Interviews

Fran Loftus, Chief Experience Officer bij EliseAI – interviewreeks

Antoine Tardif
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe vertical-first aanpak van EliseAI integreert branchespecifieke workflows direct in…
Meer weergeven
  • De vertical-first aanpak van EliseAI integreert branchespecifieke workflows direct in haar AI om generieke chatbotfouten te vermijden.
  • Effectieve AI in wonen en gezondheidszorg moet taakvoltooiing garanderen om vertrouwen op te bouwen, niet slechts snelle antwoorden leveren.
  • De rol van Chief Experience Officer zal verschuiven naar het regisseren van mens-AI-partnerschappen nu automatisering administratief werk overneemt.

Fran Loftus, Chief Experience Officer bij EliseAI, is een dynamische leider die bekendstaat om haar creatieve energie en veelzijdige achtergrond. Ze combineert ondernemingszin met diepgaande operationele expertise. Voordat ze bij EliseAI kwam, richtte ze samen met anderen HOM op, een technologieplatform voor voorzieningen en betrokkenheid van bewoners dat door Alfred werd overgenomen. Daar bekleedde ze later verschillende directiefuncties en gaf ze vorm aan de bewonerservaring in honderdduizenden woningen. Bij EliseAI heeft ze hoge operationele managementfuncties vervuld waarin ze rapporteerde aan de CEO en de raad van bestuur, de efficiëntie in het hele bedrijf bevorderde, toezag op klantresultaten en nauw samenwerkte met ontwikkeling en verkoop aan de productstrategie en uitrol. Ze wordt erkend als oprichter en invloedrijk denker in de sector, is genomineerd voor Top Founder bij MIPIM en is herhaaldelijk opgenomen onder de invloedrijkste vrouwen in de lijsten van CRETech.

EliseAI is een AI-softwarebedrijf in New York dat verandert hoe organisaties in huisvesting en gezondheidszorg grote aantallen contacten en operationele werkprocessen beheren, met geavanceerde gespreksgerichte en agentgestuurde kunstmatige intelligentie. Het platform automatiseert onder meer het plannen van bezichtigingen, communicatie over verhuur, onderhoudsverzoeken, contractverlengingen, patiëntintake en administratieve ondersteuning via tekst, spraak, e-mail en chat. Daardoor kunnen teams efficiënter werken, beter reageren en de klantervaring verbeteren. Door deze contacten samen te brengen in één AI-systeem helpt EliseAI organisaties hun activiteiten op te schalen, handmatig werk te verminderen en meetbare prestatieverbeteringen te bereiken in bedrijfskritische functies.

Als Chief Experience Officer bij EliseAI brengt u een zeldzame combinatie van ervaring met gemeenschappen, bedrijfsvoering en technologie mee. U richtte HOM op, een platform dat woongebouwen met meerdere huishoudens hielp om op grote schaal gedeelde voorzieningen en een gemeenschapsgevoel te bieden. Daarna leidde u de klantervaring en dienstverlening bij Alfred, een bedrijf dat woondiensten levert binnen duizenden appartementsgebouwen. Hoe beïnvloeden die praktische, mensgerichte functies de manier waarop u tegenwoordig AI-ervaringen bij EliseAI ontwerpt en in de praktijk brengt?

Mijn achtergrond in praktisch vastgoedbeheer heeft me geleerd dat technologie maar zo goed is als de dienstverlening die ze in de praktijk daadwerkelijk levert. Bij HOM en Alfred leerde ik dat een bewoner niets geeft om een gelikte interface als een onderhoudsverzoek in een zwart gat verdwijnt of de verhuizing wordt vertraagd. Daardoor ben ik bijna geobsedeerd geraakt door het volledig afhandelen van zaken. Ik ontwerp AI niet alleen om gesprekken te voeren, maar om de volledige levenscyclus van een taak te beheren. De bewoner in een crisissituatie of de overbelaste medewerker staat voor mij voorop. AI moet niet nog iets zijn dat zij in de gaten moeten houden, maar een hulpmiddel dat hun last verlicht.

Hoe ziet effectieve AI er vanuit het perspectief van de klantervaring uit in huisvesting en gezondheidszorg, waar vertrouwen, duidelijkheid en zaken echt afhandelen net zo belangrijk zijn als snelheid of automatisering?

