Fran Loftus, Chief Experience Officer, EliseAI – Interviewreeks

Fran Loftus, Chief Experience Officer, EliseAI is een dynamische leider die bekend staat om haar creatieve energie en veelzijdige achtergrond, waarin ondernemersdrang en diepe operationele expertise worden gecombineerd. Voordat ze bij EliseAI kwam, was ze mede-oprichter van HOM, een technologiegedreven voorzieningen- en betrokkenheidsplatform dat werd overgenomen door Alfred, waar ze later verschillende uitvoerende functies bekleedde en de bewonerservaring vormgaf voor honderdduizenden eenheden. Bij EliseAI heeft ze senior operationele leiderschapsfuncties bekleed die rechtstreeks aan de CEO en de raad van bestuur rapporteerden, waarbij ze bedrijfsbrede efficiëntie dreef, klantresultaten bewaakte en nauw samenwerkte met engineering en sales bij productstrategie en -uitrol. Als oprichter en industrieleider werd ze genomineerd voor Top Founder op MIPIM en meerdere keren genoemd als een van de invloedrijkste vrouwen in CRETech.

EliseAI is een in New York gevestigde AI-softwareleverancier die de manier waarop woning- en gezondheidsorganisaties omgaan met high-volumecommunicatie en operationele workflows transformeert met geavanceerde conversational en agentic artificial intelligence. Het platform automatiseert taken zoals tourscheduling, huurcommunicatie, onderhoudsverzoeken, verlengingen, patiëntenaanmelding en administratieve ondersteuning via tekst, spraak, e-mail en chat, waardoor teams efficiënter kunnen werken en de responsiviteit en klantbeleving kunnen verbeteren. Door deze interacties te centraliseren in een unified AI-systeem, helpt EliseAI organisaties hun operaties te schalen, de handmatige werklast te verminderen en meetbare prestatieverbeteringen te realiseren in missiecritische functies.

Als Chief Experience Officer bij EliseAI combineert u een unieke mix van ervaring in gemeenschap, operaties en technologie. U was mede-oprichter van HOM, een platform dat multifamily-gebouwen hielp om gedeelde voorzieningen en een gevoel van gemeenschap op grote schaal te bieden, en leidde later de ervaring en dienstverlening bij Alfred, een residentiële dienstverleningsbedrijf dat in duizenden appartementsgebouwen is geïntegreerd. Hoe beïnvloeden die diepgaande, hands-on, mensen-gerichte rollen de manier waarop u AI-ervaringen ontwerpt en operationaliseert bij EliseAI vandaag?

Mijn achtergrond in fysiek vastgoedbeheer leerde me dat technologie alleen zo goed is als de dienst die het daadwerkelijk levert op de grond. Bij HOM en Alfred leerde ik dat een bewoner zich niet druk maakt over een strakke interface als zijn onderhoudsverzoek in een black hole verdwijnt of zijn intrek wordt vertraagd. Dit heeft me obsessief gemaakt over het sluiten van de lus. Ik ontwerp AI niet alleen om gesprekken te voeren, ik ontwerp het om de hele levenscyclus van een taak te beheren. Ik geef prioriteit aan de bewoner in een crisis of de teamleden die te veel worden uitgerekt, ervoor zorgend dat de AI niet alleen nog een ding is dat ze moeten monitoren, maar een instrument dat het gewicht van hun schouders haalt.

Vanuit een CX-perspectief, hoe ziet effectieve AI eruit in woning- en gezondheidsomgevingen waarin vertrouwen, duidelijkheid en follow-through even belangrijk zijn als snelheid of automatisering?

In woning- en gezondheidszorg is het snel zijn geweldig, maar daadwerkelijk follow-through is wat vertrouwen opbouwt. Goede AI moet niet alleen een snelle reactie geven; het moet ervoor zorgen dat er daadwerkelijk iets gebeurt. Als een patiënt naar een rekening vraagt of een huurder zijn huurverlenging wil, moet de AI de records bijwerken, de juiste manager informeren en die persoon laten weten dat de wielen in beweging zijn. Het gaat erom duidelijk en proactief te zijn, zodat mensen niet het gevoel hebben dat ze drie keer moeten bellen om de status te controleren.

EliseAI heeft een vertical-first-benadering gekozen in plaats van een algemene AI-laag aan te bieden. Hoe verandert deze beslissing de dagelijkse ervaring voor vastgoedteams, bewoners en gezondheidsmedewerkers in vergelijking met horizontale AI-hulpmiddelen?

Algemene AI-hulpmiddelen vereisen dat de klant de zware taak van het leren van de industrienormen aan de software op zich neemt. Omdat wij een vertical solution zijn die zich uitsluitend richt op woning- en gezondheidszorg, arriveert ons systeem met een diep begrip van de specifieke workflows, zoals regels voor veiligheidsdeposito’s of nuances in patiëntplanning. Voor de teams op de grond betekent dit dat ze niet werken met een generieke chatbot die een beleid kan hallucineren. Ze werken met een systeem dat al geïntegreerd is in hun bestaande software en de taal van hun dagelijkse operaties spreekt vanaf de eerste dag.

Kunt u uitleggen hoe het schaduwen van frontline-werkers om end-to-end-workflows te capteren het modelgedrag en de uiteindelijke klantbeleving verbetert, in vergelijking met alleen trainen op abstracte gegevens?

