Gal Rimon, grunnlegger og CEO av Centrical – Intervju-serie

Gal Rimon grunnla Centrical (tidligere GamEffective) i 2013 med en klar visjon: å hjelpe bedrifter med å gi ansatte mer makt og gjøre mennesker til sentrum for bedriftssuksess. Før Centrical var han administrerende direktør for Gilon Business Insight, en ledende bedrift innen bedriftsintelligens. Da Gilon ble kjøpt av Ness Technologies (NASDAQ: NSTC) i 2010, ble Gal medlem av Ness som senior visepresident og medlem av ledelsesgruppen. Tidligere i karrieren var han vicepresident for kundekontakt og drift i Deloitte Consulting og hadde roller i EDS og Bashan. Gal har en MBA i markedsføring og informasjonsteknologi fra Tel Aviv University.

Centrical er en AI-drevet plattform for ansattes ytelse og engasjement som hjelper organisasjoner med å forbedre effektiviteten til frontlinjeteam gjennom et samlet system for ytelsesledelse, personlig coaching, kontinuerlig læring, kvalitetssikring og gamifikasjon. Plattformen samler inn data fra ytelsesindikatorer, AI-drevet coaching, mikrolæring, anerkjennelsesprogrammer og sanntidsinnsikt for å hjelpe ledere med å identifisere muligheter for forbedring og guide ansatte mot bedre resultater. Plattformen brukes av kontaktssentere, salgsorganisasjoner og kundeservice-team, og er designet for å øke ansattes engasjement, produktivitet, kundetilfredshet og bedriftsytelse ved å levere personlig veiledning og motivasjon i stor skala.

Før du grunnla Centrical, tilbrakte du mange år i ledelse innen bedriftsintelligens, inkludert som administrerende direktør for Gilon før det ble kjøpt av Ness Technologies. Hvordan har denne erfaringen formet din oppfatning av at bedrifter ikke bare trenger bedre dashboards/data, men et system som kan omdanne innsikt til handling for frontlinjeteam?

Jeg tilbrakte nesten to tiår i bedriftsintelligens, og arbeidet med konsulentselskaper som EDS og Deloitte, og senere drev jeg mitt eget selskap. Vi hjalp noen av verdens største organisasjoner med å gi mening til deres data, og vi var gode på det. Men jeg sto fast i samme problem. Bedrifter hadde investert tungt i data-infrastruktur. Dashboards var sofistikerte. KPI-er var godt definert. Og likevel skjedde nesten ingenting.

Intelligensen eksisterte. Den handlet bare ikke. Den manglende lenken var alltid det menneskelige elementet. Du kan plassere en rød flagg ved siden av en underpresterende ansatt på en dashboard, men den flaggen forteller ikke lederen hva han skal gjøre, og den hjelper ikke ansatten med å forbedre seg. Broen mellom innsikt og gjennomføring går gjennom mennesker, og ingen BI-verktøy jeg noen gang arbeidet med var bygget for å krysse den. Denne erkjennelsen ble grunnideen bak Centrical. Spørsmålet var aldri “hvordan gi ledere mer data?” men “hvordan omdanne data til riktig handling, for riktig person, på riktig tid?”

Jo flere punktløsninger du har, jo mer data du har, og jo mer utfordrende kan dette være.

Centrical beskriver seg selv som en “Performance Intelligence OS” for frontlinjen. Hva betyr dette i praktisk forstand for en kundeservice, hotell, bank eller teleselskap som bruker plattformen hver dag?

La oss forestille oss en kundeservice-agent på en stor bank: hun håndterer komplekse samtaler hele dagen. Hennes leder overvåker et team på 30 personer på to steder. Uten en ytelses-operativsystem, tilbringer lederen mesteparten av tiden sin på å trekke rapporter, gjennomgå kvalitetsvurderinger og prøve å finne ut hvem som trenger oppmerksomhet. Når han endelig kommer til coaching, er det reaktivt, for sent og inkonsistent over hele teamet og det neste.

