Jonathan Corbin, Grunnlegger & CEO av Maven AGI – Intervju-serie

Jonathan Corbin er grunnlegger og CEO av Maven AGI. Tidligere, som Global Vice President for Customer Success & Strategy i HubSpot (HUBS ), ledet Jonathan et team på omtrent 1 000 kunder med suksess, partner suksess og kontraktsansvarlige over flere regioner og vertikaler. Hans ansvar inkluderte å drive kundebehoud, omsetningsvekst og verdioppfyllelse for over 200 000 kunder over hele verden, fra start-ups til bedrifter.

Maven AGI er en omfattende Generative AI-løsning designet for å transformere kundestøttslandskapet – uten hodepine. Mens de var i skjult modus, løste Mavens teknologi selvstendig over 93% av kunde-spørsmål, kuttet støttekostnader med 81%, forbedret den totale kundeopplevelsen, i skala, etter å ha løst millioner av interaksjoner på over 50 språk for tidlige kunder.

Du var tidligere Global Vice President for Customer Success & Strategy i HubSpot, der du ledet et team på omtrent 1 000 kunder med suksess, partner suksess og kontraktsansvarlige over flere regioner og vertikaler. Hva var noen høydepunkter og nøkkel-taklinger fra denne perioden i ditt liv?

I denne perioden var Hubspot ett av de fem raskest voksende B2B SaaS-selskapene med over en milliard dollar i omsetning. Det er svært få mennesker som har hatt muligheten til å bygge, vokse og lede på den skalaen vi opererte på. Selskaper som vokser i denne hastigheten er vanligvis ikke så store, og selskaper vår størrelse vokste vanligvis ikke i denne hastigheten. Jeg tilbrakte mye tid på å skape skalerbare tilnærminger til planlegging og vekst, sørget for at vi satte svært klare mål, justerte incitamenter over flere organisasjoner for å skape de resultater vi ønsket som organisasjon, sikret at vi hadde systemer for å skape synlighet for hva som skjedde i organisasjonen, og planla over flere horisonter. Alt vi rullet ut måtte fungere ikke bare for våre nåværende kunder, men måtte også ha evnen til å opprettholde kontinuitet ved eksponentiell vekst.

Kan du dele noen innsikter om hva som inspirerte deg til å lansere Maven AGI, og hvor lenge du har vært i skjult modus?

Jeg har vært besatt av kundeopplevelse siden tidlig i min karriere, og det er derfor jeg har tilbrakt så mye tid i bransjeledende selskaper i dette området (Adobe (ADBE ), Marketo, Sprinklr, Hubspot osv.). Tilbake i 2017 var jeg på vei tilbake fra en West Coast-tur, møtte noen flotte kunder som Apple (AAPL ) og Nike, og vi hadde disse usedvanlig dyptgående samtaler om muligheten til å låse opp siloede data og skape disse svært personaliserte opplevelser ned til den enkelte bruker. Jeg snakker ikke om den segmenterte tilnærmingen du faller inn i denne alderskategorien eller demografien. Nei, dette er evnen til fullt ut å utnytte all informasjon du har delt med oss for å forutse kunde-forventninger og proaktivt engasjere deg med dem. Det var massiv begeistring fra kundene, men teknologien eksisterte ikke på den tiden.

Mine medgrunnleggere – Sami Shalabi, Eugene Mann og jeg har alltid diskutert personalisering i skala og mulighetene transformers kunne ha siden forskningen først kom ut av Google (GOOGL ). Sami bygget en av de største personaliseringsmotorer i verden på Google News (1 milliard+ brukere) og Eugene ledet personalisering for det, så vi har alltid hatt dyptgående samtaler om mulighetene vi kunne låse opp når teknologien utviklet seg. Applikasjonen av dette til hva vi gjorde på den tiden var at jeg kjempet med å skape en god opplevelse i skala for våre Hubspot-brukere, Eugene så på hvordan han kunne produktivisere LLM-egenskaper på Stripe, og Sami delte sine innsikter om hva som fungerte bra på Google.

Kan du definere for oss hva AGI er i sammenheng med Maven AGI?

AGI er virkelig godt definert fra et språklig perspektiv – det er kunstig generell intelligens. Hva betyr det egentlig i forretningsmessig sammenheng? Vi fokuserer på noe vi kaller forretnings-AGI og definerer det som evnen til å håndtere komplekse oppgaver ved hjelp av funksjonelle AI-agenter som er spesialtrent for bestemte ansvar med en orkestreringslag som lar dem arbeide sammen.

Et eksempel på dette kan være en bankkunde som engasjrer seg med sin bank og spør om innskuddet er godkjent – hva vi vet fra konto-historikk er at de trenger en liten brofinansiering for å lukke regningene og sjekke utbetaling. Maven vil forstå den historiske konteksten og tilby lånet mens de håndterer all papirarbeid som kan være forbundet med det, som bakgrunnssjekking, kredittsjekking, fylling av låne-papirer, forståelse av risiko, godkjenning og et bestemt beløp som faller innenfor risikoprofilen, godkjenner lånet og flytter pengene til personens konto.

