Ashley Moser, Co-fondatrice e CCO di MelodyArc – Serie di interviste

Ashley Moser, Co-fondatrice e Chief Commercial Officer di MelodyArc, guida la strategia commerciale dell’azienda, collaborando con i clienti per tradurre obiettivi operativi ambiziosi in risultati misurabili. Porta con sé un background che spazia tra operazioni, strategia di prodotto, logistica, vendite e servizi finanziari, includendo ruoli di leadership presso Wonder e Jetblack di Walmart, dove ha lavorato nella catena di approvvigionamento, miglioramento continuo, strategia e logistica. All’inizio della sua carriera, è stata Direttrice Vendite presso Stella Connect, successivamente acquisita da Medallia, ha collaborato con la piattaforma di retail mobile NewStore e ha trascorso più di quattro anni presso J.P. Morgan nelle vendite di equity istituzionali.

MelodyArc è una piattaforma di orchestrazione AI per imprese progettata per aiutare i team operativi a coordinare dati, regole di business, sistemi AI e decisioni umane all’interno di un unico ambiente governato. La piattaforma è costruita attorno all’esecuzione end‑to‑end di processi operativi complessi, consentendo ai team di definire flussi di lavoro, applicare logiche di business, distribuire operatori AI o altri agenti, e di inoltrare i casi alle persone quando è necessario un giudizio più approfondito. Il suo Point Engine valuta i percorsi potenziali per risolvere ciascun caso operando entro le regole organizzative e registrando ogni passaggio, offrendo alle aziende una maggiore visibilità e controllo sui flussi di lavoro potenziati dall’AI in settori quali assistenza clienti, merchandising, messaggistica sul sito, catena di approvvigionamento e assortimento.

Hai avuto una carriera diversificata che spazia dalla finanza presso J.P. Morgan, al SaaS enterprise presso Medallia, e a ruoli operativi all’interno di Jetblack di Walmart. Quale intuizione o frustrazione specifica ti ha portato a co-fondare MelodyArc, e in che modo queste esperienze hanno plasmato la visione fondamentale dell’azienda? 

Abbiamo avviato l’azienda perché il mio co-fondatore, James McHenry, ed io eravamo entrambi operatori e tecnologi. Avevamo visto in prima persona, e in molti casi, contribuito a costruire ottima tecnologia per i team operativi. Tuttavia, ci scontravamo continuamente con lo stesso divario: soluzioni puntuali che o coprivano solo una piccola parte di ciò che le operazioni realmente facevano, o non corrispondevano al modo in cui il lavoro avveniva sul campo.

Con questo in mente, ci siamo proposti di creare una piattaforma in grado di portare nuove tecnologie ai team operativi di prima linea in modo che potessero effettivamente utilizzarle. Oggi, ciò si traduce in un’orchestrazione human-in-the-loop.

MelodyArc sta mettendo l’AI direttamente nelle mani degli operatori di prima linea. In che modo questo approccio differisce dalle tradizionali implementazioni di AI aziendale dall’alto verso il basso, e perché questo cambiamento avviene ora? 

Con MelodyArc, una volta che la piattaforma è operativa, mettiamo la possibilità di avviare nuovi flussi di lavoro, idee e processi con l’intervento umano direttamente nelle mani dei team, con poco o nessun impatto sulla roadmap più ampia. Questo significa che i team possono migliorare i propri processi utilizzando l’IA senza dover salire e scendere nella catena di comando ogni volta. È un modo fondamentalmente diverso di implementare questa tecnologia.

Questo è particolarmente evidente nelle nostre più grandi implementazioni aziendali. In un cliente, abbiamo iniziato con un singolo caso d’uso in un team. Oggi, siamo operativi con più di cinque casi d’uso su più team.

Abbiamo anche osservato team che costruiscono un processo assistito dall’AI in un solo giorno, qualcosa che in precedenza avevano de-prioritizzato perché non superava mai la soglia di ROI per quello che sarebbe stato uno sviluppo intensivo dal punto di vista ingegneristico.

Molte organizzazioni stanno investendo molto nell’AI ma faticano ancora a operazionalizzarla. Quali sono le lacune più comuni che osservi tra la strategia AI e l’esecuzione nel mondo reale?

