Katie Stein, CEO di ASAPP – Serie di interviste

Katie Stein, CEO di ASAPP, è una dirigente esperta di tecnologia e affari con più di due decenni di esperienza che coprono strategia aziendale, operazioni, trasformazione digitale e crescita aziendale. Prima di entrare in ASAPP come CEO ad agosto 2026, ha ricoperto la carica di CEO di Atain e ha trascorso otto anni in Genpact, dove è stata Chief Strategy Officer e Global Business Leader per Enterprise Services and Analytics, supervisionando la strategia aziendale, i principali portafogli di servizi, l’esperienza dei clienti e le iniziative M&A. All’inizio della sua carriera, Stein ha ricoperto ruoli di senior leadership presso Mercer, inclusa la posizione di Global Chief Operating Officer per la sua attività di Pensioni, Salute e Benefici da $2,5 miliardi, e ha lavorato come Project Leader presso Boston Consulting Group. La sua carriera si è in gran parte concentrata sull’aiutare grandi organizzazioni a migliorare le prestazioni operative, implementare la tecnologia in modo più efficace e realizzare trasformazioni aziendali complesse.

ASAPP è un’azienda di IA focalizzata sulla trasformazione del servizio clienti aziendale attraverso la sua Customer Experience Platform (CXP) nativa IA. Fondata nel 2015, l’azienda sviluppa tecnologie che uniscono agenti IA, competenza umana, dati dei clienti e sistemi aziendali su canali vocali e digitali. Al centro della piattaforma c’è GenerativeAgent, un agente IA per il servizio clienti progettato per comprendere le conversazioni, ragionare sulle richieste dei clienti, eseguire azioni tramite i sistemi aziendali connessi e coinvolgere agenti umani quando è necessaria una supervisione o un giudizio aggiuntivo. ASAPP fornisce anche strumenti per test, monitoraggio, governance e osservabilità, consentendo alle grandi organizzazioni di distribuire IA a contatto con i clienti mantenendo un maggiore controllo sul comportamento degli agenti automatizzati.

La tua carriera ti ha portato da ruoli di strategia e trasformazione presso BCG, Mercer e Genpact a guidare Atain, e ora a diventare CEO di ASAPP. Cosa ti ha attratto di ASAPP in questo momento della tua carriera e, dopo i primi 30 giorni, quali hai identificato come le più grandi opportunità e priorità per l’azienda?

ASAPP è comparsa per la prima volta sul mio radar durante la tempesta invernale Fern all’inizio di quest’anno. In Atain, abbiamo lavorato su tutti i fronti per creare sufficiente capacità per una delle più grandi compagnie aeree statunitensi, mentre migliaia di viaggiatori interrotti cercavano di tornare a casa. ASAPP non si è limitata a rispondere alle domande; il suo GenerativeAgent ha riprenotato più di 3.800 passeggeri in sei giorni, inclusi cambi di itinerario complessi. Questo mi ha mostrato come sia l’IA aziendale sotto pressione reale. I miei primi 30 giorni hanno rafforzato questa visione. La nostra opportunità è concentrarsi e scalare: focalizzarci dove ASAPP ha il diritto più chiaro di vincere, aiutare i clienti a passare dalla sperimentazione all’impatto in produzione e operare con maggiore velocità e coerenza.

L’approccio di ASAPP unisce agenti IA autonomi, flussi di lavoro deterministici e esperti umani all’interno di un unico livello di orchestrazione. Come decidi quali decisioni devono essere affidate a un agente IA, quali devono seguire regole predefinite e quali devono coinvolgere il giudizio umano?

Non assegniamo un’intera interazione all’IA, a un flusso di lavoro predefinito o a una persona. Valutiamo ogni decisione in base alla sua complessità, al rischio e alla necessità di responsabilità. L’IA è particolarmente adatta a comprendere l’intento, interpretare il contesto e adattarsi al cliente. I flussi di lavoro garantiscono coerenza quando è necessario seguire passaggi o politiche obbligatori. Gli esseri umani aggiungono giudizio quando una situazione è ambigua, eccezionale o di conseguenza rilevante. L’orchestrazione unisce tutti e tre gli elementi nella stessa interazione. L’obiettivo non è la massima autonomia, ma risolvere più esigenze dei clienti applicando il giusto livello di controllo a ogni punto decisionale.

