바라 쿠마르 남부루, 왓픽스 공동 창립자 및 연구 개발 책임자 – 인터뷰 시리즈

바라 쿠마르는 왓픽스의 공동 창립자이자 연구 개발 및 솔루션 책임자로, 회사의 혁신과 전략적 성장을 주도하고 있습니다. 그는 2014년 카디ム 바티와 함께 왓픽스를 공동 창립하여 개인과 조직이 기술과 함께 공생하여 잠재력을 최대한 발휘할 수 있도록 하는 비전을 가지고 있습니다. 미국에 기반을 둔 바라는 회사의 멀티 제품 전략과 제품 개발 및 채택, 기술 개발, 혁신에 대한 비전을领导하며, 고객과 파트너들에게 성공적인 통합을 가속화하는 데 도움을 줍니다. 바라의 리더십 아래, 회사는 ‘사용자화’라는 개념을 도입하여 기술이 사용자에게 적응하도록 하는 접근 방식을 취하고 있습니다. 그는 사용자들이 사랑하는 기술을 구축하는 데 열정적으로 참여하고 있습니다.

왓픽스는 디지털 채택 플랫폼으로, 기업들이 소프트웨어 채택과 사용자 생산성을 향상시키는 데 도움을 주는 플랫폼입니다. 왓픽스 AI는 인텔리전트한, 컨텍스트에 맞는 에이전트를 도입하여 콘텐츠 생성, 실시간 지원, 사용자 데이터를 분석하여 조치할 수 있는 통찰력을 제공합니다. 왓픽스와 왓픽스 AI는 함께 온보딩, 훈련 마찰, 워크플로 최적화를 간소화하며, 감독, 책임, 데이터 개인 정보를 보장합니다.

바라 쿠마르 남부루, 왓픽스 공동 창립자 및 연구 개발 책임자 – 인터뷰 시리즈

바라는 기업 기술 분야에서 경력을 시작하여 후에 왓픽스를 공동 창립했습니다. 왓픽스를 시작하게 된 계기는 무엇이었으며, AI의 등장으로您的 원래 비전은 어떻게 진화했나요?

내 경력은 화웨이 기술에서 시작되었습니다. 시스템 아키텍트로 일하면서 후에 공동 창립자가 되는 카디ム 바티를 만났습니다. 우리의 첫 번째 벤처는 중소기업을 위한 SEO 플랫폼인 SearchEnabler였습니다. 하지만 우리는 사용자들이 플랫폼의 기능을 최대한 활용하지 못하는 문제를 발견했습니다. “수정” 버튼을 추가하여 사용자에게 도움을 주려고 했지만, 문제는 SEO가 아니라 기술이 사용자에게真正로 접근하기 어렵다는 것을 깨달았습니다.

이 발견으로 우리는 2014년 왓픽스를 설립했습니다. 우리의 핵심 信念은 기술이 사용자에게 적응하도록 하는 것이었습니다. 우리는 이것을 ‘사용자화’라고 불렀습니다. 소프트웨어가 사용자에게 친숙하고, 채택과 영향력을 최대화하도록 하는 것이었습니다.

AI는 이 임무를指数적으로 증폭시켰습니다. 2019년 Airim을 인수한 이후, 우리는 모든 제품에 AI를织入했습니다. 오늘날, 우리는 단순히 소프트웨어를 사용자 친화적으로 만들지 않고, 학습, 추론, 그리고 대규모에서 작동하는 지능형 시스템을 구축하고 있습니다. 우리의 비전은 사용자 적응에서 인간 중심의 AI를 구축하는 것으로 진화했습니다.

많은 연구에 따르면, 대부분의 AI 파일럿 프로젝트는 사용자들이 기술을 일상 작업에 적용하지 못하기 때문에 실패한다고 합니다. 사용자 채택 격차의 근본적인 원인은 무엇이라고 생각하시나요?

저는 두 가지 근본적인 장벽이 있습니다. 첫 번째는 과부하입니다. 대규모 기업은 각기 자신의 AI 기능을 갖춘 수천 개의 애플리케이션으로 가득 차 있습니다. 사용자들은 어떤 도구가 어떤 목적을 위해 사용되는지에 대해 결정적이지 못하고, 이는 마찰을 일으켜 ROI를 없애버립니다.

두 번째 장벽은 신뢰입니다. IT 리더와 CIO들은 AI 시스템이 보안 표준을 유지하고, 규정을 준수하며, 편견이 없다는 것을 확신해야 합니다. 조직이 데이터 침해, AI의 환상, 또는 거버넌스 실패에 대해 우려한다면, 그들은 파일럿 프로그램을 넘어서 확장하기를 주저합니다.

