Sean Whiteley, grunnlegger og president i Qualified – Intervju-serie

Du har suksessfullt grunnlagt tre selskaper, inkludert ett som ble kjøpt av Salesforce og et annet av SurveyMonkey. Hva inspirerte deg til å starte Qualified, og hvordan passer det inn i den bredere utviklingen av AI i bedriftsprogramvare?

Kraig og jeg grunnla et søkemotor-markedsføringselskap som ble kjøpt av Salesforce. Dette var tidlig i sky-revolusjonen, og nesten alle markedsføringsprogrammer ble raskt flyttet til digitalt. Det ble umiddelbart åpenbart at det var et stort gap i hvordan selgere var koblet til kjøpere i denne nye verden. Selskaper brukte millioner på å drive trafikk til sine nettsteder, men når disse høy-intent-kjøperne dukket opp, hadde engasjeringserfaringen ikke utviklet seg. Det var som å organisere og betale for en spesiell fest for dine prospekter, men glemme å åpne døren når de ankom.

Det er der ideen til Qualified kom fra. Vi ønsket å skape en måte for salgs-team å møte kvalifiserte kjøpere i samme øyeblikk de traff nettstedet – med relevans, kontekst og sanntids-, hyper-personlige erfaringer som er representative for hva kjøpere ønsker. Fremover til i dag, og vi har utviklet denne visjonen til noe mye større: en agens-markedsføringslag som utfører hver arbeidsflyt i en innkomende markedsføringsprosess, som omfatter sanntidsinteraksjoner på nettstedet og asynkron interaksjoner via e-post. Qualified er bygget for denne neste bølgen av bedriftsprogramvare, der AI-arbeidere ikke bare utfører oppgaver og arbeidsflyter, men også tar kontekstbaserte beslutninger på vegne av ditt selskap.

Hvordan har din visjon for AI endret seg fra dine tidlige dager i søkemotor-markedsføring til nå, med Piper som automatiserer innkomende salg i stor skala?

Det er åpenbart at fremveksten av store språkmodeller (LLM) har endret spilleregler helt. Da vi startet vårt første selskap, var det de tidlige sky-dagene, som representerte en fundamental endring i programvareleveringsmodellen. Ting som felles infrastruktur, multi-leie og betal-per-bruk prising åpnet vei for bedrifter å flytte kritiske applikasjoner og prosesser til skyen. Snart etter ble plattform og infrastruktur tilgjengelig som en samling av tjenester, som var en enorm muliggjører for bedrifter å avlaste betydelige arbeidsbelastninger til sky-leverandører. Alt endret seg.

Fremover en decade, og AI-revolusjonen har eksplodert. Bare noen få år siden, da vi først startet Qualified, representerte maskinlæring (ML) en ny måte å utnytte intelligens fra enorme datamengder. Nå, selvfølgelig, har LLM endret alt i forhold til vår evne til å flytte betydelige arbeidsbelastninger til AI. Men viktigere, LLM gjør AI tilgjengelig for alle, og folk har muligheten til å interagere med datamaskiner, apper eller data, ved hjelp av deres naturlige språk. Og selv om vi bare er i begynnelsen, er det veldig klart at mange ting vi har gjort historisk vil bli om skrevet, og gjort på nye måter. Dette gjelder ikke bare hvordan vi lever, men også hvordan vi arbeider.

En av våre mantraer i Qualified er å utfordre alt vi har gjort historisk, og vurdere hvordan det vil bli transformert med AI. AI vil ikke bare endre naturen av hvordan vi bygger systemer, men det vil også låse opp nye prosesser, operasjoner og organisasjonsstrukturer.

Den første bølgen av denne AI-transformasjonen har manifestert seg i agenter. Hvert selskap bringer agenslag inn i ulike funksjoner over hele bedriften. Vår AI SDR-agent har vært en svært populær plass å starte, når det gjelder å bringe et agenslag inn i en markedsføringsbevegelse. Og det blir veldig klart at ikke bare kan Piper automatisere nesten alle innkomende pipeline-genereringsoppgaver og arbeidsflyter historisk utført av menneskelige SDR-er, men hun kan også starte å håndtere en del av arbeidsflytene tradisjonelt gjort med markedsføringsautomatiseringsplattformer.

Piper er et kraftfullt eksempel på en autonom AI-agent i aksjon. Hvor trekker du personlig grensen mellom nyttig automatisering og risikabel autonomi?