Med Centrical ser dagen annerledes ut. Plattformen starter fra forretningsresultatet: en kvalitetsforbedringsmål, en lansering av et nytt produkt eller et krav til overholdelse. Den tar inn signaler fra KPI-data, kvalitetsvurderinger, læringprogresjon, og ansatt tilbakemelding for å identifisere nøyaktig hvor hullene er. Når en agent har en bestemt svakhet, for eksempel svake spørsmål om opprettholdelse av kundekontakt, overfører plattformen det til lederen med en foreslått coachingsaksjon allerede forberedt, og det utløser en målrettet rollespill-simulering for agenten å øve på før neste samtale.

For en agent i hotellbransjen kan det bety en personlig utfordring knyttet til adferd vedrørende lojalitetsprogrammer, med sanntids-tilbakemelding og anerkjennelse bygget inn i arbeidsflyten. For et teleselskap som lanserer et nytt produkt, kan det bety tilpasset læring som tilpasser seg hver representants eksisterende kunnskaps hull, i stedet for å dytte alle gjennom samme innhold.

Felles tråden er at systemet kobler strategi til gjennomføring for hver person på gulvet, ikke bare de som lederne tilfeldigvis har tid til den uken.

Mange bedrifter har allerede BI-verktøy, arbeidsstyringsystemer, læringsplattformer og kvalitetssikringsprogrammer. Hvor faller disse systemene vanligvis kort når det gjelder å forbedre den virkelige ansattes ytelse?

Problemet er ikke verktøyene enkeltvis, men at de ikke snakker sammen på en måte som virkelig fordeler frontlinje-driften.

Et kvalitetssikringsprogram flagger et kvalitetsproblem. Den flaggen sitter på en dashboard. Lederen ser det tre dager senere, hvis i det hele tatt. Læringsplattformen har innhold som kan hjelpe, men ingen kobler flagget til innholdet. Arbeidsstyringssystemet optimaliserer skemaer, men vet ingenting om ferdighets-hull. Og anerkjennelse skjer separat, i et annet verktøy.

Så innsikt og beslutninger når aldri fram til de som trenger dem. Coaching blir koblet fra trening, trening blir koblet fra resultater, og frontlinje-ansatte opplever en fragmentert samling av programmer som ikke adderer opp til forbedring.

Og nå kommer AI-agenter inn i bildet, blir deployert og optimalisert i isolasjon fra det menneskelige arbeidsstokket, og forsterker utfordringen ytterligere. Svaret er ikke bare å koble disse plattformene sammen. Det er å orkestrere dem rundt et felles mål: riktig inngripen, for riktig person, på riktig tid, målt mot et virkelig forretningsresultat.

De siste kunderesultatene inkluderer forbedringer i førstekontakt-løsning, salgsprestasjon, lojalitetsprogram-deltagelse, produktivitet og feilreduksjon. Hva avslører disse resultater om type frontlinje-arbeid som AI kan forbedre først?

Felles tråden over alle disse resultater er at de involverer arbeid som kan måles og forbedres gjennom adferdsforandring, gjennom kunnskapsforsterkning, ferdighetsutvikling og personlig trening, coaching og motivasjon som gjør det mulig.

Grensen som AI åpner nå er å gjøre dette på enkelt-person-nivå, ikke bare for en segment eller en kohort, men for hver enkelt, basert på deres spesifikke hull, deres rolle og hvor de er i sin utviklingsreise, og hva bedriften trenger fra dem.

TP Samsungs kundeservice-team forbedret førstekontakt-løsning med 7,5 % samtidig som de reduserte lederens administrative arbeid med 70 %.

En topp fem-bank i USA så en reduksjon på 66,7 % i feil og en økning på 4,8 % i behandlet kontoer.

IHG Hotell og Resorts ønsket at deres resepsjonsansatte skulle aktivt gjenkjenne og melde inn gjester i deres One Rewards-program. Vi gjorde om treningen til oppdrag, ga ansatte mynter for å fullføre læring og melde inn medlemmer, og lot eiendommene konkurrere på rangerlister. Hotellene som brukte Centrical-plattformen oppnådde opptil 4 ganger bedre forbedring i lojalitets-gjenkjenning og -deltagelse, og drev inn millioner i ekstra inntekter og direkte bestillinger.

