Reggie Scales, Presiden dan Kepala Unit Bisnis Aplikasi di Vonage – Seri Wawancara

Reggie Scales, Presiden dan Kepala Unit Bisnis Aplikasi di Vonage, adalah eksekutif teknologi dan komunikasi berpengalaman dengan lebih dari dua dekade pengalaman memimpin penjualan, operasi, strategi go-to-market, dan pertumbuhan bisnis. Sejak bergabung dengan Vonage pada tahun 2018, ia memegang tanggung jawab kepemimpinan senior dalam bisnis aplikasi perusahaan. Sebelumnya, Scales menjabat sebagai Senior Vice President untuk wilayah Barat AS di Masergy, Vice President dan General Manager wilayah Tengah di Comcast Business, serta Senior Vice President Penjualan dan Pemasaran di Wilcon. Pada awal kariernya, ia menghabiskan lebih dari 12 tahun di PAETEC, naik melalui beberapa posisi eksekutif, termasuk President of Sales and Service, di mana ia mengarahkan penjualan dan operasi bisnis untuk wilayah bernilai $1 miliar dengan sekitar 500 karyawan. Kariernya berfokus pada skala bisnis komunikasi, membangun tim berperforma tinggi, serta mengembangkan strategi penjualan perusahaan dan keterlibatan pelanggan.

Vonage adalah perusahaan teknologi perusahaan global dan bagian dari Ericsson, yang menyediakan API komunikasi, komunikasi terpadu, dan solusi contact center untuk lebih dari 100.000 bisnis di seluruh dunia. Platformnya memungkinkan organisasi menyematkan suara, video, pesan, otentikasi, dan kemampuan komunikasi lainnya secara langsung ke dalam aplikasi dan pengalaman pelanggan, sementara produk komunikasi bisnis dan contact center mendukung kolaborasi karyawan serta keterlibatan pelanggan. Vonage semakin mengintegrasikan kecerdasan buatan dan intelijen jaringan seluler ke dalam platformnya, memberi bisnis dan pengembang alat untuk menciptakan pengalaman komunikasi yang lebih personal, aman, dan otomatis di seluruh saluran digital.

Karier Anda telah melintasi penjualan, layanan, operasi regional, infrastruktur komunikasi, dan kini kepemimpinan bisnis aplikasi Vonage. Bagaimana pengalaman operasional tersebut membentuk pendekatan Anda terhadap adopsi AI, khususnya kebutuhan menyeimbangkan inovasi dengan hasil yang terukur bagi pelanggan dan bisnis?

Saya telah menghabiskan lebih dari 25 tahun di bidang komunikasi, dan setiap tahap karier saya menegaskan pentingnya menghubungkan investasi teknologi dengan kebutuhan bisnis yang jelas. Saya memulai dengan menjual layanan jarak jauh, kemudian bergerak melalui komunikasi lokal, jaringan data, komputasi awan, dan kini AI. Saya berkesempatan menyaksikan beberapa pergeseran besar dalam industri kami, dan satu pelajaran yang konsisten: teknologi baru memberikan nilai berkelanjutan ketika ia menyelesaikan masalah nyata bagi pelanggan dan bisnis.

Saya menerapkan pemikiran yang sama pada AI. Di sebuah contact center, titik awal haruslah hasil yang ingin Anda tingkatkan. Itu bisa berupa membantu pelanggan menyelesaikan pertanyaan rutin lebih cepat, memberi karyawan informasi yang lebih baik selama percakapan, mengurangi langkah yang tidak perlu, atau mempermudah perpindahan antar saluran tanpa kehilangan konteks.

Peran saya saat ini mencakup produk, rekayasa, penjualan, kemitraan, dan dukungan pelanggan, yang juga memengaruhi cara saya memikirkan adopsi. Sebuah kemampuan bisa mengesankan secara teknis, tetapi perusahaan tetap harus mempertimbangkan bagaimana ia cocok dengan operasi yang ada, seberapa mudah karyawan dan pelanggan dapat menggunakannya, dan bagaimana mereka akan mengukur apakah itu berhasil. Koneksi antara teknologi, pelaksanaan, dan hasil sangat penting dengan AI karena kecepatan perubahan yang sangat cepat.

