existants et des indicateurs cloisonnés.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter ASAPP.