Reggie Scales, president og leder for forretningsenheten Applications hos Vonage – Intervjuserie

Reggie Scales, president og leder for forretningsenheten Applications hos Vonage, er en erfaren teknologi‑ og kommunikasjonsleder med mer enn to tiår med erfaring i å lede salg, drift, go‑to‑market‑strategi og forretningsvekst. Siden han begynte i Vonage i 2018, har han hatt overordnet lederansvar for selskapets applikasjonsvirksomhet. Tidligere var Scales senior visepresident for Western U.S. i Masergy, visepresident og general manager for Central Region i Comcast Business, samt senior visepresident for salg og markedsføring i Wilcon. Tidligere i karrieren tilbrakte han over 12 år i PAETEC, hvor han avanserte gjennom flere lederstillinger, inkludert president for salg og service, og hadde ansvar for salg og forretningsdrift i en region på 1 milliard dollar med omtrent 500 ansatte. Karrieren hans har dreid seg om å skalere kommunikasjonsbedrifter, bygge høy‑presterende team og utvikle bedrifts‑salg og kundebindingsstrategier.

Vonage er et globalt bedrifts‑teknologiselskap og en del av Ericsson, og leverer kommunikasjons‑API‑er, sammenslått kommunikasjon og kontakt‑senter‑løsninger til mer enn 100 000 virksomheter verden over. Plattformen gjør det mulig for organisasjoner å integrere tale, video, meldinger, autentisering og andre kommunikasjonsfunksjoner direkte i applikasjoner og kundeopplevelser, mens selskapets produkter for forretningskommunikasjon og kontakt‑senter støtter ansattes samarbeid og kundebinding. Vonage inkorporerer i økende grad kunstig intelligens og mobilnett‑intelligens i sin plattform, og gir virksomheter og utviklere verktøy for å skape mer personlig, sikker og automatisert kommunikasjon på tvers av digitale kanaler

Din karriere har omfattet salg, service, regional drift, kommunikasjonsinfrastruktur og nå ledelse av Vonage sin applikasjonsvirksomhet. Hvordan har denne operative erfaringen påvirket din tilnærming til AI‑adopsjon, spesielt behovet for å balansere innovasjon med målbare kunde‑ og forretningsresultater?

Jeg har tilbrakt mer enn 25 år i kommunikasjonsbransjen, og hvert stadium i min karriere har understreket viktigheten av å knytte teknologiinvesteringer til et klart forretningsbehov. Jeg begynte med å selge fjerntelefontjenester, gikk deretter over til lokal kommunikasjon, datanettverk, sky‑computing og nå AI. Jeg har hatt muligheten til å observere flere store endringer i vår bransje, og én lærdom har vært konstant: ny teknologi gir varig verdi når den løser et reelt problem for kunder og virksomheten.

Jeg anvender den samme tankegangen på AI. I et kontakt‑senter bør utgangspunktet være resultatet du ønsker å forbedre. Det kan være å hjelpe kunder med å løse rutine‑spørsmål raskere, gi ansatte bedre informasjon under en samtale, redusere unødvendige steg, eller gjøre det enklere å bevege seg mellom kanaler uten å miste kontekst.

Min nåværende rolle omfatter produkt, engineering, salg, partnerskap og kundestøtte, noe som også påvirker hvordan jeg tenker på adopsjon. En funksjon kan være teknisk imponerende, men virksomheter må fortsatt vurdere hvordan den passer inn i eksisterende drift, hvor enkelt ansatte og kunder kan bruke den, og hvordan de vil måle om den fungerer. Denne koblingen mellom teknologi, gjennomføring og resultater er spesielt viktig med AI fordi endringstakten er så rask.

Mange virksomheter er ivrige etter å introdusere generativ og agentisk AI i sine kontakt‑sentre. Hvilket grunnleggende arbeid må de fullføre innen data, arbeidsflytdesign, systemintegrasjon og styring før de prøver å skalere utover en første pilot?

Virksomheter trenger et solid fundament før de utvider AI i hele kontakt‑senteret. En pilot kan fungere i et kontrollert miljø med et begrenset datasett og en enkel arbeidsflyt. Å skalere innebærer å koble AI til flere systemer, mer kundeinformasjon og flere deler av virksomheten, noe som introduserer ekstra kompleksitet.

