Puneet Mehta, grunnlegger og CEO av Netomi – Intervju-serie

Puneet Mehta, grunnlegger og CEO av Netomi, leder det San Francisco-baserte AI-selskapet som leverer autonome kundeservice-erfaringer. Med en bakgrunn i teknologi-entrepreneurship og Wall Street-handel med AI, har han drevet utviklingen av en “Agentic OS”-plattform som hjelper merker med å løse kundeproblemer på tvers av kanaler med innbygget styring, personalisering og transparens. Mehta har blitt anerkjent blant Advertising Age’s Creativity 50 og Business Insider’s liste over topp-entrepreneurer å følge.

Netomi er en AI-drevet kundeservice-plattform som hjelper bedrifter med å automatisere og forbedre støtte på e-post, chat, meldings- og talekanaler. Deres system muliggjør at merker kan løse de fleste rutinemessige kundehenvendelser på egen hånd, samtidig som de gir agenter sanntidsstøtte når det er nødvendig. Med innbygget styring, personalisering og flerspråklig støtte, lar Netomi organisasjoner skalerer kundeservice-operasjoner effektivt, samtidig som de beholder full kontroll over merkevaren og overholdelse.

Du har hatt en fascinerende reise, fra å bygge AI-motorer for Wall Street til å grunnlegge Netomi. Hva inspirerte deg til å lansere Netomi, og hvordan har din tidligere erfaring formet dens misjon?

Mitt tidlige arbeid på Wall Street fokuserte på å bygge AI-systemer som måtte fungere med hastighet, presisjon og absolut pålitelighet. Det ga meg en sterk grunnlag i å utvikle sanntids-, kritiske teknologier. Hos IBM Watson så jeg potensialet i AI til å forstå språk og samhandle med mennesker på en mer naturlig måte, men også begrensningene rundt transparens og kontekstuell relevans.

Jeg lanserte Netomi med overbevisningen om at AI kunne gjøre mer enn å automatisere svar. Jeg ville bygge systemer som hjelper kunder med å oppnå reelle mål med intelligens, empati og ansvar. Fra begynnelsen har vår misjon vært å skape AI som støtter menneskelig samhandling på en måte som er meningsfull og i tråd med verdier som organisasjonene representerer.

Hva er problemet Netomi ultimate forsøker å løse, og hva gjør din tilnærming ulik andre spillere i markedet?

Netomi fokuserer på å transformere kundeserfaring fra fragmentert og reaktiv til proaktiv og resultatdrevet. For mange verktøy i dag tilbyr generiske svar, løsrevet fra kundens historie, emosjon eller hensikt. Vår tilnærming er bygget rundt kontekst. Hvert kundebesked analyseres sammen med dusinvis av sanntids-signaler, som lojalitetsstatus, nylig aktivitet, holdning og tidligere interaksjoner, for å generere et svar som er nøyaktig og relevant.

Hva som skiller oss fra andre, er ikke bare vår bruk av generativ AI, men hvordan vi integrerer styring, merke-tilpasning og ansvar i hele systemet. Vi gir bedrifter full visibilitet i hvordan beslutninger tas, hvilke data som brukes, og hvordan hver respons reflekterer organisasjonens stemme og standarder. Vårt mål er å gi merker mulighet til å bygge tillit med AI som er intelligent, pålitelig og dypt integrert i kundeserfaringen.

Med så mange AI-plattformer som lover transformasjon, hva mener du skiller Netomis Agentic OS fra andre CX-løsninger i markedet i dag?

Netomis Agentic OS er bygget på en dobbelt-agent-arkitektur som kombinerer deterministiske Action Agents med LLM-drevne Reasoning Agents. Action Agents håndterer sikre, lavkode-transaksjoner som oppdateringer, spørring og prosess-utførelse på tvers av bedriftssystemer. Reasoning Agents tolker kundebeskjeder i sanntid, ved å bruke generativ AI til å tilpasse samtaler basert på kontekst og hensikt.

