Katie Stein, CEO ASAPP – Seri Wawancara

Katie Stein, CEO ASAPP, adalah eksekutif teknologi dan bisnis berpengalaman dengan lebih dari dua dekade pengalaman yang meliputi strategi korporasi, operasi, transformasi digital, dan pertumbuhan perusahaan. Sebelum bergabung ASAPP sebagai CEO pada Agustus 2026, ia menjabat sebagai CEO Atain dan menghabiskan delapan tahun di Genpact, di mana ia menjadi Chief Strategy Officer dan Global Business Leader untuk Enterprise Services and Analytics, mengawasi strategi korporasi, portofolio layanan utama, pengalaman klien, serta inisiatif M&A. Pada awal kariernya, Stein memegang peran kepemimpinan senior di Mercer, termasuk Global Chief Operating Officer untuk bisnis Pensiun, Kesehatan, dan Manfaat senilai $2.5 miliar, serta bekerja sebagai Project Leader di Boston Consulting Group. Kariernya sebagian besar berfokus pada membantu organisasi besar meningkatkan kinerja operasional, menerapkan teknologi secara lebih efektif, dan melaksanakan transformasi bisnis yang kompleks.

ASAPP adalah perusahaan AI yang fokus pada transformasi layanan pelanggan perusahaan melalui AI-native Customer Experience Platform (CXP). Didirikan pada 2015, perusahaan ini mengembangkan teknologi yang menyatukan agen AI, keahlian manusia, data pelanggan, dan sistem perusahaan lintas saluran suara dan digital. Di pusat platform terdapat GenerativeAgent, agen layanan pelanggan AI yang dirancang untuk memahami percakapan, menalar permintaan pelanggan, melakukan tindakan melalui sistem perusahaan yang terhubung, dan melibatkan agen manusia ketika diperlukan pengawasan atau penilaian tambahan. ASAPP juga menyediakan alat untuk pengujian, pemantauan, tata kelola, dan observabilitas, memungkinkan organisasi besar menerapkan AI yang berhadapan dengan pelanggan sambil mempertahankan kontrol lebih besar atas perilaku agen otomatis.

Karier Anda telah membawa Anda dari peran strategi dan transformasi di BCG, Mercer, dan Genpact ke memimpin Atain, dan kini menjadi CEO ASAPP. Apa yang menarik Anda ke ASAPP pada tahap karier ini, dan setelah 30 hari pertama, apa yang Anda identifikasi sebagai peluang dan prioritas terbesar bagi perusahaan?

ASAPP pertama kali muncul di radar saya selama Winter Storm Fern awal tahun ini. Di Atain, kami bekerja dari segala sisi untuk menciptakan kapasitas yang cukup bagi salah satu maskapai penerbangan terbesar di AS saat ribuan pelancong yang terganggu berusaha pulang. ASAPP tidak hanya menjawab pertanyaan; GenerativeAgent-nya memesan ulang lebih dari 3.800 penumpang dalam enam hari, termasuk perubahan itinerari yang kompleks. Itu menunjukkan kepada saya seperti apa AI perusahaan di bawah tekanan nyata. 30 hari pertama saya memperkuat pandangan itu. Kesempatan kami adalah fokus dan skala: berkonsentrasi pada area di mana ASAPP memiliki keunggulan paling jelas, membantu pelanggan beralih dari eksperimen ke dampak produksi, dan mengeksekusi dengan kecepatan serta konsistensi yang lebih tinggi.

Pendekatan ASAPP menyatukan agen AI otonom, alur kerja deterministik, dan pakar manusia dalam satu lapisan orkestrasi. Bagaimana Anda menentukan keputusan mana yang harus diserahkan kepada agen AI, mana yang harus mengikuti aturan yang telah ditetapkan, dan mana yang harus melibatkan penilaian manusia?

Kami tidak menugaskan seluruh interaksi kepada AI, alur kerja yang telah ditetapkan, atau seorang individu. Kami menilai setiap keputusan berdasarkan kompleksitas, risiko, dan kebutuhan akan akuntabilitas. AI sangat cocok untuk memahami niat, menafsirkan konteks, dan beradaptasi dengan pelanggan. Alur kerja memberikan konsistensi ketika langkah atau kebijakan yang diperlukan harus diikuti. Manusia menambahkan penilaian ketika situasi ambigu, luar biasa, atau berdampak signifikan. Orkestrasi menyatukan ketiganya dalam interaksi yang sama. Tujuannya bukan otonomi maksimum. Melainkan menyelesaikan lebih banyak kebutuhan pelanggan sambil menerapkan tingkat kontrol yang tepat pada setiap titik keputusan.

