ライアン・タミンガ、Alchemerのチーフカスタマーオフィサー – インタビュー・シリーズ

ライアン・タミンガは、カスタマー・エクスペリエンスとエンタープライズ・トランスフォーメーションのエグゼクティブで、カスタマー・サクセス、プロフェッショナル・サービス、コンサルティング、製品戦略を含むリーダーシップ・エクスペリエンスを約2 десяти年にわたって持っています。2019年にAlchemerに入社して以来、カスタマー・サクセスの副社長、製品・サービス担当シニア・副社長を含む一連のリーダーシップ・役割を経て、2026年にチーフ・カスタマー・オフィサーに任命されました。現在の役割では、カスタマー・エンゲージメント、サクセス、サービス・デリバリーを担当し、カスタマー・ニーズと製品イノベーション、ビジネス・ストラテジーを一致させています。Alchemerに入社する前は、ReedGroup、Deloitte、Accentureでのシニア・リーダーシップ・ポジションを歴任し、ビジネス・オペレーション、分析、自動化、エンタープライズ・パフォーマンス・イノベーションに焦点を当てた大規模なトランスフォーメーション・イニシアチブを率いました。

Alchemerは、カスタマー・フィードバックとエクスペリエンス・マネジメント・プラットフォームで、組織がカスタマー、従業員、ステークホルダーからインサイトを収集、分析、実行できるように支援します。同社のソフトウェアは、サーベイ・作成、フィードバック・収集、ワークフロー・オートメーション、AI駆動の分析を組み合わせて、ビジネスが単にデータを収集するのではなく、そこから測定可能なアクションを起こせるようにします。幅広い業界の組織にサービスを提供し、Alchemerはチームが複数のチャネルからのフィードバックを集中管理し、トレンドとセンチメントを発見し、インサイトを使用してカスタマー・エクスペリエンスを改善し、製品の決定を情報に基づき、ビジネス・パフォーマンスを強化することを可能にします。AI駆動のツールの成長するスイートを通じて、同社は組織がフィードバックを継続的なオペレーショナルおよび戦略的インテリジェンスの源に変えることを支援することを目指しています。

コンサルティングの分野で10年以上の経験を持つライアンさん。アクセンチュアやデロイトのような企業でカスタマー・サクセス、製品、サービスをリードしてきた経験が、エンタープライズ・環境でのAIの展開にどのように影響していますか。

コンサルティングでの経験は、現在の役割に非常に貴重な洞察をもたらしています。たとえば、テクノロジーが最も難しい部分ではないことを発見しました。フォーチュン100企業のエンタープライズ・システムの実装を支援した経験がありますが、苦労したプロジェクトは、悪いソフトウェアによって失敗したものではありませんでした。変更管理の問題、所有権の不明確さ、そして多くの場合、基盤となるプロセスが吸収する準備ができていない前に展開されました。

その経験が、今日のAIの展開にどのように影響するかというと、AIから価値を得るのに苦労しているカスタマーと話すとき、問題はほとんどの場合、テクノロジーそのものではありません。彼らは、達成しようとしていることを定義していない、出力の所有権が不明確であり、AIが何か行動可能なものを表面化したときに何が変わるのかを理解していないということです。テクノロジーは、ほとんどの場合、組織の準備度を上回っています。

カスタマーと密接に仕事をすることは、もう一つの重要な要素です。仕事を毎日行う人々にとって、価値とは実際に何を意味するかをすぐに理解できます。ボード・メトリクスに何を意味するかを翻訳する方法も理解できます。コンサルティングからプロセス・リガーを、カスタマーと一緒に仕事をすることでエンパシーを学んだことが、AlchemerでのAIの構築と展開の戦略に取り組むことを目指しています。

組織のAI成熟度格差について、リーダーが抱く最大の誤解は何ですか。実装が最初に失敗するのはどこですか。

最も一般的な誤解は、AIツールを購入することは使用する準備ができていることを意味するということです。リーダーはデモを見て、出力を見て、採用が自動的に続くと想定していますが、多くの場合、誤りです。テクノロジー、AIであるかどうかに関係なく、ビジネス上の問題を解決することから始めることが重要です。テクノロジーの採用は、チームやカスタマーにとってどのように問題を解決するかを効果的に伝えることができるかどうかによって決まります。

実装が最初に失敗するのは、ほとんどの場合、ハンドオフのポイントです。次のステップの明確なワークフローがない場合（たとえば、誰がそれを見て、誰が行動するか、どのシステムに入れるか）、インサイトは行動されません。組織は、インサイトを行動に移すために適切に構造化されている必要があります。

