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

Jonathan Corbin er grunnlegger og CEO av Maven AGI. Tidligere, som Global Vice President of Customer Success & Strategy i HubSpot, ledet Jonathan et team på omtrent 1 000 kunder med suksess, partner suksess og kontraktledere over flere regioner og vertikaler. Hans ansvar inkluderte å drive kundebehoud, omsetningsvekst og verdi-realiseringsmuligheter for over 200 000 kunder verden over, fra startup til bedrifter.

Maven AGI er en omfattende Generative AI-nativ løsning designet for å transformere kundesupport-landskapet – uten hodepine. Mens i stealth-modus, løste Mavens teknologi selvstendig over 93 % av kunde-spørsmål, kutte 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 of Customer Success & Strategy i HubSpot, der du ledet et team på omtrent 1 000 kunder med suksess, partner suksess og kontraktledere over flere regioner og vertikaler. Hva var noen høydepunkter og nøkkel-takaways 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 av den størrelsen, og selskaper av vår størrelse vokste ikke i denne hastigheten. Jeg tilbrakte mye tid på å fokusere på å skape skalerbare tilnærminger til planlegging og vekst, sikre at vi satte svært klare mål, justerte incitamenter over flere organisasjoner for å skape de resultater vi ønsket som organisasjon, sikre at vi hadde systemer for å skape synlighet for hva som skjedde i organisasjonen, og planlegge 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 tanker om hva som inspirerte deg til å lansere Maven AGI, og hvor lenge du har vært i stealth-modus?

Jeg har vært besatt av kundeopplevelse siden svært tidlig i min karriere, og det er derfor jeg har tilbrakt så mye tid i bransjeledende selskaper i dette området (Adobe, Marketo, Sprinklr, Hubspot, osv.). Tilbake i 2017 var jeg på vei tilbake fra en West Coast-sving, møtte noen fantastiske kunder som Apple og Nike, og vi hadde disse svært dyptgående samtaler om muligheten til å låse opp siloet data og skape disse svært personaliserte opplevelser ned til den enkelte bruker-nivå. 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 med dem. Det var massiv spenning fra kundene, men teknologien eksisterte ikke på den tiden.

Mine med-grunnleggere – Sami Shalabi, Eugene Mann, og jeg har alltid snakket om personalisering i skala og potensialet transformers kunne ha siden forskningen først kom ut av Google. Sami bygde en av de største personaliserings-motorene 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 produktisere LLM-kapasiteter på Stripe, og Sami delte sine tanker om hva som fungerte bra på Google.

Når vi først hørte om hva OpenAI gjorde og startet å bruke noen av LLM-ene som ble tilgjengelige, forsto vi at vi var på et punkt hvor teknologien nå eksisterte for å skape den perfekte kundeopplevelsen i skala. Selskaper har måttet velge mellom kostnadseffektivitet og god kundeopplevelse, resulterende i alle slags ting som komplekse segmenteringsstrategier designet for å begrense kundeinteraksjoner, skape ting som i realiteten er veiblokkeringer de kalte selvbetjening, eller grave din supportkontaktinformasjon et sted hvor det ikke kan finnes.

Vi startet Maven AGI for omtrent ett år siden i stealth-modus fordi hva vi prioriterer i Maven er impact – og når vi annonserte hva vi gjorde, ønsket vi å gi ekte eksempler på vår impact og målinger, ikke bare at vi eksisterte og hadde samlet inn noen penger. Vi er svært takknemlige for våre tidlige kunder som trodde på oss nok til å arbeide med oss i å rulle ut banebrytende teknologi og å presse grensene for å utvikle en bedre kundeopplevelse.

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

AGI er virkelig godt definert fra et språk-perspektiv – det er kunstig generell intelligens. Hva betyr det egentlig i en 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 engasjerer med sin bank og spør om innbetalingen er godkjent – hva vi vet fra konto-historikk er at de trenger en liten bro-finansiering for å dekke regninger og sjekking. Maven vil forstå den historiske konteksten og tilby lånet samtidig som den håndterer all papirarbeid som kan være forbundet med det, som bakgrunnssjekker, kredittsjekker, fyller ut låne-papirer, forstår risikoen, godkjenner lånet og flytter pengene til personens konto.

Et annet eksempel ville være noen som går til sin CRM-support-team og spør hvordan de kan deployere en kampanje. Hva vi ville forstå fra det er at de ikke ønsker å vite hvordan de kan lage en kampanje, men de ønsker et bestemt antall leads innen en bestemt dato. Brukere ville ha muligheten til å si “Gi meg 100 leads neste måned” og Maven ville gå gjennom den svært komplekse oppgaven med å levere disse.

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

Historisk sett har AI i kundesupport brukt maskinlæringsmodeller som var svært 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-valget. Denne enkle tilnærmingen falt kort av forventningene, resulterende i skuffende resultater og etterlot mange CX-proffesionelle skeptiske til AIens potensiale. Sant suksess i AI-drevet kundesupport 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 kundesupport-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 kundesupport-kostnader og forbedre den totale kundeopplevelsen?

Selskaper deployer Maven AGI på en rekke måter, men den beste måten å få den raskeste effekten er å sette inn Maven i hodet på din support-kø i endepunktene eller kanalene dine kunder ønsker å bruke (chat, web, søk, Slack, i produkt, SMS, osv.). Det lar oss gi instant, personaliserte resultater + handlinger til kunder uten ventetid samtidig som vi sikrer at de fantastiske support-agentene gjør hva de gjør best, arbeider med kunder som virkelig trenger menneskelig interaksjon for å løse problemene deres.

Hva teknologiske fremgang har enablet Maven AGI til å oppnå så høye rater av autonom løsning av problemer?

Jeg tror vi har rekruttert ett av de beste ingeniør-lagene i verden for å løse dette, og det kommer ned til et data-problem. Brilliant folk som har arbeidet med utfordringer som søk på Google, og personalisering i skala på Meta og Amazon, og har tenkt på å løse disse typene problemer i årevis. Data er fragmentert og siloet, og for at vi skal kunne svare på kundespørsmål og ta handlinger, trenger vi å 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 bare å svare på spørsmål ikke er nok. For at vi skal kunne oppnå forretnings-AGI, må vi kunne forutse brukernes behov og engasjere med dem med intensjon.

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

Vi var heldige til å være på alle sylindre i hva vi ønsket å oppnå med vår seed-runde: bygge et fantastisk ingeniør-lag, et produkt som løser virkelige problemer, og ha kunder som fikk verdi ut av vårt produkt. Vi samlet inn vår seed-runde mindre enn ett år siden, men hadde noen virkelig gode investorer som ønsket å være en del av reisen vår. Etter å ha tilbrakt 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 vår GTM-lag, investere i å bygge ut partner-økosystemet og fortsette å ansette ingeniører mens vi utvider vår handling-motor (™) og plattform-kapasiteter.

Hvordan ser du på rollen til AI som utvikler seg i kundesupport-industrien over de neste fem årene?

Fremtiden vil ikke bli delt inn i support, tjenester, salg og forskjellige funksjoner. I stedet vil kundesupport bli en del av en sammenhengende, enhetlig kundeopplevelse uten ustyrlige overleveringer og siloet 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 å få 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 instant-svar på deres spørsmål.
• Forutser deres behov og spørsmål med personalisering, bruksdata, full historisk kontekst og evnen til å ta handling og engasjere med dem på kanalene de velger.
• Evnen til å engasjere med kundesupport-agenter uten ventetid og lange køer, som har svar tilgjengelig for deres spørsmål, 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.