ASAPP memperlakukan keterlibatan manusia sebagai bagian berkelanjutan dari sistem AI, bukan sekadar jalur eskalasi ketika otomatisasi gagal. Seiring agen AI menjadi lebih mampu, di mana Anda percaya manusia akan terus memberikan nilai paling besar dalam interaksi layanan pelanggan?

Kejeniusan manusia! Beberapa bulan lalu, saya berbicara dengan seorang pemimpin CX senior yang mengamati bahwa sejumlah kecil panggilan secara tidak proporsional menyumbang sebagian besar waktu penanganan. Ini sering merupakan kasus pinggiran tanpa FAQ, artikel pengetahuan, atau prosedur operasi standar yang jelas. Mereka sulit karena organisasi belum pernah menemui—atau mengkodifikasi—jawabannya sebelumnya. Manusia akan terus memberikan nilai paling besar dalam momen-momen tersebut: menafsirkan ambiguitas, menyeimbangkan pertimbangan yang bersaing, dan menerapkan penilaian di mana tidak ada panduan yang telah ditetapkan. Namun melibatkan seseorang tidak seharusnya memaksa meninggalkan otomatisasi dan mentransfer seluruh interaksi. AI mengumpulkan apa yang diperlukan dan menyajikan kepada orang tersebut permintaan dan konteks spesifik; manusia memberikan penilaian, lalu AI melanjutkan interaksi. Keahlian itu menyelesaikan masalah langsung, dan membantu memperluas apa yang dapat diselesaikan AI selanjutnya.

Banyak perusahaan telah berhasil mendemonstrasikan AI generatif dalam pilot namun mengalami kesulitan ketika mencoba menerapkannya pada jutaan interaksi pelanggan nyata. Apa yang paling sering diremehkan perusahaan saat beralih dari pilot AI ke sistem agen berskala produksi?

Perusahaan paling sering meremehkan ekor panjang. Pilot biasanya menguji kasus penggunaan yang terdefinisi dalam kondisi terkendali. Pada skala produksi, situasi langka menjadi kejadian sehari-hari: pelanggan mengubah arah, memberikan informasi yang tidak lengkap, atau menggabungkan kebutuhan dengan cara yang tidak diperkirakan siapa pun. Itulah mengapa penskalaan AI agen bukan hanya tantangan model. Dibutuhkan integrasi dengan sistem perusahaan, tata kelola, pemantauan, dan cara melibatkan orang ketika diperlukan penilaian. Pilot membuktikan teknologi berfungsi. Produksi mengambil arsitektur dan disiplin operasional untuk membuatnya dapat diandalkan pada skala.

Seiring perusahaan beralih dari satu asisten AI ke beberapa agen khusus yang bekerja bersama, tantangan teknis atau tata kelola baru apa yang muncul terkait orkestrasi, observabilitas, dan akuntabilitas?

Tantangan baru adalah koordinasi. Lebih banyak agen menghasilkan lebih banyak serah terima, titik keputusan, dan peluang bagi konteks atau akuntabilitas untuk terputus. Perusahaan membutuhkan orkestrasi yang menentukan agen mana yang harus bertindak, informasi dan izin apa yang diterimanya, serta bagaimana pekerjaan mereka berkontribusi pada penyelesaian pelanggan. Observabilitas harus meluas ke seluruh interaksi sehingga organisasi dapat memahami apa yang terjadi dan mengapa. Itu menjadi dasar bagi tata kelola. Keunggulan tidak akan datang dari menyebarkan paling banyak agen. Keunggulan akan datang dari mengoordinasikan semua kecerdasan khusus itu ke dalam satu sistem yang dapat diandalkan, dapat dilacak, dan akuntabel.

ASAPP baru-baru ini memperkenalkan Continuous Red Teaming, yang secara otomatis menguji sistem AI-nya terhadap lebih dari 50 kelas kerentanan seiring model berkembang. Bagaimana perusahaan harus memikirkan kembali keamanan ketika agen AI tidak lagi sekadar menghasilkan respons tetapi semakin mampu mengambil tindakan atas nama pelanggan?

Taruhannya berubah ketika AI beralih dari menjawab pertanyaan menjadi mengambil tindakan. Transaksi yang tidak sah atau kebocoran data pelanggan jauh lebih konsekuensial daripada respons yang tidak akurat. Perusahaan membutuhkan batasan yang jelas tentang apa yang dapat diakses agen, apa yang dapat dilakukannya, dan kapan persetujuan manusia diperlukan. Keamanan juga tidak dapat menjadi tes yang dilakukan sekali sebelum penyebaran. Seiring AI menjadi lebih mampu, pelaku jahat juga berinovasi. Itulah mengapa ASAPP terus menguji terhadap ribuan skenario adversarial yang mencakup lebih dari 50 kelas kerentanan. Keamanan harus berkembang secepat teknologi, sehingga perusahaan dapat memperluas apa yang dapat dilakukan AI tanpa mengorbankan kepercayaan pelanggan.

