Wywiady
Fran Loftus, dyrektorka ds. doświadczeń klientów w EliseAI – cykl wywiadów

Kluczowe punktyPodejście EliseAI, skoncentrowane na pionowych branżach, bezpośrednio osadza branżowe…
Zobacz więcej
- Podejście EliseAI, skoncentrowane na pionowych branżach, bezpośrednio osadza branżowe procesy pracy w swojej sztucznej inteligencji, aby uniknąć błędów typowych dla generycznych chatbotów.
- Skuteczna sztuczna inteligencja w mieszkalnictwie i opiece zdrowotnej musi gwarantować wykonanie zadania, aby budować zaufanie, a nie tylko dostarczać szybkie odpowiedzi.
- Rola Dyrektora ds. Doświadczeń (CXO) ewoluuje w kierunku koordynowania partnerstw człowiek-AI, w miarę jak automatyzacja przejmuje pracę administracyjną.
Fran Loftus, dyrektorka ds. doświadczeń klientów w EliseAI, to dynamiczna liderka znana z twórczej energii i wszechstronnego doświadczenia, łącząca przedsiębiorczość z głęboką wiedzą operacyjną. Przed dołączeniem do EliseAI współtworzyła HOM, platformę technologiczną wspierającą udogodnienia dla mieszkańców i ich zaangażowanie, przejętą przez Alfred. Następnie pełniła w Alfred kilka funkcji kierowniczych, kształtując doświadczenia mieszkańców setek tysięcy lokali. W EliseAI zajmowała wysokie stanowiska w zarządzaniu operacyjnym, raportując do dyrektora generalnego i rady dyrektorów, poprawiając efektywność całej firmy, nadzorując wyniki klientów i ściśle współpracując z działami rozwoju i sprzedaży nad strategią produktu oraz jego wdrażaniem. Uznana za założycielkę i opiniotwórczą postać w branży, była nominowana do tytułu Top Founder na MIPIM i wielokrotnie trafiała na listy najbardziej wpływowych kobiet CRETech.
EliseAI to nowojorska firma tworząca oprogramowanie AI, która za pomocą zaawansowanej konwersacyjnej i agentowej sztucznej inteligencji zmienia sposób zarządzania dużą liczbą kontaktów oraz procesami operacyjnymi w organizacjach mieszkaniowych i ochronie zdrowia. Jej platforma automatyzuje między innymi umawianie oględzin mieszkań, komunikację dotyczącą najmu, zgłoszenia serwisowe, przedłużanie umów, przyjmowanie pacjentów i wsparcie administracyjne przez wiadomości tekstowe, głos, e-mail oraz czat. Pozwala zespołom działać sprawniej, poprawiając jednocześnie szybkość reagowania i doświadczenia klientów. Skupiając te kontakty w jednym systemie AI, EliseAI pomaga organizacjom zwiększać skalę działalności, ograniczać pracę ręczną i osiągać mierzalną poprawę wyników w funkcjach krytycznych dla ich działania.
Jako Chief Experience Officer w EliseAI łączysz rzadko spotykane doświadczenia z budowania społeczności, zarządzania operacyjnego i technologii. Założyłaś HOM, platformę pomagającą budynkom wielorodzinnym zapewniać wspólne udogodnienia i poczucie wspólnoty na dużą skalę. Następnie kierowałaś doświadczeniami klientów i realizacją usług w Alfred, firmie świadczącej usługi mieszkaniowe wewnątrz tysięcy budynków. Jak te bardzo praktyczne role, stawiające ludzi na pierwszym miejscu, wpływają na to, jak dziś projektujesz i wdrażasz doświadczenia z AI w EliseAI?
Moje doświadczenie w praktycznym zarządzaniu nieruchomościami nauczyło mnie, że technologia jest tylko tak dobra jak usługa, którą faktycznie zapewnia na miejscu. W HOM i Alfred przekonałam się, że mieszkaniec nie przejmuje się eleganckim interfejsem, jeśli jego zgłoszenie naprawy znika w czarnej dziurze albo wprowadzenie się do mieszkania się opóźnia. Dlatego mam niemal obsesję na punkcie doprowadzania spraw do końca. Nie projektuję AI wyłącznie do obsługi rozmów, lecz do zarządzania całym cyklem życia zadania. Priorytetem jest dla mnie mieszkaniec w kryzysie lub przeciążony pracownik. Dbam o to, by AI nie była kolejną rzeczą do pilnowania, ale narzędziem zdejmującym ciężar z ich barków.
