Fran Loftus, Chief Experience Officer, EliseAI – Intervista della serie

Fran Loftus, Chief Experience Officer, EliseAI è un leader dinamico noto per la sua energia creativa e la sua esperienza versatile, che combina l’impulso imprenditoriale con una profonda competenza operativa. Prima di unirsi a EliseAI, ha co-fondato HOM, una piattaforma di servizi abilitati dalla tecnologia acquisita da Alfred, dove in seguito ha ricoperto diversi ruoli esecutivi plasmando le esperienze dei residenti in centinaia di migliaia di unità. In EliseAI, ha ricoperto posizioni di leadership operativa senior che riportano al CEO e al Consiglio di amministrazione, guidando l’efficienza aziendale, sovrintendendo ai risultati dei clienti e collaborando strettamente con l’ingegneria e le vendite sulla strategia e il lancio del prodotto. Riconosciuta come fondatrice e leader di pensiero nel settore, è stata nominata per il premio di Top Founder a MIPIM e più volte inserita tra le prime influencer femminili di CRETech.

EliseAI è un’azienda di software di intelligenza artificiale con sede a New York che trasforma la gestione della comunicazione ad alto volume e dei flussi di lavoro operativi nelle organizzazioni di housing e healthcare attraverso l’intelligenza artificiale conversazionale e agente avanzata. La sua piattaforma automatizza attività come la pianificazione delle visite, la comunicazione di locazione, le richieste di manutenzione, i rinnovi, l’acquisizione dei pazienti e il supporto amministrativo attraverso testo, voce, email e chat, consentendo ai team di operare in modo più efficiente mentre migliorano la risposta e l’esperienza del cliente. Centralizzando queste interazioni in un sistema di intelligenza artificiale unificato, EliseAI aiuta le organizzazioni a scalare le operazioni, ridurre il carico di lavoro manuale e fornire miglioramenti delle prestazioni misurabili in funzioni critiche per la missione.

Come Chief Experience Officer di EliseAI, porti una rara miscela di esperienza in comunità, operazioni e tecnologia. Hai fondato HOM, una piattaforma che aiutava gli edifici residenziali multifamiliari a fornire servizi condivisi e un senso di comunità su larga scala, poi hai guidato l’esperienza e la consegna del servizio in Alfred, un’azienda di servizi residenziali incorporata all’interno di migliaia di edifici di appartamenti. Come quelle esperienze profondamente pratiche e orientate alle persone influenzano il modo in cui progetti e operazionalizzi le esperienze di intelligenza artificiale in EliseAI oggi?

La mia esperienza nella gestione immobiliare mi ha insegnato che la tecnologia è solo buona quanto il servizio che effettivamente fornisce sul campo. In HOM e Alfred, ho imparato che un residente non si cura di un’interfaccia elegante se la sua richiesta di manutenzione scompare nel nulla o il suo trasloco è ritardato. Ciò mi ha reso ossessivo nel chiudere il cerchio. Non progetto l’intelligenza artificiale solo per gestire le conversazioni, la progetto per gestire l’intero ciclo di vita di un’attività. Priorizzo il residente in crisi o il membro dello staff che è troppo teso, assicurandomi che l’intelligenza artificiale non sia solo un’altra cosa da monitorare, ma uno strumento che togliere il peso dalle loro spalle.

Dal punto di vista dell’esperienza del cliente, cosa sembra un’intelligenza artificiale efficace negli ambienti di housing e healthcare dove la fiducia, la chiarezza e il follow-up contano tanto quanto la velocità o l’automazione?

Nel settore dell’abitazione e della sanità, essere veloce è grande, ma seguire effettivamente è ciò che costruisce la fiducia. Un buon intelligenza artificiale non dovrebbe solo darti una risposta rapida; deve assicurarsi che qualcosa accada effettivamente. Se un paziente chiede informazioni su una fattura o un inquilino vuole rinnovare il proprio contratto di locazione, l’intelligenza artificiale deve aggiornare i registri, dire al gestore giusto e far sapere a quella persona che le ruote sono in movimento. È questione di essere chiaro e proattivo in modo che le persone non si sentano come se dovessero richiamare tre volte solo per controllare lo stato.

EliseAI ha adottato un approccio verticale anziché offrire un livello di intelligenza artificiale generico. Come questa decisione cambia l’esperienza quotidiana per i team di proprietà, i residenti e lo staff sanitario rispetto agli strumenti di intelligenza artificiale orizzontali?

Gli strumenti di intelligenza artificiale generici richiedono al cliente di fare il lavoro pesante di insegnare al software le regole del settore. Poiché siamo una soluzione verticale concentrata esclusivamente sull’abitazione e la sanità, il nostro sistema arriva con una profonda comprensione dei flussi di lavoro specifici, come le norme sui depositi di sicurezza o le sfumature della pianificazione dei pazienti. Per lo staff sul campo, ciò significa che non stanno gestendo un chatbot generico che potrebbe immaginare una politica. Stanno lavorando con un sistema che è già integrato nel loro software esistente e parla la lingua delle loro operazioni quotidiane fin dal primo giorno.

Puoi spiegare come l’osservazione dei lavoratori in prima linea per catturare i flussi di lavoro di fine a fine migliori il comportamento del modello e l’esperienza del cliente finale, rispetto all’addestramento su dati astratti da soli?