このギャップを認識することで、Alchemerでのソリューションの構築に影響を与えています。テクノロジーの機能をリリースする前に、解決しようとしている問題を特定します。AIの機能、ワークフロー、ユーザー・コントロールは私たちが提供するものの一部です。チームがフィードバックに基づいて行動するための組織的な筋肉を構築することも同様に重要であり、そこで実際の成果が実現されます。

多くの企業はAIに多大な投資をしていますが、ROIを実証するのに苦労しています。カスタマー・エクスペリエンスにおけるAIの効果を評価するために、どのようなメトリクスまたはフレームワークを使用する必要がありますか。

行動の変化を確認し始めます。AIが生成したものではなく、行動の変化を確認します。正しい質問は「AIが要約を生成しましたか？」ではなく、「チームはそれに基づいて行動しましたか？」や「ビジネス上のメトリクスは正しい方向にシフトしましたか？」です。AIは問題または機会が存在する場所を明確に特定し、新しい洞察を提供できます。しかし、企業がその洞察に基づいて行動しない場合、カスタマー・フィードバックは無視されたり、タイムリーに対応されない可能性があります。

インサイトまでの時間は、開始するための良いメトリクスです。フィードバックを収集して、意思決定者が行動可能なものを持つまでにどれくらいの時間がかかりましたか。AIを使用すると、フィードバック分析が6か月かかっていたものが、数時間に短縮されます。私たちのカスタマーは、サイクルを6か月から数時間に短縮しました。これは、インサイトと行動の時間に対する実際の、測定可能なシフトを示しています。

レスポンス時間は、最初にキャプチャするべきもう1つのメトリクスです。カスタマーは、特に悪いフィードバックの場合、フィードバックにレスポンスを期待します。悪いサーベイ・レスポンスやオンライン・レビューにレスポンスするまでにどれくらいの時間がかかるかを測定します。手動で確認している場合は、数日かかる場合があります。サポート・チケットを介してアクションを割り当て、次にカスタマーにレスポンスを返します。オンライン・眼鏡小売業者は、約1か月から数分に短縮しました。

レスポンス率は、追跡するべき最後のメトリクスです。H&R Block (HRB ) Canadaは、税季中に約1,000のロケーションを管理しています。AI以前は、100%のレビュー・レスポンス・カバレッジに到達することはほとんど不可能でした。現在は、ベースラインです。これは、測定可能であり、ダウンストリームの効果は検索の可視性とカスタマー・パーセプションに追跡可能です。

問題を特定し、開始してください。コストを削減したり、カスタマーを苛立たせたりする問題（たとえば、分析の遅さ、レスポンス率の低さ、カスタマー・シグナルの欠如）を特定し、前後でデルタを測定します。すべてを測定しようとしないでください。重要な1つのことを測定し、そのモメンタムを使用してビジネス上のケースを構築するのに役立てます。

あなたの観点から、AIを実際に運用化する組織と、まだ実験段階にいる組織とは何が違いますか。

成功する組織は、AIをインフラストラクチャーとして扱い、プロジェクトとして扱いません。インフラストラクチャーは、仕事を行うためのコアになります。たとえば、1990年代後半から2000年代初頭にCRMソフトウェアの導入がもたらした違いについて考えてみましょう。プロジェクトは実装でしたが、システムは、以降、ゴー・トゥ・マーケット・チームが動作する基盤となる運用インフラストラクチャーになりました。実際に運用化するということは、AIの導入の場合も同様です。ほとんどの組織は、AIの採用においてまだそこに到達していません。

もう1つの違いは、所有権です。成功したカスタマー・エクスペリエンスの展開には、出力が行動されることを保証する誰かがいます。誰かがアウトカムを所有している必要があります。誰も所有していない場合、インサイトはダッシュボードにループバックして停止します。これは、カスタマー・エクスペリエンス・プログラムにとって常に当てはまりますが、AIによって増幅されます。出力はより速くなり、カスタマーの期待は加速しています。

私が注目する3番目のことは、組織が成功メトリクスの一貫性のパターンを持っているかどうかです。何が測定されるかが管理されます。トレンドを時間の経過とともに追跡するチーム、四半期ごとにパフォーマンスをベンチマークするチーム、または地理的に結果を比較するチームは、異なる答えを出すAIソリューションを許容できません。AIを実際に運用化する組織は、機能だけでなく信頼性も要求します。彼らは、構築できるAIを望みます。

汎用LLMの周りの興奮は多くありますが、あなたはフィードバック・ワークフローに特化したAIを主張しています。エンタープライズのユースケースで汎用モデルはどこで短所を露呈しますか。

