Sean Whiteley, Fondatore e Presidente di Qualified – Serie di Interviste

Hai fondato con successo tre aziende, tra cui una acquisita da Salesforce e un’altra da SurveyMonkey. Cosa ti ha ispirato a fondare Qualified e come si inserisce nell’evoluzione più ampia dell’AI nel software aziendale?

Kraig e io abbiamo fondato un’azienda di marketing di ricerca che è stata acquisita da Salesforce. Questo era all’inizio della rivoluzione cloud e praticamente tutti i programmi di marketing stavano rapidamente spostandosi verso il digitale. È diventato immediatamente chiaro che c’era una grande disconnessione su come i venditori si connettevano con gli acquirenti in questo nuovo mondo. Le aziende stavano spendendo milioni per attirare traffico sui loro siti web, ma quando quegli acquirenti ad alta intenzione si presentavano, l’esperienza di coinvolgimento non si era evoluta. Era come organizzare e pagare una festa speciale per i tuoi potenziali clienti, ma dimenticarsi di rispondere alla porta quando arrivavano.

È lì che è nata l’idea di Qualified. Volevamo creare un modo per i team di vendita di incontrare acquirenti qualificati nel momento in cui arrivavano sul sito, con rilevanza, contesto ed esperienze iper-personalizzate in tempo reale che rappresentano ciò che gli acquirenti desiderano. Saltando avanti fino ad oggi, abbiamo evoluto quella visione in qualcosa di molto più grande: un livello di marketing agente che esegue ogni flusso di lavoro di un processo di marketing inbound, che copre interazioni in tempo reale sul sito web e interazioni asincrone via e-mail. Qualified è costruito per questa prossima ondata di software aziendale, dove i lavoratori AI non eseguono solo attività e flussi di lavoro, ma prendono decisioni basate sul contesto per conto della tua azienda.

Come è cambiata la tua visione dell’AI dai primi giorni nel marketing di ricerca a oggi, con Piper che automatizza le vendite inbound su larga scala?

Ovviamente l’emergere dei Large Language Model (LLM) ha completamente cambiato il gioco nella sua interezza. Quando abbiamo iniziato la nostra prima azienda, era l’inizio dei giorni cloud, che rappresentava un cambiamento fondamentale nel modello di consegna del software. Cose come infrastruttura condivisa, multi-tenancy e prezzi pay-as-you-go hanno aperto la strada alle aziende per spostare app e processi mission-critical sul cloud. Presto dopo, piattaforma e infra sono state rese disponibili come una raccolta di servizi, che è stato di nuovo un grande abilitatore per le aziende per scaricare carichi di lavoro significativi ai vendor cloud. Tutto è cambiato.

Saltando avanti di un decennio, la rivoluzione AI è esplosa. Solo pochi anni fa, quando abbiamo iniziato Qualified, il machine learning (ML) rappresentava un nuovo modo per sfruttare l’intelligenza da vasti set di dati. Ora, naturalmente, i LLM hanno cambiato tutto in termini di nostra capacità di spostare carichi di lavoro significativi sull’AI. Ma più importante, i LLM rendono l’AI accessibile a tutti e le persone hanno la capacità di interagire con computer, app o dati utilizzando il loro linguaggio naturale. E anche se siamo veramente solo all’inizio, è molto chiaro che molte cose che abbiamo fatto storicamente saranno riscritte e fatte in nuovi modi. Ciò non si applica solo a come viviamo, ma anche a come lavoriamo.

Una delle nostre massime a Qualified è quella di sfidare tutto ciò che abbiamo fatto storicamente e valutare come sarà trasformato con l’AI. L’AI non cambierà solo la natura di come costruiamo i sistemi, ma sbloccherà nuovi processi, operazioni e strutture organizzative.

La prima ondata di questa trasformazione AI si è manifestata negli agenti. Ogni azienda sta introducendo livelli agente in varie funzioni in tutta l’azienda. Il nostro agente AI SDR è stato un posto molto popolare per iniziare in relazione all’introduzione di un livello agente in una mozione di marketing. E sta diventando molto chiaro che non solo Piper può automatizzare virtualmente tutte le attività e i flussi di lavoro di generazione di pipeline inbound storicamente eseguiti da SDR umani, ma può anche iniziare a gestire molti dei flussi di lavoro tradizionalmente eseguiti con piattaforme di automazione del marketing.

Piper è un potente esempio di un agente AI autonomo in azione. Dove tracci personalmente la linea tra automazione utile e autonomia rischiosa?