Banyak perusahaan bersemangat memperkenalkan AI generatif dan agenik ke dalam contact center mereka. Pekerjaan dasar apa yang harus mereka selesaikan terkait data, desain alur kerja, integrasi sistem, dan tata kelola sebelum mencoba memperluasnya di luar pilot awal?

Perusahaan membutuhkan fondasi yang kuat sebelum memperluas AI ke seluruh contact center. Sebuah pilot dapat berfungsi dalam lingkungan terkendali dengan kumpulan data yang sempit dan alur kerja terbatas. Memperluasnya berarti menghubungkan AI ke lebih banyak sistem, lebih banyak informasi pelanggan, dan lebih banyak bagian bisnis, yang menambah kompleksitas.

Data adalah salah satu area pertama yang harus ditangani. Organisasi perlu memahami di mana informasi pelanggan mereka berada, apakah data tersebut akurat dan terkini, serta siapa yang memiliki izin untuk menggunakannya. Desain alur kerja sama pentingnya. Perusahaan harus memahami proses yang akan dimasuki AI, keputusan apa yang dapat diambilnya, dan di mana manusia perlu terlibat.

Integrasi adalah komponen utama lainnya. Pelanggan berkomunikasi melalui suara, pesan, video, dan saluran lain, sementara karyawan mungkin mengandalkan beberapa sistem di belakang layar. Jika lingkungan tersebut tetap terputus, menambahkan AI dapat menciptakan lapisan fragmentasi tambahan.

Tata kelola harus dibangun sejak awal juga. Perusahaan memerlukan aturan yang jelas mengenai privasi, keamanan, akses, dan pengawasan manusia. Mereka juga harus menentukan bagaimana mereka akan mengevaluasi AI seiring waktu. Melampaui pilot memerlukan keyakinan bahwa teknologi dapat beroperasi secara konsisten ketika jumlah interaksi dan variasi situasi meningkat.

Informasi pelanggan sering terfragmentasi di antara sistem manajemen hubungan pelanggan, transkrip panggilan, riwayat pesan, dan platform perusahaan lainnya. Apa yang diperlukan untuk lapisan konteks pelanggan yang benar‑benar terpadu, dan bagaimana organisasi dapat mencegah sistem AI bertindak atas informasi yang tidak lengkap atau kedaluwarsa?

Lapisan konteks pelanggan yang berguna dimulai dengan menghubungkan informasi yang menjelaskan siapa pelanggan, apa yang telah terjadi dalam perjalanan mereka, dan apa yang mereka coba capai saat ini. Itu dapat mencakup informasi CRM, transkrip panggilan, riwayat pesan, detail akun, interaksi layanan sebelumnya, dan catatan relevan lainnya.

Banyak perusahaan masih mengelola bagian‑bagian tersebut di sistem terpisah, dan hal itu menimbulkan masalah, baik dengan atau tanpa AI. Seorang pelanggan mungkin memulai percakapan di satu saluran, beralih ke saluran lain, lalu harus mengulang informasi karena sistem kedua tidak memiliki riwayat interaksi pertama. AI membuat penyelesaian fragmentasi ini menjadi lebih penting karena agen hanya dapat memberikan rekomendasi yang berguna atau mengambil tindakan yang tepat bila memiliki konteks yang dapat diandalkan.

Organisasi perlu mengetahui sistem mana yang menjadi otoritatif untuk tiap jenis informasi dan memiliki proses untuk menjaga informasi tersebut tetap mutakhir. Mereka juga harus menyiapkan pengaman untuk situasi di mana AI tidak memiliki cukup konteks untuk melanjutkan dengan yakin.

Jika informasi hilang, bertentangan, atau usang, AI harus dapat mengenali keterbatasan tersebut dan meminta klarifikasi atau melibatkan manusia. Hal ini sangat penting ketika AI beralih dari sekadar menjawab pertanyaan menjadi mengambil tindakan bagi pelanggan.