Centrical utvider AI-porteføljen med AI-assistert coaching, rollespill-simuleringer, hyper-personlige ytelses-erfaringer og autonom ytelses-intelligens. Hvilke av disse evnene tror du vil ha størst nær-tids-impakt på bedrifts-team?

Dette avhenger av hvor en organisasjon er i sin transformasjon. Jeg vil fremheve to evner som har en umiddelbar, målbart effekt nå for våre kunder.

AI-assistert coaching har en stor effekt fordi organisasjoner er under stor press for å gjøre coaching mer effektivt, øke lederens kontroll og likevel forbedre team-ytelse. Ledere er den største påvirkningen på frontlinje-ytelse, og likevel har de historisk sett brukt mer tid på rapportering enn på coaching. Vår AI-assistent snur dette forholdet: den overfører hvem som skal coaches, på hva og hvorfor, med riktig handling allerede forberedt. Og det er all prioritet basert på bedriftens mål. Lederen blir en bedre coach uten å trenge mer tid.

AI-rollespill-simuleringer er like kritiske nå, av en annen grunn. Ettersom AI tar på seg enklere interaksjoner, blir samtaler som når menneskelige agenter mer komplekse: emosjonelt ladde, unntakstunge, høyrisiko. Samtidig mobiliserer bedrifter sine arbeidsstokker i nye roller raskere enn noensinne. Praksis (i arbeidsflyten) er den eneste måten å bygge tillit og kompetanse i slike situasjoner før de skjer live. Rollespill i stor skala, drevet av faktiske ytelses-hull, gjør det mulig.

Autonom Ytelses-Intelligens er den neste grensen. Visjonen er et system som identifiserer muligheter, utløser riktige programmer og forbedrer frontlinje-gjennomføring kontinuerlig uten å vente på at en leder skal initiere.

Hvordan endrer AI-assistert coaching rollen til frontlinje-ledere, spesielt når mange ledere allerede er overbelastet med administrative oppgaver og ytelses-rapportering?

Våre data viser at ledere tilbrakte omtrent 60 % av tiden sin på data-analyse og rundt 20 % på vurderinger, og lot mindre enn 20 % til å støtte deres team. Dette er det grunnleggende dysfunksjonen. De menneskene som er mest ansvarlige for frontlinje-ytelse, tilbrakte mesteparten av tiden sin på å gjøre ting et system burde gjøre for dem.

AI-coaching gjenvinner denne tiden. Lederen får en prioritetert visning av hvem som skal coaches, på hvilken adferd, med en foreslått tilnærming allerede forberedt. Sesjoner kan bli innspilt og auto-dokumentert, så oppfølgingsaksjoner blir aktivert direkte fra coachingsamtalen i stedet for å sitte i en note ingen leser. Personlige mål blir skapt som er både oppnåelige og synlige for ansatte.

Våre data viser allerede at ledere som bruker våre AI-evner coacher mer, og at deres coaching har en større effekt på team-ytelse. En av våre store hotellkunder så en 10 % forbedring i coachings-effektivitet takket være AI, noe som resulterte i en målbart forbedring i KPI-er: alle KPI-er som ansatte ble coachet på med Centricals AI-evner ble forbedret.

En av de mest interessante delene av Centricals posisjonering er ideen om å håndtere både menneskelige og digitale arbeidere. Hvordan bør bedrifter tenke på ytelsesledelse når AI-agenter blir en del av frontlinje-driften?

De fleste bedrifter går inn i et problem de ikke ser ennå. AI-agenter dukker opp fra alle kanter: en fra kontakt-senter-plattformen, en fra CRM-en, noen fra eget team bygget, og andre pakket inn i verktøy de allerede betaler for. Vi kaller det “zooen av agenter”. De gjør alle arbeid, men ingen eier deres ytelse. Ingen kan si deg hvilke som er gode på jobben, hvilke som driver, eller hvilke som bør trekkes.