L’autonomia non può esistere in sicurezza senza responsabilità. La fiducia può essere guadagnata o persa esponenzialmente in un sistema agente. Non stiamo più costruendo strumenti cloud. Stiamo ora distribuendo lavoratori autonomi che prendono decisioni per conto dei clienti. Ci sono rischi più alti per l’affidabilità e la fiducia di quanto mai prima. Il comportamento dell’agente inaccurato o inutile dovrebbe essere la priorità numero uno per chiunque stia sviluppando agenti. Altrettanto importante è investire in capacità intorno alla formazione, alla sintonizzazione, alla trasparenza, alle citazioni e al controllo, è abilitare il cliente su come costruire la fondazione di governance per un agente.

Con Piper, siamo stati intenzionali nel costruire un’utile autonomia – AI che opera all’interno di guardrail chiaramente definiti, alimentati dalla nostra ricca storia di partnership con i nostri clienti che utilizzano i nostri prodotti oggi. La linea per me è abbastanza chiara: l’automazione non dovrebbe mai sostituire il giudizio in momenti che richiedono contesto, empatia o sottigliezza.

Piper non tenta di possedere l’intero percorso dell’acquirente fin dall’inizio. C’è un importante processo di ramp-up per assicurarsi che l’agente stia operando non solo in modo efficiente, ma anche in modo accurato e all’interno dei confini definiti stabiliti da un cliente. Non puoi semplicemente rilasciare un agente in produzione che interagisce con i tuoi potenziali clienti e clienti senza capire come ciò influenzerà l’intero ciclo di acquisto.

Quindi, per me, la linea è tracciata sulla fiducia, l’osservabilità e il controllo. Se non possiamo fornire spiegabilità o misurare le sue prestazioni, allora non è pronto. La maggior parte delle aziende con cui parlo sta diventando molto più istruita e sta pensando a queste cose nel modo giusto, ma è nostro compito aiutare i nostri clienti a mettere in atto le giuste guardrail, la moderazione e le migliori pratiche intorno alla governance.

Considerata l’aumentata capacità degli agenti AI, come assicuri che Piper rimanga all’interno dei confini etici e contestuali – soprattutto quando coinvolge lead umani reali in scenari ad alto rischio?

All’interno dell’applicazione Qualified, puoi programmare Piper per rimanere all’interno di certi confini, controllare il suo tono e assicurarti che aderisca alle politiche aziendali. Queste sono verità assolute e regole di coinvolgimento che non possono essere violate quando si coinvolgono i visitatori. Forniamo moderazione e guardrail significative al nucleo della nostra AI, il che significa prendere rischi intorno ai dati (PII) e alle informazioni sensibili completamente fuori dall’equazione. Inoltre, consentiamo alle aziende di aggiungere ulteriori guardrail, istruzioni e regole di coinvolgimento.

Abbiamo anche abilitato Piper a sterzare delicatamente indietro una conversazione che si discosta dall’argomento. Inoltre, se abbiamo il senso che c’è un cattivo attore in una delle estremità di un coinvolgimento, Piper può semplicemente terminare una conversazione se sta andando in un’area che è:

• Non correlata all’azienda, prodotti, servizi o settore
• Casuale o insensato
• Esplicito, inappropriato o offensivo
• Completamente al di fuori dell’ambito di ciò che un AI SDR dovrebbe gestire

Queste rigide guardrail assicurano che Piper rimanga all’interno dei suoi confini assegnati, dando ai nostri clienti la totale fiducia e il controllo sul suo comportamento.

Hai parlato della necessità di sistemi di rollback e capacità di annullamento. Puoi guidarci attraverso le misure di sicurezza e controllo che hai costruito nella piattaforma di Qualified per prevenire o mitigare gli errori AI?

La fiducia e la trasparenza/spiegabilità vanno di pari passo. La fiducia inizia con la fornitura di insight su ciò che sta accadendo, perché sta accadendo e come influenzare come funziona nel futuro. Ci sono principi di base, come citazioni, feedback loop e sintonizzazione/fine-tuning. Ma abbiamo anche preso passi aggiuntivi per i nostri utenti per fornire uno strato di osservabilità per l’AI che è facilmente accessibile e può fornire feedback umano-nel-loop.

Ad esempio, forniamo la capacità di simulare varie circostanze e vedere facilmente cosa farà l’AI e fornire feedback o correzione di rotta su ogni situazione ipotetica. Proprio come si rampa un dipendente prima che gli venga data l’autonomia, devi fare la stessa cosa con l’AI.

Alla luce delle tendenze di regolamentazione dell’AI e dei recenti titoli sui fallimenti dell’AI, come vedi il ruolo della conformità e della politica plasmare il futuro degli agenti AI nelle vendite e nel marketing?

