Gal Rimon, Pendiri dan CEO Centrical – Seri Wawancara

Gal Rimon mendirikan Centrical (sebelumnya GamEffective) pada tahun 2013 dengan visi yang jelas: membantu perusahaan memperkuat karyawan mereka dan membuat orang menjadi pusat keberhasilan bisnis. Sebelum Centrical, ia menjabat sebagai CEO Gilon Business Insight, pemimpin di bidang bisnis intelijen. Ketika Gilon diakuisisi oleh Ness Technologies (NASDAQ: NSTC) pada tahun 2010, Gal bergabung dengan Ness sebagai Wakil Presiden Senior dan anggota tim kepemimpinan eksekutif. Sebelumnya dalam karirnya, ia menjabat sebagai VP Hubungan Pelanggan dan Operasi di Deloitte Consulting dan memegang posisi di EDS dan Bashan. Gal memegang gelar MBA di Pemasaran dan Teknologi Informasi dari Universitas Tel Aviv.

Centrical adalah platform kinerja dan pengembangan karyawan yang ditenagai oleh AI yang membantu organisasi meningkatkan efektivitas tim garis depan melalui sistem terpadu untuk manajemen kinerja, pelatihan pribadi, pembelajaran berkelanjutan, jaminan kualitas, dan gamifikasi. Platform ini menggabungkan data kinerja karyawan, pelatihan yang didorong oleh AI, mikro-pembelajaran, program pengakuan, dan wawasan waktu nyata untuk membantu manajer mengidentifikasi peluang untuk perbaikan dan membimbing karyawan menuju hasil yang lebih baik. Secara luas digunakan oleh pusat kontak, organisasi penjualan, dan tim pengalaman pelanggan, Centrical dirancang untuk meningkatkan keterlibatan karyawan, produktivitas, kepuasan pelanggan, dan kinerja bisnis secara keseluruhan dengan menyampaikan bimbingan dan motivasi yang dipersonalisasi dalam skala besar.

Sebelum mendirikan Centrical, Anda menghabiskan waktu bertahun-tahun dalam kepemimpinan intelijen bisnis, termasuk sebagai CEO Gilon sebelum akuisisi oleh Ness Technologies. Bagaimana pengalaman itu membentuk pandangan Anda bahwa perusahaan tidak hanya membutuhkan dasbor/data yang lebih baik, tetapi sistem yang dapat mengubah wawasan menjadi tindakan untuk tim garis depan?

Saya menghabiskan hampir dua dekade di bisnis intelijen, bekerja dengan perusahaan konsultan seperti EDS dan Deloitte dan kemudian menjalankan perusahaan saya sendiri. Kami membantu beberapa organisasi terbesar di dunia untuk memahami data mereka, dan kami baik dalam melakukannya. Tapi saya terus menghadapi tembok yang sama. Perusahaan telah berinvestasi besar-besaran dalam infrastruktur data. Dasbor-dasbor itu canggih. KPI-KPI itu sudah ditentukan dengan baik. Dan masih, sangat sedikit yang berubah.

Inteligensi itu ada. Ini hanya tidak bertindak. Link yang hilang selalu elemen manusia. Anda bisa meletakkan bendera merah di samping karyawan yang performanya rendah di dasbor, tetapi bendera itu tidak mengatakan kepada manajer apa yang harus dilakukan, dan itu tidak membantu karyawan untuk memperbaiki. Jembatan antara wawasan dan eksekusi melalui orang, dan tidak ada alat BI yang pernah saya kerjakan yang dirancang untuk menyeberangi itu. Itu menjadi ide dasar di balik Centrical. Pertanyaannya tidak pernah “bagaimana kita memberi pemimpin lebih banyak data?” tetapi “bagaimana kita mengubah data menjadi tindakan yang tepat, untuk orang yang tepat, pada saat yang tepat?”

Semakin banyak solusi titik yang Anda miliki, semakin banyak data yang Anda miliki, dan semakin menantang ini bisa menjadi.