Disse agentene orkestreres av et proprietært, hendelses-drevet system som muliggjør at plattformen kan svare umiddelbart på signaler som holdningsendringer, leveringsforsinkelser eller dataendringer. Hver beslutning er versjonskontrollert og fullt observerbar, og gir teamene sporbarhet og overholdelse på hver enkelt trinn. Denne arkitekturen støtter intelligent samhandling og operasjonell pålitelighet i stor skala.

Mange bedrifter sliter fortsatt med å forstå hva det innebærer å være AI-klar. Hvordan bør bedrifter vurdere sin klarskap, og hva er vanlige misforståelser du ser som holder dem tilbake?

AI-klarskap starter med grunnleggende faktorer. Bedrifter må ha godt styrede, autoritative datakilder. Uten dem vil selv de mest kapable modellene returnere upålitelige eller inkonsistente resultater. Kjerneforretningsprosesser må også være eksponert gjennom stabile API-er eller hendelses-drevne arkitekturer, slik at AI-agenter kan ta meningsfulle handlinger, ikke bare føre en samtale.

Forventninger til latency, spesielt for tale- eller synkronkanaler, bør defineres tidlig for å guide systemdesign. Kontinuerlige evaluasjonsmekanismer må også være på plass for å overvåke for prompt-degradering eller modell-drift. En vanlig misforståelse er at å laste opp store mengder ustrukturert innhold i en vektor-database tilsvarer en AI-strategi. I virkeligheten avhenger suksessfull implementering mer av dataingeniørarbeid, klare politiske rammer og strukturert endringsledelse. Transparens, observerbarhet og rigorøs testing er essensielle krav for enhver bedrifts-gradert agentic-system.

Du har snakket om begrensningene ved prompt-ingeniørarbeid i stor skala. Hva er orkestrerings-ingeniørarbeid, og hvorfor er det mer levedyktig for langvarig bedrifts-AI-tilpasning?

Prompt-ingeniørarbeid fokuserer på å optimalisere isolerte interaksjoner. Orkestrerings-ingeniørarbeid omhandler hele systemet av beslutninger, handlinger og politikker som må fungere sammen på tvers av kanaler og prosesser. Hos Netomi definerer vi nye kapasiteter deklarativt, slik at de kan aksesseres av en sentral planlegger, i stedet for å være innbygget i enkelt-prompts. En politisk lag bestemmer hvilken agent som responderer, hvilke data den mottar, og hvordan resultater verifiseres.

Dette muliggjør raskere iterasjon uten å kompromittere med merke-standarder eller overholdelse. Det gir også meningsfulle kontrollpunkter for både tekniske og forretningsbrukere, og muliggjør at systemer kan utvikles samtidig som de beholder konsistens og tilsyn.

Hvordan klarer Netomis AI-agenter å finne en balanse mellom automatisering og merke-sikker personliggjøring på tvers av ulike kundekanaler som e-post, tale og meldinger?

Netomis agenter skiller merke-regler fra prompts, og anvender tone, begrensede språk og formateringskrav dynamisk på kjøretid. Dette sikrer at personliggjøring ikke kommer på bekostning av konsistens. Kundespesifikke data som lojalitetsnivå eller bestillingsstatus hentes fra verifiserte kilder like før generering, og reduserer risikoen for hallucinasjon.

Trøskelverdier og sanntids-evalueringer bestemmer når å eskalere. Alle endringer testes i en sandbox før utrulling, så hver interaksjon forblir personlig og samsvarlig på tvers av alle kanaler.

En av Netomis differensieringer er dens hendelses-drevne ConversationOS. Hvordan fungerer dette i praksis sammenlignet med tradisjonelle intensjons-baserte systemer?

Tradisjonelle boter ruter alt gjennom forhåndsdefinerte intensjonstre. Netomis ConversationOS lytter til en bredere strøm av hendelser, inkludert kundebesked, leveringsoppdateringer og interne tilstandsendringer. Flere agent-pårader kan kjøre parallelt, som å løse et fakturaproblem samtidig som oppdatering av en levering, og slå sammen deres svar i ett enkelt svar.