La regolamentazione e la governance sono più importanti che mai. Non è difficile pensare al rischio aumentato che gli agenti possono rappresentare se non distribuiti in modo responsabile. Abbiamo tutti visto i risultati del rilascio di AI senza contesto o responsabilità. Nel B2B, in particolare nelle vendite e nel marketing dove giochiamo, stiamo gestendo molti dati aziendali e alcuni gradi di Informazioni Personalmente Identificabili (PII). Dobbiamo tenere noi stessi e i nostri clienti a standard elevati per proteggere le esperienze degli acquirenti.

Stiamo costruendo Piper con una conformità aziendale di livello iniziale al livello PRD. Ciò significa che stiamo pensando alla privacy, alla sicurezza e alla governance fin dalla concezione di qualsiasi cosa nuova che costruiamo e spediamo. Mentre l’AI evolve, così faranno gli standard intorno ai soliti sospetti nel nostro settore come SOC 2, GDPR, CCPA, gestione del consenso, ecc. – queste sono tutte cose che teniamo presente ogni volta che spediamo funzionalità. Ma, controllare le caselle non è abbastanza. Stiamo creando una cultura di trasparenza e costruendo il nostro quadro etico prima di ulteriori regolamentazioni formali.

Questi pezzi del puzzle AI non possono aspettare la politica formale – se non stai già impostando questi standard all’interno dei tuoi team, sei indietro.

Pensi che le aziende stiano muovendosi troppo velocemente nel dare agli agenti AI troppa autonomia senza costruire adeguate strutture di supervisione umana?

Abbiamo tutti visto i titoli quando queste cose vanno fuori controllo – ci sono senza dubbio aziende che si stanno muovendo troppo velocemente e guardano all’AI come strumenti da implementare invece di una trasformazione aziendale totale.

L’automazione non è una strategia. È un pezzo di questo quadro più ampio, ma richiede infrastrutture e pensiero a lungo termine per evitare di fare errori enormi che alla fine erodono la fiducia con i clienti. Non puoi riaverla.

La supervisione umana non è un inibitore del successo con l’automazione, è un abilitatore. L’AI farà il lavoro pesante, ma gli esseri umani nel loop sono necessari per scalare in modo responsabile.

Come bilanci la velocità e l’efficienza dell’AI con abilità umane uniche come il giudizio, l’etica e la sottigliezza nelle interazioni con i clienti?

Guardiamo a Piper come a un compagno di squadra. Le sue forze – sempre attiva, velocità, ricordo istantaneo, scala infinita – la rendono un’agente SDR potente, ma sappiamo che non può possedere ogni singola interazione dall’inizio alla fine.

Gli esseri umani saranno sempre necessari in conversazioni ad alto rischio dove l’intelligenza emotiva sfumata serve meglio all’acquirente. Sfruttare l’AI nei casi d’uso giusti è la chiave per bilanciare l’automazione e le competenze umane. Piper è velocissima, ma sa quando fermarsi e coinvolgere gli esseri umani.

Lasciamo che l’AI faccia ciò che l’AI fa meglio in modo che le persone possano fare ciò che le persone fanno meglio.

Sei all’avanguardia del marketing agente. Cosa ti entusiasma di più nei prossimi 2-3 anni in questo spazio?

Mi sento come se l’era AI abbia dato a molti di noi una seconda possibilità dopo alcuni anni difficili nello spazio tecnologico. Il marketing agente è un’innovazione potente che apre le porte a tutto un nuovo insieme di tecnologie e ha quasi livellato il campo per le aziende nel settore.

Stiamo tutti su questo rollercoaster insieme e stiamo finalmente superando quella fase iniziale di gimmick e vedendo quali applicazioni sono veramente utili.

I prossimi due o tre anni saranno tutti sull’orchestrazione – mentre sempre più agenti AI vengono online, il lavoro sarà quello di costruire gli stack tecnologici più potenti che lavorano insieme come un team per eseguire flussi di lavoro complessi.

Quali settori ritieni meno preparati per le implicazioni degli agenti AI autonomi – e cosa dovrebbero fare ora per stare avanti?

I settori che hanno gerarchie rigide e stack tecnologici legacy sono a rischio di essere lasciati indietro. Per il marketing agente di essere di successo, devi avere una mentalità moderna intorno all’igiene dei dati e al software, e alcune di quelle grandi operazioni si muovono lentamente e hanno molti debiti tecnologici da navigare. Ironia della sorte, queste sono le organizzazioni che trarranno vantaggio maggiormente dall’AI – i loro flussi di lavoro sono maturi per l’automazione.

La chiave ora è iniziare con l’infrastruttura e non con la tecnologia. Dovranno mettere in ordine le loro case per prima con la pianificazione strategica intorno ai flussi di lavoro in cui gli agenti aggiungono valore. Dovranno avere framework intorno alla conformità e alla sicurezza. Poi potranno iniziare a pilotare alcuni di questi programmi.

Ciò non è solo un progetto IT – è un intero spostamento organizzativo, dall’alto in basso.

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