Seperti apa handoff yang efektif dari agen virtual ke penasihat manusia? Informasi apa tentang niat pelanggan, percakapan sebelumnya, tindakan yang telah diselesaikan, dan masalah yang belum terselesaikan yang harus dipindahkan agar pelanggan tidak harus memulai kembali?

Pelanggan harus merasakan handoff yang mulus sebagai kelanjutan percakapan yang sama. Pada saat penasihat manusia bergabung dalam interaksi, ia harus mengerti mengapa pelanggan menghubungi, apa yang sudah dibahas, apa yang telah diselesaikan oleh agen virtual, dan apa yang masih perlu ditangani.

Setidaknya, handoff harus mencakup niat pelanggan, riwayat percakapan yang relevan, informasi akun yang diperlukan untuk interaksi, langkah atau verifikasi yang sudah selesai, serta alasan agen virtual meningkatkan masalah tersebut. Jika pelanggan sudah menjelaskan masalah atau menjawab pertanyaan, penasihat harus memiliki informasi itu siap pakai.

Kelanjutan ini penting karena salah satu sumber frustrasi terbesar dalam layanan pelanggan adalah harus memulai kembali. AI seharusnya membantu mengurangi gesekan tersebut, bukan menambah langkah.

Seiring agen virtual semakin mampu menangani porsi interaksi rutin yang lebih besar, kualitas transisi ke manusia menjadi semakin penting. Akan terus ada situasi yang memerlukan empati, penilaian, kreativitas, atau pemecahan masalah yang lebih nuansial. Perusahaan harus merancang hal ini sejak awal dan memberi karyawan konteks yang cukup untuk melanjutkan percakapan secara efektif dari agen AI ketika situasi tersebut muncul.

Fase berikutnya dari AI pengalaman pelanggan diperkirakan akan lebih fokus pada intelijen yang tertanam langsung ke dalam alur kerja yang ada, bukan pada alat mandiri. Bagaimana perubahan ini memengaruhi peran AI di contact center, dan bagaimana perusahaan harus memutuskan tugas mana yang otomatis sepenuhnya versus yang tetap dipimpin manusia?

Menanamkan AI ke dalam alur kerja yang ada sangat efektif karena karyawan dan pelanggan tidak perlu berpindah ke pengalaman terpisah untuk merasakan manfaatnya. AI dapat mendukung apa yang sudah terjadi di contact center dengan membantu karyawan menemukan informasi selama percakapan, merangkum interaksi, menyarankan langkah selanjutnya, atau menyelesaikan proses rutin bagi pelanggan.

Saat memutuskan apa yang diotomatisasi, perusahaan harus meninjau secara cermat sifat dan konsekuensi tugas tersebut. Interaksi berulang dengan aturan jelas dan hasil yang dapat diprediksi merupakan kandidat kuat untuk otomatisasi lebih lanjut. Permintaan informasi akun yang sederhana, misalnya, sangat berbeda dari percakapan yang melibatkan keluhan sensitif, situasi tidak biasa, atau keputusan yang dapat berdampak signifikan bagi pelanggan.

Karyawan akan terus memegang peran penting di mana empati, penilaian, dan pemecahan masalah kreatif diperlukan. AI juga dapat mendukung karyawan tersebut alih-alih sekadar mengambil alih interaksi.

Saya akan menilai otomatisasi berdasarkan pengalaman yang dihasilkan. Jika sebuah proses menjadi lebih cepat namun menghasilkan lebih banyak kontak ulang, eskalasi, atau frustrasi pelanggan, perusahaan perlu meninjau kembali desain alur kerja tersebut.

Vonage baru‑baru ini memperkenalkan agen AI khusus industri untuk contact center di bidang kesehatan, layanan keuangan, dan ritel. Mengapa spesialisasi vertikal menjadi penting, dan bagaimana perusahaan menentukan apakah agen AI benar‑benar memahami alur kerja, terminologi, serta persyaratan regulasi industri mereka?