Hva er noen av de største problemene med hvordan AI har historisk sett blitt integrert i kundestøtte?

Historisk sett har AI i kundestøtte brukt maskinlæringsmodeller som var høyt deterministiske og tok måneder å trene. Disse modellene fungerte på en enkel hvis-da-logikk: hvis en bruker valgte X, ville de bli gitt Y-alternativet. Denne enkle tilnærmingen sviktet forventningene, resulterte i skuffende resultater og etterlot mange CX-fagfolk skeptiske til AI-s muligheter. Sant suksess i AI-drevet kundestøtte henger sammen med dynamisk personalisering, evnen til å resonnere og ta meningfulle handlinger.

Hva er de viktigste stegene involvert i å trene Maven AGI til å håndtere kundestøtte-spørsmål?

Det er virkelig enkelt. … bare gi oss tilgang til all informasjon du ville bruke for å trene mennesker på. Vi kan ha det opp og kjørende for deg med en høy grad av nøyaktighet innen dager – ikke uker eller måneder. Det vil bruke din spesifikke tone, dialekt og hva som helst emojis du ønsker.

Hvordan hjelper Maven AGI med å redusere kundestøttekostnader og forbedre den totale kundeopplevelsen?

Selskaper setter ut Maven AGI på en rekke måter, men den beste måten å få den raskeste effekten er å sette Maven i hodet på støttekøen på endepunktene eller kanalene kundene ønsker å bruke (chat, web, søk, Slack, i produkt, SMS osv). Dette lar oss gi umiddelbare, personaliserte resultater + handlinger til kunder uten ventetid, samtidig som vi sikrer at de fantastiske støtteagentene gjør det de er best på, å arbeide med kunder som virkelig trenger menneskelig interaksjon for å løse problemene sine.

Hva teknologiske fremskritt har gjort det mulig for Maven AGI å oppnå så høye rater for autonom løsning av problemer?

Jeg tror vi har rekruttert ett av de beste ingeniørteamene i verden for å løse denne utfordringen, som kommer ned til et data-problem. Briljante folk som har arbeidet med utfordringer som søk på Google og personalisering i skala på Meta og Amazon (AMZN ), og som har tenkt på å løse disse problemene i årevis. Data er fragmentert og siloet, og for at vi skal kunne svare på kundespørsmål og ta handlinger, måtte vi kunne innhente mer data enn noen andre. Den andre delen er evnen til å ta handlinger og bygge vår handling-motor, fordi vi vet at å bare svare på spørsmål ikke er nok. For å oppnå forretnings-AGI må vi kunne forutse brukernes behov og engasjere dem med intensjon.

Kan du gi mer detaljer om den nylige 20 millioner dollar Series A-finansieringen og hvordan den vil bli brukt?

Vi var heldige til å være på alle sylindere i hva vi ønsket å oppnå med vår seed-runde: bygge et flott ingeniørteam, et produkt som løser virkelige problemer og har kunder som får verdi ut av produktet vårt. Vi samlet inn vår seed-runde for mindre enn ett år siden, men hadde noen virkelig gode investorer som ønsket å være en del av reisen vår. Etter å ha tilbragt tid med M13 var vi virkelig spente på å fortsette å bygge fremtiden til Maven AGI sammen med dem. De 28 millioner dollar vi har samlet inn over det siste året, vil bli brukt til å bygge ut vårt GTM-team, investere i å bygge ut partner-økosystemet og fortsette å ansette ingeniører mens vi utvider vår action engine (™) og plattform-kapasiteter.

Hvordan ser du på rollen til AI i kundestøtte-industrien utvikle seg over de neste fem årene?

Fremtiden vil ikke bli delt inn i støtte, tjenester, salg og ulike funksjoner. I stedet vil kundestøtte bli en del av en sammenhengende, enhetlig kundeopplevelse uten uoversiktige overleveringer og siloede data. Etterhvert som kundeforventningene utvikler seg, vil også måtene vi betjener dem på.

I dag faller kundens behov inn i 3 kategorier:

• De som ønsker å selvbetjene – evnen til å finne løsningen eller svaret på et spørsmål.
• De som ønsker tilgang til selvbetjening, men trenger validering av at de tar riktig handling.
• Kunder som krever hvit hanskeservice og trenger menneskelig assistanse.

Fremtiden har også 3 kategorier, men forventningene fra kundene vil være svært forskjellige:

• Forventer umiddelbare svar på spørsmålene.
• Forutser deres behov og spørsmål med personalisering, brukerdata, full historisk kontekst og evnen til å ta handling og engasjere seg med dem på kanal-valget deres.
• Evnen til å engasjere seg med kundestøtte-agenter uten ventetid og lange køer, som har svar på spørsmålene, full historisk kontekst og evnen til å umiddelbart ta handlinger.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Maven AGI.