Centrical menjelaskan dirinya sebagai membangun “Performance Intelligence OS” untuk garis depan. Apa artinya ini dalam istilah praktis untuk tim layanan pelanggan, hospitalitas, perbankan, atau tim telekomunikasi yang menggunakan platform ini setiap hari?

Mari kita bayangkan seorang agen layanan pelanggan di bank besar: dia menangani panggilan yang kompleks sepanjang hari. Manajernya mengawasi tim yang terdiri dari 30 orang di dua situs. Tanpa sistem operasi kinerja, manajer menghabiskan sebagian besar waktunya untuk menarik laporan, meninjau skor QA, dan mencoba untuk mengetahui siapa yang membutuhkan perhatian. Dengan Centrical, hari itu terlihat berbeda. Platform ini dimulai dari hasil bisnis: target perbaikan kualitas, peluncuran produk baru, atau persyaratan kepatuhan. Ini mengambil sinyal dari data KPI, evaluasi kualitas, kemajuan pembelajaran, dan umpan balik karyawan untuk mengidentifikasi di mana celah-celahnya. Ketika seorang agen memiliki kelemahan tertentu, katakanlah, pertanyaan yang lemah tentang retensi panggilan, platform itu mengangkat itu ke manajer dengan tindakan pelatihan yang disarankan sudah disiapkan, dan itu memicu simulasi peran yang ditargetkan untuk agen untuk berlatih sebelum panggilan berikutnya.

Untuk agen di hospitalitas, itu mungkin berarti tantangan yang dipersonalisasi yang terikat dengan perilaku pendaftaran loyalitas, dengan umpan balik waktu nyata dan pengakuan yang dibangun ke dalam aliran kerja. Untuk tim telekomunikasi yang meluncurkan produk baru, itu mungkin berarti pembelajaran adaptif yang disesuaikan dengan celah pengetahuan yang ada dari setiap perwakilan daripada mendorong semua orang melalui konten yang sama.

Benang merah yang umum adalah bahwa sistem ini menghubungkan strategi ke eksekusi untuk setiap orang di lantai, tidak hanya mereka yang manajernya kebetulan memiliki waktu itu minggu.

Banyak perusahaan sudah memiliki alat BI, sistem manajemen tenaga kerja, platform pembelajaran, dan perangkat lunak jaminan kualitas. Di mana sistem-sistem ini biasanya gagal ketika datang ke perbaikan kinerja karyawan di dunia nyata?

Masalahnya bukanlah alat-alat itu secara individu, tetapi bahwa mereka tidak berbicara satu sama lain dengan cara yang benar-benar menguntungkan operasi garis depan.

Sistem QA mengibarkan bendera masalah kualitas. Bendera itu duduk di dasbor. Manajer melihatnya tiga hari kemudian, jika sama sekali. Platform pembelajaran memiliki konten yang bisa membantu, tetapi tidak ada yang menghubungkan bendera itu dengan konten. Sistem manajemen tenaga kerja mengoptimalkan jadwal tetapi tidak tahu apa-apa tentang celah keterampilan. Dan pengakuan terjadi secara terpisah, di alat lain.

Jadi, wawasan dan keputusan tidak pernah mencapai orang-orang yang membutuhkannya. Pelatihan terputus dari pelatihan, pelatihan terputus dari hasil, dan karyawan garis depan mengalami serangkaian program yang terfragmentasi yang tidak mengarah pada perbaikan.

Dan sekarang, agen AI memasuki campuran, dikerahkan dan dioptimalkan dalam isolasi dari tenaga kerja manusia, lebih lanjut memperumit tantangan. Jawabannya bukan hanya menghubungkan platform-platform ini. Ini adalah mengatur mereka di sekitar tujuan yang sama: intervensi yang tepat, untuk orang yang tepat, pada saat yang tepat, diukur terhadap hasil bisnis yang nyata.

