Puneet Mehta, Oprichter en CEO van Netomi – Interviewreeks

Puneet Mehta, oprichter en CEO van Netomi, leidt het in San Francisco gevestigde AI-bedrijf dat autonome klantenservice-ervaringen levert. Met een achtergrond in technisch ondernemerschap en Wall Street-handel in AI, heeft hij de ontwikkeling van een “Agentic OS”-platform aangestuurd dat bedrijven helpt om klantproblemen op te lossen via verschillende kanalen met ingebouwd governance, personalisatie en transparantie. Mehta is erkend als een van de Creativity 50 van Advertising Age en een van de top-ondernemers om in de gaten te houden van Business Insider.

Netomi is een AI-gebaseerd klantenserviceplatform dat ondernemingen helpt om ondersteuning te automatiseren en te verbeteren via e-mail, chat, messaging en voice-kanalen. Het systeem stelt bedrijven in staat om de meeste routineklantvragen autonoom op te lossen, terwijl agents in real-time worden ondersteund wanneer dat nodig is. Met ingebouwd governance, personalisatie en meertalige ondersteuning, stelt Netomi organisaties in staat om klantenserviceoperaties efficiënt te schalen, terwijl ze volledige controle houden over de merkstem en naleving.

U hebt een fascinerende reis gehad, van het bouwen van AI-motoren voor Wall Street tot het oprichten van Netomi. Wat inspireerde u om Netomi te lanceren, en hoe heeft uw eerdere ervaring de missie van het bedrijf gevormd?

Mijn vroege werk op Wall Street was gericht op het bouwen van AI-systemen die moesten opereren met snelheid, precisie en absolute betrouwbaarheid. Dat gaf me een sterke basis in het ontwikkelen van real-time, mission-critical technologie. Bij IBM Watson zag ik het potentieel van AI om taal te begrijpen en op een meer natuurlijke manier met mensen te communiceren, maar ook de beperkingen rond transparantie en contextuele relevantie.

Ik lanceerde Netomi met de overtuiging dat AI meer kon doen dan alleen antwoorden automatiseren. Ik wilde systemen bouwen die klanten helpen om echte doelen te bereiken met intelligentie, empathie en verantwoordelijkheid. Vanaf het begin is onze missie geweest om AI te creëren die menselijke interactie ondersteunt op een manier die zinvol en afgestemd is op de waarden van de organisaties die ze vertegenwoordigen.

Welk probleem probeert Netomi uiteindelijk op te lossen, en wat maakt uw aanpak anders dan andere spelers in de markt?

Netomi is gericht op het transformeren van de klantenservice van gefragmenteerd en reactief naar proactief en resultaatgericht. Veel tools bieden vandaag generieke antwoorden die losstaan van de klantgeschiedenis, emotie of intentie. Onze aanpak is gebaseerd op context. Elke boodschap die een klant verstuurt, wordt geanalyseerd naast tientallen real-time signalen, zoals loyaliteitsstatus, recente activiteit, sentiment en eerdere interacties, om een antwoord te genereren dat accuraat en relevant is.

Wat ons onderscheidt, is niet alleen ons gebruik van generatieve AI, maar hoe we governance, merkalignement en verantwoordelijkheid integreren in elk deel van het systeem. We geven ondernemingen volledige zichtbaarheid in hoe beslissingen worden genomen, welke gegevens worden gebruikt en hoe elk antwoord de stem en standaarden van de organisatie weerspiegelt. Ons doel is om bedrijven te empoweren met AI die intelligent, betrouwbaar en diep verankerd is in hun klantenservicestrategie.

Met zo veel AI-platforms die transformatie beloven, wat denkt u dat Netomi’s Agentic OS onderscheidt van andere CX-oplossingen op de markt vandaag?

Netomi’s Agentic OS is gebouwd op een dual-agentarchitectuur die deterministische Action Agents combineert met LLM-gedreven Reasoning Agents. Action Agents behandelen beveiligde, low-code transacties zoals updates, queries en procesuitvoering in ondernemingssystemen. Reasoning Agents interpreteren klantinput in real-time, met behulp van generatieve AI om conversaties aan te passen op basis van context en intentie.

