Fran Loftus, Chief Experience Officer, EliseAI – Wywiad z serii

Fran Loftus, Chief Experience Officer, EliseAI to dynamiczny lider znany ze swojej kreatywnej energii i wszechstronnego doświadczenia, łączącego przedsiębiorczy zapał z głęboką wiedzą operacyjną. Przed dołączeniem do EliseAI, założyła HOM, platformę technologiczną umożliwiającą mieszkańcom korzystanie z udogodnień i angażowanie się w życie społeczne, która została następnie przejęta przez Alfred, gdzie później pełniła różne role kierownicze, kształtując doświadczenia mieszkańców w setkach tysięcy jednostek. W EliseAI, zajmowała stanowiska kierownicze, raportując bezpośrednio do CEO i zarządu, napędzając wydajność całej firmy, nadzorując wyniki klientów oraz współpracując ściśle z zespołem inżynierów i sprzedaży w zakresie strategii produktu i wdrożenia. Uznana za założyciela i lidera branży, była nominowana do nagrody Top Founder na MIPIM i wielokrotnie wymieniana jako jedna z najbardziej wpływowych kobiet w branży CRETech.

EliseAI to nowojorska firma zajmująca się oprogramowaniem AI, która zmienia sposób, w jaki organizacje z sektora mieszkań i opieki zdrowotnej zarządzają komunikacją o wysokiej objętości i workflow operacyjnymi za pomocą zaawansowanego sztucznego inteligentnego systemu konwersacyjnego i agentywnego. Jej platforma automatyzuje zadania takie jak planowanie wizyt, komunikacja najmu, wnioski o naprawy, odnowienia, przyjęcia pacjentów oraz wsparcie administracyjne w zakresie tekstu, głosu, e-maila i czatu, umożliwiając zespołom bardziej efektywną pracę, poprawiając odpowiedzi i doświadczenia klientów. Przez scentralizowanie tych interakcji w zjednoczonym systemie AI, EliseAI pomaga organizacjom zwiększyć wydajność operacyjną, zmniejszyć pracę ręczną i dostarczyć mierzalne poprawy wyników w kluczowych funkcjach.

Jako Chief Experience Officer w EliseAI, przynosisz rzadką mieszankę doświadczenia w zakresie społeczności, operacji i technologii. Założyłaś HOM, platformę, która pomagała budynkom wielorodzinnym dostarczać udogodnienia i poczucie społeczności na dużą skalę, a następnie kierowałaś doświadczeniami i dostawą usług w Alfred, firmie świadczącej usługi mieszkańcom w setkach tysięcy budynków. Jak te role, które wymagają bezpośredniego kontaktu z ludźmi, wpływają na to, jak projektujesz i wdrażasz doświadczenia AI w EliseAI?

Moje doświadczenie w zarządzaniu nieruchomościami nauczyło mnie, że technologia jest tylko tak dobra, jak usługa, którą faktycznie dostarcza na miejscu. W HOM i Alfred dowiedziałam się, że mieszkaniec nie dba o ładny interfejs, jeśli jego wniosek o naprawę znika w próżni lub jego wprowadzenie do mieszkania jest opóźnione. To sprawiło, że stałam się obsesyjna na punkcie zamykania pętli. Nie projektuję AI tylko po to, aby obsługiwała rozmowy, projektuję ją tak, aby zarządzała całym cyklem życia zadania. Priorytetem jest dla mnie mieszkaniec w kryzysie lub pracownik, który jest zbyt obciążony, zapewniając, że AI nie jest tylko kolejną rzeczą, której muszą się zajmować, ale narzędziem, które odciąża ich barki.

Z perspektywy CX, jak wygląda skuteczne AI w środowiskach mieszkań i opieki zdrowotnej, gdzie zaufanie, klarowność i realizacja są równie ważne jak szybkość lub automatyzacja?

W sektorze mieszkań i opieki zdrowotnej, szybkość jest ważna, ale realizacja jest tym, co buduje zaufanie. Dobre AI nie powinno tylko dać szybką odpowiedź; musi upewnić się, że coś się naprawdę dzieje. Jeśli pacjent pyta o rachunek lub najemca chce odnowić umowę najmu, AI musi zaktualizować rekordy, powiadomić odpowiedniego menedżera i poinformować tę osobę, że wszystko jest w toku. Chodzi o to, aby być klarownym i proaktywnym, aby ludzie nie czuli, że muszą dzwonić trzy razy, aby sprawdzić status.

EliseAI przyjęła pionierskie podejście, zamiast oferować ogólny warstw AI. Jak ta decyzja zmienia doświadczenie dzienne zespołów nieruchomości, mieszkańców i personelu opieki zdrowotnej w porównaniu z narzędziami AI poziomej?

Ogólne narzędzia AI wymagają, aby klient wykonał ciężką pracę nauczania oprogramowania reguł branżowych. Ponieważ jesteśmy rozwiązaniem pionierskim, skupionym wyłącznie na sektorze mieszkań i opieki zdrowotnej, nasz system przychodzi z głębokim zrozumieniem konkretnych workflow, takich jak przepisy dotyczące depozytów zabezpieczających lub subtelności planowania pacjentów. Dla personelu na miejscu oznacza to, że nie zarządzają one ogólnym czatem, który może „halucynować” politykę. Pracują z systemem, który jest już zintegrowany z ich oprogramowaniem i mówi językiem ich codziennych operacji od pierwszego dnia.

Czy możesz wyjaśnić, jak obserwowanie pracowników pierwszej linii w celu uchwycenia workflow końca z końcem poprawia zachowanie modelu i ostateczne doświadczenie klienta w porównaniu z treningiem na danych abstrakcyjnych?