Hasil pelanggan perusahaan terbaru termasuk perbaikan dalam resolusi panggilan pertama, kinerja penjualan, pendaftaran loyalitas, produktivitas, dan pengurangan kesalahan. Apa yang hasil tersebut ungkapkan tentang jenis pekerjaan garis depan yang dapat ditingkatkan oleh AI pertama?

Benang merah yang umum di semua hasil itu adalah bahwa mereka melibatkan pekerjaan yang dapat diukur dan ditingkatkan melalui perubahan perilaku, melalui penguatan pengetahuan, pengembangan keterampilan, dan pelatihan, bimbingan, dan motivasi yang dipersonalisasi yang membuatnya bertahan.

Batas baru yang dibuka oleh AI sekarang adalah melakukan ini pada tingkat individu, tidak hanya untuk segmen atau kohort, tetapi untuk setiap orang, berdasarkan celah-celah khusus mereka, peran mereka, dan di mana mereka berada dalam perjalanan pengembangan mereka, dan apa yang bisnis butuhkan dari mereka.

Tim layanan pelanggan Samsung memperbaiki resolusi panggilan pertama sebesar 7,5% sementara mengurangi pekerjaan administratif manajer sebesar 70%.

Bagian belakang kantor keuangan dari salah satu bank teratas AS mengalami pengurangan kesalahan sebesar 66,7% dan peningkatan sebesar 4,8% dalam akun yang diproses.

IHG Hotels & Resorts ingin staf meja depan mereka secara aktif mengenali dan mendaftarkan tamu ke program One Rewards mereka. Kami mengubah pelatihan menjadi misi, memberi staf koin untuk menyelesaikan pembelajaran dan mendaftarkan anggota, dan membiarkan properti bersaing di papan peringkat. Hotel yang menggunakan platform Centrical mencapai hingga 4 kali lipat perbaikan dalam pengakuan dan efisiensi pendaftaran loyalitas, menghasilkan jutaan dolar dalam pendapatan tambahan dan pemesanan langsung.

Centrical memperluas portofolio AI-nya dengan pelatihan yang dibantu AI, simulasi peran, pengalaman kinerja yang sangat dipersonalisasi, dan kecerdasan kinerja otonom. Kemampuan mana yang Anda percayai akan memiliki dampak terbesar pada tim perusahaan dalam jangka pendek?

Tergantung pada di mana suatu organisasi berada dalam transformasinya. Saya akan menyoroti dua kemampuan yang saat ini memiliki dampak yang segera dan dapat diukur bagi pelanggan kami.

Pelatihan yang dibantu AI memiliki efek yang besar karena organisasi berada di bawah tekanan nyata untuk membuat pelatihan lebih efisien, meningkatkan rentang kendali manajer, dan masih meningkatkan kinerja tim. Manajer adalah pengaruh terbesar pada kinerja garis depan, dan masih, mereka secara historis menghabiskan lebih banyak waktu untuk pelaporan daripada pelatihan. Asisten AI kami membalik rasio itu: itu mengangkat siapa yang harus dilatih, tentang apa, dan mengapa, dengan tindakan yang tepat sudah disiapkan. Dan itu semua diprioritaskan berdasarkan tujuan bisnis. Manajer menjadi pelatih yang lebih baik tanpa perlu lebih banyak jam dalam sehari.

Simulasi peran AI juga sangat penting sekarang, karena alasan yang berbeda. Ketika AI mengambil alih interaksi yang lebih sederhana, percakapan yang mencapai agen manusia menjadi lebih kompleks: emosional, berat pengecualian, tingkat taruhan tinggi. Pada saat yang sama, organisasi memobilisasi tenaga kerja mereka ke dalam peran baru lebih cepat daripada sebelumnya. Praktik (di aliran kerja) adalah satu-satunya cara untuk membangun kepercayaan diri dan kompetensi dalam situasi tersebut sebelum mereka terjadi secara langsung. Peran yang dimainkan dalam skala besar, didorong oleh celah kinerja yang sebenarnya, membuat itu memungkinkan.

