Jonathan Corbin, Oprichter & CEO van Maven AGI – Interviewreeks

Jonathan Corbin is de oprichter en CEO van Maven AGI. Eerder was hij als Global Vice President of Customer Success & Strategy bij HubSpot (HUBS ) verantwoordelijk voor een team van ongeveer 1.000 customer success-, partner success- en contractmanagers in meerdere regio’s en sectoren. Zijn verantwoordelijkheden omvatten het stimuleren van klantbehoud, omzetgroei en waardeverwerving voor meer dan 200.000 klanten wereldwijd, variërend van start-ups tot ondernemingen.

Maven AGI is een uitgebreide oplossing voor Generatieve AI die is ontworpen om het klantenservicelandschap te transformeren – zonder de hoofdpijn. Terwijl het bedrijf nog in de stealth-modus was, loste Maven’s technologie autonomously meer dan 93% van de klantvragen op, waardoor de ondersteuningskosten met 81% werden verlaagd, de totale klantbeleving werd verbeterd, op grote schaal, na het oplossen van miljoenen interacties in meer dan 50 talen voor vroege klanten.

U was eerder de Global Vice President of Customer Success & Strategy bij HubSpot, waar u een team van ongeveer 1.000 customer success-, partner success- en contractmanagers leidde in meerdere regio’s en sectoren. Wat waren enkele highlights en belangrijke conclusies uit deze periode in uw leven?

Tijdens die periode was Hubspot een van de vijf snelst groeiende B2B SaaS-bedrijven met meer dan een miljard dollar omzet. Er zijn maar weinig mensen die de kans hebben gehad om te bouwen, te groeien en te beheren op de schaal waarop wij opereerden. Bedrijven die op deze snelheid groeien, zijn meestal niet zo groot, en bedrijven van onze omvang groeiden niet op die snelheid. Ik heb veel tijd besteed aan het creëren van schaalbare benaderingen voor planning en groei, ervoor zorgen dat we heel duidelijke doelstellingen hadden, het afstemmen van stimulansen over meerdere organisaties om de resultaten te behalen die we als organisatie zochten, ervoor zorgen dat we de systemen hadden om zichtbaarheid te creëren over wat er in de organisatie gebeurde, en plannen over meerdere horizonten. Alles wat we uitrolde, moest niet alleen werken voor onze huidige klanten, maar moest ook de continuïteit kunnen behouden bij exponentiële groei.

Kunt u enkele inzichten delen over wat u inspireerde om Maven AGI te lanceren, en hoe lang u al in de stealth-modus bent?

Ik ben al vanaf het begin van mijn carrière bezig met klantbeleving en dat is waarom ik zo veel tijd heb doorgebracht bij toonaangevende bedrijven in deze branche (Adobe (ADBE ), Marketo, Sprinklr, Hubspot, etc.). Begin 2017 was ik terug van een West Coast-swing, waar ik ontmoetingen had met geweldige klanten zoals Apple (AAPL ) en Nike, en we hadden diepgaande gesprekken over het potentieel om gesloten data te ontgrendelen en zeer persoonlijke ervaringen te creëren tot op het niveau van de individuele gebruiker. Ik heb het niet over de gesegmenteerde aanpak van het feit dat u in een bepaalde leeftijdscategorie of demografische groep valt. Nee, dit is de mogelijkheid om alle informatie die u met ons hebt gedeeld, volledig in te zetten om klantverwachtingen te anticiperen en proactief met hen te communiceren. Er was een enorme opwinding bij de klanten, maar de technologie bestond op dat moment nog niet.

Mijn mede-oprichters – Sami Shalabi, Eugene Mann en ik hebben altijd gepraat over personalisatie op grote schaal en het potentieel dat transformers konden hebben sinds het onderzoek voor het eerst uitkwam bij Google (GOOGL ). Sami bouwde een van de grootste personalisatiemotoren ter wereld bij Google News (1 miljard+ gebruikers) en Eugene leidde personalisatie voor het, dus we hebben altijd diepe, inzichtelijke gesprekken gehad over de mogelijkheden die we konden ontgrendelen naarmate de technologie evolueerde. De toepassing hiervan op wat we op dat moment deden, was dat ik worstelde met het creëren van een geweldige ervaring op grote schaal voor onze Hubspot-gebruikers, Eugene keek naar hoe hij LLM-mogelijkheden kon productiseren bij Stripe, en Sami deelde zijn inzichten over wat goed werkte bij Google.