Fordi alt er strukturert som hendelser i stedet for skjult tilstand, kan nye agenter eller kapasiteter legges til uten å forstyrre eksisterende prosesser. Dette gjør systemet mer fleksibelt, motstandsdyktig og enklere å vedlikeholde.

Gitt din erfaring med høyfrekvens-handelssystemer, hvordan har konseptene fra algoritme-finans påvirket arkitekturen eller hastigheten til Netomis plattform?

Vi anvender samme disiplin som brukes i algoritme-handel til ytelse og kontroll. Latency minimiseres gjennom lette, asynkronne rørledninger bygget for å møte under-tre-sekunders-mål for talekanaler. Agent-atferd testes mot historiske transkripter før utrulling for å simulere resultater og identifisere feilmoduser.

Sikringsbrytere er på plass for å stoppe utførelse hvis kostnad, latency eller politiske terskler brytes. Trafikk omfordeler kontinuerlig blant konkurranse-prompts eller henting-strategier for å optimalisere kundeserfaring og beregnings-effektivitet. Denne tenkningen påvirker hver enkelt lag i plattformen.

Du har en imponerende rekke investorer og rådgivere, fra OpenAIs Greg Brockman til tidligere Disney- og DeepMind-ansatte. Hvordan har dette påvirket din produktvisjon eller vekststrategi?

Våre rådgivere bringer bedriftserfaring og teknisk innsikt som har hjulpet å forme både vår produktvisjon og vekststrategi. Deres veiledning holder oss fokusert på å løse virkelige forretningsproblemer, spesielt de som møtes av Fortune 100-selskaper som opererer i global skala. Uansett om det handler om å automatisere støtte, å påtvinge overholdelse eller å levere konsistens på tvers av kanaler, deres tilbakemeldinger hjelper oss å sikre at vi bygger teknologi som er klar for bedriftsrealiteter.

En melding vi ofte hører, er viktigheten av kontroll og klarhet. Disse systemene engasjerer direkte med kunder og støtter menneskelige agenter, så resultater må være målbare og pålitelige. Den menneskelige faktoren forblir sentral i hver enkelt produktbeslutning vi tar.

Når Agentic AI blir mer integrert i daglige forretningsoperasjoner, hva mener du er de viktigste sikkerhetstiltakene for å forhindre både menneskelig misbruk og maskin-feil?

Netomi bygger sikkerhet inn i hver enkelt lag i plattformen. Prompts og innlegg er versjonskontrollerte og sporbare, så endringer kan auditeres eller rulleres tilbake. Personlig identifiserbar informasjon filtreres før den når modellen, og oppbevaringspolitikker håndheves strengt. Typede handlingsskjemaer og sandkassetest sikrer at agenter møter betingelser før de invokerer produksjonsverktøy.

Alle handlinger styres av en politisk motor som kan pause eller modifisere trinn i sanntid. Rolle-basert tilgangskontroll, multifaktor-autentisering og uforanderlige auditlogger gir ytterligere beskyttelse. Signerte forespørsels-omslag og kvotebegrensninger beskytter plattformen mot ekstern modell-drift og misbruk.

Ser fremover, hva er det som spenner deg mest om den neste fasen av kundeserfaring og rollen AI vil spille i den?

Den mest spennende utviklingen er overgangen fra reaktivt service til proaktivt, intelligent assistanse som forstår hele konteksten av kundens mål, preferanser og begrensninger. AI vil snart kunne forutse behov, handle på tvers av systemer og levere resultater uten å kreve at kundene må navigere kompleksitet eller gjenta seg selv.

Den virkelige fremgangen er ikke bare i hva AI kan gjøre, men i hvordan det vil støtte menneskelig beslutning. AI vil bli et pålitelig lag på tvers av kundereisen, og hjelpe merker med å bygge lojalitet gjennom respons, personliggjøring og pålitelighet i stor skala. Etterhvert som dette utvikler seg, vil grensene mellom service, salg og erfaring fortsette å forsvinne.

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