In huisvesting en gezondheidszorg is snelheid fijn, maar het werkelijk afhandelen van zaken bouwt vertrouwen op. Goede AI moet niet alleen snel antwoorden, maar ervoor zorgen dat er ook echt iets gebeurt. Als een patiënt naar een rekening vraagt of een huurder het huurcontract wil verlengen, moet AI de gegevens bijwerken, de juiste manager informeren en de betrokkene laten weten dat de zaak in behandeling is. Het gaat om duidelijk en proactief zijn, zodat mensen niet het gevoel krijgen dat ze drie keer moeten terugbellen om alleen de stand van zaken te controleren.

EliseAI kiest voor specialisatie in bepaalde sectoren in plaats van een algemene AI-laag. Hoe verandert die keuze de dagelijkse ervaring van vastgoedteams, bewoners en zorgmedewerkers ten opzichte van AI-hulpmiddelen die in allerlei sectoren worden gebruikt?

Algemene AI-hulpmiddelen vereisen dat de klant zelf het zware werk doet om de software de regels van de sector te leren. Omdat onze sectorspecifieke oplossing zich uitsluitend richt op huisvesting en gezondheidszorg, begrijpt het systeem de bijbehorende werkprocessen al diepgaand, zoals de regels voor huurwaarborgen of de bijzonderheden van patiëntenafspraken. Medewerkers in de praktijk hoeven dus geen algemene chatbot te beheren die mogelijk zelf een regel verzint. Ze werken met een systeem dat al is geïntegreerd in hun bestaande software en vanaf de eerste dag de taal van hun dagelijkse werkzaamheden spreekt.

Kunt u uitleggen hoe het meelopen met medewerkers op de werkvloer om complete werkprocessen in kaart te brengen, het gedrag van het model en de uiteindelijke klantervaring verbetert ten opzichte van trainen op uitsluitend abstracte gegevens?

Abstracte gegevens laten zien wat er gebeurt, maar samen met klanten op de werkvloer zijn laat zien hoe het gebeurt. Wanneer mijn team tijd doorbrengt in de omgeving waar de software echt wordt gebruikt, ziet het knelpunten die uit een gegevensverzameling niet naar voren zouden komen. Tijdens verkennende gesprekken met een beheerder van militaire huisvesting ontdekten we bijvoorbeeld ingewikkelde goedkeuringsprocedures en strikte dagelijkse beperkingen die in geen enkele handleiding stonden. Door die weerbarstige details uit de praktijk vast te leggen en in het product te verwerken, kunnen we AI bouwen die niet alleen werkt in een demonstratie, maar ook standhoudt in de chaos van een druk kantoor.

Wanneer AI-systemen niet alleen vragen beantwoorden maar ook taken uitvoeren, welke nieuwe risico’s ontstaan er dan voor de gebruikerservaring? Hoe zorgt u ervoor dat automatisering ondersteunend en betrouwbaar aanvoelt, in plaats van opdringerig of ondoorzichtig?

Het belangrijkste risico verschuift van iets verkeerds zeggen naar iets verkeerds doen. Om dat risico te beperken heb ik een werkwijze voor productoplossingen ingericht waarin deskundigen, vaak voormalige bedrijfsoprichters, verantwoordelijk zijn voor specifieke onderdelen van het product. Zij bepalen de precieze regels en veiligheidsgrenzen voor de uitvoering van een taak door AI, zodat het systeem nooit iets doet dat een medewerker zou verrassen of verwarren.

In huisvesting en gezondheidszorg kunnen zelfs kleine problemen het vertrouwen snel aantasten. Hoe ontwerpt u agentgestuurde AI-systemen die transparant en voorspelbaar blijven en waarin mensen zo nodig gemakkelijk kunnen ingrijpen en corrigeren?

Ontwerpen voor vertrouwen begint met afstand nemen van de traditionele reactieve houding waarbij je alleen wacht tot er iets misgaat. In plaats daarvan heb ik een team opgebouwd dat een brug vormt tussen de weerbarstige dagelijkse bedrijfsvoering en de logica van AI. Het zijn geen ondersteuningsmedewerkers, maar strategen en voormalige oprichters die van begin tot eind verantwoordelijk zijn voor specifieke productonderdelen.