Cara pelanggan berinteraksi dengan penyedia layanan kesehatan bisa sangat berbeda dari cara mereka berinteraksi dengan institusi keuangan atau retailer. Teknologi contact center yang mendasarinya mungkin memiliki kesamaan, namun bahasa, alur kerja, harapan pelanggan, dan persyaratan yang mengelilingi interaksi tersebut dapat sangat bervariasi.

Hal ini membuat konteks industri semakin penting seiring agen AI menjadi mampu melakukan lebih dari sekadar menjawab pertanyaan dasar. Agen harus memahami jenis permintaan yang umum diajukan pelanggan, terminologi yang digunakan karyawan dan pelanggan, sistem yang terlibat dalam menyelesaikan permintaan tersebut, serta batasan apa yang boleh dilakukannya.

Perusahaan harus mengevaluasi AI khusus industri menggunakan skenario yang diambil dari operasi nyata mereka. Itu berarti menguji permintaan umum bersama dengan pengecualian dan situasi yang lebih rumit. Mereka harus melihat apakah agen mengikuti alur kerja yang diharapkan, memahami bahasa pelanggan, dan mengetahui kapan harus melibatkan orang.

Organisasi juga harus menilai bagaimana privasi, keamanan, dan persyaratan regulasi ditangani. Pertimbangan tersebut harus menjadi bagian dari proses desain dan evaluasi, bukan sesuatu yang ditangani setelah agen sudah berinteraksi dengan pelanggan.

Akhirnya, pengetahuan industri menjadi berharga ketika ia diterjemahkan menjadi interaksi pelanggan yang lebih akurat, tepat, dan berguna.

Seiring agen AI beralih dari menjawab pertanyaan ke menyelesaikan transaksi dan mengambil tindakan atas nama pelanggan, pengamanan apa yang diperlukan terkait izin, privasi, halusinasi, auditabilitas, dan pengawasan manusia?

Tingkat pengawasan harus meningkat seiring agen AI diberikan lebih banyak tanggung jawab. Ada perbedaan signifikan antara agen yang memberikan informasi umum dan agen yang melakukan perubahan akun, menyelesaikan transaksi, atau mengambil tindakan lain yang langsung memengaruhi pelanggan.

Izin merupakan bagian kunci dari hal itu. Agen AI hanya boleh mengakses informasi dan sistem yang diperlukan untuk tugas yang telah diberi wewenang. Verifikasi identitas, kontrol akses, dan aturan jelas mengenai penggunaan data pelanggan juga penting. Pelanggan harus memiliki transparansi tentang bagaimana informasi mereka diproses.

Organisasi juga memerlukan catatan tentang apa yang terjadi selama interaksi. Saat agen mulai mengambil tindakan, perusahaan harus dapat memahami informasi apa yang digunakan, tindakan apa yang diselesaikan, dan di mana masalah muncul jika sesuatu berjalan salah. Hal ini menjadi sangat penting di lingkungan yang sensitif atau diatur.

Pengawasan manusia harus mencerminkan risiko tugas tersebut. Beberapa tindakan rutin mungkin cocok untuk diselesaikan secara mandiri oleh agen AI. Situasi yang lebih konsekuensial mungkin memerlukan tinjauan atau persetujuan.

AI juga harus dapat mengenali ketidakpastian. Ketika informasi tidak lengkap, bertentangan, atau berada di luar batas yang diberikan, langkah paling aman adalah menghentikan proses, meminta informasi tambahan, atau melibatkan manusia daripada melanjutkan berdasarkan asumsi yang tidak didukung.

Proyek AI contact center sering dievaluasi melalui penghematan biaya, defleksi panggilan, atau pengurangan rata‑rata waktu penanganan. Metrik tambahan apa yang harus dipakai pemimpin untuk menentukan apakah AI meningkatkan penyelesaian kontak pertama, kepuasan pelanggan, pengalaman karyawan, pendapatan, dan kepercayaan jangka panjang?

Metrik efisiensi penting, namun pemimpin harus melihat lebih jauh dari seberapa cepat atau murah sebuah interaksi ditangani. Interaksi singkat tidak begitu berharga jika pelanggan harus menghubungi perusahaan lagi karena masalah belum terselesaikan sepenuhnya.