Toen we voor het eerst hoorden over wat OpenAI deed en begonnen met het gebruik van enkele van de LLM’s die beschikbaar waren gekomen, realiseerden we ons dat we op het punt waren waarop de technologie nu bestond om de perfecte klantbeleving op grote schaal te creëren. Bedrijven moesten kiezen tussen kosten效iciëntie en een goede klantbeleving, wat resulteerde in allerlei dingen zoals complexe segmentatiestrategieën die waren ontworpen om klantinteracties te beperken, het creëren van dingen die eigenlijk roadblocks waren die ze zelfservice noemden, of het begraven van uw ondersteuningscontactinformatie op een plek waar het niet kan worden gevonden.

We zijn ongeveer een jaar geleden met Maven AGI begonnen in de stealth-modus, omdat wat we prioriteren bij Maven impact is – en toen we aankondigden wat we deden, wilden we echte voorbeelden van onze impact en metrics geven, niet alleen dat we bestonden en geld hadden opgehaald. We zijn enorm dankbaar voor onze vroege klanten die in ons geloofden en met ons werkten aan het uitrollen van baanbrekende technologie en het pushen van de grenzen om een betere klantbeleving te ontwikkelen.

Kunt u voor ons definiëren wat AGI is in de context van Maven AGI?

AGI is echt goed gedefinieerd vanuit een taalperspectief – het is kunstmatige algemene intelligentie. Wat betekent dit eigenlijk in het bedrijfsleven? We focussen op iets dat we bedrijfs-AGI noemen en definiëren als de mogelijkheid om complexe taken te behandelen met behulp van functionele AI-agents die speciaal zijn getraind voor specifieke verantwoordelijkheden met een orkestratielaag die het mogelijk maakt dat ze samenwerken.

Een voorbeeld hiervan kan een bankrekeninggebruiker zijn die contact opneemt met zijn bank en vraagt of zijn storting is goedgekeurd – wat we weten uit accountgeschiedenis is dat hij een kleine bruglening nodig heeft om zijn rekeningen en cheques te dekken. Maven zal de historische context begrijpen en de lening aanbieden terwijl het alle formaliteiten die daarbij komen kijken, zoals achtergrondcontroles, kredietcontroles, het invullen van leningdocumenten, het begrijpen van de risico’s, goedkeuring en een specifiek bedrag dat past binnen het risicoprofiel, goedkeuring van de lening en het overmaken van het geld naar het account van de persoon.

Een ander voorbeeld zou iemand zijn die contact opneemt met het CRM-ondersteuningsteam en vraagt hoe hij een campagne kan implementeren. Wat we zouden begrijpen van dat, is dat hij niet wil weten hoe hij een campagne kan maken, maar dat hij een bepaald aantal leads nodig heeft tegen een bepaalde datum. Gebruikers zouden de mogelijkheid hebben om te zeggen: “Geef me 100 leads volgende maand” en Maven zou de zeer complexe taak aangaan om die te leveren.

Wat zijn enkele van de grootste problemen met hoe AI historisch is geïntegreerd in klantenservice?

Historisch gezien werd AI in klantenservice gebruikt met machine learning-modellen die zeer deterministisch waren en maanden duurden om te trainen. Deze modellen werkten op een basis van een eenvoudige if-then-logica: als een gebruiker X koos, zou hij de Y-optie krijgen. Deze simplistische aanpak bleek onder de verwachtingen, wat resulteerde in teleurstellende resultaten en liet veel CX-professionals sceptisch over het potentieel van AI.

Wat zijn de belangrijkste stappen die betrokken zijn bij het trainen van Maven AGI om klantenservicevragen te behandelen?

Het is echt simpel. . . geef ons toegang tot alle informatie die u zou gebruiken om mensen te trainen. We kunnen het voor u opzetten met een hoge mate van nauwkeurigheid binnen enkele dagen – niet weken of maanden. Het zal uw specifieke toon, dialect en eventuele emoji’s gebruiken.

