Ralph Gootee, CTO og medgrunnlegger i TigerEye – Intervju-serie

Ralph Gootee, CTO og medgrunnlegger i TigerEye, leder utviklingen av en forretnings-simuleringsplattform designet for å forbedre strategisk beslutting, planlegging og gjennomføring. Ved å utnytte avansert tid-orientert AI-teknologi, gjør TigerEye det mulig for organisasjoner å strømlinje planleggingsprosesser, simulere ulike scenarier og ta datadrevne beslutninger mer effektivt.

Grundlagt av Gootee og tidligere PlanGrid-ansatte, TigerEye adresserer vanlige utfordringer i forretningsplanlegging, som foreldede regneark og forlengete planleggingscykler, med fokus på tilpasning og forutsigbar vekst. Plattformen integrerer prinsipper fra industrier som bygging og programvarekvalitetssikring for å tilby dynamiske løsninger som hjelper bedrifter å optimere operasjoner og skalerer effektivt.

Hva inspirerte deg til å starte TigerEye, og hvordan har dine tidligere erfaringer med PlanGrid påvirket din visjon for selskapet?

Jeg har alltid funnet data å være en utfordring. Tilbake da vi bygde mitt siste selskap, PlanGrid, var verktøy som Looker og Redshift nettopp kommet ut. Konseptet om innsikt var nytt. Mixpanel og Amplitude var fortsatt i sine tidlige dager. Disse produktene var så nye at du måtte bygge din egen dataingeniørteam for å håndtere noen som helst type datainnsikt.

Ved PlanGrid, samlet vi et fantastisk team med PhD-er og talende ledere som gjorde imponerende arbeid: identifiserte varme leads, analyserte kunde-tilknytninger og beregnede ARR. Men det tok et 10-mann team, var dyrt, og lot analytikere føle seg som billett-knusere, kjører SQL-forespørsler for å svare på segmenterings- og vekstspørsmål. Når de til slutt flyttet på for å lede data-vitenskapelige team andre steder, var det gjenstående teamet ofte igjen kjempende for å gjøre mening av dashboards de hadde igjen, noe som førte til betydelig ødslet tid. I tillegg verifiserte vår CFO manuelt disse tallene for å sikre nøyaktighet.

Som styremedlem i andre selskaper, så jeg samme mønster: frakoblete dashboards som var vanskelige å sette sammen til handlebare innsikter. Under Autodesk-opkjøpet av PlanGrid, ble disse utfordringene enda tydeligere. Å håndtere to Salesforce-miljøer og koordinere grunnleggende bakkontor-oppgaver som CRM, ERP og markedsføring var en kamp. Å bestemme hvilke kampanjer som fungerte, var et mysterium. Disse frustrasjonene inspirerte visjonen for TigerEye: en måte å gjøre data sammenhengende, handlebart, raskt og tilgjengelig.

TigerEye tilbyr en fleksibel AI-løsning for go-to-market-team. Hva utfordringer i markedet identifiserte du som ledet deg til å designe en konversasjons-AI for bedriftsintelligens?

Go-to-market-analyse kan ofte føles overveldende ettersom det er pakket med tall, statistikk og tung matematikk. Prosessen med å stille kreative, etterforsknings-spørsmål er klønete. Du kan opprette en billett for data-teamet og spørre om noe som en seier-rate-graf. Det er frem og tilbake-klarering, forsinkelser og noen ganger innser du at du stilte det feil spørsmålet. For de fleste mennesker er det hverken en behagelig eller rask prosess, spesielt for de uten autoriteten til en C-Suite-eksekutiv til å raske svar.

Konversasjons-AI endrer det. Forestill deg å si bare “Vis meg seier-rater for Vestkysten i rosa versus Østkysten i brunt, over de siste fire kvartalene, i en stolpegraf.” En konversasjon som tar sekunder og så er outputt. Vi designet TigerEye for å gi brukerne en intuitiv “junior-analytiker” de kan snakke med — alltid tilgjengelig for å lage innsikter uten behov for en klønete grensesnitt.

Hva var de mest betydelige hindringene du møtte under de tidlige stadiene av TigerEyes utvikling, og hvordan overvant du dem?

En stor overraskelse var det rene omfanget av data vi møtte, uavhengig av selskapets størrelse. Selv mid-markeds-selskaper har ofte store mengder data som endres ofte. Eksisterende verktøy som Looker kunne ikke håndtere disse arbeidsbyrdene effektivt; vi så lastetider på 10–12 sekunder for ett enkelt graf. Det er uakseptabelt for dagens raske forretningsmiljø.

For å håndtere dette, måtte vi innovere. Vi integrerte DuckDB for raskere spørringseksekvering og valgte Flutter for å bygge et lettvekt og effektivt grensesnitt. I tillegg bidro vi tilbake til åpen kilde-samfunnet ved å utvikle og vedlikeholde DuckDB.Dart, som muliggjør sømløs integrasjon med Dart- og Flutter-miljøer. Disse teknologiene tillot oss å optimere for hastighet, fleksibilitet og skalerbarhet.