Abstracte gegevens laten zien wat er gebeurt, maar op de grond zijn met klanten laat zien hoe het gebeurt. Wanneer mijn team tijd doorbrengt in de werkelijke omgeving waarin de software wordt ingezet, zien ze de wrijvingspunten die een gegevensset zou missen. Tijdens ontdekkingsgesprekken met een militaire huisvestingsoperator identificeerden we complexe goedkeuringsstromen en strikte dagelijkse beperkingen die niet in enige handleiding stonden. Door deze rommelige, echte wereld details te capteren en ze in het product te vertalen, kunnen we AI bouwen die niet alleen werkt in een demo, maar ook overleeft in de chaos van een druk kantoor.

Wanneer AI-systemen verder gaan dan het beantwoorden van vragen en taken gaan uitvoeren, welke nieuwe ervaringsrisico’s ontstaan er, en hoe zorgt u ervoor dat automatisering ondersteunend en betrouwbaar aanvoelt en niet intrusief of ondoorzichtig?

Het primaire risico verschuift van het zeggen van iets onjuists naar het doen van iets onjuists. Om dit te mitigeren, heb ik een productoplossingsmodel ingesteld waarin we experts hebben – veel van wie voormalige oprichters zijn – die specifieke domeinen van het product bezitten. Zij stellen de specifieke regels en bewakingsmechanismen in voor hoe de AI een taak uitvoert, ervoor zorgend dat deze nooit een actie onderneemt die een menselijk teamlid zou verrassen of verwarren.

In woning- en gezondheidszorg kunnen zelfs kleine storingen het vertrouwen snel ondermijnen. Hoe ontwerpt u agentic AI-systemen die transparant, voorspelbaar en gemakkelijk voor mensen zijn om in te grijpen en te corrigeren wanneer nodig?

Het ontwerpen van vertrouwen begint met afstand nemen van een traditionele reactieve mindset waarin u alleen wacht tot dingen kapot gaan. In plaats daarvan heb ik een team opgebouwd dat fungeert als een brug tussen de rommelige operationele realiteit en de logica van de AI. Dit zijn geen ondersteuningsagenten – het zijn strategen en voormalige oprichters die specifieke domeinen van het product van begin tot eind bezitten.

Zij brengen hun tijd door met het schaduwen van werknemers om de niet-onderhandelbare regels van een industrie te begrijpen, zoals complexe militaire huisvestingsgoedkeuringsstromen of strikte medische reactietijden, en bakken deze rechtstreeks in de manier waarop de AI zich gedraagt. Transparantie komt voort uit het feit dat onze systemen zijn ontworpen om potentiële problemen proactief te signaleren voordat ze klachten van bewoners of patiënten worden. Wanneer de AI een hoge-emotie-situatie of een complexe aanvraag waarvoor deze niet is getraind, waarneemt, gokt deze niet. Het activeert een overdracht die de menselijke medewerker voorziet van de volledige geschiedenis en context van de interactie, waardoor deze kan ingrijpen als een geïnformeerde partner in plaats van vanaf nul te beginnen.

Vanuit uw positie waarin u de implementatie en klantensucces bewaakt, wat zijn de meest voorkomende wrijvingspunten die klanten ondervinden bij het integreren van AI in operationele workflows, en hoe vermindert EliseAI deze wrijving vroeg in de implementatie?

De grootste wrijving is zelden de technologie zelf, maar vaker de angst dat de technologie de workflow van het team zal verstoren of hun rollen zal vervangen. We lossen dit op door ons te richten op onmiddellijke, praktische opluchting. In de eerste week gebruiken we de AI om de repetitieve, high-volume taken over te nemen die meestal de meeste burn-out veroorzaken, zoals de initiële lead-follow-up. We gebruiken ook onze eigen AI om onze interne bedrijfsoperaties te beheren. Dit helpt ons om de exacte stresspunten van het veranderen van een workflow te begrijpen, zodat we betere partners kunnen zijn wanneer onze klanten diezelfde overgang doormaken.

Veel organisaties hebben moeite om verder te gaan dan pilotfases. Hoe helpt u klanten hun processen en verwachtingen te ontwikkelen zodat AI een integraal onderdeel van de dagelijkse operaties wordt in plaats van een zijproject?

AI werkt alleen als het ophoudt een zijproject te zijn en een normaal onderdeel van de werkdag wordt; we helpen leiders hun teams te herorganiseren zodat, zodra AI het saaie werk overneemt, mensen zich kunnen richten op taken die daadwerkelijk een menselijke aanraking vereisen.

EliseAI ondersteunt nu ongeveer één op de zes Amerikaanse appartementen. Hoe veranderen de verwachtingen van klanten op dat niveau van schaal, en welke nieuwe ervaringsuitdagingen ontstaan er wanneer AI een standaardonderdeel van de operaties wordt?

Op deze schaal is AI niet langer een coolle innovatie. Het is een nutsvoorziening, net als elektriciteit. De verwachting verschuift van indrukwekkend zijn wanneer het werkt naar onaanvaardbaar zijn wanneer het faalt. We moeten deze variatie beheren terwijl we 100% betrouwbaarheid behouden.

Kijkend naar de toekomst, 2 tot 3 jaar, hoe ziet u de rol van de Chief Experience Officer evolueren terwijl AI-systemen meer verantwoordelijkheid krijgen binnen essentiële diensten zoals woning- en gezondheidszorg?

De rol zal evolueren van het beheren van klantenservice naar het orkestreren van de samenwerking tussen mensen en AI. Terwijl AI de administratieve en repetitieve delen van de baan overneemt, zal de focus van de CXO verschuiven naar de strategische en emotionele aangrijpingspunten. Onze verantwoordelijkheid zal zijn om ervoor te zorgen dat, naarmate de wereld meer geautomatiseerd raakt, de menselijke interacties in woning- en gezondheidszorg meer intentioneel en meer impactvol worden.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen EliseAI bezoeken.