Instinktet er å behandle dette som et teknisk problem, et modell, eller en integrasjon. Jeg tror det er feil ramme. Når en AI-agent gjør frontlinje-arbeid, trenger den å bli styrt med samme rigor som vi bringer til menneskelig ytelse: klare mål, målbare resultater, sertifisering før de håndterer noe høyrisiko, og en tilbakemeldings-løkke som fanger drift før den gjør skade.

Dette er laget de fleste bedrifter mangler. Ikke et sted å bygge agenter, men et samlet lag for å styre, sertifisere og orkestrere dem, sittende i samme system som styrer deres menneskelige arbeidsstokk. Fordi arbeidet ikke lenger er menneskelig eller digitalt. Det er begge, på samme team, ofte på samme oppgave. En person og tre agenter håndterer en kunde-samtale. Hvis du måler mennesker i ett sted og agenter i et annet, ser du bare fragmenter av deres ytelse.

Ytelsesledelse bør sees som en disiplin over hele arbeidsstokken, menneskelig og digital. Samme mål, samme ansvar, samme løkke av måling, coaching, forbedring.

Hva er nødvendige sikkerhetsforanstaltninger for å sikre at AI-drevne ytelsessystemer støtter ansatte i stedet for å bare øke press, overvåking eller urimelige produktivitets-forventninger?

Dette er et viktig tema fordi vi bruker AI for å hjelpe mennesker med å bli en bedre versjon av seg selv på jobben.

Press kan drive korte-siktige resultater. Men over lengre tid trenger du å gi mennesker en klar retning: hjelpe dem bygge spesifikke ferdigheter deres rolle trenger, og skape fokusert praksis på adferdene som betyr mest. Det er en annen avtale for ansatte. Systemet er ikke der for å overvåke deg. Det er der for å gjøre deg god på jobben. Og å bli god på jobben føles mye bedre enn å bli målt på det. Det er en enkel ting, men ingen dukker opp på jobb for å gjøre en dårlig jobb.

Så de virkelige sikkerhetstiltakene er ikke politikker, prosesser eller noen anerkjennelsesprogram som sitter avsides. De er instruksjoner, ferdigheter og verktøy bygget inn i daglig arbeid for å gjøre jobben enklere, mer givende, mer effektiv. Ferdigheter først, så adferd, så ytelse. Og under all dette, motivasjon: ansatte skal se fremgangen de gjør og føle det. Hvert steg skal kobles tilbake til noe de bryr seg om: kundene de hjelper, teamet de er en del av, og hvor de vil gå neste.

Og fordi AI håndterer admin, rapportering, prioritering, får ledere tilbake tiden sin til å faktisk coache. Å være til stede. Det menneskelige forholdet er det som gjør hele tingene fungere.

Centrical har nylig samlet inn 39 millioner dollar i Series D-finansiering, og bringer total finansiering til over 100 millioner dollar. Over de neste 12 til 24 månedene, hvordan vil denne nye kapitalen akselerere deres globale utvidelse og utvikling av AI-verktøy for å håndtere frontlinje-ytelse over både menneskelige og digitale arbeidere?

Vi tenker på vekst over flere områder:

Vi tjener bedrifter i 150 land og 60 språk i dag, og denne runden vil akselerere vår vekst globalt.

Å dykke dyptere i autonom Ytelses-Intelligens vil være ett av våre fokusområder. Neste stadium er et system som identifiserer muligheter, utløser riktige programmer og forbedrer frontlinje-gjennomføring kontinuerlig uten å trenge en leder til å initiere.

Til slutt, å utvide plattformen til å styre ytelse over både menneskelige og digitale arbeidsstokker sammen. Ettersom AI-agenter tar på seg flere frontlinje-oppgaver, trenger bedrifter samme rigor rundt ytelses-standarder, coaching og måling for disse digitale arbeiderne som de har for menneskelige. Vi er posisjonert for å være operativsystemet for denne hybrid-reality.

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