Wawancara
Fran Loftus, Chief Experience Officer di EliseAI — Seri Wawancara

Poin utamaPendekatan vertikal-pertama EliseAI menanamkan alur kerja industri langsung ke dalam…
Lihat selengkapnya
- Pendekatan vertikal-pertama EliseAI menanamkan alur kerja industri langsung ke dalam AI-nya untuk menghindari kesalahan chatbot generik.
- AI yang efektif di bidang perumahan dan kesehatan harus menjamin penyelesaian tugas untuk membangun kepercayaan, bukan hanya memberikan jawaban cepat.
- Peran Chief Experience Officer akan bergeser ke pengaturan kemitraan manusia-AI seiring otomatisasi menangani pekerjaan administratif.
Fran Loftus, Chief Experience Officer di EliseAI, adalah pemimpin dinamis yang dikenal karena energi kreatif dan latar belakangnya yang beragam, memadukan semangat kewirausahaan dengan keahlian operasional yang mendalam. Sebelum bergabung dengan EliseAI, ia ikut mendirikan HOM, platform berbasis teknologi untuk fasilitas dan keterlibatan penghuni yang diakuisisi Alfred. Ia kemudian memegang beberapa jabatan eksekutif di Alfred, membentuk pengalaman penghuni di ratusan ribu unit hunian. Di EliseAI, ia pernah menduduki posisi kepemimpinan operasional senior yang melapor kepada CEO dan dewan direksi, meningkatkan efisiensi di seluruh perusahaan, mengawasi hasil klien, serta bekerja erat dengan tim rekayasa dan penjualan dalam strategi produk dan penerapannya. Diakui sebagai pendiri dan tokoh pemikir di industrinya, ia dinominasikan untuk Top Founder di MIPIM dan berulang kali masuk dalam jajaran perempuan paling berpengaruh versi CRETech.
EliseAI adalah perusahaan perangkat lunak AI yang berbasis di New York dan mengubah cara organisasi perumahan serta layanan kesehatan mengelola komunikasi dalam jumlah besar dan alur kerja operasional melalui kecerdasan buatan percakapan dan berbasis agen yang canggih. Platformnya mengotomatiskan tugas seperti penjadwalan kunjungan melihat hunian, komunikasi penyewaan, permintaan pemeliharaan, perpanjangan kontrak, penerimaan pasien, dan dukungan administrasi melalui teks, suara, email, serta percakapan daring. Tim dapat bekerja lebih efisien sekaligus meningkatkan daya tanggap dan pengalaman pelanggan. Dengan memusatkan interaksi ini dalam satu sistem AI, EliseAI membantu organisasi memperluas operasi, mengurangi pekerjaan manual, dan menghasilkan peningkatan kinerja yang terukur pada fungsi-fungsi penting bagi kelangsungan operasinya.
Sebagai Chief Experience Officer di EliseAI, Anda memiliki perpaduan pengalaman yang langka dalam komunitas, operasi, dan teknologi. Anda mendirikan HOM, platform yang membantu gedung hunian multikeluarga menyediakan fasilitas bersama dan rasa kebersamaan dalam skala besar, lalu memimpin pengalaman dan penyampaian layanan di Alfred, perusahaan layanan hunian yang beroperasi di dalam ribuan gedung apartemen. Bagaimana peran yang sangat praktis dan mengutamakan manusia itu memengaruhi cara Anda merancang dan menerapkan pengalaman AI di EliseAI saat ini?
Latar belakang saya dalam pengelolaan properti secara langsung mengajarkan bahwa mutu teknologi bergantung pada layanan yang benar-benar diberikannya di lapangan. Di HOM dan Alfred, saya belajar bahwa penghuni tidak peduli pada antarmuka yang indah jika permintaan pemeliharaannya lenyap ke lubang hitam atau kepindahannya tertunda. Karena itu saya sangat terobsesi memastikan setiap urusan dituntaskan. Saya tidak merancang AI hanya untuk menangani percakapan, tetapi untuk mengelola seluruh siklus hidup tugas. Saya memprioritaskan penghuni yang sedang menghadapi krisis atau staf yang kewalahan, memastikan AI bukan sekadar tambahan yang harus mereka pantau, melainkan alat yang meringankan beban mereka.