Data er ett av de første områdene som må adresseres. Organisasjoner må forstå hvor kundeinformasjonen deres befinner seg, om den er nøyaktig og oppdatert, og hvem som har tillatelse til å bruke den. Arbeidsflytdesign er like viktig. Selskaper bør forstå prosessen AI-en skal inn i, hvilke beslutninger den kan ta, og hvor en person må involveres.

Integrasjon er en annen viktig komponent. Kunder kommuniserer via tale, meldinger, video og andre kanaler, mens ansatte kan være avhengige av flere systemer i bakgrunnen. Hvis disse miljøene forblir frakoblet, kan tilførsel av AI skape et ytterligere lag av fragmentering.

Styring bør også etableres fra starten. Virksomheter trenger klare regler for personvern, sikkerhet, tilgang og menneskelig tilsyn. De bør også definere hvordan de vil evaluere AI over tid. Å gå videre enn en pilot krever tillit til at teknologien kan levere konsistent ytelse etter hvert som antall interaksjoner og variasjonen i situasjoner øker.

Kundeinformasjon er ofte fragmentert på tvers av CRM‑systemer, samtaletranskripsjoner, meldingshistorikk og andre bedriftsplattformer. Hva kreves for et virkelig samlet kundekonteksts­lag, og hvordan kan organisasjoner hindre AI‑systemer fra å handle på ufullstendig eller utdatert informasjon?

Et nyttig kundekonteksts­lag begynner med å koble sammen informasjon som forklarer hvem kunden er, hva som allerede har skjedd i deres reise, og hva de prøver å oppnå nå. Dette kan inkludere CRM‑informasjon, samtaletranskripsjoner, meldingshistorikk, kontodetaljer, tidligere serviceinteraksjoner og andre relevante opplysninger.

Mange selskaper håndterer fortsatt disse delene i separate systemer, og det skaper problemer, med eller uten AI. En kunde kan starte en samtale i én kanal, gå over til en annen, og deretter måtte gjenta informasjon fordi det andre systemet ikke har historikken fra den første interaksjonen. AI gjør løsningen av denne fragmenteringen enda viktigere fordi en agent kun kan gi en nyttig anbefaling eller ta passende handling når den har pålitelig kontekst.

Organisasjoner må vite hvilke systemer som er autoritative for ulike typer informasjon og ha prosesser for å holde denne informasjonen oppdatert. De trenger også sikkerhetstiltak for situasjoner hvor AI ikke har nok kontekst til å fortsette med selvtillit.

Hvis informasjon mangler, er motstridende eller utdatert, bør AI kunne gjenkjenne denne begrensningen og be om avklaring eller involvere et menneske. Dette er spesielt viktig etter hvert som AI går fra å svare på spørsmål til å utføre handlinger for kunder.

Hvordan bør en effektiv overlevering fra en virtuell agent til en menneskelig rådgiver se ut? Hvilken informasjon om kundens intensjon, tidligere samtale, fullførte handlinger og uløste problem bør overføres slik at kunden ikke må starte på nytt?

Kunden bør oppleve en sømløs overlevering som en fortsettelse av den samme samtalen. Når en menneskelig rådgiver blir med i interaksjonen, bør vedkommende forstå hvorfor kunden tok kontakt, hva som allerede er diskutert, hva den virtuelle agenten har fullført, og hva som fortsatt krever oppmerksomhet.

Som et minimum bør overleveringen inneholde kundens intensjon, relevant samtalehistorikk, kontoinformasjon som trengs for interaksjonen, eventuelle trinn eller verifiseringer som allerede er fullført, og årsaken til at den virtuelle agenten eskalerte saken. Hvis kunden allerede har forklart problemet eller svart på et spørsmål, bør rådgiveren ha denne informasjonen lett tilgjengelig.

Den kontinuiteten er viktig fordi en av de største kildene til frustrasjon i kundeservice er å måtte starte på nytt. AI bør bidra til å redusere denne friksjonen i stedet for å legge til flere steg.

Etter hvert som virtuelle agenter blir i stand til å håndtere en større andel av rutineinteraksjoner, blir kvaliteten på overgangen til en person enda viktigere. Det vil fortsatt finnes situasjoner som krever empati, dømmekraft, kreativitet eller mer nyansert problemløsning. Selskaper må designe for dette fra starten av og gi ansatte nok kontekst til å ta over samtalen effektivt fra en AI‑agent når slike situasjoner oppstår.