すべての問題に同じAIソリューションが必要ではありません。フィードバックとカスタマー・エクスペリエンスの分野の多くのベンダーは、ChatGPTやClaude、Geminiのような汎用の商用モデル上にAIの機能を構築しています。これらはすべての人にとってすべてを行うように設計されており、その汎用性は、信頼性と一貫性の高いレベルを要求する組織にとって問題になる可能性があります。

Alchemerは、顧客が解決しようとしている課題をサポートするために、異なるアプローチを取りました。汎用のLLMではなく、各タスクに最適なAIソリューションを使用します。目的のあるAI戦略の結果は、出力の精度が高く、時間の経過とともに一貫性があり、フィードバック・データに最適化されたAIです。

これは、実際に顧客と一緒に直接発生しました。Washburn & McGoldrickは、Alchemerを選択する前に汎用AIツールを評価しましたが、同じデータセットで異なるカテゴリ化が行われました。ベンチマーク・プログラムを構築するにはそれでは不十分です。

ビジネス・ワークフローにAIを直接埋め込むということは、実際に何を意味しますか。スタンドアロン・ツールとしてAIを扱うよりも、どのようにしてそれがより効果的なアプローチになりますか。

スタンドアロン・AIツールは、分析することに決めたときに開くものです。埋め込まれたAI機能は、質問をする前にすでに動作しています。

実践での違いは次のとおりです。リスク・スレッショルドを超えたレビューが夜間に届いた場合、埋め込まれたシステムはアラートをトリガーし、正しい人物にルーティングし、自動的にレスポンス・ワークフローを開始します。誰もダッシュボードを確認する必要はありません。AIはすでにプロセスの一部です。

Alchemerでは、すべてのフィードバック・チャネルとフィードバックのライフサイクル全体を考えています。サーベイの機能を向上させるAIは、関連するフォローアップ・質問をリアルタイムで生成して、サーベイが会話になることができます。レビュー管理では、AIはブランドに合ったパーソナライズされたレスポンスを草案化し、投稿することもできます。分析レイヤーのAIは、すべてのフィードバックの中で重要なものを表面化します。ワークフロー・オートメーションは、AIによってトリガーされるアクションを、チームが実際に働くビジネス・システムに直接接続します。ピースが接続されると、インサイトとアクションのギャップは、数日から数分に縮小されます。これが、実際に埋め込まれたことを意味します。カスタマー・フィードバックから生じるアクションを、カスタマーと関わるために毎日使用するシステムに接続することです。

未構造化されたカスタマー・フィードバックをリアルタイムの行動可能なインテリジェンスに変えることは、強力ですが、難しいようです。スケールでそれが機能するために、最も大きな技術的および組織的な課題とは何ですか。

技術的な側面では、データの量と変異性が実際に課題になる可能性があります。カスタマーは、一般的なモデルが頻繁に誤読する略語、スペルミス、ショートハンドで書きます。モデルは、ビジネスの言語も理解する必要があります。業界ごとに異なる用語が使用され、ビジネスはそれらの上に独自のニュアンスを適用します。

たとえば、ビジネスでお客様を迎える人は、医者の事務所ではレセプショニスト、レストランではホスト、カフェではバリスタです。これらの類似の役割は、業界によって異なる名前が付けられます。一般的なモデルは初期のレビューには適切かもしれませんが、基盤となるモデルは、フィードバック・データのニュアンスと、カスタマーが特定の業界、製品、ブランド、サービスについて話し合う方法に最適化する必要があります。モデルは、一貫性も必要です。ほとんどの場合、歴史的なベースラインと比較しています。

技術的な課題は増加しているように思えるかもしれませんが、組織的な課題は、実際には解決しやすくなっています。最初の主要な課題は、増加したボリュームと豊富なインサイトに何をしますか。ほとんどのチームは、AI生成のインサイトを見て、「それは面白い」と言います。最良の組織は、インサイトがこの人/システムに、次の時間枠内に到達するようにワークフローを構築します。幸いなことに、ワークフローを構築することは、計画と実行が適切に行われると、以前よりもはるかに容易になりました。チームがカスタマー・フィードバックを理解するための好奇心が加速するにつれて、実際に興奮するものです。

もう1つの大きな組織的な課題は、信頼です。Alchemerの最近の調査では、CXソフトウェアの購入者の29%のみが、現在、レビューなしでAI生成の出力に基づいて行動することに快適であると述べています。これは、AIが一貫性がなく、説明ができないという実際の経験を反映しています。信頼を構築するには、AIシステムが結論に到達する方法について透明性を保ち、監査トレイルと構成可能なコントロールが必要です。コントロールは、チームがAIが何をできるか、できないかを決定できるようにします。Alchemerでは、信頼できるAIを製品として扱います。機能ではありません。