Zij lopen mee met medewerkers om de harde eisen van een sector te begrijpen, zoals ingewikkelde goedkeuringsprocedures in militaire huisvesting of strikte medische reactietijden, en verwerken die rechtstreeks in het gedrag van AI. Transparantie ontstaat doordat onze systemen mogelijke problemen proactief signaleren voordat ze leiden tot klachten van bewoners of patiënten. Als AI een emotioneel beladen situatie opmerkt of een ingewikkeld verzoek waarvoor het systeem niet is getraind, gaat het niet gokken. Het draagt de zaak over en geeft de medewerker de volledige geschiedenis en context van het contact. Zo kan die als goed geïnformeerde partner instappen in plaats van vanaf nul te beginnen.

Welke veelvoorkomende knelpunten ziet u vanuit uw verantwoordelijkheid voor implementatie en klantresultaten wanneer klanten AI in hun operationele werkprocessen opnemen? Hoe vermindert EliseAI die knelpunten al vroeg tijdens de invoering?

Het grootste knelpunt is zelden de technologie zelf. Het is eerder de angst dat die het werkritme van het team verstoort of de rollen van medewerkers overneemt. We pakken dat aan door onmiddellijk praktische verlichting te bieden. In de eerste week laten we AI herhalende taken met grote volumes overnemen die doorgaans de meeste uitputting veroorzaken, zoals de eerste opvolging van potentiële klanten. We gebruiken onze eigen AI ook voor de interne bedrijfsvoering. Daardoor begrijpen we precies waar de druk ontstaat als een werkproces verandert, zodat we betere partners kunnen zijn wanneer klanten dezelfde overgang doormaken.

Veel organisaties komen moeilijk voorbij de proeffase. Hoe helpt u klanten hun processen en verwachtingen te ontwikkelen, zodat AI onderdeel wordt van de dagelijkse werkzaamheden en niet een losstaand experiment blijft?

AI raakt pas ingeburgerd wanneer het geen nevenproject meer is, maar een normaal onderdeel van de werkdag. We helpen leidinggevenden hun teams opnieuw in te richten, zodat mensen zich kunnen richten op taken die echt een menselijke inbreng vereisen zodra AI het routinewerk afhandelt.

EliseAI ondersteunt nu ongeveer één op de zes appartementen in de VS. Hoe veranderen de verwachtingen van klanten op die schaal, en welke nieuwe uitdagingen voor de klantervaring ontstaan wanneer AI onderdeel wordt van de normale bedrijfsvoering?

Op deze schaal is AI niet langer een hippe innovatie. Het is een nutsvoorziening, net als elektriciteit. De verwachting verschuift: het is niet meer indrukwekkend als het werkt, maar onaanvaardbaar als het faalt. We moeten die variatie beheersen en tegelijkertijd een betrouwbaarheid van 100% handhaven.

Hoe ziet u de rol van de Chief Experience Officer de komende twee tot drie jaar veranderen, nu AI-systemen meer verantwoordelijkheid krijgen binnen essentiële diensten zoals huisvesting en gezondheidszorg?

De rol ontwikkelt zich van het leiden van de klantenservice naar het coördineren van de samenwerking tussen mensen en AI. Naarmate AI de administratieve en herhalende taken overneemt, verschuift de aandacht van de CXO volledig naar de strategische en emotionele contactmomenten. Het is onze verantwoordelijkheid ervoor te zorgen dat de menselijke interacties in huisvesting en gezondheidszorg bewuster en betekenisvoller worden naarmate de wereld verder automatiseert.

Bedankt voor het waardevolle interview. Lezers die meer willen weten, kunnen terecht bij EliseAI.

Antoine is een visionaire leider en medeoprichter van Unite.AI, gedreven door een onwankelbare passie om de toekomst van AI en robotica vorm te geven en vooruit te helpen. Als serieondernemer gelooft hij dat AI de samenleving net zo ingrijpend zal veranderen als elektriciteit. Hij spreekt vaak enthousiast over het potentieel van baanbrekende technologieën en artificiële algemene intelligentie (AGI).

Als futurist onderzoekt hij hoe deze innovaties onze wereld zullen vormgeven. Daarnaast is hij oprichter van Securities.io, een platform dat zich richt op investeringen in geavanceerde technologieën die de toekomst opnieuw definiëren en hele sectoren veranderen.