Deze agents worden georkestreerd door een propriëtair event-gedreven systeem dat het platform in staat stelt om onmiddellijk te reageren op signalen zoals sentimentverschuivingen, leveringsvertragingen of gegevenswijzigingen. Elke beslissing is versiebeheerd en volledig observeerbaar, waardoor teams traceerbaarheid en nalevingsbewaking hebben bij elke stap. Deze architectuur ondersteunt intelligente interactie en operationele betrouwbaarheid op grote schaal.

Veel bedrijven worstelen nog steeds met wat het betekent om AI-ready te zijn. Hoe moeten ondernemingen hun gereedheid beoordelen, en welke veelvoorkomende misvattingen ziet u die hen tegenhouden?

AI-gereedheid begint met de basis. Ondernemingen hebben goed beheerde, autoritaire gegevensbronnen nodig. Zonder die zullen zelfs de meest capabele modellen onbetrouwbare of inconsistente resultaten opleveren. Kernbedrijfsworkflows moeten ook worden blootgesteld via stabiele API’s of event-gedreven architecturen, zodat AI-agents significante actie kunnen ondernemen, in plaats van alleen een gesprek te voeren.

Verwachtingen over latentie, vooral voor voice- of synchrone kanalen, moeten vroeg worden gedefinieerd om systeemontwerp te leiden. Continue evaluatiemechanismen moeten ook op hun plaats zijn om te controleren op promptdegradatie of modeldrift. Een veelvoorkomende misvatting is dat het uploaden van grote hoeveelheden ongestructureerde inhoud in een vector-database gelijk staat aan een AI-strategie. In werkelijkheid hangt succesvolle implementatie meer af van data-engineering, duidelijke beleidskaders en gestructureerd changemanagement. Transparantie, observeerbaarheid en rigoureuze testen zijn essentiële vereisten voor elk ondernemingsgereed agentic-systeem.

U hebt gesproken over de beperkingen van prompt-engineering op grote schaal. Wat is orkestratie-engineering, en waarom is het meer levensvatbaar voor langetermijn-ondernemings-AI-adoptie?

Prompt-engineering richt zich op het optimaliseren van geïsoleerde interacties. Orkestratie-engineering richt zich op het volledige systeem van beslissingen, acties en beleid dat samen moet werken over kanalen en workflows heen. Bij Netomi definiëren we nieuwe capaciteiten declaratief, zodat ze toegankelijk zijn voor een centrale planner in plaats van in individuele prompts te worden ingebed. Een beleidslaag bepaalt welke agent reageert, welke gegevens hij ontvangt en hoe resultaten worden geverifieerd.

Dit maakt snellere iteratie mogelijk zonder de merkstandaarden of naleving te compromitteren. Het biedt ook significante controlepunten voor zowel technische als zakelijke gebruikers, waardoor systemen kunnen evolueren terwijl consistentie en toezicht worden gehandhaafd.

Hoe slagen Netomi’s AI-agents erin om een balans te vinden tussen automatisering en merkveilige personalisatie over verschillende klantkanalen zoals e-mail, voice en messaging?

Netomi-agents scheiden merkregels van prompts, waarbij toon, beperkte taal en formatteringsvereisten dynamisch op runtime worden toegepast. Dit zorgt ervoor dat personalisatie niet ten koste gaat van consistentie. Klant-specifieke gegevens, zoals loyaliteitsniveau of bestellingsstatus, worden rechtstreeks voorafgaand aan generatie opgehaald uit geverifieerde bronnen, waardoor het risico van hallucinatie wordt verkleind.

Vertrouwensdrempels en real-time evaluaties bepalen wanneer te escaleren. Alle wijzigingen worden getest in een zandbak voordat ze worden uitgerold, zodat elke interactie persoonlijk en conform blijft over alle kanalen heen.

Een van Netomi’s differentiatoren is zijn event-gedreven ConversationOS. Hoe werkt dit in de praktijk in vergelijking met traditionele intent-gebaseerde systemen?

Traditionele bots routeren alles via vooraf gedefinieerde intent-bomen. Netomi’s ConversationOS luistert naar een bredere stroom van gebeurtenissen, waaronder klanttekst, verzendupdates en interne statuswijzigingen. Meerdere agentpaden kunnen parallel lopen, zoals het oplossen van een factuurprobleem terwijl een levering wordt bijgewerkt, en hun antwoorden samenvoegen tot één antwoord.