Autonomi kan ikke eksistere trygt uten ansvar. Tillit kan bli vunnet eller tapt, eksponentielt i et agenssystem. Vi bygger ikke lenger sky-verktøy. Vi deployer nå autonome arbeidere som tar beslutninger på vegne av kunder. Det er høyere innsats for pålitelighet og tillit enn noensinne før. Uekte eller upresise agent-atferd bør være nummer én prioritet for alle som utvikler agenter. Like viktig som å investere i evner rundt opplæring, finjustering, gjennomsiktighet, sitater og kontroll, er å aktivere kunden på hvordan å bygge grunnlaget for styring av en agent.

Med Piper, har vi vært bevisste på å bygge nyttig autonomi – AI som opererer innenfor tydelig definerte retningslinjer, drevet av vår rike historie av partnerskap med våre kunder som bruker våre produkter i dag. Grensen for meg er ganske klar: automatisering bør aldri erstatte dømmekraft i øyeblikk som krever kontekst, empati eller nyanser.

Piper prøver ikke å eie hele kjøper-reisen fra starten av. Det er en viktig oppstartsprosess for å sikre at agenten opererer ikke bare effektivt, men også nøyaktig, og innenfor de definerte grensene fastsatt av en kunde. Du kan ikke bare slippe løs en agent i produksjon som interagerer med dine prospekter og kunder uten å forstå hvordan det vil påvirke hele kjøpe-syklusen.

Så for meg er grensen tegnet ved tillit, observasjon og kontroll. Hvis vi ikke kan tilby forklarbarhet eller måle ytelsen, er det ikke klart. De fleste selskaper jeg snakker med, blir mye mer utdannet, og tenker på disse tingene på riktig måte, men det er vår jobb å hjelpe våre kunder å sette riktige retningslinjer, moderering og beste praksis rundt styring på plass.

Gitt de økende evnene til AI-agenter, hvordan sikrer du at Piper holder seg innenfor etiske og kontekstuelle grenser – spesielt når det gjelder å engasjere virkelige menneskelige leads i høyrisk-scenarier?

Innenfor Qualified-applikasjonen kan du programmere Piper til å holde seg innenfor bestemte grenser, kontrollere tonen hennes, og sikre at hun holder seg til selskapets retningslinjer. Disse er absolutte sannheter og regler for engasjement som ikke kan brytes når det gjelder å engasjere besøkende. Vi tilbyr betydelig moderering og retningslinjer i kjernen av vår AI, som betyr å ta risiko rundt data (PII) og følsom informasjon ut av bildet helt. I tillegg tillater vi selskaper å legge til ytterligere retningslinjer, instruksjoner og regler for engasjement.

Vi gir også Piper mulighet til å lett styre tilbake en samtale som avviker fra temaet. I tillegg, hvis vi får inntrykk av at det er en dårlig aktør på en side av en samtale, kan Piper enkelt avslutte en samtale hvis den er på vei inn i et område som er:

• Urelatert til selskapet, produktene, tjenestene eller industrien
• Tilfeldig eller meningsløs
• Eksplisitt, upassende eller offensiv
• Fullstendig utenfor omfanget av hva en AI SDR bør håndtere

Disse strenge retningslinjene sikrer at Piper holder seg innenfor sine tilordnede grenser og gir våre kunder full tillit og kontroll over hennes atferd.

Du har talt om behovet for tilbakestillings-systemer og overstyrings-evner. Kan du gå gjennom de sikkerhets- og kontroll-målene du har bygget inn i Qualifeds plattform for å forebygge eller mildne AI-feil?

Tillit og gjennomsiktighet/forklarbarhet henger sammen. Tillit starter med å gi innsikt i hva som skjer, hvorfor det skjer, og hvordan å påvirke hvordan det fungerer i fremtiden. Det er grunnleggende prinsipper, som sitater, tilbakemeldings-løkker og finjustering. Men vi har også tatt ekstra skritt for våre brukere til å gi et observasjonslag for AI som er lett tilgjengelig og kan gi menneske-i-løkken tilbakemelding.

Som et eksempel, tilbyr vi evnen til å simulere ulike omstendigheter og lett se hva AI vil gjøre, og gi tilbakemelding eller kurskorreksjon på hver hypotetisk situasjon. Akkurat som du ramper en ansatt før de får autonomi, må du gjøre det samme med AI.

I lys av AI-regulerings-trender og nylige overskrifter om AI-feil, hvordan ser du på rollen til etterlevelse og politikk i å forme fremtiden for AI-agenter i salg og markedsføring?