Dane abstrakcyjne pokazują „co”, ale bycie na miejscu z klientami pokazuje „jak”. Kiedy mój zespół spędza czas w środowisku, w którym wdrożono oprogramowanie, widzi punkty tarcia, których nie wykazałaby zbiór danych. Na przykład, podczas sesji odkrywczych z operatorem mieszkań wojskowych, zidentyfikowaliśmy złożone przepływy zatwierdzeń i surowe codzienne ograniczenia, które nie były w żadnym podręczniku. Przez uchwycenie tych nieładnych, realnych szczegółów i przetłumaczenie ich na produkt, możemy zbudować AI, które nie tylko działa w demo, ale przetrwa chaotyczne biuro.

Gdy systemy AI przechodzą od odpowiedzi na pytania do wykonywania zadań, jakie nowe ryzyka doświadczeń pojawiają się, i jak zapewnić, że automatyzacja wydaje się wspierająca i niezawodna, a nie inwazyjna czy nieprzejrzysta?

Główne ryzyko przechodzi od tego, że AI mówi coś niepoprawnego, do tego, że AI robi coś niepoprawnego. Aby temu przeciwdziałać, ustanowiłam model rozwiązań produktowych, w którym mamy ekspertów – wielu z nich to byli założyciele – którzy posiadają określone dziedziny produktu. Ustalenie konkretnych reguł i barier dla AI, aby nie podjęło żadnej akcji, która zaskoczyłaby lub zdezorientowałaby członka zespołu.

W sektorze mieszkań i opieki zdrowotnej, nawet niewielkie awarie mogą szybko podważyć zaufanie. Jak projektujesz systemy AI agentywne, które pozostają przejrzyste, przewidywalne i łatwe dla ludzi do korekty, gdy jest to potrzebne?

Projektowanie zaufania zaczyna się od odejścia od tradycyjnego nastawienia reaktywnego, w którym po prostu czekamy, aż coś pójdzie nie tak. Zamiast tego, zbudowałam zespół, który działa jako mostek między realnymi, chaotycznymi operacjami a logiką AI. Nie są to agenci wsparcia – są to strategowie i byli założyciele, którzy posiadają określone dziedziny produktu od końca do końca.

Spędzają czas, obserwując pracowników, aby zrozumieć niezbywalne reguły branży, takie jak złożone przepływy zatwierdzeń w wojskowych mieszkaniach lub surowe czasy reakcji medycznej, i bezpośrednio wprowadzają je w sposób, w jaki AI działa. Przejrzystość wynika z faktu, że nasze systemy są zaprojektowane tak, aby proaktywnie flagować potencjalne problemy, zanim staną się skargami mieszkańców lub pacjentów. Gdy AI wykryje sytuację o wysokiej emocji lub złożone żądanie, nie zgaduje. Wywołuje przekazanie, które dostarcza członkowi zespołu pełną historię i kontekst interakcji, pozwalając im działać jako poinformowany partner, zamiast zaczynać od zera.

Z Twojej perspektywy nadzorującej wdrożenie i sukces klienta, jakie są najczęstsze punkty tarcia, z którymi klienci spotykają się przy wdrażaniu AI w workflow operacyjne, i jak EliseAI redukuje to tarcie na wczesnym etapie wdrożenia?

Największe tarcie to rzadko sama technologia, ale raczej lęk, że technologia zakłóci przepływ zespołu lub zastąpi ich role. Adresujemy to, koncentrując się na natychmiastowym, praktycznym ulżeniu. W pierwszym tygodniu, używamy AI, aby przejąć powtarzalne, wysokoobjętościowe zadania, które zwykle powodują największe wypalenie, takie jak pierwsze follow-upy. Używamy również naszego własnego AI do zarządzania naszymi wewnętrznymi operacjami firmy. To pomaga nam zrozumieć dokładne punkty stresu zmiany workflow, abyśmy mogli być lepszymi partnerami, gdy nasi klienci przechodzą przez tę samą transformację.

Wiele organizacji ma trudności z przejściem poza fazy pilotażowe. Jak pomagasz klientom ewoluować ich procesy i oczekiwania, aby AI stało się częścią codziennych operacji, a nie pozostało eksperymentem?

AI tylko się sprawdza, gdy przestaje być projektem pobocznym i staje się normalną częścią dnia roboczego; pomagamy liderom zreorganizować swoje zespoły, aby raz AI zajmie się pracą, ludzie mogli się skupić na zadaniach, które naprawdę wymagają ludzkiego dotyku.

EliseAI obsługuje obecnie około jedną szóstą amerykańskich mieszkań. Jak oczekiwania klientów zmieniają się na tym poziomie skali, i jakie nowe wyzwania doświadczeń pojawiają się, gdy AI staje się częścią standardowych operacji?

Na tym poziomie skali, AI nie jest już innowacją. Jest to użyteczność, tak jak prąd. Oczekiwania przechodzą od tego, że jest imponujące, gdy działa, do tego, że jest niedopuszczalne, gdy awaryjnie przestaje działać. Musimy zarządzać tą zmiennością, utrzymując 100% niezawodności.

Spójrzając w przyszłość 2-3 lata, jak widzisz ewolucję roli Chief Experience Officer, gdy systemy AI przejmują coraz większą odpowiedzialność w usługach takich jak mieszkania i opieka zdrowotna?

Rola ewoluuje od zarządzania obsługą klienta do koordynowania partnerstwa między ludźmi a AI. Gdy AI przejmuje administracyjne i powtarzalne części pracy, focus CXO przenosi się całkowicie na strategiczne i emocjonalne punkty styczne. Naszą odpowiedzialnością będzie upewnienie się, że w miarę jak świat staje się bardziej zautomatyzowany, interakcje ludzkie w sektorze mieszkań i opieki zdrowotnej stają się bardziej zamierzone i bardziej wpływowe.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić EliseAI.