Dari sudut pandang pengalaman pelanggan, seperti apa AI yang benar-benar efektif dalam perumahan dan layanan kesehatan, ketika kepercayaan, kejelasan, dan penuntasan urusan sama pentingnya dengan kecepatan atau otomatisasi?
Dalam perumahan dan layanan kesehatan, kecepatan memang baik, tetapi menuntaskan tindakanlah yang membangun kepercayaan. AI yang baik tidak boleh sekadar menjawab cepat; AI harus memastikan ada tindakan nyata. Jika pasien bertanya tentang tagihan atau penyewa ingin memperpanjang kontrak, AI harus memperbarui catatan, memberi tahu manajer yang tepat, dan mengabarkan kepada orang tersebut bahwa urusannya sedang diproses. Intinya adalah kejelasan dan sikap proaktif, agar orang tidak merasa harus menelepon kembali tiga kali hanya untuk menanyakan perkembangan.
EliseAI memilih pendekatan yang mengutamakan industri tertentu, alih-alih menawarkan lapisan AI serbaguna. Bagaimana keputusan itu mengubah pengalaman sehari-hari tim properti, penghuni, dan staf kesehatan dibandingkan alat AI lintas industri?
Alat AI serbaguna mengharuskan pelanggan menanggung pekerjaan berat untuk mengajarkan aturan industri kepada perangkat lunak. Karena solusi kami hanya berfokus pada perumahan dan layanan kesehatan, sistem sudah memiliki pemahaman mendalam tentang alur kerja tertentu, seperti ketentuan uang jaminan sewa atau detail penjadwalan pasien. Bagi staf di lapangan, ini berarti mereka tidak harus mengelola chatbot generik yang mungkin mengarang kebijakan. Mereka bekerja dengan sistem yang sudah terintegrasi ke perangkat lunak yang ada dan memahami bahasa pekerjaan sehari-hari sejak hari pertama.
Dapatkah Anda menjelaskan bagaimana mendampingi dan mengamati pekerja garis depan untuk memahami seluruh alur kerja dari awal hingga akhir meningkatkan perilaku model dan pengalaman akhir pelanggan, dibandingkan pelatihan yang hanya menggunakan data abstrak?
Data abstrak menunjukkan apa yang dilakukan, tetapi berada di lapangan bersama pelanggan menunjukkan bagaimana melakukannya. Ketika tim saya menghabiskan waktu di lingkungan nyata tempat perangkat lunak digunakan, mereka melihat hambatan yang tidak akan tampak dalam kumpulan data. Misalnya, selama sesi penggalian kebutuhan dengan pengelola perumahan militer, kami menemukan alur persetujuan yang rumit dan batasan harian yang ketat, yang tidak tercantum dalam panduan mana pun. Dengan menangkap detail dunia nyata yang berantakan ini dan menerapkannya ke produk, kami dapat membangun AI yang tidak hanya bekerja dalam demonstrasi, tetapi juga bertahan di tengah kekacauan kantor yang sibuk.
Ketika sistem AI beralih dari menjawab pertanyaan menjadi menjalankan tugas, risiko baru apa yang muncul dalam pengalaman pengguna? Bagaimana Anda memastikan otomatisasi terasa membantu dan andal, bukan mengganggu atau tidak transparan?
Risiko utama bergeser dari AI mengatakan sesuatu yang keliru menjadi AI melakukan sesuatu yang keliru. Untuk menguranginya, saya membentuk model solusi produk yang menempatkan para ahli, banyak di antaranya mantan pendiri perusahaan, sebagai penanggung jawab bidang-bidang tertentu dalam produk. Mereka menetapkan aturan dan batas pengaman yang spesifik tentang cara AI menjalankan tugas, memastikan AI tidak pernah bertindak dengan cara yang mengejutkan atau membingungkan staf manusia.
Dalam perumahan dan layanan kesehatan, gangguan kecil pun dapat dengan cepat mengikis kepercayaan. Bagaimana Anda merancang sistem AI berbasis agen yang tetap transparan, dapat diprediksi, dan mudah diintervensi serta dikoreksi manusia bila diperlukan?
