Niraj Ranjan, Pendiri dan CEO Hiver – Seri Wawancara

Niraj Ranjan, pendiri dan CEO Hiver, adalah seorang wirausaha berpengalaman dan teknolog yang telah membangun karirnya di persimpangan antara rekayasa perangkat lunak, pengembangan produk, dan pengalaman pelanggan. Ia mendirikan Hiver pada tahun 2017 untuk membayangkan kembali perangkat lunak layanan pelanggan, dengan mengambil pengalaman sebelumnya sebagai co-pendiri Mobicules, di mana ia membesarkan perusahaan dari tim kecil menjadi operasi 35 orang sambil bekerja langsung sebagai programmer dan arsitek. Sebelum menjadi wirausaha, ia menghabiskan hampir lima tahun di Mentor Graphics mengembangkan perangkat lunak emulasi canggih untuk sistem berbasis FPGA, pengalaman yang membentuk pendekatannya dalam membangun produk yang memiliki kinerja tinggi dan dapat diskalakan serta memupuk budaya rekayasa yang kuat.

Hiver adalah platform layanan pelanggan modern yang ditenagai oleh AI, dirancang untuk mempersatukan saluran komunikasi seperti email, obrolan, suara, dan pesan menjadi satu ruang kerja. Ini memungkinkan tim untuk mengelola kotak masuk bersama, mengotomatisasi alur kerja, dan berkolaborasi secara real-time sambil AI menangani tugas berulang seperti pengaturan tiket, penyusunan respons, dan analisis data. Platform ini dibangun untuk menggantikan sistem helpdesk warisan dengan solusi yang lebih intuitif dan dapat diskalakan, membantu organisasi memperbaiki waktu respons, melacak metrik kinerja, dan menyampaikan pengalaman pelanggan yang konsisten di seluruh saluran, dan dipercaya oleh lebih dari 10.000 tim di seluruh dunia.

Awal karir Anda di Mentor Graphics, Anda bekerja pada sistem emulasi perangkat keras canggih yang digunakan untuk mensimulasikan desain elektronik kompleks sebelum mereka dibangun secara fisik. Kemudian, Anda co-mendirikan dan membesarkan Mobicules dari startup tiga orang menjadi perusahaan 35 orang sebelum meluncurkan Hiver. Bagaimana fondasi teknis yang mendalam dan pengalaman penskalaan awal itu membentuk pendekatan Anda dalam membangun AI yang berperforma andal dalam lingkungan dukungan yang nyata dan berat?

Bekerja pada sistem emulasi perangkat keras membentuk cara berpikir tentang keandalan. Sistem tersebut ada karena desain kompleks berperilaku berbeda sekali mereka menghadapi kondisi nyata. Kasus tepi muncul, interaksi antara komponen mengubah hasil, dan model yang rapi runtuh. Pola pikir itu membawa dampak langsung pada lingkungan dukungan pelanggan. Percakapan datang dengan konteks yang hilang, urgensi emosional, dan ketergantungan pada beberapa sistem internal.

Membesarkan perusahaan memaparkan lapisan kompleksitas lain. Ketika tim tumbuh, gesekan operasional menjadi sangat terlihat. Agen menghabiskan waktu untuk menyatukan informasi dari alat yang berbeda dan mengkoordinasikan secara internal sebelum mereka bahkan dapat merespons. Pengalaman itu membentuk pemikiran kami di Hiver. Kami melihat seluruh siklus dukungan, dari saat permintaan tiba hingga titik itu diselesaikan, dan bertanya di mana AI dapat menghilangkan gesekan itu sehingga tim menghabiskan lebih banyak energi untuk memecahkan masalah.

Hiver menekankan menggunakan AI untuk menghilangkan pekerjaan sibuk daripada menggantikan penilaian manusia atau empati. Di mana Anda menggambar garis antara otomatisasi yang membantu dan otomatisasi berlebihan dalam dukungan pelanggan?

Pekerjaan dukungan mengandung banyak upaya operasional yang tidak pernah muncul dalam respons akhir. Agen mengkategorikan permintaan, mencari kebijakan, menarik informasi akun, dan melacak sejarah percakapan panjang sebelum mereka dapat memutuskan apa yang harus dikatakan. AI menangani pekerjaan dasar dengan baik. Ketika sistem dapat merangkum thread atau menampilkan artikel pengetahuan yang tepat pada saat yang tepat, agen memulai percakapan dengan pemahaman situasi yang jauh lebih jelas.

Penilaian memasuki gambaran ketika percakapan melibatkan emosi, pertanggungjawaban, atau ketidakjelasan. Pelanggan yang frustrasi atau kegagalan layanan memerlukan interpretasi dan perawatan dalam cara respons dibingkai. AI dapat menyediakan konteks dan saran dalam momen-momen tersebut, meskipun keputusan akhir tentang nada dan resolusi tetap berada pada orang yang bertanggung jawab atas pengalaman pelanggan.

