Katie Stein, administrerende direktør i ASAPP – Intervjuserie

Katie Stein, administrerende direktør i ASAPP, er en erfaren teknolog- og forretningsleder med mer enn to tiår med erfaring som spenner over bedriftsstrategi, drift, digital transformasjon og bedriftsvekst. Før hun ble med i ASAPP som administrerende direktør i august 2026, fungerte hun som administrerende direktør i Atain og tilbrakte åtte år i Genpact, hvor hun var Chief Strategy Officer og Global Business Leader for Enterprise Services and Analytics, med ansvar for bedriftsstrategi, store tjenesteporteføljer, kundeopplevelse og M&A-initiativ. Tidligere i karrieren hadde Stein seniorlederroller i Mercer, inkludert Global Chief Operating Officer for deres $2,5 milliarder pensjons-, helse- og fordelsvirksomhet, og arbeidet som prosjektleder i Boston Consulting Group. Karrieren hennes har i stor grad handlet om å hjelpe store organisasjoner med å forbedre operasjonell ytelse, implementere teknologi mer effektivt og gjennomføre komplekse forretningsomstillinger.

ASAPP er et AI-selskap som fokuserer på å transformere bedriftskundeservice gjennom sin AI-native Customer Experience Platform (CXP). Selskapet, som ble grunnlagt i 2015, utvikler teknologi som samler AI-agenter, menneskelig ekspertise, kundedata og bedriftsystemer på tvers av tale- og digitale kanaler. I sentrum av plattformen er GenerativeAgent, en AI‑kundeserviceagent designet for å forstå samtaler, resonere gjennom kundebehov, utføre handlinger via tilkoblede bedriftsystemer, og involvere menneskelige agenter når ekstra tilsyn eller vurdering er nødvendig. ASAPP tilbyr også verktøy for testing, overvåking, styring og observabilitet, som gjør det mulig for store organisasjoner å sette i drift kunde‑rettet AI samtidig som de beholder større kontroll over hvordan automatiserte agenter oppfører seg.

Din karriere har tatt deg fra strategi‑ og transformasjonsroller hos BCG, Mercer og Genpact til å lede Atain, og nå til å bli administrerende direktør i ASAPP. Hva tiltrakk deg ved ASAPP på dette tidspunktet i din karriere, og etter dine første 30 dager, hva har du identifisert som de største mulighetene og prioriteringene for selskapet?

ASAPP kom først på radaren min under vinterstormen Fern tidligere i år. Hos Atain jobbet vi fra alle vinkler for å skape nok kapasitet for et av de største amerikanske flyselskapene da tusenvis av forstyrrede reisende prøvde å komme hjem. ASAPP svarte ikke bare på spørsmål; deres GenerativeAgent ombooket mer enn 3 800 passasjerer på seks dager, inkludert komplekse reiseruteendringer. Det viste meg hvordan bedrifts‑AI ser ut under reell press. Mine første 30 dager har bekreftet dette synet. Vår mulighet er å fokusere og skalere: konsentrere oss der ASAPP har den tydeligste retten til å vinne, hjelpe kundene med å gå fra eksperimentering til produksjons‑påvirkning, og gjennomføre med større hastighet og konsistens.

ASAPPs tilnærming bringer autonome AI‑agenter, deterministiske arbeidsflyter og menneskelige eksperter sammen i ett orkestreringslag. Hvordan bestemmer du hvilke beslutninger som skal overlates til en AI‑agent, hvilke som skal følge forhåndsdefinerte regler, og hvilke som skal involvere menneskelig vurdering?

Vi tilordner ikke en hel interaksjon til AI, en forhåndsdefinert arbeidsflyt eller en person. Vi vurderer hver beslutning basert på dens kompleksitet, risiko og behov for ansvarlighet. AI er godt egnet til å forstå intensjon, tolke kontekst og tilpasse seg kunden. Arbeidsflyter gir konsistens når nødvendige trinn eller retningslinjer må følges. Mennesker tilfører vurdering når en situasjon er tvetydig, eksepsjonell eller har store konsekvenser. Orkestrering bringer alle tre sammen i samme interaksjon. Målet er ikke maksimal autonomi. Det er å løse flere kundebehov samtidig som riktig kontrollnivå anvendes på hvert beslutningspunkt.

