Jonathan Corbin, Oprichter & CEO van Maven AGI – Interviewreeks

Jonathan Corbin is de oprichter en CEO van Maven AGI. Voordat hij bij Maven AGI kwam, was hij als Global Vice President of Customer Success & Strategy bij HubSpot 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 waardecreatie voor meer dan 200.000 klanten wereldwijd, variërend van start-ups tot grote ondernemingen.

Maven AGI is een uitgebreide oplossing voor Generative AI die native is ontworpen om het landschap van klantenservice te transformeren – zonder de hoofdpijn. Terwijl het bedrijf nog in stealth mode was, loste Maven’s technologie meer dan 93% van de klantvragen autonoom op, waardoor de ondersteuningskosten met 81% werden verlaagd, hetgeen de algehele klantbeleving verbeterde, 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 inzichten uit deze periode in uw leven?

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

Kunt u enkele inzichten delen over wat u inspireerde om Maven AGI te lanceren, en hoe lang u in stealth mode bent geweest?

Ik ben al vanaf het begin van mijn carrière gefascineerd door klantbeleving en dat is waarom ik zo veel tijd heb doorgebracht bij toonaangevende bedrijven in deze branche (Adobe, Marketo, Sprinklr, Hubspot, etc.). Begin 2017 was ik op een West Coast-swing, ontmoette ik enkele geweldige klanten zoals Apple en Nike, en we hadden diepgaande gesprekken over de mogelijkheid om gesloten data te ontgrendelen en zeer persoonlijke ervaringen te creëren op individueel gebruikersniveau. 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 te gebruiken 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 uit Google kwam. Sami bouwde een van de grootste personalisatie-engines 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 als 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 sommige van de LLM’s die beschikbaar waren gingen gebruiken, 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-efficiëntie en een goede klantbeleving, wat resulteerde in allerlei dingen zoals complexe segmentatiestrategieën om klantinteracties te beperken, het creëren van dingen die eigenlijk roadblocks waren die ze zelfbediening noemden, of het begraven van uw ondersteuningscontactinformatie op een plek waar het niet kon worden gevonden.

We zijn ongeveer een jaar geleden begonnen met Maven AGI in stealth mode, omdat wat we bij Maven prioriteren, impact is – en toen we aankondigden wat we deden, wilden we echte voorbeelden geven van onze impact en metrics, 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 ons vertellen wat AGI in de context van Maven AGI is?

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 het als de mogelijkheid om complexe taken te hanteren 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 zou een bankrekeninggebruiker zijn die contact opneemt met zijn bank en vraagt of zijn storting is goedgekeurd – wat we weten uit de accountgeschiedenis is dat hij een kleine bruglening nodig heeft om zijn rekeningen en cheques te betalen. 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 binnen het risicoprofiel valt, goedkeuren en het geld overmaken naar de rekening van de persoon.

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

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

Historisch gezien is AI in klantenservice gebruikt met machine learning-modellen die zeer deterministisch waren en maanden nodig hadden om te trainen. Deze modellen werkten op een basis van een eenvoudige if-then-logica: als een gebruiker X koos, zou hij de optie Y 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 zijn betrokken bij het trainen van Maven AGI om klantenservicevragen te behandelen?

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

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

Bedrijven implementeren Maven AGI op verschillende manieren, maar de beste manier om een snelle impact te hebben, is om Maven in te voegen aan het begin 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, namelijk 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 in de wereld hebben geworven om dit probleem op te lossen, dat neerkomt op een data-probleem. Geweldige mensen die hebben gewerkt aan uitdagingen zoals zoekopdrachten bij Google, en personalisatie op grote schaal bij Meta en Amazon, 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 met opzet met hen te communiceren.

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

We waren gelukkig om op alle cilinders te slaan in wat we wilden bereiken met onze seedronde: een geweldig ingenieurs team opbouwen, 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 graag deel wilden uitmaken van onze reis. Na tijd doorgebracht te hebben met M13 waren we echt enthousiast om de toekomst van Maven AGI samen met hen te blijven bouwen. De $28M die we in het afgelopen jaar hebben opgehaald, zal worden gebruikt om ons GTM-team op te bouwen, te investeren in het opbouwen van het partner-ecosysteem en om door te gaan met het werven 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, services, verkoop en verschillende functies. In plaats daarvan zal klantenservice onderdeel worden van een naadloze, geïntegreerde klantbeleving zonder rommelige overdrachten en gesloten data. Naarmate de verwachtingen van klanten evolueren, zullen de manieren waarop we hen bedienen, ook evolueren.

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

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

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

• Ze verwachten onmiddellijke antwoorden op hun vragen.
• Ze anticiperen op hun behoeften en vragen met personalisatie, gebruiksgegevens, volledige historische context en de mogelijkheid om actie te ondernemen en met hen te communiceren op het kanaal van hun keuze.
• Ze hebben de mogelijkheid om met klantenservice-agenten te communiceren 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 bezoeken Maven AGI.