Banyak alat AI terlihat mengesankan dalam demo produk tetapi bergelut dalam penggunaan produksi sehari-hari. Apa yang telah Anda pelajari tentang kesenjangan antara AI yang demo dengan baik dan AI yang konsisten berfungsi di dalam kotak masuk dukungan volume tinggi?

Sebuah demo menangkap skenario yang bersih. Pertanyaannya dapat diprediksi, basis pengetahuan terorganisir, dan sistem menghasilkan respons. Pekerjaan dukungan nyata jarang terjadi dengan cara itu. Permintaan tiba dengan informasi sebagian, percakapan meluas di seluruh beberapa pertukaran, dan agen sering memerlukan input dari tim atau sistem lain sebelum situasi menjadi jelas.

Salah satu pelajaran yang menjadi jelas dalam produksi adalah bahwa respons itu sendiri hanya satu bagian dari pekerjaan. Sebagian besar upaya berada di sekitar memahami apa yang terjadi dan memutuskan bagaimana masalah harus berlanjut. AI berfungsi jauh lebih baik ketika mendukung aliran pekerjaan. Membantu agen memahami konteks percakapan dengan cepat membuat perbedaan yang signifikan ketika kotak masuk mulai terisi.

Hiver terintegrasi dengan baik ke dalam alur kerja komunikasi yang ada daripada memaksa tim untuk berpindah ke sistem yang sama sekali baru. Seberapa penting filosofi “menemui pengguna di tempat mereka sudah bekerja” ketika menggelar AI dalam lingkungan yang bergerak cepat?

Hal ini sangat penting karena tim dukungan sudah beroperasi di bawah tekanan. Ketika alat baru meminta mereka untuk mengubah cara mereka bekerja atau melompat di antara sistem, gesekan muncul segera. Sebagian besar percakapan dukungan masih dimulai dengan email, dan pekerjaan di sekitar percakapan tersebut melibatkan menarik konteks dari sistem lain dan mengkoordinasikan secara internal dengan rekan. Jika AI berada di luar lingkungan itu, agen berakhir dengan melakukan pekerjaan ekstra hanya untuk menggunakan teknologi.

Kami telah melihat bahwa tim bergerak jauh lebih cepat ketika kecerdasan muncul di dalam alur kerja yang mereka andalkan. Seorang agen yang membuka thread email panjang dapat segera melihat ringkasan percakapan, konteks pelanggan yang relevan, dan saran yang membantu mereka memajukan masalah. Perubahan kecil itu mengurangi waktu yang dihabiskan untuk merekonstruksi apa yang terjadi dan memberi agen lebih banyak ruang untuk fokus pada memecahkan masalah itu sendiri.

Tim dukungan sering beroperasi di bawah tekanan intens, terutama ketika menangani pelanggan yang frustrasi atau masalah yang mendesak. Bagaimana Anda merancang sistem AI yang mengurangi beban kognitif daripada menambah gesekan dalam momen-momen tersebut?

Pekerjaan dukungan menempatkan tuntutan konstan pada perhatian. Seorang agen mungkin menangani puluhan percakapan secara paralel, masing-masing dengan nada, urgensi, dan sejarahnya sendiri. Sebagian besar upaya mental pergi ke merekonstruksi situasi sebelum memutuskan bagaimana merespons.

AI membantu paling ketika mengurangi upaya itu. Membuka thread dan segera melihat ringkasan yang jelas atau artikel pengetahuan yang relevan mengubah titik awal interaksi. Agen menghabiskan waktu lebih sedikit untuk menyatukan apa yang terjadi dan lebih banyak waktu untuk memikirkan cara terbaik untuk menyelesaikan masalah.

Dengan lebih dari 10.000 tim menggunakan Hiver secara global, apa pola yang telah Anda amati dalam evolusi adopsi AI setelah peluncuran awal? Apa yang membedakan tim yang benar-benar mengintegrasikan AI ke dalam alur kerja sehari-hari dari mereka yang memperlakukannya sebagai tambahan opsional?

Tim yang melihat nilai nyata dari AI biasanya memulai dengan beberapa momen sangat spesifik dalam alur kerja di mana agen kehilangan waktu setiap hari. Ringkasan percakapan adalah contoh yang baik. Ketika agen membuka thread panjang dan segera memahami apa yang terjadi, seluruh interaksi dimulai secara berbeda. Hal yang sama berlaku ketika sistem menampilkan artikel bantuan atau kebijakan yang tepat untuk menjawab pertanyaan. Ketika momen-momen tersebut benar-benar membantu, agen mulai menggunakan AI secara alami karena membuat hari mereka lebih mudah.

Faktor lain adalah kualitas pengetahuan di balik sistem. Saran AI sangat bergantung pada dokumentasi dan proses yang ditarik. Tim dengan basis pengetahuan yang jelas dan terpelihara cenderung melihat adopsi yang jauh lebih kuat karena saran tetap berguna dan dapat dipercaya. Seiring waktu, AI menjadi bagian dari cara tim bekerja, hanya karena membantu mereka melewati percakapan dengan lebih jelas.