Kecerdasan Kinerja Otonom adalah batas depan berikutnya. Visi itu adalah sistem yang mengidentifikasi peluang, memicu program yang tepat, dan terus-menerus memperbaiki eksekusi garis depan tanpa menunggu manajer untuk memulai.

Bagaimana pelatihan yang dibantu AI mengubah peran manajer garis depan, terutama ketika banyak manajer sudah kelebihan beban dengan pekerjaan administratif dan pelaporan kinerja?

Data kami menunjukkan bahwa manajer menghabiskan sekitar 60% waktu mereka untuk analisis data dan sekitar 20% untuk evaluasi, meninggalkan kurang dari 20% untuk mendukung tim mereka. Itu adalah disfungsi inti. Orang-orang yang paling bertanggung jawab atas kinerja garis depan menghabiskan sebagian besar waktu mereka melakukan hal-hal yang seharusnya dilakukan oleh sistem untuk mereka.

Pelatihan AI merebut kembali waktu itu. Manajer mendapatkan pandangan yang diprioritaskan tentang siapa yang harus dilatih, tentang perilaku apa, dengan pendekatan yang disarankan sudah disiapkan. Sesi dapat direkam dan didokumentasikan secara otomatis, sehingga tindakan pengikutnya diaktifkan langsung dari percakapan pelatihan daripada duduk di catatan yang tidak dibaca. Tujuan pribadi yang dibuat adalah yang dapat dicapai dan terlihat oleh karyawan.

Data kami sudah menunjukkan bahwa manajer yang menggunakan kemampuan AI kami melatih lebih banyak, dan pelatihan mereka memiliki dampak yang lebih besar pada kinerja tim. Salah satu pelanggan besar kami di hospitalitas melihat perbaikan sebesar 10% dalam efektivitas pelatihan berkat AI, yang menghasilkan perbaikan yang dapat diukur dalam KPI: semua KPI yang karyawan dilatih dengan kemampuan AI Centrical diperbaiki.

Salah satu bagian paling menarik dari posisi Centrical adalah gagasan tentang mengelola kinerja karyawan manusia dan digital. Bagaimana perusahaan harus memikirkan manajemen kinerja ketika agen AI menjadi bagian dari operasi garis depan?

Sebagian besar perusahaan berjalan ke dalam masalah yang tidak mereka lihat. Agen AI muncul dari mana-mana: satu dari platform pusat kontak, satu dari CRM, beberapa dari tim yang dibangun, dan lain-lain yang dibundel ke dalam alat yang sudah mereka bayar. Kami menyebutnya kebun binatang agen. Mereka semua melakukan pekerjaan, tetapi tidak ada yang memiliki kinerja mereka. Tidak ada yang bisa mengatakan kepada Anda agen mana yang sebenarnya baik dalam pekerjaan, mana yang mengambang, atau mana yang harus ditarik.

Instingnya adalah untuk memperlakukan itu sebagai masalah teknis, model, atau integrasi. Saya pikir itu adalah kerangka yang salah. Begitu agen AI melakukan pekerjaan garis depan, itu perlu diatur dengan ketat yang sama yang kita bawa ke kinerja manusia: tujuan yang jelas, hasil yang dapat diukur, sertifikasi sebelum menangani sesuatu yang berisiko tinggi, dan umpan balik yang menangkap drift sebelum itu menyebabkan kerusakan.

Itu adalah lapisan yang paling perusahaan kurang. Bukan tempat lain untuk membangun agen, tetapi lapisan terpadu untuk mengelola, mensertifikasi, dan mengatur mereka, duduk di sistem yang sama yang mengelola orang Anda. Karena pekerjaan itu tidak lagi manusia atau digital. Ini keduanya, di tim yang sama, sering di tugas yang sama. Seorang dan tiga agen menangani interaksi pelanggan. Jika Anda mengukur orang di satu tempat dan agen di tempat lain, Anda hanya melihat fragmen dari kinerja mereka.