Den neste fasen av AI for kundeopplevelser forventes å fokusere mindre på frittstående verktøy og mer på intelligens som er integrert direkte i eksisterende arbeidsflyter. Hvordan endrer dette rollen AI spiller i kontakt‑senteret, og hvordan skal virksomheter avgjøre hvilke oppgaver som skal automatiseres fullstendig versus hvilke som bør forbli menneskedrevne?

Å integrere AI i eksisterende arbeidsflyter er svært effektivt fordi ansatte og kunder ikke trenger å gå inn i en separat opplevelse for å dra nytte av det. AI kan støtte det som allerede skjer i kontakt‑senteret ved å hjelpe en ansatt med å finne informasjon under en samtale, oppsummere en interaksjon, foreslå neste steg eller fullføre en rutineprosess for en kunde.

Når man skal avgjøre hva som skal automatiseres, bør virksomheter se nøye på oppgavens natur og konsekvenser. Repeterende interaksjoner med klare regler og forutsigbare resultater er sterke kandidater for økt automatisering. En enkel kontoinformasjonsforespørsel er for eksempel svært forskjellig fra en samtale som involverer en sensitiv klage, en uvanlig omstendighet eller en beslutning som kan ha betydelig innvirkning på kunden.

Ansatte vil fortsatt ha en viktig rolle der empati, dømmekraft og kreativ problemløsning er nødvendig. AI kan også støtte disse ansatte i stedet for bare å overta en interaksjon.

Jeg vil vurdere automatisering basert på opplevelsen den gir. Hvis en prosess blir raskere, men fører til flere gjentatte henvendelser, flere eskaleringer eller større kundefrustasjon, må selskapet revurdere hvordan den arbeidsflyten ble designet.

Vonage har nylig introdusert bransjespesifikke AI‑agenter for helsevesen, finansielle tjenester og detaljhandel‑kontakt‑sentre. Hvorfor blir vertikal spesialisering viktig, og hvordan skal en virksomhet avgjøre om en AI‑agent virkelig forstår sin bransjes arbeidsflyter, terminologi og regulatoriske krav?

Måten en kunde engasjerer seg med en helseleverandør på kan være svært forskjellig fra hvordan noen interagerer med en finansinstitusjon eller en forhandler. Den underliggende kontakt‑senter‑teknologien kan ha likheter, men språk, arbeidsflyter, kundens forventninger og krav knyttet til disse interaksjonene kan variere betydelig.

Dette gjør bransjekontekst stadig viktigere etter hvert som AI‑agenter blir i stand til å gjøre mer enn å svare på enkle spørsmål. En agent må forstå hvilke typer forespørsler kundene vanligvis gjør, terminologien ansatte og kunder bruker, systemene som er involvert i å fullføre disse forespørslene, og grensene for hva den skal få lov til å gjøre.

Virksomheter bør evaluere bransjespesifikk AI ved hjelp av scenarier hentet fra deres faktiske drift. Det innebærer å teste vanlige forespørsler sammen med unntak og mer kompliserte situasjoner. De bør se på om agenten følger den forventede arbeidsflyten, forstår språket kundene bruker, og vet når den skal involvere en person.

Organisasjoner må også vurdere hvordan personvern, sikkerhet og regulatoriske krav håndteres. Disse vurderingene bør være en del av design‑ og evalueringsprosessen i stedet for noe som tas opp etter at en agent allerede interagerer med kunder.

Til syvende og sist blir bransjekunnskap verdifull når den omsettes til mer nøyaktige, passende og nyttige kundesamtaler.

Etter hvert som AI‑agenter går fra å svare på spørsmål til å fullføre transaksjoner og utføre handlinger på vegne av kunder, hvilke sikkerhetstiltak er nødvendige rundt tillatelser, personvern, hallusinasjoner, sporbarhet og menneskelig tilsyn?

Grad av tilsyn bør øke etter hvert som AI‑agenter får mer ansvar. Det er en betydelig forskjell mellom en agent som gir generell informasjon og en agent som foretar en kontoforandring, fullfører en transaksjon eller utfører en annen handling som direkte påvirker en kunde.

Tillatelser er en sentral del av dette. En AI‑agent bør kun ha tilgang til den informasjonen og de systemene som kreves for oppgaven den er autorisert til å utføre. Identitetsverifisering, tilgangskontroller og klare regler for hvordan kundedata brukes er også viktige. Kundene bør ha innsyn i hvordan deres informasjon håndteres.

