Fran Loftus, Chief Experience Officer, EliseAI – Intervju-serie

Fran Loftus, Chief Experience Officer, EliseAI er en dynamisk leder kjent for sin kreative energi og mangfoldige bakgrunn, som kombinerer entreprenørdrift med dypt operasjonelt ekspertise. Før hun ble med i EliseAI, var hun med på å grunnlegge HOM, en teknologi-drevet amenitet- og engasjementsplattform som ble kjøpt opp av Alfred, hvor hun senere hadde flere ledende roller og formet beboeropplevelser over hundredtusener av enheter. Hos EliseAI har hun hatt senior ledende stillinger som rapporterte til CEO og styret, og har drevet på tvers av selskapet for effisiens, overvåket kundeutfall og samarbeidet nært med ingeniører og salgsavdelingen om produktstrategi og lansering. Hun er anerkjent som grunnlegger og bransjeleder, og har blitt nominert til Top Founder på MIPIM og er flere ganger blitt kåret til en av CRETechs topp kvinnelige innflytelsespersoner.

EliseAI er et New York-basert AI-programvareselskap som transformerer hvordan bolig- og helseorganisasjoner håndterer høyvolumskommunikasjon og operasjonelle arbeidsflyter gjennom avansert konversasjons- og agens-basert kunstig intelligens. Deres plattform automatiserer oppgaver som turoppleggelse, leie-kommunikasjon, vedlikeholdsforespørsler, fornyelser, pasientinntak og administrativt støtte over tekst, tale, e-post og chat, og muliggjør at teamene kan operere mer effektivt samtidig som de forbedrer responsiviteten og kundeopplevelsen. Ved å sentralisere disse interaksjonene i et samlet AI-system, hjelper EliseAI organisasjonene med å skalerer operasjoner, redusere manuelt arbeid og levere målbare ytelsesforbedringer over kritiske funksjoner.

Som Chief Experience Officer i EliseAI, bringer du en sjelden kombinasjon av erfaring over hele kommunal-, operasjonell- og teknologisektoren. Du grunnla HOM, en plattform som hjalp flermannsboliger med å levere felles fasiliteter og en følelse av fellesskap i stor skala, og ledet deretter opplevelse og tjenesteytelse i Alfred, et selskap for bolig-tjenester som er integrert i tusenvis av leilighetsbygninger. Hvordan påvirker disse dypt praktiske, menneske-først- rollene hvordan du designer og operationaliserer AI-opplevelser i EliseAI i dag?

Min bakgrunn fra fysisk eiendomsforvaltning lærte meg at teknologi bare er like god som tjenesten den faktisk leverer på bakken. Hos HOM og Alfred lærte jeg at en beboer ikke bryr seg om et pent grensesnitt hvis vedlikeholdsforespørselen hans eller hennes forsvinner i en svart hull eller flyttingen hans eller hennes blir forsinket. Dette har gjort meg besatt av å lukke løkken. Jeg designer ikke AI bare for å håndtere samtaler, jeg designer det for å håndtere hele livssyklusen til en oppgave. Jeg prioriterer beboeren i en krise eller den ansatte som er for strekt, og sikrer at AI-en ikke bare er en ting de må overvåke, men et verktøy som tar vekt av deres skuldre.

Sett fra et kundeopplevelse-perspektiv, hva ser effektiv AI ut som i bolig- og helsemiljøer hvor tillit, klarhet og oppfølging teller like mye som hastighet eller automatisering?

I bolig- og helsevesenet er det å være raskt bra, men å faktisk følge opp er hva som bygger tillit. God AI bør ikke bare gi deg et raskt svar; den må sikre at noe faktisk skjer. Hvis en pasient spør om en regning eller en leier ønsker å fornye leieavtalen sin, må AI-en oppdatere registrene, fortelle den riktige lederen og la den personen vite at hjulene er i bevegelse. Det handler om å være klar og proaktiv så folk ikke føler at de må ringe tilbake tre ganger bare for å sjekke statusen.

EliseAI har valgt en vertikal-først-tilnærming i stedet for å tilby en generell AI-løsning. Hvordan endrer denne beslutningen den daglige opplevelsen for eiendomsteam, beboere og helsepersonale sammenlignet med horisontale AI-verktøy?

Generelle AI-verktøy krever at kunden må gjøre den tunge løftingen av å lære programvaren industriregler. Fordi vi er en vertikal løsning som er eksklusivt fokusert på bolig- og helsevesenet, kommer vårt system med en dyp forståelse av de spesifikke arbeidsflytene, som sikkerhetsdeposittregler eller pasientplanleggingsnyanser. For personalet på bakken betyr dette at de ikke må håndtere en generisk chatbot som kan forestille seg en politikk. De arbeider med et system som allerede er integrert i deres eksisterende programvare og snakker språket til deres daglige operasjoner fra dag én.

Kan du forklare hvordan skygging av frontlinje-arbeidere for å fange opp sluttpunkt-til-sluttpunkt-arbeidsflyter forbedrer modellatferd og den ultimate kundeopplevelsen, sammenlignet med å trene på abstrakt data alene?