Manajemen kinerja harus dilihat sebagai satu disiplin di seluruh tenaga kerja, manusia dan digital. Tujuan yang sama, akuntabilitas yang sama, loop yang sama dari ukur, latih, perbaiki.

Apa pengaman yang diperlukan untuk memastikan bahwa sistem kinerja yang didorong oleh AI mendukung karyawan daripada hanya meningkatkan tekanan, pengawasan, atau harapan produktivitas yang tidak realistis?

Ini adalah topik penting karena kami menggunakan AI untuk membantu orang menjadi versi yang lebih baik dari diri mereka sendiri di tempat kerja.

Tekanan dapat menghasilkan hasil jangka pendek. Tapi dalam jangka panjang, Anda perlu memberi orang tujuan yang jelas: membantu mereka membangun keterampilan spesifik yang dibutuhkan peran mereka, dan menciptakan praktik yang terfokus pada perilaku yang paling penting. Itu adalah kesepakatan yang berbeda bagi karyawan. Sistem itu tidak ada untuk mengawasi Anda. Ini ada untuk membuat Anda baik dalam pekerjaan Anda. Dan menjadi baik dalam pekerjaan Anda terasa jauh lebih baik daripada diukur atas itu. Ini adalah hal yang sederhana, tapi tidak ada yang datang ke tempat kerja untuk melakukan pekerjaan yang buruk.

Jadi, pengaman yang sebenarnya bukanlah kebijakan, atau proses, atau program pengakuan yang duduk di samping. Mereka adalah instruksi, keterampilan, dan alat yang dibangun ke dalam pekerjaan sehari-hari untuk membuat pekerjaan lebih mudah, lebih menguntungkan, lebih efektif. Keterampilan pertama, kemudian perilaku, kemudian kinerja. Dan di bawah semua itu, motivasi: karyawan harus melihat kemajuan yang mereka buat dan merasakannya. Setiap langkah harus terhubung kembali ke sesuatu yang mereka pedulikan: pelanggan yang mereka bantu, tim yang mereka bagian, dan ke mana mereka ingin pergi selanjutnya. Itu yang membuatnya terasa seperti lebih dari sekadar papan skor.

Dan karena AI menangani admin, pelaporan, prioritas, manajer mendapatkan waktu mereka kembali untuk benar-benar melatih. Untuk hadir. Hubungan manusia itu adalah yang membuat semuanya bekerja.

Centrical baru-baru ini mengumpulkan $39 juta dalam pendanaan Seri D, membawa total pendanaan menjadi lebih dari $100 juta. Dalam 12 hingga 24 bulan ke depan, bagaimana modal baru ini akan mempercepat ekspansi global Anda dan pengembangan alat AI untuk mengelola kinerja garis depan di seluruh karyawan manusia dan digital?

Kami memikirkan pertumbuhan di beberapa area:

Kami melayani perusahaan di 150 negara dan 60 bahasa hari ini, dan putaran ini akan mempercepat pertumbuhan kami secara global.

Memperdalam Kecerdasan Kinerja Otonom akan menjadi salah satu area fokus kami. Tahap berikutnya adalah sistem yang mengidentifikasi peluang, memicu program yang tepat, dan memperbaiki eksekusi garis depan secara terus-menerus tanpa memerlukan manajer untuk memulai.

Akhirnya, memperluas platform untuk mengatur kinerja di seluruh karyawan manusia dan AI bersama. Ketika agen AI mengambil alih tugas garis depan, perusahaan memerlukan ketat yang sama sekitar standar kinerja, pelatihan, dan pengukuran untuk karyawan digital seperti yang mereka miliki untuk karyawan manusia. Kami berada dalam posisi untuk menjadi sistem operasi untuk kenyataan hybrid itu.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Centrical.