Due aspetti principali emergono. Primo, quando le aziende esaminano un processo a cui vogliono applicare l’AI, spesso adottano un approccio tutto o niente. Automatizzano tutto ciò che riguarda un processo specifico, o non lo toccano affatto. Incoraggiamo le aziende a invece analizzare la composizione di un processo e identificare dove si inserisce l’automazione, dove l’AI è appropriata e dove le persone devono ancora essere coinvolte, non necessariamente in quest’ordine. Questo approccio apre molti più processi come candidati all’AI e sblocca anche più automazione a valle, perché si è stati deliberati su dove le persone sono inserite.

Secondo, dal punto di vista strategico, le aziende spesso hanno centinaia di casi d’uso idonei tra cui scegliere. La chiave è valutarli in base al reale impatto sul business, ai costi, alle ore e a metriche concrete, piuttosto che inseguire ciò che è più appariscente o facile. Attaccare prima le aree più grandi e di maggior impatto, anche se più difficili, è dove le aziende ottengono il massimo valore. Questo dimostra anche un effetto rotante positivo di valore che i progetti AI possono generare nelle organizzazioni.

MelodyArc combina l’AI con i flussi di lavoro umani invece di sostituirli. Come determini il giusto equilibrio tra automazione e decisione umana negli ambienti enterprise?

MelodyArc aiuta le imprese a raggiungere i propri obiettivi di automazione trovando il giusto equilibrio tra IA e decisioni con l’intervento umano. Quando MelodyArc avvia il processo di implementazione, l’obiettivo finale di un’organizzazione può essere che l’automazione completi il 90 % del lavoro, con il restante 10 % affidato all’esperienza dei membri del team. Tuttavia, anziché dare priorità solo alla velocità, MelodyArc sfrutta il coinvolgimento umano fin dall’inizio. Per esempio, iniziando con una divisione 50‑50 tra automazione e input dei membri del team, per poi automatizzare progressivamente una parte maggiore del processo. Questo approccio porta i flussi di lavoro a livello aziendale in produzione più rapidamente, perché non cerchiamo di perfezionare il flusso prima di integrare l’IA.

Un altro punto di forza di questo approccio è che, man mano che passiamo alla produzione, raccogliamo dati di processo che ci indicano esattamente quali parti del processo automatizzare successivamente. Questo consente a MelodyArc di progredire verso gli obiettivi di automazione più rapidamente e in modo continuo. Nella pratica, ciò significa spesso che un’azienda vede l’automazione migliorare costantemente, senza dover interrompere il flusso di lavoro per correzioni o aggiustamenti.

Con la tua esperienza nel customer experience e nelle operazioni, come pensi che l’IA stia ridefinendo cosa significhi “servizio eccellente” in un contesto in cui le risposte possono essere generate istantaneamente?

Credo che “istantaneo” diventerà un requisito di base e sostanzialmente una commodity. Un servizio eccellente non è mai stato questione di fornire al cliente una risposta rapidamente, ma di dargli la risposta giusta con il minimo sforzo. L’IA ci offre nuovi modi per ridurre tale sforzo, sia eseguendo azioni per conto dei clienti, suggerendo i prossimi passi, o compilando automaticamente i campi – tutto ciò che rende l’esperienza più veloce e gradevole. Generare una risposta istantaneamente non significa nulla se non è realmente pertinente, e sostengo che inseguire solo la velocità porta le aziende a ottimizzare la cosa sbagliata.

L’IA aziendale spesso fallisce nella fase finale, dove adozione e usabilità diventano critiche. Quali principi di design sono stati essenziali per garantire che MelodyArc sia effettivamente utilizzato dai team di prima linea?

Partiamo dal presupposto che esista una grande quantità di conoscenza tacita all’interno dei nostri team, e siamo molto chiari su ciò che possiamo e non possiamo automatizzare. Essere trasparenti su questa distinzione rende l’esperienza molto più intuitiva. Non si tratta di una scatola nera in cui i team non sanno cosa sta accadendo o perché.

L’usabilità si riduce all’idea che la tecnologia lavori con i team di prima linea, anziché diventare qualcosa con cui devono fare i contorni. Questo ritorna al motivo per cui abbiamo avviato l’azienda: troppe soluzioni puntuali o si concentravano su una piccola parte delle operazioni, o non corrispondevano al modo in cui il lavoro avveniva realmente sul campo. Abbiamo scoperto che questa è una delle principali ragioni per cui molti strumenti di IA aziendale rimangono inutilizzati mesi dopo il lancio.