Abstrakt data viser deg “hva”, men å være på bakken med kundene viser deg “hvordan”. Når mitt team tilbringer tid i den faktiske miljøet hvor programvaren er deployert, ser de friksjonspunktene som en datamengde ville ha gått glipp av. For eksempel, under oppdagelsessamtaler med en militær boligoperatør, identifiserte vi komplekse godkjenningsflyter og strenge daglige begrensninger som ikke var i noen håndbok. Ved å fange disse urene, virkelige detaljene og oversette dem til produktet, kan vi bygge AI som ikke bare fungerer i en demo, men overlever kaoset i en travel kontor.

Når AI-systemer går ut over å svare på spørsmål til å utføre oppgaver, hva nye erfaringerisikoer oppstår, og hvordan sikrer du at automatisering føles støttende og pålitelig snarere enn intrusivt eller uklart?

Den primære risikoen skifter fra at AI-en sier noe feil til at AI-en gjør noe feil. For å mitigere dette, har jeg etablert en produktiløsingsmodell hvor vi har eksperter – mange av dem er tidligere gründere – som eier bestemte domener av produktet. De setter bestemte regler og retningslinjer for hvordan AI-en utfører en oppgave, og sikrer at den aldri tar en handling som ville overraske eller forvirre et menneskelig teammedlem.

I bolig- og helsevesenet kan selv små sammenbrudd raskt underminere tillit. Hvordan designer du agens-basert AI-systemer som forblir transparente, forutsigbare og enkle for mennesker å korrigere når det er nødvendig?

Design for tillit starter med å gå bort fra en tradisjonell reaktiv holdning hvor du bare venter på at ting skal bryte sammen. I stedet har jeg bygget et team som fungerer som en bro mellom virkelige operasjonelle urenheter og AI-ens logikk. Disse er ikke supportagenter – de er strateger og tidligere gründere som eier bestemte domener av produktet fra sluttpunkt til sluttpunkt.

De tilbringer sin tid med å skygge arbeidere for å forstå de uforhandelige reglene i en bransje, som komplekse militære bolig-godkjenningsflyter eller strenge medisinske respons-tider, og baker disse direkte inn i hvordan AI-en oppfører seg. Transparensen kommer fra det faktum at våre systemer er designet for å flagge potensielle problemer proaktivt før de blir beboer- eller pasientklager. Når AI-en sanser en høy-emosjonssituasjon eller en kompleks forespørsel den ikke er trent for, gjør den ikke en gjetting. Den utløser en overføring som gir det menneskelige teammedlemmet full historikk og kontekst for interaksjonen, og lar dem gå inn som en informert partner snarere enn å starte fra null.

Sett fra din posisjon med ansvar for implementering og kunde-suksess, hva er de vanligste friksjonspunktene kundene møter når de tar i bruk AI i operasjonelle arbeidsflyter, og hvordan reduserer EliseAI denne friksjonen tidlig i deployeringen?

Den største friksjonen er sjelden teknologien i seg selv, men snarere bekymringen for at teknologien vil forstyrre teamets flyt eller erstatte deres roller. Vi addreserer dette ved å fokusere på umiddelbar, praktisk lettelse. I den første uken, bruker vi AI-en til å ta over de repetitive, høyvolumsoppgavene som vanligvis forårsaker mest utbrenthet, som initialt lederoppfølging. Vi bruker også vår egen AI til å håndtere våre interne selskapsoperasjoner. Dette hjelper oss å forstå de eksakte stresspunktene ved å endre en arbeidsflyt, så vi kan være bedre partnere når våre kunder går gjennom samme overgang.

Mange organisasjoner sliter med å gå ut over pilotfasene. Hvordan hjelper du kundene med å utvikle prosessene og forventningene deres, så AI blir en integrert del av daglige operasjoner snarere enn å forbli en side-eksperiment?

AI fungerer bare når det slutter å være et sideprosjekt og blir en normal del av arbeidsdagen; vi hjelper ledere med å reorganisere teamene sine så at når AI håndterer det travle arbeidet, kan menneskene fokusere på oppgavene som faktisk krever en menneskelig berøring.

EliseAI støtter nå omtrent en av seks amerikanske leiligheter. Hvordan endrer kunde-forventningene seg på dette nivået, og hva nye erfaringerutfordringer oppstår når AI blir en del av standard-operasjoner?

På dette nivået er AI ikke lenger en kul innovasjon. Det er en utility, akkurat som elektrisitet. Forventningen skifter fra å være imponerende når det fungerer til å være uakseptabelt når det feiler. Vi må håndtere denne variasjonen samtidig som vi opprettholder 100% pålitelighet.

Sett fremover 2 til 3 år, hvordan ser du på utviklingen av rollen som Chief Experience Officer når AI-systemer tar på seg mer ansvar innenfor essensielle tjenester som bolig- og helsevesenet?

Rollen vil utvikle seg fra å håndtere kundeopplevelse til å orkestrere partnerskapet mellom mennesker og AI. Når AI tar over de administrative og repetitive delene av jobben, vil fokuset til CXO skifte helt til de strategiske og emosjonelle berøringspunktene. Vårt ansvar vil være å sikre at når verden blir mer automatisert, blir de menneskelige interaksjonene i bolig- og helsevesenet mer intentionelle og mer effektive.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke EliseAI.