Penyelesaian pada kontak pertama menjadi ukuran penting untuk alasan itu. Tingkat kontak ulang dan tingkat eskalasi juga dapat memberi sinyal kepada pemimpin apakah AI benar‑benar membantu pelanggan atau sekadar memindahkan masalah ke tempat lain. Kepuasan pelanggan harus tetap menjadi fokus utama karena pengalaman pada akhirnya menentukan apakah orang terus mempercayai dan memilih berbisnis dengan perusahaan.

Poin ini terutama penting mengingat apa yang kami temukan dalam riset keterlibatan pelanggan kami. Pelanggan memiliki toleransi terbatas terhadap pengalaman buruk, sehingga perusahaan harus berhati‑hati dalam mengoptimalkan satu metrik efisiensi dengan mengorbankan hubungan secara keseluruhan.

Pengalaman karyawan juga layak mendapat perhatian. Jika AI memberikan informasi yang lebih baik, menangani pekerjaan berulang, dan membantu karyawan menyelesaikan masalah yang lebih kompleks, pemimpin harus dapat melihat hal itu dalam umpan balik dan kinerja karyawan.

Saya juga akan melihat hasil bisnis yang lebih luas seperti retensi pelanggan, pertumbuhan akun, serta pendapatan yang dihasilkan atau dilindungi melalui interaksi layanan. Bila digabungkan, ukuran‑ukuran tersebut memberi pemimpin gambaran yang jauh lebih jelas apakah AI menciptakan nilai bagi pelanggan, karyawan, dan bisnis seiring waktu.

Vonage beroperasi di contact center, komunikasi terpadu, antarmuka pemrograman aplikasi komunikasi, dan kemampuan berbasis jaringan melalui Ericsson. Bagaimana lapisan‑lapisan ini dapat bekerja sama untuk membantu agen AI berkomunikasi dan bertindak lintas saluran tanpa menciptakan tumpukan teknologi yang terfragmentasi?

Pelanggan tidak memikirkan apakah interaksi terjadi di platform contact center, didukung oleh API komunikasi, atau jaringan seluler. Mereka mengharapkan dapat berkomunikasi melalui saluran yang mereka pilih dan melanjutkan interaksi tanpa gesekan yang tidak perlu. Teknologi di balik pengalaman itu harus mendukung kontinuitas tersebut.

Vonage beroperasi di Network APIs, CPaaS, CCaaS, dan UCaaS, yang memberi kami peluang untuk memandang kemampuan ini sebagai bagian yang terhubung dalam pengalaman pelanggan. Saat agen AI menjadi lebih cakap, koneksi ini menjadi semakin penting karena agen mungkin perlu berkomunikasi melalui satu saluran, mengakses konteks dari sistem lain, dan mengambil tindakan di tempat lain.

Pendekatan yang lebih terintegrasi juga dapat membantu mempertahankan konteks ketika pelanggan berpindah antara suara, pesan, dan saluran lain. Prinsip yang sama berlaku ketika interaksi AI berpindah ke karyawan untuk ditangani.

Hubungan kami dengan Ericsson juga membuka peluang untuk menyatukan aplikasi komunikasi dan kemampuan jaringan lebih dekat. Tujuannya adalah memastikan kemampuan tersebut berguna dalam perjalanan pelanggan tanpa memaksa bisnis mengelola seperangkat alat yang terpisah.

Dapatkah Anda memberikan satu contoh bagaimana contact center Vonage, komunikasi terpadu, API, dan kemampuan jaringan Ericsson dapat bekerja bersama dalam interaksi pelanggan saat ini?

Contoh yang baik adalah ketika seorang pelanggan menelepon contact center layanan keuangan untuk melaporkan transaksi mencurigakan atau meminta perubahan akun.