Man mano che gli agenti IA diventano più autonomi, quali sfide di governance e controllo dovrebbero le imprese preparare prima di scalare questi sistemi?

L’osservabilità in qualsiasi contesto aziendale è fondamentale, soprattutto la capacità di vedere quali decisioni sono state prese e perché. Per i processi che le imprese potrebbero automatizzare ma non si sentono a proprio agio ad automatizzare completamente, raccomando di mantenere un umano nel ciclo. È cruciale non solo per mantenere il controllo, ma anche per sperimentare nuovi sistemi al fine di comprendere al meglio come funzionano e i loro impatti, sia positivi che negativi.

Da una prospettiva commerciale, come è evoluta la vendita di IA alle imprese negli ultimi anni, con gli acquirenti sempre più informati ma anche più cauti?

Tutti sono diventati molto più intelligenti, sia gli acquirenti che i fornitori. Siamo a circa quattro anni di quello che è davvero un ciclo di più decenni, quindi siamo tutti ancora in fase di apprendimento.. Man mano che l’IA diventa più capace e più accessibile, iteriamo rapidamente su ciò che possiamo offrire ai clienti, mentre loro stessi apprendono cosa possono fare all’interno delle proprie organizzazioni, il che è davvero entusiasmante perché c’è molto scambio di valore.

Le organizzazioni sono più che mai concentrate sulla sicurezza delle informazioni, sulla conservazione di ciò che le rende uniche e sull’efficienza reale che l’IA offre. Stanno anche affrontando i progetti in modo più razionale, disposte a procedere per incrementi verso l’adozione anziché puntare tutto in una volta. La scelta tra costruire o acquistare è ancora una valutazione dinamica interna, e sempre più spesso vediamo approcci ibridi come costruire e acquistare, o “costruire tramite l’acquisto”, piuttosto che scegliere l’una o l’altra opzione.

Hai lavorato sia in startup ad alta crescita sia in grandi organizzazioni come Walmart. In che modo la costruzione di IA per le operazioni aziendali differisce a seconda della dimensione dell’azienda e della complessità organizzativa?

In realtà ci sono due dimensioni: l’ampiezza dell’organizzazione e la profondità storica del suo stack tecnologico e dei processi.

Nelle startup ad alta crescita, non hai tante persone né una grande complessità organizzativa, e non devi aggirare sistemi costruiti 20 anni fa o team che hanno svolto la stessa attività per un decennio. Più grande e più consolidata è l’organizzazione, più è necessario ripensare i modi di operare fin dalle basi. Questo significa decidere come vuoi operare in futuro, per poi progredire verso quella direzione in modo che si adatti all’organizzazione. Talvolta ciò implica anche condurre esperimenti indipendenti ai margini, in parte separati o in parallelo con i processi esistenti.

Guardando al futuro, come vedi evolvere il ruolo dei dipendenti in prima linea man mano che l’IA si integra nei flussi di lavoro quotidiani? Stiamo passando verso l’amplificazione, l’orchestrazione o qualcosa di completamente nuovo? 

Per i flussi di lavoro quotidiani, uno strato di orchestrazione è fondamentale. Far lavorare in modo nativo tutte le persone e le tecnologie insieme è la direzione verso cui ci stiamo dirigendo. Tuttavia, implementare questo tipo di tecnologia può essere complesso, poiché non si tratta di un semplice silo in cui le organizzazioni possono automatizzare un passaggio e poi trasferirlo a un collaboratore. È una combinazione di IA, automazione e un collaboratore che lavorano in sinergia.

C’è molta opportunità per i team in prima linea di implementare flussi di lavoro. Ogni volta che parliamo con i clienti, ci sono decine, se non centinaia, di progetti che vorrebbero affrontare ma non possono, sia per budget, roadmap tecnologica, dimensione del team o ROI che li trattiene. È proprio qui che entrano in gioco l’IA e l’orchestrazione: aiutano i team a fare molto di più con ciò che hanno già, riducendo il costo di avvio. Questo porta, in definitiva, a un ROI positivo per i progetti futuri.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare MelodyArc.