ASAPP considera il coinvolgimento umano come una parte continua del sistema IA anziché semplicemente un percorso di escalation quando l’automazione fallisce. Man mano che gli agenti IA diventano più capaci, dove credi che gli esseri umani continueranno a fornire il maggior valore nelle interazioni di servizio clienti?

Ingenuità umana! Qualche mese fa ho parlato con un senior CX leader che ha osservato che un numero relativamente piccolo di chiamate rappresenta una quota sproporzionata del tempo di gestione. Spesso si tratta di casi limite senza FAQ, articolo di conoscenza o procedura operativa standard chiari. Sono difficili perché l’organizzazione non ha mai incontrato – o codificato – la risposta. Gli esseri umani continueranno a fornire il maggior valore in quei momenti: interpretare l’ambiguità, bilanciare considerazioni concorrenti e applicare il giudizio dove non esiste un playbook consolidato. Tuttavia, coinvolgere una persona non dovrebbe richiedere l’abbandono dell’automazione e il trasferimento dell’intera interazione. L’IA raccoglie ciò che serve e presenta a una persona una richiesta specifica e il contesto; l’umano fornisce il giudizio e poi l’IA riprende l’interazione. Questa competenza risolve il problema immediato e aiuta ad ampliare ciò che l’IA può risolvere successivamente.

Molte imprese hanno dimostrato con successo l’IA generativa nei progetti pilota, ma incontrano difficoltà quando cercano di distribuirla su milioni di interazioni reali con i clienti. Quali aspetti le aziende sottovalutano più spesso nel passaggio da un pilota IA a un sistema agentico su scala di produzione?

Le aziende sottovalutano più spesso la coda lunga. I progetti pilota testano solitamente casi d’uso definiti in condizioni controllate. A scala di produzione, le situazioni rare diventano eventi quotidiani: i clienti cambiano direzione, forniscono informazioni incomplete o combinano esigenze in modi non previsti. Per questo il dimensionamento dell’AI agentica non è solo una sfida di modello. Richiede integrazione con i sistemi aziendali, governance, monitoraggio e un modo per coinvolgere le persone quando è necessario un giudizio. Il pilota dimostra che la tecnologia funziona. La produzione richiede l’architettura e la disciplina operativa per renderla affidabile su larga scala.

Man mano che le imprese passano da un singolo assistente AI a più agenti specializzati che lavorano insieme, quali nuove sfide tecniche o di governance emergono riguardo all’orchestrazione, all’osservabilità e alla responsabilità?

La nuova sfida è il coordinamento. Più agenti generano più passaggi, punti decisionali e opportunità per la rottura del contesto o della responsabilità. Le imprese hanno bisogno di un’orchestrazione che stabilisca quale agente deve agire, quali informazioni e permessi riceve e come il suo lavoro contribuisce alla risoluzione del cliente. L’osservabilità deve estendersi all’intera interazione affinché le organizzazioni possano capire cosa è accaduto e perché. Questo diventa la base per la governance. Il vantaggio non arriverà dal distribuire il maggior numero di agenti, ma dal coordinare tutta quell’intelligenza specializzata in un unico sistema affidabile, tracciabile e responsabile.

ASAPP ha recentemente introdotto Continuous Red Teaming, che testa automaticamente i suoi sistemi AI contro più di 50 classi di vulnerabilità man mano che i modelli evolvono. Come dovrebbero le imprese ripensare la sicurezza quando gli agenti AI non generano più solo risposte ma sono sempre più in grado di compiere azioni per conto dei clienti?

Le poste in gioco cambiano quando l’AI passa dal rispondere a domande al compiere azioni. Una transazione non autorizzata o l’esposizione di dati dei clienti ha conseguenze molto più gravi di una risposta imprecisa. Le imprese hanno bisogno di confini chiari su ciò che un agente può accedere, su ciò che può fare e su quando è necessaria l’approvazione umana. La sicurezza non può essere un test eseguito una sola volta prima del rilascio. Man mano che l’AI diventa più capace, anche gli attori maligni innovano. Per questo ASAPP testa continuamente migliaia di scenari avversari che coprono più di 50 classi di vulnerabilità. La sicurezza deve evolversi con la stessa rapidità della tecnologia, così le imprese possono ampliare ciò che l’AI può fare senza compromettere la fiducia dei clienti.