Organisasjoner trenger også en oversikt over hva som skjedde under en interaksjon. Når agenter begynner å utføre handlinger, bør virksomheter kunne forstå hvilken informasjon som ble brukt, hvilken handling som ble fullført, og hvor et problem oppstod dersom noe gikk galt. Dette blir spesielt viktig i sensitive eller regulerte miljøer.

Menneskelig tilsyn bør tilpasses oppgavens risiko. Noen rutinehandlinger kan være passende for en AI‑agent å fullføre uavhengig. Mer betydningsfulle situasjoner kan kreve gjennomgang eller godkjenning.

AI‑en må også kunne gjenkjenne usikkerhet. Når informasjon er ufullstendig, motstridende eller utenfor de grensene den har fått, er den sikreste handlingen å pause, be om ytterligere informasjon eller involvere en person i stedet for å fortsette basert på en uunderbygget antagelse.

AI‑prosjekter i kontakt‑sentre blir ofte evaluert gjennom kostnadsbesparelser, avledning av samtaler eller reduksjon i gjennomsnittlig håndteringstid. Hvilke tilleggsmål bør ledere bruke for å avgjøre om AI forbedrer første‑kontakt‑løsning, kundetilfredshet, ansattes opplevelse, inntekter og langsiktig tillit?

Effektivitetsmålinger er viktige, men ledere bør se utover hvor raskt eller billig en interaksjon ble håndtert. En kort interaksjon er ikke særlig verdifull hvis kunden må kontakte selskapet igjen fordi problemet aldri ble fullt løst.

Første‑kontakt‑løsning er et viktig mål av den grunn. Gjentatte kontakt‑ og eskaleringsrater kan også fortelle ledere om AI virkelig hjelper kundene eller bare flytter problemet videre. Kundetilfredshet bør forbli sentral fordi opplevelsen til slutt bestemmer om folk fortsetter å stole på og velge å gjøre forretninger med et selskap.

Dette poenget er spesielt viktig gitt det vi har sett i vår kundebindelsesundersøkelse. Kunder har begrenset toleranse for dårlige opplevelser, så selskaper bør være forsiktige med å optimalisere ett effektivitetstall på bekostning av det samlede forholdet.

Ansattes opplevelse fortjener også oppmerksomhet. Hvis AI gir bedre informasjon, håndterer repeterende arbeid og hjelper ansatte med å løse mer komplekse problemer, bør ledere kunne se dette i ansattes tilbakemeldinger og ytelse.

Jeg vil også se på bredere forretningsresultater som kundelojalitet, kontovekst og inntekter generert eller beskyttet gjennom serviceinteraksjoner. Samlet gir disse målene ledere et mye klarere bilde av om AI skaper verdi for kunder, ansatte og virksomheten over tid.

Vonage opererer på tvers av kontakt‑sentre, sammenslått kommunikasjon, kommunikasjons‑API‑er og nettverksdrevne muligheter gjennom Ericsson. Hvordan kan disse lagene samarbeide for å hjelpe AI‑agenter med å kommunisere og handle på tvers av kanaler uten å skape en ny fragmentert teknologistabel?

Kunder tenker ikke på om en interaksjon skjer i en kontakt‑senter‑plattform, eller er drevet av en kommunikasjons‑API eller mobilnettet. De forventer å kunne kommunisere gjennom den kanalen som passer dem og fortsette interaksjonen uten unødig friksjon. Teknologien bak den opplevelsen må støtte denne kontinuiteten.

Vonage opererer på tvers av Network APIs, CPaaS, CCaaS og UCaaS, noe som gir oss muligheten til å betrakte disse funksjonene som sammenkoblede deler av kundeopplevelsen. Etter hvert som AI‑agenter blir mer kapable, blir denne koblingen stadig viktigere fordi en agent kan trenge å kommunisere gjennom én kanal, hente kontekst fra et annet system og utføre handlinger et annet sted.

En mer integrert tilnærming kan også bidra til å opprettholde kontekst når kunder beveger seg mellom tale, meldinger og andre kanaler. Det samme prinsippet gjelder når en AI‑interaksjon overføres til en ansatt for håndtering.

Vårt samarbeid med Ericsson skaper også en mulighet til å bringe kommunikasjonsapplikasjoner og nettverksfunksjoner tettere sammen. Målet er å sikre at disse funksjonene er nyttige i kundereisen uten å tvinge virksomheter til å håndtere et nytt sett med frakoblede verktøy.