Sebelum agen bahkan mengangkat telepon, Network APIs Vonage — yang didukung oleh infrastruktur carrier Ericsson — sudah bekerja. Saat panggilan masuk, kemampuan Identity Insights kami memeriksa nomor telepon pemanggil terhadap data jaringan seluler secara real‑time, termasuk apakah SIM yang terkait dengan nomor tersebut baru saja diganti. Itu merupakan sinyal kuat potensi penipuan, dan terjadi secara tak terlihat, tanpa friksi bagi pelanggan.

Intelijen jaringan ini mengalir langsung ke contact center melalui Communications APIs Vonage, muncul sebagai sinyal kepercayaan real‑time di dalam ruang kerja agen. Jika agen bekerja dalam Salesforce, wawasan tersebut otomatis muncul di Agentforce, sehingga agen dapat melihat apakah identitas pemanggil telah diverifikasi atau ada alasan untuk menerapkan pemeriksaan tambahan — semua sebelum percakapan dimulai.

Pada saat yang sama, Vonage Contact Center (VCC) terintegrasi mulus dengan solusi komunikasi terpadu Vonage Business Communications (VBC) untuk terhubung dengan organisasi yang lebih luas. Jika agen perlu melibatkan spesialis penipuan atau rekan back‑office, mereka dapat melihat siapa yang tersedia di seluruh bisnis secara real‑time dan mentransfer panggilan dengan konteks lengkap. Pelanggan tidak perlu mengulang penjelasan, dan spesialis bergabung dalam percakapan dengan pengetahuan tentang apa yang telah terjadi.

Apa yang membuat contoh ini bermakna adalah tidak ada satu lapisan pun yang beroperasi secara terpisah. Jaringan memberi informasi kepada contact center. API menghubungkan intelijen ke alur kerja. Lapisan komunikasi terpadu menjaga orang yang tepat tetap terlibat. Pelanggan merasakannya sebagai satu interaksi berkelanjutan — tepat seperti yang seharusnya.

Itulah jenis integrasi yang kami upayakan di seluruh kemampuan kami, dan sudah tersedia bagi pelanggan saat ini.

Seiring AI menangani lebih banyak interaksi rutin pelanggan, bagaimana Anda memperkirakan peran profesional contact center manusia akan berubah dalam tiga hingga lima tahun ke depan, dan apa yang harus perusahaan mulai lakukan sekarang untuk mempersiapkan orang, proses, dan kepemimpinan mereka?

Ketika AI menangani porsi interaksi rutin yang lebih besar, saya memperkirakan profesional contact center akan menghabiskan lebih banyak waktu pada situasi di mana keterampilan manusia paling dibutuhkan. Itu mencakup masalah kompleks, keadaan tidak biasa, dan percakapan yang memerlukan empati, penilaian, atau kreativitas.

Peran profesional contact center juga akan semakin terhubung dengan AI. Karyawan mungkin menggunakan AI untuk menemukan informasi, memahami riwayat interaksi, merangkum percakapan, atau mengidentifikasi langkah selanjutnya yang mungkin. Itu berarti orang harus memahami cara bekerja dengan sistem ini, kapan mempercayainya, dan kapan harus menantang atau mengganti rekomendasi.

Penting bahwa perusahaan mulai mempersiapkan tim mereka sekarang dan kepemimpinan memainkan peran krusial. Karyawan memerlukan kejelasan tentang mengapa AI diperkenalkan dan bagaimana pekerjaan mereka diperkirakan berkembang. Pelatihan harus membantu karyawan memahami bagaimana AI masuk ke dalam tanggung jawab harian mereka dan apa yang tetap menjadi tanggung jawab mereka ketika AI terlibat.

Perusahaan juga harus melibatkan profesional contact center dalam implementasi karena mereka melihat pertanyaan pelanggan, kesenjangan proses, dan kasus tidak biasa setiap hari. Pengalaman mereka dapat membantu mengidentifikasi di mana otomatisasi akan berguna dan mengantisipasi di mana hal itu dapat menimbulkan masalah.

Dalam tiga hingga lima tahun ke depan, saya memperkirakan contact center terkuat akan menjadi mereka yang menggunakan AI untuk membuat orang mereka lebih efektif sambil mempertahankan jalur yang jelas menuju dukungan manusia ketika pelanggan membutuhkannya.

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