Hoe helpt Maven AGI bij het verlagen van de klantenservicekosten en het verbeteren van de overall klanttevredenheid?

Bedrijven implementeren Maven AGI op verschillende manieren, maar de beste manier om een snelle impact te hebben, is door Maven in te voegen aan het hoofd van uw ondersteuningswachtrij bij de eindpunten of kanalen die uw klanten willen gebruiken (chat, web, zoekopdracht, Slack, in-product, SMS, etc.). Dit stelt ons in staat om instant, persoonlijke resultaten + acties te bieden aan klanten zonder wachttijd, terwijl we ervoor zorgen dat die geweldige ondersteuningsagenten doen wat ze het beste kunnen: werken met klanten die echt menselijke interacties nodig hebben om hun problemen op te lossen.

Welke technologische vooruitgangen hebben Maven AGI in staat gesteld om zo hoge tarieven van autonome issue-oplossing te bereiken?

Ik geloof dat we een van de beste ingenieurs teams ter wereld hebben geworven om dat op te lossen, wat neerkomt op een dataprobleem. Briljante mensen die hebben gewerkt aan uitdagingen zoals zoekopdrachten bij Google, en personalisatie op grote schaal bij Meta en Amazon (AMZN ), en die al jaren nadenken over het oplossen van dit soort problemen. Data is gefragmenteerd en gesloten, en om klantvragen te beantwoorden en acties te ondernemen, moesten we meer data kunnen verwerken dan wie dan ook. Het tweede deel is de mogelijkheid om acties te ondernemen en onze actiemotor te bouwen, omdat we weten dat het alleen beantwoorden van vragen niet genoeg is. Om bedrijfs-AGI te bereiken, moeten we in staat zijn om gebruikersbehoeften te anticiperen en hen met intentie te engageren.

Kunt u meer details geven over de recente $20M Series A-financiering en hoe deze zal worden gebruikt?

We waren fortuinlijk om op alle cilinders te zitten in wat we wilden bereiken met onze seedronde: een geweldig ingenieurs team bouwen, een product dat echte problemen oplost, en klanten die waarde uit ons product halen. We hebben onze seedronde minder dan een jaar geleden opgehaald, maar hadden enkele geweldige investeerders die wilden deelnemen aan onze reis. Na tijd doorgebracht te hebben met M13 waren we echt enthousiast om de toekomst van Maven AGI samen met hen te bouwen. De $28M die we in het afgelopen jaar hebben opgehaald, zal worden gebruikt om ons GTM-team uit te breiden, te investeren in het opbouwen van het partner-ecosysteem en om verder te investeren in het aannemen van ingenieurs terwijl we onze actiemotor (™) en platformmogelijkheden uitbreiden.

Hoe ziet u de rol van AI evolueren in de klantenservice-industrie in de komende vijf jaar?

De toekomst zal niet worden verdeeld in ondersteuning, diensten, verkoop en verschillende functies. In plaats daarvan zal klantenservice deel worden van een naadloze, geïntegreerde klantbeleving zonder rommelige overdrachten en gesloten data. Naarmate de verwachtingen van klanten evolueren, zal de manier waarop we hen bedienen ook evolueren.

Vandaag de dag vallen de behoeften van klanten in 3 categorieën:

• Diegenen die zelfbediening willen – de mogelijkheid om de oplossing of antwoord op een vraag te vinden.
• Diegenen die toegang tot zelfbediening willen, maar validatie nodig hebben dat ze de juiste actie ondernemen.
• Klanten die witte handschoenenservice eisen en menselijke ondersteuning nodig hebben.

De toekomst heeft ook 3 categorieën, maar de verwachtingen van klanten zullen heel anders zijn:

• Onmiddellijke antwoorden op hun vragen verwachten.
• Hun behoeften en vragen anticiperen met personalisatie, gebruiksgegevens, volledige historische context en de mogelijkheid om actie te ondernemen en met hen te communiceren op het kanaal van hun keuze.
• De mogelijkheid om contact op te nemen met klantenserviceagenten zonder wachttijden en lange wachtrijen, die antwoorden hebben op hun vragen, volledige historische context en de mogelijkheid om onmiddellijk actie te ondernemen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Maven AGI bezoeken.