Ashley Moser, współzałożyciel i dyrektor ds. handlowych MelodyArc – seria wywiadów

Ashley Moser, współzałożyciel i dyrektor ds. handlowych MelodyArc, kieruje strategią handlową firmy, współpracując z klientami nad przekształceniem ambitnych celów operacyjnych w wymierne wyniki. Posiada doświadczenie obejmujące operacje, strategię produktu, logistykę, sprzedaż oraz usługi finansowe, w tym stanowiska kierownicze w Wonder i Jetblack firmy Walmart, gdzie pracowała w obszarach łańcucha dostaw, ciągłego doskonalenia, strategii i logistyki. Na początku kariery pełniła funkcję dyrektora sprzedaży w Stella Connect, później przejętej przez Medallia, współpracowała z platformą mobilnej sprzedaży NewStore oraz spędziła ponad cztery lata w J.P. Morgan w dziale sprzedaży instrumentów kapitałowych dla instytucji.

MelodyArc to platforma orkiestracji AI dla przedsiębiorstw, zaprojektowana, aby pomagać zespołom operacyjnym koordynować dane, reguły biznesowe, systemy AI oraz decyzje ludzkie w jednym zarządzanym środowisku. Platforma opiera się na realizacji złożonych procesów operacyjnych od początku do końca, umożliwiając zespołom definiowanie przepływów pracy, stosowanie logiki biznesowej, wdrażanie operatorów AI lub innych agentów oraz eskalowanie przypadków do osób, gdy wymagana jest większa ocena. Jej silnik punktowy ocenia potencjalne ścieżki rozwiązania każdego przypadku, działając w ramach reguł organizacyjnych i rejestrując każdy krok, co daje firmom większą przejrzystość i kontrolę nad przepływami pracy napędzanymi AI w obszarach takich jak obsługa klienta, merchandising, komunikaty na stronie, łańcuch dostaw i asortyment.

Miałaś zróżnicowaną karierę obejmującą finanse w J.P. Morgan, SaaS dla przedsiębiorstw w Medallia oraz role operacyjne w Jetblack firmy Walmart. Jakie konkretne spostrzeżenie lub frustracja skłoniły Cię do współzałożenia MelodyArc i w jaki sposób te doświadczenia ukształtowały podstawową wizję firmy? 

Rozpoczęliśmy firmę, ponieważ mój współzałożyciel, James McHenry, i ja wcześniej byliśmy zarówno operatorami, jak i technologami. Doświadczyliśmy tego na własne oczy i w wielu przypadkach pomogliśmy zbudować świetną technologię dla zespołów operacyjnych. Jednak wciąż napotykaliśmy ten sam problem – rozwiązania punktowe, które albo dotyczyły wąskiej części tego, co faktycznie robiły operacje, albo nie odpowiadały temu, jak praca rzeczywiście przebiegała w praktyce.

Mając to na uwadze, postanowiliśmy stworzyć platformę, która mogłaby wprowadzić nowe technologie do zespołów operacji frontowych w sposób, który naprawdę mogą wykorzystać. Dziś przejawia się to jako orkiestracja z udziałem człowieka w pętli.

MelodyArc umieszcza AI bezpośrednio w rękach operatorów frontowych. Jak to podejście różni się od tradycyjnych, odgórnych wdrożeń AI w przedsiębiorstwach i dlaczego ta zmiana zachodzi teraz? 

W przypadku MelodyArc, gdy platforma jest już wdrożona, dajemy zespołom możliwość uruchamiania nowych przepływów pracy, pomysłów i procesów z udziałem człowieka w pętli, przy minimalnym lub żadnym wpływie na szerszą mapę drogową. Oznacza to, że zespoły mogą ulepszać własne procesy przy użyciu AI, nie musząc za każdym razem przechodzić w górę i w dół łańcucha dowodzenia. To zasadniczo inny sposób wdrażania tej technologii.

Jest to szczególnie widoczne w naszych największych wdrożeniach korporacyjnych. U jednego klienta zaczęliśmy od jednego przypadku użycia w jednym zespole. Dziś działamy z ponad pięcioma przypadkami użycia w wielu zespołach.

Zauważyliśmy również, że zespoły potrafią zbudować proces wspomagany AI w jeden dzień, co wcześniej było depriorytowane, ponieważ nigdy nie spełniało wymogów ROI dla budowy wymagającej intensywnej inżynierii.

Wiele organizacji intensywnie inwestuje w AI, ale wciąż ma trudności z jej operacjonalizacją. Jakie najczęstsze luki obserwujesz między strategią AI a jej rzeczywistą realizacją?