Som medgrunnlegger, hvordan prioriteterte du og ditt team funksjoner og muligheter for TigerEyes lansering?

Vi startet med å plassere hele selskapets ressurser bak AI-analytiker-visjonen. Dette betød at hver front-end- og back-end-ingeniør bidro. Naturen til en AI-analytiker krevde en fullt selskapsinnsats fordi det ikke bare handler om tekst-utdata; det handler om å levere interaktive widgeter, konfigurere simuleringsmodeller og muliggjøre at analytikere kan ta meningsfulle handlinger. For eksempel lar en funksjon brukerne konfigurere en fremtidig plan for å legge til 10 reps på Vestkysten sømløst, noe som innebærer å designe et høyt interaktivt og intuitivt system.

Utviklingsprosessen hadde sine opp- og nedturer, men den tekniske ryggraden ble bygget på en rigorøs evaluering. Dette ble kjernen i vår prioritering. Evaluering er der det virkelige arbeidet skjer. Vi er konstant å spørre, “Gjorde denne endringen systemet bedre eller verre?” Vi startet med vårt ingeniørteam og våre domene-eksperter og utviklet oss til slutt til å fange kunde-spørsmål for å finjustere vårt system videre.

Vi innførte en automatisert test-suite hvor AI-en vurderer seg selv og tildeler en score for å bestemme om endringer er forbedringer. For å sikre nøyaktighet, gjennomfører vi fortsatt menneskelig vurdering ukentlig for å forebygge fordommer som en LLM som gir seg selv topp-karakterer. Denne doble lag-tilnærmingen har vært avgjørende for å få TigerEye til en “1.0”-tilstand og kontinuerlig heve standarden.

Til slutt var å oppnå domene-spesifikke tilpasninger en stor fokus. Salg og go-to-market-operasjoner krever presise, spesialiserte svar, og tilpasning over stakeholdere er ikke alltid rett frem. Dette er hvorfor domene-ekspertise og virkelige kunde-tilbakemeldinger var kritiske i å forme TigerEye til plattformen det er i dag.

Hvordan skiller TigerEyes tilnærming seg fra tradisjonelle BI-verktøy, og hva innvirkning har dette hatt på adopsjonsrater blant bedrifter?

TigerEye ble bygget fra bunnen av med AI og mobil, og tilbyr en løsning som er innebygd portabel og designet for å svare på spørsmål raskt. I motsetning til tradisjonelle BI-verktøy, som er langsomme og ofte krever omfattende konfigurasjon, prioriterer TigerEye hastighet og enkelhet i bruk gjennom konversasjons-AI.

Våre grafer og widgeter er høyt fleksible, med interaktive visualiseringer som lar brukerne utforske data intuitivt. AI-en avhenger ikke av generiske, overfladiske informasjoner som kan føre til uriktige svar; i stedet er den spesialisert for å levere presise, strukturerte målinger tilpasset hver bedrift.

Uansett om det er for startups, mid-markeds- eller bedriftsselskaper, sikrer TigerEye konsistens ved å grunnlegge alle beregninger i SQL, og muliggjør både front-end- og AI-drevne forespørsler for å levere pålitelige tall. Vi tilbyr også transparens ved å vise kundene matematikken bak vår analyse, og sikre at de forstår nøyaktig hvordan TigerEye-plattformen kom til sine svar. Dette engasjementet for klarhet hjelper til å bygge tillit og tillit til innsiktene som leveres.

Resultatet er en AI-plattform som leverer sterk tilpasning samtidig som den muliggjør at team kan få tilgang til handlebare innsikter uavhengig, og lar data-team fokusere på mer strategiske oppgaver. Denne tilnærmingen har akselerert adopsjon blant bedrifter som søker etter intuitive, skalerbare og presise verktøy for å forbedre beslutningene.

Hvordan utnytter TigerEye AI for å tilpasse seg og lære av CRM-, ERP- og markedsføringsautomatiseringsendringer i sanntid?

TigerEye bruker AI, inkludert Retrieval-Augmented Generation (RAG) og integrasjoner med sanntids-API-er, for å tilpasse seg dynamisk til endringer i CRM-, ERP- og markedsføringsautomatiseringsplattformer. Vi kombinerer også GenAI med mer tradisjonell maskinlæring og simulerings-teori for å gi vår AI evnen til å forutsi fremtiden. Ved å koble direkte til disse systemene, overvåker vårt selskap kontinuerlig oppdateringer, som nye kunde-records, endringer i avtale-faser eller kampanje-ytelses-målinger, og sikrer at innsiktene forblir aktuelle og handlebare.

Vår AI-analytiker rapporterer ikke bare passivt data; den lærer og utvikler seg med kunde-arbeidsflyter. For eksempel, hvis et salgsteam modifiserer sin pipeline-struktur, identifiserer TigerEye raskt endringene og justerer sine beregninger, prognoser og anbefalinger deretter. Denne sanntids-tilpasningen eliminerer manuelle oppdateringer og sikrer at ledelse og team alltid har en nøyaktig, oppdatert visning av deres go-to-market-ytelse.