ASAPP ser på menneskelig involvering som en kontinuerlig del av AI‑systemet snarere enn kun en eskaleringsvei når automatisering feiler. Etter hvert som AI‑agenter blir mer kapable, hvor tror du mennesker fortsatt vil tilføre mest verdi i kundeserviceinteraksjoner?

Menneskelig oppfinnsomhet! For noen måneder siden snakket jeg med en senior CX‑leder som observerte at et relativt lite antall samtaler står for en uforholdsmessig stor del av håndteringstiden. Dette er ofte kanttilfeller uten klar FAQ, kunnskapsartikkel eller standard arbeidsprosedyre. De er vanskelige fordi organisasjonen ikke har møtt – eller kodifisert – svaret tidligere. Mennesker vil fortsatt tilføre mest verdi i disse øyeblikkene: tolke tvetydighet, balansere konkurrerende hensyn og anvende vurdering der det ikke finnes en etablert spillbok. Men å involvere en person bør ikke kreve at automatiseringen forlates og hele interaksjonen overføres. AI samler det som trengs og presenterer en person med en spesifikk forespørsel og kontekst; mennesket gir vurderingen, og deretter fortsetter AI interaksjonen. Denne ekspertisen løser det umiddelbare problemet, og bidrar til å utvide hva AI kan løse neste.

Mange virksomheter har med suksess demonstrert generativ AI i pilotprosjekter, men sliter når de prøver å rulle det ut på millioner av reelle kundesamhandlinger. Hva undervurderer selskaper oftest når de går fra en AI‑pilot til et produksjons‑skala agentisk system?

Bedrifter undervurderer ofte den lange halen. Piloter tester vanligvis definerte brukstilfeller under kontrollerte forhold. I produksjonsomfang blir sjeldne situasjoner til dagligdagse hendelser: kunder endrer retning, gir ufullstendig informasjon, eller kombinerer behov på måter ingen forutså. Derfor er skalering av agentisk AI ikke bare en modellutfordring. Det krever integrasjon med bedriftsystemer, styring, overvåking og en måte å involvere mennesker når dømmekraft er nødvendig. Piloten viser at teknologien fungerer. Produksjon tar arkitekturen og driftsdisiplinen for å gjøre den pålitelig i stor skala.

Etter hvert som bedrifter går fra en enkelt AI-assistent til flere spesialiserte agenter som samarbeider, hvilke nye tekniske eller styringsmessige utfordringer dukker opp rundt orkestrering, observabilitet og ansvarlighet?

Den nye utfordringen er koordinering. Flere agenter skaper flere overleveringer, beslutningspunkter og muligheter for at kontekst eller ansvarlighet brytes ned. Bedrifter trenger orkestrering som bestemmer hvilken agent som skal handle, hvilken informasjon og hvilke tillatelser den får, og hvordan arbeidet bidrar til kundens løsning. Observabilitet må strekke seg over hele interaksjonen slik at organisasjoner kan forstå hva som skjedde og hvorfor. Det blir grunnlaget for styring. Fordelen vil ikke komme fra å distribuere flest mulige agenter. Den vil komme fra å koordinere all den spesialiserte intelligensen i ett system som er pålitelig, sporbar og ansvarlig.

ASAPP introduserte nylig Continuous Red Teaming, som automatisk tester AI-systemene deres mot mer enn 50 klasser av sårbarheter etter hvert som modellene utvikles. Hvordan bør bedrifter revurdere sikkerheten når AI-agenter ikke lenger bare genererer svar, men i økende grad kan utføre handlinger på vegne av kunder?

Innsatsen endres når AI går fra å svare på spørsmål til å utføre handlinger. En uautorisert transaksjon eller eksponering av kundedata er langt mer konsekvent enn et unøyaktig svar. Bedrifter trenger klare grenser for hva en agent kan få tilgang til, hva den kan gjøre, og når menneskelig godkjenning er påkrevd. Sikkerhet kan heller ikke være en test som utføres én gang før utrulling. Etter hvert som AI blir mer kapabel, innoverer også ondsinnede aktører. Derfor tester ASAPP kontinuerlig mot tusenvis av motstandsdyktige scenarier som dekker mer enn 50 sårbarhetsklasser. Sikkerheten må utvikles like raskt som teknologien, slik at bedrifter kan utvide hva AI kan gjøre uten å gå på kompromiss med kundetilliten.