Kan du vennligst dele ett eksempel på hvordan Vonage sitt kontakt‑senter, sammenslåtte kommunikasjon, API‑er og Ericsson‑nettverksfunksjoner kan samarbeide i en kundesamtale i dag?

Et godt eksempel er hva som skjer når en kunde ringer et finansielt tjenestesenter for å rapportere en mistenkelig transaksjon eller be om en kontoforandring.

Før agenten i det hele tatt svarer, er Vonage sine Network APIs – drevet av Ericsens leverandør‑infrastruktur – allerede i arbeid. Så snart samtalen kommer inn, sjekker vår Identity Insights‑funksjon innringers telefonnummer mot sanntidsdata fra mobilnettet, inkludert om SIM‑kortet knyttet til nummeret nylig er byttet. Dette er et sterkt signal om potensiell svindel, og det skjer usynlig, uten noen friksjon for kunden.

Den nettverksintelligensen flyter direkte inn i kontakt‑senteret via Vonage sine Communications APIs, og vises som et sanntids‑tillitsignal i agentens arbeidsområde. Hvis agenten arbeider i Salesforce, vises innsikten automatisk i Agentforce, slik at agenten kan se om innringers identitet er verifisert eller om det er grunn til å anvende ekstra gransking – alt før samtalen starter.

Samtidig integreres Vonage Contact Center (VCC) sømløst med sin sammenslåtte kommunikasjonsløsning, Vonage Business Communications (VBC), for å koble til resten av organisasjonen. Hvis agenten trenger å hente inn en svindelspesialist eller en kollega fra back‑office, kan de se hvem som er tilgjengelige i virksomheten i sanntid og overføre samtalen med full kontekst intakt. Kunden trenger ikke gjenta seg, og spesialisten blir med i samtalen allerede informert om hva som har skjedd.

Det som gjør dette eksempelet meningsfylt, er at ingen av disse lagene opererer isolert. Nettverket informerer kontakt‑senteret. API‑ene kobler intelligensen til arbeidsflyten. Det sammenslåtte kommunikasjonslaget holder de rette personene i løkken. Kunden opplever det som en enkelt, kontinuerlig interaksjon – akkurat slik det skal føles.

Dette er den typen integrasjon vi jobber mot på tvers av alle våre funksjoner, og den er allerede tilgjengelig for kunder i dag.

Etter hvert som AI tar over flere rutinekundesamtaler, hvordan forventer du at ansvarsområdene til menneskelige kontakt‑senter‑profesjonelle vil endre seg de neste tre til fem årene, og hva bør virksomheter begynne å gjøre nå for å forberede sine ansatte, prosesser og ledelse?

Etter hvert som AI håndterer en større andel av rutineinteraksjoner, forventer jeg at kontakt‑senter‑profesjonelle vil bruke mer av sin tid på situasjoner hvor menneskelige ferdigheter er mest avgjørende. Det inkluderer komplekse problemer, uvanlige omstendigheter og samtaler som krever empati, dømmekraft eller kreativitet.

Kontakt‑senter‑profesjonelles roller vil også bli tettere knyttet til AI. Ansatte kan bruke AI til å finne informasjon, forstå historikken til en interaksjon, oppsummere samtaler eller identifisere mulige neste steg. Det betyr at folk må forstå hvordan de skal jobbe med disse systemene, når de skal stole på dem, og når de skal utfordre eller overstyre en anbefaling.

Det som er viktig, er at virksomheter begynner å forberede sine team nå, og ledelsen har en kritisk rolle å spille. Ansatte trenger klarhet i hvorfor AI introduseres og hvordan deres arbeidsoppgaver forventes å utvikle seg. Opplæring bør hjelpe ansatte med å forstå hvordan AI passer inn i deres daglige ansvar og hva som fortsatt er deres ansvar når AI er involvert.

Selskaper bør også involvere kontakt‑senter‑profesjonelle i implementeringen fordi de ser kundespørsmål, prosesshull og uvanlige tilfeller hver dag. Deres erfaring kan bidra til å identifisere hvor automatisering vil være nyttig og forutse hvor den kan skape problemer.

De neste tre til fem årene forventer jeg at de sterkeste kontakt‑sentrene vil være de som bruker AI til å gjøre sine ansatte mer effektive, samtidig som de bevarer en tydelig vei til menneskelig støtte når kundene trenger det.

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