I dati astratti ti mostrano il “cosa”, ma essere sul campo con i clienti ti mostra il “come”. Quando il mio team trascorre del tempo nell’ambiente reale in cui il software viene distribuito, vede i punti di attrito che un set di dati mancherebbe. Ad esempio, durante le sessioni di scoperta con un operatore di alloggi militari, abbiamo identificato flussi di approvazione complessi e rigidi vincoli quotidiani che non erano presenti in nessun manuale. Catturando quei dettagli reali e caotici e traducendoli nel prodotto, possiamo costruire un’intelligenza artificiale che non funziona solo in una demo, ma sopravvive al caos di un ufficio affollato.

Quando i sistemi di intelligenza artificiale vanno oltre la risposta alle domande all’esecuzione di attività, quali nuovi rischi di esperienza emergono e come assicuri che l’automazione si senta supportiva e affidabile anziché invasiva o opaca?

Il rischio principale si sposta dal fatto che l’intelligenza artificiale dica qualcosa di scorretto al fatto che l’intelligenza artificiale faccia qualcosa di scorretto. Per mitigare ciò, ho stabilito un modello di soluzioni di prodotto in cui abbiamo esperti – molti dei quali sono ex fondatori – che possiedono domini specifici del prodotto. Stabiliscono le regole e le barriere specifiche per come l’intelligenza artificiale esegue un’attività, assicurandosi che non prenda mai un’azione che sorprenderebbe o confonderebbe un membro dello staff umano.

Nel settore dell’abitazione e della sanità, anche piccole interruzioni possono rapidamente erodere la fiducia. Come progetti sistemi di intelligenza artificiale agente che rimangano trasparenti, prevedibili e facili per gli esseri umani da correggere quando necessario?

La progettazione per la fiducia inizia con il passaggio da una mentalità reattiva tradizionale in cui si aspetta semplicemente che le cose si rompano. Invece, ho costruito un team che agisce come un ponte tra la complessità operativa del mondo reale e la logica dell’intelligenza artificiale. Questi non sono agenti di supporto – sono strategie e ex fondatori che possiedono domini specifici del prodotto dall’inizio alla fine.

Trascorrono il loro tempo osservando i lavoratori per comprendere le regole non negoziabili di un settore, come flussi di approvazione complessi per alloggi militari o tempi di risposta medica rigorosi, e li cuociono direttamente nel modo in cui l’intelligenza artificiale si comporta. La trasparenza deriva dal fatto che i nostri sistemi sono progettati per segnalare potenziali problemi in modo proattivo prima che diventino reclami dei residenti o dei pazienti. Quando l’intelligenza artificiale percepisce una situazione ad alta emotività o una richiesta complessa per cui non è stata addestrata, non indovina. Scatena un passaggio che fornisce al membro dello staff umano la storia completa e il contesto dell’interazione, consentendogli di intervenire come partner informato anziché iniziare da zero.

Dalla tua prospettiva di supervisione dell’implementazione e del successo dei clienti, quali sono i punti di attrito più comuni che i clienti affrontano nell’adottare l’intelligenza artificiale nei flussi di lavoro operativi e come EliseAI riduce quella frizione all’inizio della distribuzione?

La maggiore frizione è raramente la tecnologia stessa, ma piuttosto l’ansia che la tecnologia disturbi il flusso del team o sostituisca i loro ruoli. Affrontiamo questo concentrandoci sul sollievo immediato e pratico. Nella prima settimana, utilizziamo l’intelligenza artificiale per prendere il controllo delle attività ripetitive ad alto volume che di solito causano il maggior burnout, come il follow-up iniziale dei lead. Utilizziamo anche la nostra stessa intelligenza artificiale per gestire le operazioni interne della società. Ciò ci aiuta a comprendere i punti di stress esatti della modifica di un flusso di lavoro, in modo che possiamo essere migliori partner quando i nostri clienti attraversano la stessa transizione.

Molte organizzazioni lottano per andare oltre le fasi di pilotaggio. Come aiuti i clienti a evolvere i loro processi e le loro aspettative in modo che l’intelligenza artificiale diventi parte integrante delle operazioni quotidiane anziché rimanere un esperimento laterale?

L’intelligenza artificiale funziona solo quando smette di essere un progetto laterale e diventa una parte normale della giornata lavorativa; aiutiamo i leader a riorganizzare i loro team in modo che, una volta che l’intelligenza artificiale gestisce il lavoro ripetitivo, le persone possano concentrarsi sulle attività che richiedono effettivamente un tocco umano.

EliseAI sostiene ora circa un appartamento su sei negli Stati Uniti. Come si spostano le aspettative dei clienti a questo livello di scala e quali nuove sfide di esperienza emergono man mano che l’intelligenza artificiale diventa parte delle operazioni standard?

A questo livello di scala, l’intelligenza artificiale non è più un’innovazione cool. È un servizio pubblico, proprio come l’elettricità. L’aspettativa si sposta dal fatto che sia impressionante quando funziona al fatto che sia inaccettabile quando fallisce. Dobbiamo gestire questa varianza mantenendo al 100% l’affidabilità.

Guardando avanti 2 o 3 anni, come vedi l’evoluzione del ruolo del Chief Experience Officer man mano che i sistemi di intelligenza artificiale assumono maggiori responsabilità all’interno dei servizi essenziali come l’abitazione e la sanità?

Il ruolo evolverà dalla gestione del servizio clienti all’orchestrazione del partenariato tra esseri umani e intelligenza artificiale. Man mano che l’intelligenza artificiale assume le parti amministrative e ripetitive del lavoro, l’attenzione del CXO si sposterà interamente sui punti di contatto strategici ed emozionali. La nostra responsabilità sarà quella di assicurarsi che, man mano che il mondo diventa più automatizzato, le interazioni umane nell’abitazione e nella sanità diventino più intenzionali e più impattanti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare EliseAI.