Generative AI secara inheren bersifat probabilistik, namun proses layanan pelanggan sering melibatkan transaksi, persyaratan kepatuhan, dan tugas lain di mana hasil harus dapat diprediksi. Bagaimana perusahaan dapat mempertahankan fleksibilitas generative AI sambil memperkenalkan struktur deterministik yang cukup agar sistem ini dapat diandalkan?

Kuncinya adalah memisahkan percakapan dari proses bisnis. Kami berpikir Generative AI harus melakukan apa yang paling dikuasainya: memahami pelanggan, menavigasi ambiguitas, dan merespons secara alami. Namun proses kritis—seperti verifikasi, transaksi, dan kepatuhan—harus beroperasi dalam alur kerja berbasis langkah yang menegakkan aturan perusahaan dan urutan yang diperlukan. Arsitektur itu memberi perusahaan yang terbaik dari keduanya: pengalaman yang fleksibel bagi pelanggan dan eksekusi yang dapat diprediksi bagi bisnis. Itu juga membuat proses lebih mudah diuji, diaudit, dan ditingkatkan seiring model berkembang. Perusahaan tidak perlu membuat setiap percakapan pelanggan menjadi kaku agar AI dapat diandalkan. Mereka perlu sangat jelas tentang di mana AI dapat beradaptasi dan di mana proses tidak boleh berubah sama sekali.

Pusat kontak secara tradisional mengukur otomatisasi melalui metrik seperti containment dan pengurangan biaya. Seiring AI agen menjadi lebih canggih, metrik apa yang harus digunakan perusahaan untuk menentukan apakah AI benar‑benar meningkatkan pengalaman pelanggan daripada sekadar mengurangi keterlibatan manusia?

Kami beralih dari metrik seperti deflection dan containment menuju apa yang saya sebut “penyelesaian terverifikasi.” Saya ingin kami bertanggung jawab untuk memahami niat pelanggan dan benar‑benar menyelesaikannya. Sebagai pelanggan, saya menginginkan pengalaman yang menyenangkan, tetapi yang lebih penting, saya ingin alasan saya menghubungi terselesaikan. Ketika kami mengukur hasil itu, bukan sekadar apakah AI mencegah seseorang beralih ke agen manusia, kami menyelaraskan teknologi dengan pekerjaan yang sebenarnya dibutuhkan pelanggan.

Jika satu pakar manusia dapat semakin mengawasi atau membimbing banyak percakapan yang digerakkan AI, bagaimana Anda memperkirakan tenaga kerja pusat kontak akan berkembang? Apakah Anda melihat peran baru muncul seputar pengawasan AI, pelatihan, tata kelola, dan perbaikan berkelanjutan?

Inilah yang membuat saya sangat bersemangat tentang model operasi pusat kontak masa depan. Saat ini, agen manusia berada di garis depan, sering membantu pelanggan yang kecewa, bingung, atau marah, sambil menghabiskan banyak waktu mereka menavigasi sistem kompleks untuk menyelesaikan masalah tersebut. Itu pekerjaan yang menuntut, dan tingkat kelelahan tinggi. Seiring AI agen mengambil lebih banyak pekerjaan itu di saluran suara dan digital, saya percaya akan muncul kelas baru profesional CX: agen manusia sebagai analis. Waktu mereka akan semakin dihabiskan pada situasi yang memerlukan penilaian, tidak hitam‑putih, atau memiliki sensitivitas regulasi. Itu adalah peran yang secara fundamental berbeda, dan peran yang AI sendiri membantu ciptakan.

Setelah 30 hari pertama Anda memimpin ASAPP, apa yang paling mengejutkan Anda tentang posisi perusahaan saat ini dalam adopsi AI agen, dan apa yang Anda yakini akan menentukan tahap selanjutnya dari layanan pelanggan berbasis AI?

Saya terkesan dengan betapa bersedia klien yang saya ajak bicara untuk menjadikan AI agen sebagai pilar utama strategi CX mereka, bukan sekadar hal yang bersampingan. Tantangannya adalah Digital, IT, Security, dan Operations sering bergerak dengan kecepatan yang berbeda dan mengukur keberhasilan secara berbeda. Fragmentasi itu membuat sulit melihat kasus bisnis perusahaan dengan jelas. Tahap selanjutnya akan mengharuskan organisasi menyelaraskan apa yang benar‑benar penting di tingkat perusahaan dan memahami di mana AI agen dalam CX dapat memengaruhi hasil tersebut. Saat ini, dampaknya dapat terpecah‑pecah di antara kartu skor yang ada dan metrik yang terisolasi.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut sebaiknya mengunjungi ASAPP.