Generativ AI er iboende probabilistisk, men kundeserviceprosesser involverer ofte transaksjoner, etterlevelseskrav og andre oppgaver der resultatene må være forutsigbare. Hvordan kan bedrifter bevare fleksibiliteten i generativ AI samtidig som de innfører nok deterministisk struktur til å gjøre disse systemene pålitelige?

Nøkkelen er å skille samtalen fra forretningsprosessen. Vi mener generativ AI bør gjøre det den gjør best: forstå kunden, navigere i tvetydighet og svare naturlig. Men kritiske prosesser – som verifisering, transaksjoner og etterlevelse – bør operere innen trinnbaserte arbeidsflyter som håndhever selskapets regler og påkrevd sekvens. Denne arkitekturen gir bedrifter det beste av begge verdener: en fleksibel opplevelse for kunden og forutsigbar utførelse for virksomheten. Den gjør også prosessene enklere å teste, revidere og forbedre etter hvert som modeller utvikles. Bedrifter trenger ikke å gjøre hver kundesamtale rigid for å gjøre AI pålitelig. De må være svært klare på hvor AI kan tilpasse seg og hvor prosessen absolutt ikke kan.

Kontakt‑sentre har tradisjonelt målt automatisering gjennom måleparametere som innholdshåndtering og kostnadsreduksjon. Etter hvert som agentisk AI blir mer sofistikert, hvilke måleparametere bør bedrifter bruke for å avgjøre om AI faktisk forbedrer kundeopplevelsen i stedet for bare å redusere menneskelig involvering?

Vi beveger oss bort fra måleparametere som avledning og innholdshåndtering og mot det jeg kaller «verifisert løsning». Jeg vil at vi skal være ansvarlige for å forstå en kundes intensjon og faktisk løse den. Som kunde ønsker jeg at opplevelsen skal være hyggelig, men viktigst av alt vil jeg at grunnen til at jeg tok kontakt skal bli løst. Når vi måler det utfallet, i stedet for bare om AI hindret noen fra å nå en menneskelig agent, justerer vi teknologien med den jobben kunden faktisk trenger gjort.

Hvis én menneskelig ekspert i økende grad kan veilede eller styre flere AI‑drevne samtaler, hvordan forventer du at arbeidsstyrken i kontakt‑sentre vil utvikle seg? Ser du nye roller dukke opp rundt AI‑tilsyn, opplæring, styring og kontinuerlig forbedring?

Dette er det som virkelig gjør meg begeistret for fremtidens driftsmodell for kontakt‑sentre. I dag er menneskelige agenter i frontlinjen, ofte med kunder som er skuffet, forvirret eller sinte, mens de bruker mye av sin egen tid på å navigere i komplekse systemer for å løse disse problemene. Det er krevende arbeid, og utbrenthet er høy. Etter hvert som agentisk AI tar over mer av dette arbeidet på både tale‑ og digitale kanaler, tror jeg vi vil se en ny klasse av CX‑profesjonelle oppstå: den menneskelige agenten som analytiker. Deres tid vil i økende grad brukes på situasjoner som krever dømmekraft, ikke er svart‑hvite, eller har regulatorisk sensitivitet. Det er en fundamentalt annerledes rolle, og en som AI selv hjelper til med å skape.

Etter dine første 30 dager som leder for ASAPP, hva har overrasket deg mest med hvor bedrifter for øyeblikket er i sin adopsjon av agentisk AI, og hva tror du vil definere neste fase av AI-drevet kundeservice?

Jeg har blitt imponert over hvor villige kundene jeg har snakket med er til å gjøre agentisk AI til en kjernepilar i deres CX‑strategi snarere enn noe som ligger ved siden av den. Utfordringen er at Digital, IT, Sikkerhet og Drift ofte beveger seg i ulikt tempo og måler suksess på forskjellige måter. Denne fragmenteringen gjør det vanskelig å se forretningscaset for virksomheten tydelig. Neste fase vil kreve at organisasjoner samordner seg rundt det som virkelig betyr noe på bedriftsnivå og forstår hvor agentisk AI i CX kan påvirke disse resultatene. I dag kan den påvirkningen bli fortynnet over eksisterende resultatkort og siloerte måleparametre.

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