성공에는 AI를 직접 사용자 작업에埋め込는 것이 필요합니다. 우리의 ScreenSense 기술을 통해, 우리는 사용자가 무엇을 하고 무엇을 성취하려고 하는지 분석하고, 그에 따라 컨텍스트에 맞는 추천과 다음 최선의 조치를 제공합니다. 이 접근 방식은 사용자들이 새로운 기술을抵抗하지 않도록 하며, 즉시 가치를 제공합니다.

왓픽스의 새로운 AI 에이전트는 ‘사용자화’라는 개념을 중심으로 구축되었습니다. 이것이 무엇이며, 전통적인 디지털 채택 접근 방식과 어떻게 다른가요?

사용자화는 기술 배포에 대한 근본적인 전환을 대표합니다. 우리는 사용자들이 기술의 제한에 적응하도록 요구하는 대신, 기술이 인간의 행동과 필요에 적응하도록 설계합니다. 모든 결정은 사용자 경험을 우선하며, 사용자 기대치를 초과하는 동시에 구체적인 비즈니스 가치를 제공합니다.

전통적인 채택은 일괄적인 모델을 따릅니다. 훈련을 배포하고, 최선을 기대하며, 사용자 채택이停滞하면 사용자를 비난합니다. 사용자화는 반대 접근 방식을 취합니다. 우리는 AI를 사용하여 개인화된, 컨텍스트에 민감한 지침을 생성하여 사용자의 역할과 상황에 따라 진화합니다.

이것이 특히 강력한 이유는 우리의 피드백 기반 개발 프로세스입니다. 고객 입력은 우리의 제품 로드맵의 절반 이상을 형성하며, 실제 작업장의 도전을 해결하는 데 집중합니다. 이것은 인간 중심의 철학을 창조하여 AI 에이전트가 마찰을 제거하고, 사람들이 전략적, 창의적, 그리고 높은 영향力的 작업에 집중할 수 있도록 합니다.

우리의 포괄적인 기술 스택은 디지털 채택 플랫폼, 제품 분석, 미러를 포함하며, 지능형 데이터 분석을 통해 전통적인 소프트웨어와 새로운 AI 솔루션의 배포를 가속화합니다. 우리는 플랫폼에 걸쳐 AI 기능을織入했으며, 대화형 분석 인터페이스와 감정 반응 트리거를 포함하여, 조직이 사용자 패턴을 해석하고, 채택 접근 방식을 정제하며, 양적 비즈니스 결과를 달성할 수 있도록 합니다.

ScreenSense는 새로운 AI 에이전트의 핵심입니다. 사용자 컨텍스트와 의도를 해석하는 방법은 무엇인가요? 실제 적용에서 어떻게 관련성이 없게 만들지 않도록 사용자에게 압도하지 않도록 합니까?

ScreenSense는 지능형 인터프리터로 작동하여 애플리케이션 환경과 사용자 목표를 동시에 분석합니다. 이 쌍방향 인식은 기술적으로 정확하고 개인적으로 관련된 실시간 추천을 가능하게 합니다.

실제 적용에서, 우리의 AI 에이전트는 ScreenSense를 사용하여 정확성과 컨텍스트에 맞는 지침을 제공합니다. 사용자에게 일반적인 제안을轟炸하거나 새로운 인터페이스를 학습하도록 요구하는 대신, 시스템은 사용자의 즉각적인 컨텍스트를 이해하고, 정확히 필요한 도움을 제공합니다.

사용자 과부하를 피하는 핵심은 컨텍스트 필터링입니다. ScreenSense는 데이터를 수집하는 것만이 아니라, 정보를 처리하여 언제 개입이 가치가 있는지와 언제 방해가 되는지를 결정합니다. 사용자는 시스템이 기술 환경과 작업 의도를 이해하기 때문에, 도움이 직관적이고 시의적절하게 느껴지며, 침투적이지 않습니다.

새로운 AI 에이전트 – 저작, 통찰, 지침 에이전트 – 를 걸어주세요. 실제 기업 워크플로에서 생산성을 향상시키는 구체적인 예를 제공해 주세요.