L’AI generativa è intrinsecamente probabilistica, tuttavia i processi di assistenza clienti spesso coinvolgono transazioni, requisiti di conformità e altre attività in cui gli esiti devono essere prevedibili. Come possono le imprese preservare la flessibilità dell’AI generativa introducendo al contempo una struttura deterministica sufficiente a rendere questi sistemi affidabili?

La chiave è separare la conversazione dal processo aziendale. Riteniamo che l’AI generativa debba fare ciò che fa meglio: comprendere il cliente, gestire l’ambiguità e rispondere in modo naturale. Ma i processi critici – come la verifica, le transazioni e la conformità – dovrebbero operare all’interno di flussi di lavoro a fasi che impongono le regole aziendali e la sequenza necessaria. Tale architettura offre alle imprese il meglio di entrambi i mondi: un’esperienza flessibile per il cliente e un’esecuzione prevedibile per l’azienda. Inoltre, rende i processi più facili da testare, auditare e migliorare man mano che i modelli evolvono. Le imprese non devono rendere rigida ogni conversazione con il cliente per rendere l’AI affidabile. Devono essere molto chiare su dove l’AI può adattarsi e dove il processo non può assolutamente cambiare.

I centri di contatto hanno tradizionalmente misurato l’automazione attraverso metriche come il containment e la riduzione dei costi. Man mano che l’AI agentica diventa più sofisticata, quali metriche dovrebbero usare le imprese per determinare se l’AI sta realmente migliorando l’esperienza del cliente anziché limitarsi a ridurre l’intervento umano?

Stiamo passando da metriche come deflection e containment verso quello che chiamo “risoluzione verificata”. Voglio che siamo responsabili nel comprendere l’intento del cliente e nel risolverlo effettivamente. Come cliente, desidero che l’esperienza sia piacevole, ma più di ogni altra cosa voglio che il motivo per cui ho contattato venga risolto. Quando misuriamo quel risultato, anziché semplicemente se l’AI ha impedito a qualcuno di parlare con un operatore umano, allineiamo la tecnologia al compito che il cliente realmente necessita.

Se un esperto umano può supervisionare o guidare sempre più conversazioni guidate dall’AI, come prevedi che evolverà la forza lavoro dei centri di contatto? Vedi emergere nuovi ruoli legati alla supervisione, formazione, governance e miglioramento continuo dell’AI?

Questo è ciò che mi entusiasma davvero del futuro modello operativo dei centri di contatto. Oggi, gli agenti umani sono in prima linea, spesso aiutando clienti delusi, confusi o arrabbiati, trascorrendo gran parte del loro tempo a navigare sistemi complessi per risolvere tali problemi. È un lavoro impegnativo e il burnout è elevato. Man mano che l’AI agentica assume più di quel lavoro su canali vocali e digitali, credo vedremo emergere una nuova classe di professionisti CX: l’agente umano come analista. Il loro tempo sarà sempre più dedicato a situazioni che richiedono giudizio, non sono in bianco e nero o comportano sensibilità normativa. È un ruolo fondamentalmente diverso, e l’AI stessa sta contribuendo a crearlo.

Dopo i tuoi primi 30 giorni alla guida di ASAPP, cosa ti ha sorpreso di più riguardo a dove si trovano attualmente le imprese nella loro adozione dell’AI agentica, e cosa credi definirà la prossima fase del servizio clienti potenziato dall’AI?

Sono rimasto colpito da quanto i clienti con cui ho parlato siano disposti a fare dell’AI agentica un pilastro centrale della loro strategia CX, piuttosto che qualcosa di marginale. La sfida è che Digital, IT, Security e Operations spesso operano a velocità diverse e misurano il successo in modo differente. Questa frammentazione rende difficile vedere chiaramente il caso di business a livello aziendale. La prossima fase richiederà alle organizzazioni di allinearsi su ciò che conta realmente a livello enterprise e di capire dove l’AI agentica nel CX può influenzare tali risultati. Oggi, tale impatto può essere diluito nei tradizionali scorecard e metriche isolate.

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