I tillegg tillater TigerEyes fleksibilitet det å fungere på tvers av flere systemer, og sikrer sømløs integrasjon og tilpasning. Uansett om det er Salesforce, HubSpot, NetSuite eller andre plattformer, muliggjør TigerEyes AI at team kan kutte gjennom kompleksitet, og levere rettidige, pålitelige innsikter som driver smartere, raskere beslutning.

Med økende kompleksitet i go-to-market-operasjoner, hvordan forenkler TigerEye beslutningstaking for ledelse og team?

Handlebare innsikter gjennom konversasjons-AI. Tradisjonelle BI-verktøy krever ofte at team navigerer i klønete dashboards, venter på at data-team genererer rapporter, eller manuelt setter sammen målinger på tvers av siloede systemer. TigerEye eliminerer disse flaskehalsene ved å tilby øyeblikkelige, AI-drevne svar tilpasset ledelsens og teamets behov.

Vår AI-analytiker fungerer som en proaktiv, junior team-medlem, i stand til å svare på spørsmål som “Hva er min seier-rate i Q4 over regioner?” eller “Hvordan ville å legge til fem reps på Østkysten påvirke ARR?” Plattformen leverer innsikter på sekunder uten behov for data-modellering eller omfattende oppsett.

Ved å integrere AI med tilpasset bedriftsintelligens, sikrer TigerEye at alle målinger er nøyaktige, konsistente og tilpasset på tvers av organisasjonen. Ledelse får klarhet på strategiske beslutninger, mens teamene nyter godt av verktøy som overflater trender, forutsier resultater og reduserer støyen av operativ kompleksitet. TigerEye hjelper bedriftsledere til å ta raskere, smartere beslutninger uten den tunge løftingen.

Hvordan ser du på konversasjons-AI som transformerer bedriftsintelligens over de neste fem årene?

Bedriftsintelligens er for tiden på et veiskille. Mange verktøy er fortsatt fastlåst i en eldre eller overtatt tilstand. De er langsomme til å innovere, mangler nye produkter og er for generelle i sin tilnærming. Disse legacy-løsningene ble ikke bygget fra bunnen av for å integrere med store språk-modeller eller tilby AI-samarbeid. I de fleste tilfeller prøver de å tilpasse gamle systemer med uprøvde AI-løsninger, noe som ikke flytter nålen.

Konversasjons-AI vil drive en ny generasjon spesialiserte BI-applikasjoner. Disse verktøyene vil ikke kreve at team bruker talløse timer på å tilpasse og bygge løsninger — de vil være tilpasset fra starten for å håndtere spesifikke behov i finans, salg, markedsføring, bygging, olje og gass og andre industrier. Hver marked utvikler seg forskjellig, og spesialisering er nøkkel.

Grunnleggende AI-modeller som OpenAI, Anthropic og Mistral vil fortsette å håndtere brede, generiske applikasjoner, men fremtiden for BI ligger i spesialiserte vertikale løsninger som håndterer unike problemer. Spesialiserte AI-verktøy for BI vil erstatte den nåværende en-størrelse-passer-alle-tilnærmingen, og muliggjøre at bedrifter kan trekke ut innsikter raskere og mer nøyaktig. Det kan levere presisjon og handlebare innsikter innenfor sin domene. Denne skiftningen vil gjendefinere BI som vi kjenner det.

Etter å ha vært en besøkende partner i Y Combinator, hvordan har mentoring startups påvirket din ledelsesstil eller tilnærming til innovasjon?

YC lærte meg viktigheten av å prioritere mennesker. Jeg lærte å fokusere min energi på gründere som var sultne, åpne for tilbakemeldinger og ubøydige. Disse egenskapene — mot og tilpasning — er kjennetegn på suksessfulle team, og jeg har båret det med meg inn i TigerEye.

En annen lære var å gjenkjenne verdien av mangfold, både i tanke og bakgrunn. Ved YC så jeg førstehånd hvordan gründere fra underrepresenterte grupper ofte bragte usedvanlig mot og kreativitet til bordet. Det er en perspektiv som har formet hvordan vi bygger og leder i TigerEye i dag. Mangfold styrker team og driver innovasjon.

Hva er din visjon for fremtiden til TigerEye, og hvordan planlegger du å utvide dens innvirkning på tvers av industrier?

TigerEye er først og fremst et AI-selskap. Vår mål er å bringe innovasjonene vi ser i forbruker-AI, som den sømløse interaksjonen i verktøy som Perplexity og Cursor, inn i bedriftsverdenen. Forestill deg en personlig assistent som du kan spørre om innsikter hvor som helst, på enhver enhet. Trenger du å vite hvorfor avtaler stagnerte i Q2 eller hva som ville være nødvendig for å doble salgs-hovedtallet i en bestemt region mens du er på farten? Du spør, og det er der øyeblikkelig, nøyaktig og konsistent på tvers av hele selskapet.

Fremtiden for TigerEye handler om å forenkle tilgangen til data og gjøre innsikter allment tilgjengelige, enten du bruker en mobil-app, bærer en smartklokke eller ber om en rapport i Slack. Vi fokuserer på å skape verktøy som gjør datadrevne beslutninger lett.

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