Wyróżniają się dwa kluczowe aspekty. Po pierwsze, gdy firmy analizują proces, do którego chcą zastosować AI, często przyjmują podejście „wszystko albo nic”. Automatyzują cały proces lub w ogóle go nie dotykają. Zachęcamy firmy, aby zamiast tego przyjrzały się składnikom procesu i określiły, gdzie pasuje automatyzacja, gdzie AI, a gdzie wciąż potrzebna jest interwencja ludzi, niekoniecznie w tej kolejności. Takie podejście otwiera znacznie więcej procesów jako kandydatów do AI i odblokowuje więcej automatyzacji w dalszych etapach, ponieważ świadomie określiliśmy, w których miejscach ludzie są włączani.

Po drugie, z perspektywy strategicznej firmy często dysponują setkami kwalifikujących się przypadków użycia do wyboru. Kluczem jest ocena ich pod kątem rzeczywistego wpływu na biznes, kosztów, czasu oraz konkretnych wskaźników, a nie podążanie za najefektowniejszymi czy najłatwiejszymi. Skupienie się najpierw na największych, o najwyższym wpływie obszarach, nawet jeśli są trudniejsze, przynosi firmom najwięcej wartości. To również pokazuje pozytywny efekt kółka zamachowego wartości, jaki projekty AI mogą generować w organizacjach.

MelodyArc łączy AI z ludzkimi przepływami pracy, zamiast je zastępować. Jak określasz właściwą równowagę między automatyzacją a decyzjami ludzkimi w środowiskach korporacyjnych?

MelodyArc pomaga przedsiębiorstwom osiągać ich cele automatyzacji, znajdując właściwą równowagę między AI a podejmowaniem decyzji z udziałem człowieka w pętli. Kiedy MelodyArc rozpoczyna proces wdrożenia, końcowym celem organizacji może być automatyzacja 90 % pracy, przy czym pozostałe 10 % opiera się na ekspertyzie członków zespołu. Jednak zamiast priorytetowo traktować wyłącznie szybkość, MelodyArc wykorzystuje udział człowieka w pętli od samego początku. Na przykład, zaczynając od podziału 50‑50 między automatyzacją a wkładem członków zespołu, a następnie stopniowo automatyzując kolejne części procesu. Takie podejście wprowadza przepływy pracy na poziomie przedsiębiorstwa do produkcji szybciej, ponieważ nie staramy się udoskonalić procesu przed integracją AI.

Kolejną zaletą tego podejścia jest to, że w miarę wprowadzania do produkcji zbieramy dane procesowe, które dokładnie wskazują, które części procesu należy automatyzować jako kolejne. Dzięki temu MelodyArc może szybciej i w sposób ciągły zbliżać się do celów automatyzacji. W praktyce oznacza to często, że firma obserwuje stałe usprawnienia automatyzacji, bez konieczności przerywania przepływu pracy w celu wprowadzania poprawek lub dostosowań.

Z Twoim doświadczeniem w obsłudze klienta i operacjach, jak myślisz, w jaki sposób AI redefiniuje, jak wygląda „świetna obsługa” w środowisku, w którym odpowiedzi mogą być generowane natychmiastowo?

Uważam, że „natychmiastowe” stanie się standardem i w zasadzie zostanie skomercjalizowane. Świetna obsługa nigdy nie polegała na szybkim udzieleniu odpowiedzi klientowi, lecz na dostarczeniu mu właściwej odpowiedzi przy jak najmniejszym wysiłku. AI daje nam nowe sposoby zmniejszenia tego wysiłku, czy to poprzez działanie w imieniu klientów, sugerowanie kolejnych kroków, czy automatyczne wypełnianie pól – wszystko, co sprawia, że doświadczenie jest bardziej płynne i przyjemne. Generowanie odpowiedzi natychmiastowo nie ma znaczenia, jeśli nie jest ona rzeczywiście istotna, i twierdzę, że pogoń za samą szybkością prowadzi firmy do optymalizacji niewłaściwej rzeczy.

AI w przedsiębiorstwach często nie udaje się na ostatnim etapie, gdzie przyjęcie i użyteczność stają się krytyczne. Jakie zasady projektowania były kluczowe, aby zapewnić, że MelodyArc jest rzeczywiście wykorzystywany przez zespoły frontowe?

Zaczynamy od założenia, że w naszych zespołach istnieje dużo wiedzy ukrytej, i jesteśmy bardzo jasni co do tego, co możemy, a czego nie możemy automatyzować. Otwartość w tej kwestii sprawia, że doświadczenie jest znacznie bardziej intuicyjne. To nie jest czarna skrzynka, w której zespoły nie wiedzą, co się dzieje i dlaczego.

Użyteczność sprowadza się do idei, że technologia współpracuje z zespołami frontowymi, a nie staje się czymś, z czym muszą się obejść. To nawiązuje do powodów, dla których założyliśmy firmę – zbyt wiele rozwiązań punktowych albo koncentrowało się na wąskim fragmencie operacji, albo nie odpowiadało temu, jak praca faktycznie przebiegała w praktyce. Stwierdziliśmy, że to główny powód, dla którego wiele narzędzi AI w przedsiębiorstwach pozostaje niewykorzystanych przez miesiące po uruchomieniu.