Omdat alles is gestructureerd als gebeurtenissen in plaats van verborgen staat, kunnen nieuwe agents of capaciteiten worden toegevoegd zonder bestaande processen te verstoren. Dit maakt het systeem flexibeler, veerkrachtiger en gemakkelijker te onderhouden.

Gezien uw ervaring met high-frequency trading-systemen, hoe hebben concepten uit algoritmische financiën de architectuur of snelheid van Netomi’s platform beïnvloed?

We passen dezelfde discipline toe die wordt gebruikt in algoritmische handel op prestaties en controle. Latentie wordt geminimaliseerd door lichte, asynchrone pijpleidingen die zijn gebouwd om sub-drie-seconde-doelen voor voice-kanalen te bereiken. Agentgedrag wordt getest tegen historische transcripies voordat het wordt geïmplementeerd om resultaten te simuleren en falen te identificeren.

Circuitbrekers zijn aanwezig om de uitvoering te stoppen als kost-, latentie- of beleidsdrempels worden overschreden. Verkeer wordt voortdurend herverdeeld onder concurrerende prompt- of ophaalstrategieën om klantervaring en compute-efficiëntie te optimaliseren. Dit denken beïnvloedt elke laag van het platform.

U wordt gesteund door een indrukwekkende lijst van investeerders en adviseurs, van OpenAI’s Greg Brockman tot voormalige Disney- en DeepMind-executives. Hoe heeft dat uw productvisie of groeistrategie beïnvloed?

Onze adviseurs brengen ondernemingservaring en technisch inzicht dat heeft geholpen om zowel onze productvisie als groeistrategie vorm te geven. Hun advies houdt ons gefocust op het oplossen van echte bedrijfsproblemen, vooral die welke worden geconfronteerd door Fortune 100-bedrijven die op wereldschaal opereren. Of het nu gaat om het automatiseren van ondersteuning, het afdwingen van naleving of het leveren van consistentie over kanalen heen, hun feedback zorgt ervoor dat we technologie bouwen die klaar is voor ondernemingsrealiteiten.

Een boodschap die we vaak horen, is het belang van controle en duidelijkheid. Deze systemen engageren rechtstreeks met klanten en ondersteunen menselijke agents, dus resultaten moeten meetbaar en betrouwbaar zijn. Die menselijke factor blijft centraal in elke productbeslissing die we nemen.

Naarmate Agentic AI dieper wordt ingebed in dagelijkse bedrijfsoperaties, welke waarborgen denkt u dat het meest belangrijk zijn om zowel menselijk misbruik als machine-misleiding te voorkomen?

Netomi bouwt veiligheid in elk deel van het platform. Prompts en embeddings zijn versiebeheerd en traceerbaar, zodat wijzigingen kunnen worden geaudit of teruggedraaid. Persoonlijk identificeerbare informatie wordt gefilterd voordat deze het model bereikt, en retentiebeleid wordt strikt afgedwongen. Getypeerde actieschema’s en zandbaktesten waarborgen dat agents voldoen aan voorwaarden voordat ze productietools aanroepen.

Alle acties worden beheerd door een beleidsengine die stappen in real-time kan pauzeren of wijzigen. Rolgebaseerde toegangscontrole, multifactorauthenticatie en onveranderlijke auditlogs bieden extra bescherming. Ondertekende aanvraagomhulsels en quotalimieten beschermen het platform tegen externe modeldrift en misbruik.

Als we vooruitkijken, wat boeit u het meest aan de volgende fase van klantenservice en de rol die AI daarin zal spelen?

De meest spannende verschuiving is van reactieve service naar proactieve, intelligente ondersteuning die de volledige context van een klant begrijpt, inclusief doelen, voorkeuren en beperkingen. AI zal binnenkort in staat zijn om behoeften te anticiperen, over systemen heen te handelen en resultaten te leveren zonder dat klanten complexiteit hoeven te navigeren of zichzelf hoeven te herhalen.

De echte vooruitgang ligt niet alleen in wat AI kan doen, maar in hoe naadloos het menselijke beslissen zal ondersteunen. AI zal een vertrouwd laagje worden over de hele klantreis heen, waardoor bedrijven loyaliteit opbouwen door responsiviteit, personalisatie en betrouwbaarheid op grote schaal. Naarmate dit evolueert, zullen de grenzen tussen service, verkoop en ervaring verdwijnen.

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