市場調査におけるAIの精度よりも一貫性が重要であると主張しています。なぜ一貫性が重要であり、どのようにしてそれが見落とされるのでしょうか。

精度は、AIが単一のレスポンスをどの程度よく理解したかを示します。一貫性は、比較が可能かどうかを示します。市場調査の場合、比較が重要なポイントです。今日のカスタマーが何と言っているかを知ることは、孤立して意味をなさないことです。しかし、前四半期と比較して、ある地域と比較して、6か月前に見られたテーマが今も存在するかどうかを理解することは、有益です。AIの出力が一貫性がないと、これらは不可能です。

たとえば、2人の異なるアナリストが6か月間隔で同じオープン・テキスト・フィードバックをコード化した場合、比較可能性の問題が生じます。テーマのシフトは、実際のカスタマー・センチメントの変化を反映しているか、単に2人の異なる人のデータの解釈の違いを反映しているかを判断することはできません。AIの出力が一貫性がないと、同じ課題が生じます。

同じ分類ロジックを毎回適用するファイン・チューンされたモデルは、この問題を解決します。モデルは、異なる答えを出しません。オープン・テキストの答えは、長期的なNet Promoter Scoreプログラムと同様に、信頼性があります。これにより、分析者は、ビジネスに何が起こっているかについて、意味のあることを伝えることができます。現在のところではありません。

カスタマー・エクスペリエンスにAIが埋め込まれるにつれて、非技術的なチームにとってAIをワークフォース・マルチプライヤーとしてではなく、置き換えとして考えるべきではありません。組織は、AIをワークフォース・マルチプライヤーとして考えるべきです。なぜですか。

ワークフォース・マルチプライヤーとしての枠組みは、質問を「AIが何を置き換えますか？」から「チームは今までできないことを何ができるようになりますか？」に変えます。これは、より生産的な枠組みであり、私の経験では、より正確なものです。これは、過去20年間の技術の採用の歴史的なパターンにも沿っています。具体的には、カスタマー・インサイト・アナリストが毎週3日間、オープン・テキスト・フィードバックを手動でコード化していた場合、AIにより、パターンを解釈し、発見を提示し、質問の背後にある質問に取り組む時間が増えるようになります。AIはアナリストを置き換えません。アナリストのスキルにさらに多くのスペースを与えます。

これは、特に非技術的なチームにとって重要です。誰でもデータについて質問を平文で尋ね、データ・サイエンティストやレポートを構築する必要なく、インサイトを得ることができる場合、カスタマーに最も近い人々が、より迅速にインサイトを得ることができます。これは、単一のタスクの効率だけに影響を与えるのではなく、組織全体の意思決定のペースを変える可能性があります。

ワークフォース・マルチプライヤーの効果は、チームがAIによって生み出される容量を使用する準備ができている場合にのみ実現します。組織設計の質問であると同時に、テクノロジーの質問でもあります。私たちがカスタマーと一緒に取り組むのは、採用とベスト・プラクティスに、機能と同様の時間を費やしているからです。

今後数年で、AIがカスタマー・エクスペリエンスをどのように変えるかを見据えて、企業は今日何をすべきですか。

私は、反応型から予測型への移行を最も注目しています。今日のほとんどのフィードバック・プログラムは反応型です。何かが起こり、フィードバックが届き、チームが分析し、決定が下されます。サイクルは速くなっていますが、基本的には後ろ向きです。

AIが可能にするのは、カーブの先を見て、問題がスコアに現れる前に行動することです。どのカスタマー・セグメントがリスクにさらされているかを特定すること。どの地域で満足度が低下しているかを理解すること。スコアにパターンが現れる前に、問題が発生するかどうかを知ること。これは、目的のあるAIと長期的なフィードバック・データの組み合わせが真正に強力になる場所です。

今日の企業は、AIが可能にするものを受け入れるための組織的なインフラストラクチャーを構築する必要があります。フィードバック・データをレビュー、サーベイ、ソーシャル・メディア、イン・アプリなど、すべてのチャネルから統合します。分析とインサイトが何を表すかを所有する人を定義します。インサイトが表面化したときに何が起こるかを定義します。必要なワークフローを構築して、インサイトをアクションに結び付けます。先行する会社は、最も洗練されたAIテクノロジーを持っている会社ではありません。AIのインサイトを一貫性、迅速性、スケールで行動する会社です。

素晴らしいインタビュー、詳しく知りたい読者はAlchemerを訪問してください。