Regulering og styring er viktigere enn noensinne. Det er ikke vanskelig å tenke på den økte risikoen agenter kan representere hvis de ikke deployes ansvarlig. Vi har alle sett resultater av å slippe løs AI uten kontekst eller ansvar. I B2B, spesielt i salg og markedsføring som er der vi spiller, håndterer vi en del bedriftsdata og en viss grad av personlig identifiserbar informasjon (PII). Vi må holde oss selv og våre kunder til høye standarder for å beskytte kjøpernes erfaringer.

Vi bygger Piper med bedrifts-grad av etterlevelse fra PRD-nivået. Dette betyr at vi tenker på personvern, sikkerhet og styring fra den aller første konseptualiseringen av noe nytt vi bygger og sender. Etter hvert som AI utvikler seg, vil også standardene rundt de vanlige mistankene i vår industri, som SOC 2, GDPR, CCPA, samtykke-styring, osv. – disse er alle ting vi holder i mente når vi sender funksjoner. Men å tjekke bokser er ikke nok. Vi skaper en kultur av gjennomsiktighet og bygger vår egen etisk ramme før mer formelle reguleringer.

Disse delene av AI-puslespillet kan ikke vente på formell politikk – hvis du ikke allerede setter disse standardene innenfor dine team, er du forsinket.

Tror du at selskaper flytter for raskt i å gi AI-agenter for mye autonomi uten å bygge adekvate menneskelige tilsynsstrukturer?

Vi har alle sett overskriftene når disse tingene går galt – det er uten tvil selskaper som flytter for raskt og ser på AI som verktøy å implementere i stedet for som en total forretnings-transformasjon.

Automatisering er ikke en strategi. Det er et stykke av dette større bildet, men det krever infrastruktur og lang-siktig tenkning for å unngå å gjøre massive feil som til slutt undergraver tillit med kundene dine. Du kan ikke få det tilbake.

Menneskelig tilsyn er ikke en inhibitor for suksess med automatisering, det er en muliggjører. AI vil gjøre tungt arbeid, men mennesker i løkken er påkrevd for å skala ansvarlig.

Hvordan balanserer du AI sin hastighet og effisiens med unikt menneskelige ferdigheter som dømmekraft, etikk og nyanser i kundeinteraksjoner?

Vi ser på Piper som en teammedlem. Hennes styrker – alltid på, hastighet, øyeblikkelig gjennkalling, ubegrenset skala – gjør henne til en kraftfull SDR-agent, men vi vet hun ikke kan eie hver enkelt interaksjon fra ende til ende.

Mennesker vil alltid være nødvendige i høyrisk-samtaler hvor nuansert emosjonell intelligens bedre tjener kjøperen. Å utnytte AI i riktige brukstilfeller er nøkkelen til å balansere automatisering og menneskelige ferdigheter. Piper er lyn-rask, men hun vet når hun skal stoppe og involvere mennesker.

Vi lar AI gjøre hva AI gjør best, så mennesker kan gjøre hva mennesker gjør best.

Hva er det som mest spenner deg om de neste 2-3 årene i denne bransjen?

Jeg føler at AI-æraen har gitt mange av oss en ny sjanse etter noen tøffe år i teknologi-bransjen. Agens-markedsføring er en kraftfull innovasjon som åpner døren for alle slags nye teknologier, og det har nesten jevnet spilleregler for selskaper i industrien.

Vi er alle på denne berg-og-dal-banen sammen, og vi er endelig kommet forbi den innledende gimmick-fasen og ser hva som faktisk er nyttig.

De neste to til tre årene vil være alt om orkestrering – når flere og flere AI-agenter kommer på nett, vil jobben være å bygge de mest kraftfulle teknologistakkene som arbeider sammen som ett team for å utføre komplekse arbeidsflyter.

Hvilke industrier tror du er minst forberedt på implikasjonene av autonome AI-agenter – og hva bør de gjøre nå for å komme i forkant?

Industrier med stramme hierarkier og legacy-teknologistacker er i fare for å bli latt tilbake. For agens-markedsføring å være suksessfull, må du ha en moderne holdning rundt data-hygiene og programvare, og noen av disse større operasjonene beveger seg sakte og har en del teknisk gjeld å navigere. Ironisk nok er disse organisasjonene som står til å få mest ut av AI-agenter – deres arbeidsflyter er modne for automatisering.

Nøkkelen nå er å starte med infrastruktur og ikke teknologi. De må få husene i orden først med strategisk planlegging rundt arbeidsflyter hvor agenter kan legge til verdi. De må ha rammer rundt etterlevelse og sikkerhet. Deretter kan de starte å prøve ut noen av disse programmene.

Dette er ikke bare et IT-prosjekt – det er en hel organisatorisk endring, topp til bunn.

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