Jak z perspektywy doświadczeń klientów wygląda skuteczna AI w mieszkalnictwie i ochronie zdrowia, gdzie zaufanie, jasność i doprowadzanie spraw do końca są równie ważne jak szybkość czy automatyzacja?
W mieszkalnictwie i ochronie zdrowia szybkość jest zaletą, ale zaufanie buduje faktyczne doprowadzanie spraw do końca. Dobra AI nie powinna jedynie szybko odpowiadać. Musi dopilnować, by rzeczywiście podjęto działanie. Gdy pacjent pyta o rachunek lub najemca chce przedłużyć umowę, AI musi uaktualnić dane, powiadomić odpowiedniego kierownika i przekazać tej osobie, że sprawa jest w toku. Chodzi o jasność i działanie z wyprzedzeniem, tak aby ludzie nie czuli, że muszą dzwonić ponownie trzy razy tylko po to, by sprawdzić stan sprawy.
EliseAI wybrała podejście oparte na specjalizacji branżowej zamiast oferowania uniwersalnej warstwy AI. Jak ta decyzja zmienia codzienne doświadczenia zespołów zarządzających nieruchomościami, mieszkańców i personelu medycznego w porównaniu z narzędziami AI przeznaczonymi dla wielu branż?
Uniwersalne narzędzia AI wymagają od klienta ciężkiej pracy polegającej na nauczeniu oprogramowania zasad branży. Ponieważ nasze wyspecjalizowane rozwiązanie koncentruje się wyłącznie na mieszkalnictwie i ochronie zdrowia, system od początku dogłębnie rozumie konkretne procesy, takie jak przepisy o kaucjach najmu czy szczegóły umawiania pacjentów. Dla pracowników na miejscu oznacza to, że nie muszą zarządzać ogólnym chatbotem, który może zmyślić jakąś zasadę. Pracują z systemem już zintegrowanym z ich oprogramowaniem, który od pierwszego dnia rozumie język codziennej pracy.
Czy możesz wyjaśnić, jak towarzyszenie pracownikom pierwszej linii w pracy, aby poznać procesy od początku do końca, poprawia zachowanie modelu i ostateczne doświadczenia klienta w porównaniu z uczeniem wyłącznie na abstrakcyjnych danych?
Abstrakcyjne dane pokazują, co się robi, ale obecność u klientów pokazuje, jak się to robi. Gdy mój zespół spędza czas w rzeczywistym środowisku użytkowania oprogramowania, dostrzega trudności, których nie ujawniłby zbiór danych. Na przykład podczas rozpoznawania potrzeb z podmiotem zarządzającym mieszkaniami dla wojskowych zidentyfikowaliśmy złożone ścieżki zatwierdzania i ścisłe codzienne ograniczenia, których nie opisano w żadnej instrukcji. Uwzględniając te nieuporządkowane szczegóły rzeczywistości i przekładając je na produkt, możemy budować AI, która nie tylko działa podczas demonstracji, lecz także radzi sobie z chaosem zapracowanego biura.
Gdy systemy AI przechodzą od odpowiadania na pytania do wykonywania zadań, jakie nowe zagrożenia dla doświadczeń użytkowników się pojawiają? Jak zapewniasz, by automatyzacja była odbierana jako pomocna i niezawodna, a nie natarczywa czy nieprzejrzysta?
Główne ryzyko przesuwa się z tego, że AI powie coś błędnego, na to, że zrobi coś błędnego. Aby je ograniczyć, stworzyłam model rozwiązań produktowych, w którym eksperci, często byli założyciele firm, odpowiadają za określone obszary produktu. Ustalają szczegółowe zasady i zabezpieczenia dotyczące wykonywania zadań przez AI, tak aby nigdy nie podjęła działania, które zaskoczy lub zdezorientuje pracownika.
W mieszkalnictwie i ochronie zdrowia nawet drobne nieprawidłowości mogą szybko podważyć zaufanie. Jak projektujesz agentowe systemy AI, które pozostają przejrzyste i przewidywalne oraz pozwalają ludziom łatwo interweniować i wprowadzać poprawki w razie potrzeby?