Merancang untuk membangun kepercayaan dimulai dengan meninggalkan pola pikir reaktif tradisional yang hanya menunggu sesuatu rusak. Sebagai gantinya, saya membangun tim yang menjembatani kerumitan operasional dunia nyata dan logika AI. Mereka bukan staf dukungan, melainkan ahli strategi dan mantan pendiri yang bertanggung jawab penuh atas bidang tertentu dalam produk dari awal sampai akhir.
Mereka mendampingi pekerja untuk memahami aturan industri yang tidak dapat ditawar, seperti alur persetujuan perumahan militer yang kompleks atau waktu respons medis yang ketat, lalu menanamkannya langsung ke dalam perilaku AI. Transparansi muncul karena sistem kami dirancang untuk secara proaktif menandai potensi masalah sebelum menjadi keluhan penghuni atau pasien. Saat AI mendeteksi situasi yang sarat emosi atau permintaan rumit di luar cakupan pelatihannya, AI tidak menebak. AI memicu penyerahan kepada manusia dan memberi staf riwayat serta konteks interaksi secara lengkap. Dengan begitu, staf dapat masuk sebagai mitra yang memahami situasi, bukan memulai dari nol.
Dari posisi Anda dalam mengawasi penerapan dan keberhasilan klien, hambatan apa yang paling sering mereka hadapi ketika memasukkan AI ke dalam alur kerja operasional? Bagaimana EliseAI menguranginya sejak awal penerapan?
Hambatan terbesar jarang terletak pada teknologinya sendiri, melainkan pada kekhawatiran bahwa teknologi akan mengacaukan alur kerja tim atau menggantikan peran mereka. Kami menanganinya dengan berfokus pada pengurangan beban yang langsung terasa dan praktis. Pada minggu pertama, AI mengambil alih tugas berulang dalam jumlah besar yang biasanya menimbulkan kelelahan kerja paling besar, seperti tindak lanjut awal kepada calon pelanggan. Kami juga memakai AI kami sendiri untuk mengelola operasi internal perusahaan. Ini membantu kami memahami titik tekanan yang tepat saat mengubah alur kerja, sehingga kami bisa menjadi mitra yang lebih baik ketika pelanggan mengalami transisi yang sama.
Banyak organisasi kesulitan melampaui tahap uji coba. Bagaimana Anda membantu pelanggan mengembangkan proses dan harapan agar AI tertanam dalam operasi sehari-hari, bukan tetap menjadi eksperimen sampingan?
AI baru benar-benar melekat ketika berhenti menjadi proyek sampingan dan menjadi bagian biasa dari hari kerja. Kami membantu pemimpin menata ulang tim agar, setelah AI menangani pekerjaan rutin, orang dapat berfokus pada tugas yang sungguh membutuhkan pendekatan manusiawi.
EliseAI kini mendukung sekitar satu dari enam apartemen di AS. Bagaimana harapan pelanggan berubah pada skala tersebut, dan tantangan pengalaman baru apa yang muncul ketika AI menjadi bagian dari operasi biasa?
Pada skala ini, AI bukan lagi sekadar inovasi yang keren. AI adalah layanan dasar, seperti listrik. Harapan bergeser dari merasa terkesan ketika AI bekerja menjadi tidak dapat menerima kegagalannya. Kami harus mengelola variasi itu sambil mempertahankan keandalan 100%.
Melihat dua hingga tiga tahun ke depan, bagaimana Anda membayangkan perubahan peran Chief Experience Officer ketika sistem AI memikul tanggung jawab lebih besar dalam layanan penting seperti perumahan dan kesehatan?
Peran itu akan berkembang dari mengelola layanan pelanggan menjadi mengoordinasikan kemitraan manusia dan AI. Saat AI mengambil alih bagian administratif dan berulang dalam pekerjaan, fokus CXO akan bergeser sepenuhnya ke titik interaksi strategis dan emosional. Tanggung jawab kami adalah memastikan bahwa ketika dunia makin terotomatisasi, interaksi antarmanusia dalam perumahan dan layanan kesehatan menjadi lebih disengaja dan lebih berdampak.
Terima kasih atas wawancara yang luar biasa. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi EliseAI.