Dari perspektif strategi produk, bagaimana Anda menyeimbangkan kecepatan inovasi AI dengan mempertahankan keandalan dan kepercayaan — terutama dalam lingkungan di mana kesalahan dapat merusak hubungan pelanggan?

Dukungan pelanggan adalah salah satu lingkungan di mana kesalahan kecil membawa konsekuensi yang besar. Balasan yang salah mengerti masalah penagihan atau pelanggan yang frustrasi dapat menciptakan lebih banyak pekerjaan untuk tim dan merusak kepercayaan dengan cepat. Kenyataan itu memaksa pendekatan yang sangat sengaja tentang di mana AI mengambil tindakan dan di mana mendukung agen manusia. Beberapa tugas, seperti kategorisasi atau merangkum percakapan, toleran terhadap tingkat otomatisasi yang tinggi. Keputusan yang mempengaruhi pendapatan, interpretasi kebijakan, atau hubungan pelanggan memerlukan tingkat kepastian yang jauh lebih tinggi.

Strategi produk menjadi latihan dalam mencocokkan kemampuan AI dengan tingkat keandalan yang diminta tugas. Model dan teknik baru muncul secara konstan, namun ujian yang sebenarnya adalah apakah mereka berfungsi secara konsisten di dalam operasi dukungan sehari-hari. Tim yang membangun sistem tersebut perlu tetap dekat dengan cara agen bekerja dan memperlakukan umpan balik itu sebagai sinyal utama untuk apa yang harus dikirim berikutnya.

Bagaimana Anda pikir AI akan mengubah struktur tim dukungan selama lima tahun ke depan? Apakah akan bergeser ke arah pengawasan dan penilaian, atau akan muncul kategori pekerjaan yang sama sekali baru?

Struktur tim dukungan kemungkinan akan bergeser ke arah lebih sedikit orang yang menangani pemrosesan tiket berulang dan lebih banyak orang yang fokus pada menyelesaikan masalah kompleks. Ketika AI menangani tugas seperti merangkum percakapan, mengatur permintaan masuk, dan membantu menyusun balasan, agen akan menghabiskan lebih banyak waktu untuk memahami apa yang sebenarnya terjadi dalam situasi dan mengkoordinasikan dengan tim lain untuk memperbaikinya. Ini menjadi kurang tentang memindahkan tiket melalui antrean dan lebih tentang memiliki hasil dari masalah pelanggan.

Tim juga akan memerlukan orang yang bertanggung jawab atas sistem yang membuat AI bermanfaat. Dukungan yang dibantu AI sangat bergantung pada dokumentasi yang akurat, proses yang jelas, dan sumber pengetahuan yang dapat diandalkan. Memelihara sistem tersebut menjadi pekerjaan yang berkelanjutan, sehingga organisasi dukungan kemungkinan akan menambahkan fokus pada pengelolaan pengetahuan, perbaikan alur kerja, dan memastikan AI terus memberikan bimbingan yang berguna ketika produk dan kebijakan berkembang.

Hiver beroperasi di pasar help desk yang kompetitif. Apa pergeseran mendasar dalam harapan pelanggan yang Anda percaya platform warisan telah gagal adaptasi?

Pelanggan semakin mengharapkan kesinambungan ketika mereka menghubungi dukungan. Mereka ingin organisasi untuk mengingat interaksi sebelumnya dan membawa konteks itu melalui seluruh percakapan. Mengulangi informasi di seluruh beberapa pertukaran dengan cepat menjadi frustrasi.

Isu dukungan juga meluas di luar tim dukungan itu sendiri. Tim produk, tim operasional, dan manajer akun sering berkontribusi pada resolusi. Platform yang membawa komunikasi dan konteks operasional ke dalam alur kerja yang sama membuatnya lebih mudah untuk menjaga kepemilikan isu dari awal hingga akhir.

Menghadap ke depan, apa yang tampak seperti “dukungan pelanggan yang hebat” dalam dunia yang dipimpin AI — dan apa kemampuan yang akan membedakan perusahaan yang berkembang dari mereka yang tertinggal?

Dukungan yang hebat dalam dunia yang dipimpin AI akan terasa lebih mudah bagi pelanggan. Mereka menghubungi, tim memahami situasi dengan cepat, dan percakapan berlanjut tanpa banyak bolak-balik untuk merekonstruksi apa yang terjadi. Teknologi di baliknya tetap sebagian besar tidak terlihat. Apa yang pelanggan perhatikan adalah bahwa masalah mereka dipahami dan diselesaikan tanpa usaha yang tidak perlu.

Bagi tim yang menjalankan dukungan, pengalaman itu datang dari memiliki konteks yang tepat tersedia saat percakapan dimulai. AI membantu mengatur informasi dan menampilkan apa yang penting sambil agen fokus pada memahami pelanggan dan memandu isu ke resolusi. Perusahaan yang berkembang akan menjadi mereka yang membangun operasi dukungan mereka di sekitar kejelasan dan kesinambungan dalam interaksi tersebut.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Hiver.