W miarę jak agenci AI stają się bardziej autonomiczni, jakie wyzwania związane z zarządzaniem i kontrolą powinny przygotować przedsiębiorstwa przed skalowaniem tych systemów?

Obserwowalność w każdym środowisku przedsiębiorstwa jest niezbędna, szczególnie możliwość zobaczenia, jakie decyzje zostały podjęte i dlaczego. W przypadku procesów, które przedsiębiorstwa mogłyby zautomatyzować, ale nie czują się komfortowo z pełną automatyzacją, zalecam pozostawienie człowieka w pętli. Jest to kluczowe nie tylko dla utrzymania nadzoru, ale także do testowania nowych systemów, aby jak najlepiej zrozumieć, jak działają i jakie mają skutki, zarówno pozytywne, jak i negatywne.

Z perspektywy komercyjnej, jak sprzedaż AI do przedsiębiorstw ewoluowała w ciągu ostatnich kilku lat, gdy nabywcy stają się bardziej poinformowani, ale także bardziej ostrożni?

Wszyscy stali się znacznie mądrzejsi, zarówno nabywcy, jak i dostawcy. Jesteśmy około czterech lat w tym, co naprawdę jest wielo‑dekadowym cyklem, więc wszyscy wciąż się uczymy.. W miarę jak AI staje się bardziej zdolna i dostępna, szybko iterujemy, co możemy zaoferować klientom, równocześnie gdy oni uczą się, co mogą zrobić w swoich organizacjach, co jest naprawdę ekscytujące, ponieważ zachodzi duża wymiana wartości.

Organizacje koncentrują się bardziej niż kiedykolwiek na bezpieczeństwie informacji, na zachowaniu tego, co je wyróżnia, oraz na rzeczywistej wydajności, jaką dostarcza AI. Podchodzą do projektów bardziej racjonalnie, chętnie wprowadzają przyrostowe przyjęcie zamiast jednorazowego pełnego wdrożenia. Decyzja budować vs kupować wciąż jest żywą kalkulacją wewnętrzną i coraz częściej obserwujemy hybrydowe podejścia, takie jak budowanie i kupowanie, lub „budowanie poprzez zakup”, zamiast jednego albo drugiego.

Pracowałeś zarówno w dynamicznie rozwijających się startupach, jak i w dużych organizacjach, takich jak Walmart. Jak budowanie AI dla operacji przedsiębiorstwa różni się w zależności od wielkości firmy i złożoności organizacyjnej?

Rzeczywiście istnieją dwa wymiary: zakres organizacji oraz historyczna głębokość jej stosu technologicznego i procesów.

W dynamicznie rozwijających się startupach nie masz tak wielu osób ani tak dużej złożoności organizacyjnej i nie musisz pracować wokół systemów zbudowanych 20 lat temu ani zespołów, które robią to samo od dekady. Im większa i bardziej ugruntowana organizacja, tym bardziej musisz przemyśleć sposoby działania od podstaw. Oznacza to określenie, jak chcesz funkcjonować w przyszłości, a następnie stopniowe dążenie do tego w sposób dopasowany do organizacji. Czasami oznacza to także prowadzenie niezależnych eksperymentów na obrzeżach, nieco oddzielnie lub równolegle z istniejącymi procesami.

Patrząc w przyszłość, jak widzisz ewolucję roli pracowników pierwszej linii w miarę, gdy sztuczna inteligencja zostaje wbudowana w codzienne przepływy pracy? Czy zmierzamy w stronę wzmacniania, orkiestracji, czy czegoś zupełnie nowego? 

W codziennych przepływach pracy warstwa orkiestracji jest kluczowa. Uzyskanie natywnej współpracy wszystkich pracowników i technologii to kierunek, w którym zmierzamy. Jednak wdrożenie tego typu technologii może być skomplikowane, ponieważ nie jest to prosty silos, w którym organizacje mogą zautomatyzować jeden krok, a następnie przekazać go pracownikowi. To połączenie sztucznej inteligencji, automatyzacji i pracownika pracującego w tandemie.

Istnieje wiele możliwości dla zespołów frontowych, aby wdrażać przepływy pracy. Za każdym razem, gdy rozmawiamy z klientami, pojawia się dziesiątki, a nawet setki projektów, które chcieliby zrealizować, ale nie mogą, z powodu budżetu, planu technologicznego, wielkości zespołu lub zwrotu z inwestycji, który ich hamuje. To właśnie w tym miejscu wchodzą sztuczna inteligencja i orkiestracja – pomagają zespołom zrobić znacznie więcej z tym, co już mają, jednocześnie obniżając koszty uruchomienia. Ostatecznie prowadzi to do pozytywnego ROI dla przyszłych projektów.

Dziękujemy za świetny wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić MelodyArc.