저작 에이전트는 일반 언어를 복잡한 애플리케이션 경험으로 변환하여 콘텐츠 생성을 민주화합니다. 훈련 관리자는 “대시보드의 새로운 기능에 대한 툴팁을 생성하십시오”라고 말할 수 있으며, 시스템은 자동으로 콘텐츠를 빌드하고, 타겟팅 규칙을 결정하며, 적절한 스타일을 적용합니다. 이 효율적인 워크플로는 기술 전문 지식 없이도 복잡한 애플리케이션 지원 요소를 구축할 수 있도록 학습 및 개발 팀, 제품 관리자, 비즈니스 이해관계자에게 권한을 부여합니다.

통찰 에이전트는 분석을 전문가 함수에서 대화형 도구로 변환합니다. 제품 소유자는 “사용자에게 가장 많은 불편을 겪는 기능은 무엇입니까?”와 같은 자연어 질문을 할 수 있으며, 즉시 시각적 분석과 구체적인 마찰 점 및 조치할 수 있는 다음 단계를 제공받습니다. 이 방법론은 제품 관리자와 다양한 팀 기여자가 사용자 참여 패턴과 시스템 효과에 대한 조치할 수 있는 정보를 신속하게 발견할 수 있도록 지원합니다.

지침 에이전트는 사용자의 활성 워크플로에서 즉각적인 답변을 제공합니다. 사용자가 “승인 프로세스 예외”를 검색할 때, 현재 애플리케이션을 떠나지 않고 내부 문서에서 정확한, 컨텍스트에 맞는 정보를 받습니다. 이 방법론은 기업 직원이 정보에 접근하는 방식을 혁신적으로 변화시키며, 응답 시간을 크게 단축하고, 도움 데스크 리소스에 대한 의존도를 줄입니다.

300개 이상의 고객이 이미 이러한 에이전트를 생산 환경에서 배포하고 있으며, 사용자 참여율이 두 배 및 세 배로 증가하고 있습니다.

GenAI 채택과 함께 기업이 직면하는 도전을 생각해 볼 때, 사용자 중심 접근 방식이 중요하다고 생각합니다. 사용자 중심 접근 방식이 중요하지 않은 경우에 대한 위험은 무엇인가요?

주된 위험은 채택 실패입니다. 사용자 중심 설계 없이, 기업은 신뢰와 데이터 보안, AI의 환상, 거버넌스 격차에 대한 우려와 마주칠 수 있습니다. 이러한 우려는 조직적 저항을 생성하여 파일럿 프로그램을 넘어서 확장하는 것을 방해합니다.

복잡성 위기는 또한 심화됩니다. 각 애플리케이션이 사용자 경험을 고려하지 않고 AI 기능을 추가할 때, 직원들은 점점 더 단편화된 워크플로와 결정 마비를 경험하게 됩니다. 이는 생산성의 하락으로 이어지며, AI가 약속하는 효율성 개선을 달성하지 못합니다.

가장 중요하게, 조직은 AI 도구를 피하는 문화를 만들 수 있습니다. 사용자들은 이전에 구현된 기술이 마찰을 일으켰기 때문에 새로운 기능을 피하게 됩니다. 사용자들이 AI 도구에 대한 신뢰를 잃으면, 이를 다시 구축하는 데 상당한 노력과 자원이 필요합니다.

마지막으로, 기업의 AI 채택과 관련하여 기술적 및 인간적 측면 모두에서 최신 정보를 유지하기 위해 어떻게 하시나요?

우리의 조직적 접근 방식은 양쪽 측면 모두에 대한 귀중한 관점을 제공합니다. 우리는 모든 비즈니스 운영에 걸쳐 AI를 통합하여, 판매 팀이 잠재 고객을 풍부하게 하기 위한 AI를 사용하는 것에서부터 제품 팀이 워크플로우를 공동으로 작업하는 AI 에이전트를 사용하는 것까지, 우리의 고객이 직면하는 도전을 직접 경험할 수 있습니다.

우리는 또한 AI 랩과 제로 클릭 프레임워크를 통해 포괄적인 직원 개발을 구현하여, 모든 소프트웨어 엔지니어가 AI 엔지니어처럼 생각하도록 합니다. 이것은 기술 개발과 사용자 채택 패턴에 대한 조직 전체의 문해력을 창조합니다.

가장 중요하게, 우리의 제품 개발 프로세스는 고객 피드백에 깊이 뿌리내려 있으며, 절반 이상의 로드맵이 실제 기업의 도전으로 형성됩니다. 이 지속적인 대화는 기술적으로 가능한 것뿐만 아니라, 일상적으로 이러한 시스템을 사용하는 사람들에게 실제 가치를 창조하는 것을 이해하는 것을 보장합니다.