Projektowanie z myślą o zaufaniu zaczyna się od odejścia od tradycyjnego reaktywnego podejścia, w którym po prostu czeka się, aż coś się zepsuje. Zamiast tego zbudowałam zespół łączący skomplikowaną rzeczywistość operacyjną z logiką AI. Nie są to pracownicy wsparcia, lecz stratedzy i byli założyciele firm, którzy całościowo odpowiadają za określone obszary produktu.
Towarzyszą pracownikom w codziennych zadaniach, by poznać niepodlegające negocjacjom zasady branży, takie jak złożone procedury zatwierdzania dotyczące mieszkań wojskowych czy ścisłe terminy reakcji medycznej. Następnie bezpośrednio wbudowują je w zachowanie AI. Przejrzystość bierze się stąd, że nasze systemy zaprojektowano do proaktywnego sygnalizowania potencjalnych problemów, zanim przerodzą się one w skargi mieszkańców lub pacjentów. Kiedy AI rozpoznaje silnie emocjonalną sytuację albo złożoną prośbę, do której obsługi nie została przeszkolona, nie zgaduje. Uruchamia przekazanie sprawy człowiekowi, dostarczając pracownikowi pełną historię i kontekst interakcji. Dzięki temu może on wkroczyć jako dobrze poinformowany partner, zamiast zaczynać od zera.
Jakie najczęstsze trudności dostrzegasz jako osoba nadzorująca wdrożenia i sukces klientów, gdy włączają oni AI do procesów operacyjnych? Jak EliseAI ogranicza je już na wczesnym etapie wdrożenia?
Największą przeszkodą rzadko jest sama technologia. Częściej jest nią obawa, że zakłóci ona pracę zespołu lub zastąpi role jego członków. Odpowiadamy na to, zapewniając natychmiastowe, praktyczne odciążenie. W pierwszym tygodniu powierzamy AI powtarzalne zadania wykonywane w dużej liczbie, które zwykle powodują największe wypalenie, takie jak pierwsze ponowne kontakty z potencjalnymi klientami. Korzystamy również z własnej AI do zarządzania wewnętrzną działalnością firmy. Dzięki temu dokładnie rozumiemy, gdzie zmiana procesu wywołuje napięcia, i możemy być lepszymi partnerami dla klientów przechodzących tę samą zmianę.
Wiele organizacji ma trudności z wyjściem poza etap pilotażu. Jak pomagasz klientom rozwijać procesy i oczekiwania, by AI stała się częścią codziennej pracy, a nie pozostała pobocznym eksperymentem?
AI zakorzenia się dopiero wtedy, gdy przestaje być projektem pobocznym i staje się normalną częścią dnia pracy. Pomagamy liderom przeorganizować zespoły tak, aby po przejęciu rutynowych zajęć przez AI ludzie mogli skupić się na zadaniach naprawdę wymagających ludzkiego podejścia.
EliseAI obsługuje obecnie mniej więcej jedno na sześć mieszkań w USA. Jak w tej skali zmieniają się oczekiwania klientów i jakie nowe wyzwania dotyczące doświadczeń pojawiają się, gdy AI staje się częścią zwykłej działalności?
W tej skali AI nie jest już efektowną nowinką. Jest podstawową usługą, podobnie jak elektryczność. Oczekiwania przesuwają się od zachwytu, gdy działa, do uznania awarii za coś niedopuszczalnego. Musimy zarządzać tą zmiennością, utrzymując jednocześnie niezawodność na poziomie 100%.
Patrząc dwa–trzy lata w przyszłość, jak widzisz ewolucję roli Chief Experience Officer, gdy systemy AI przejmują coraz większą odpowiedzialność w podstawowych usługach, takich jak mieszkalnictwo i ochrona zdrowia?
Rola ta będzie ewoluować od zarządzania obsługą klienta do koordynowania partnerstwa między ludźmi a AI. W miarę jak AI przejmuje administracyjne i powtarzalne części pracy, uwaga dyrektora ds. doświadczeń klientów przeniesie się całkowicie na strategiczne i emocjonalne punkty kontaktu. Naszym obowiązkiem będzie dopilnowanie, by wraz z postępującą automatyzacją świata kontakty międzyludzkie w mieszkalnictwie i ochronie zdrowia stawały się bardziej świadome i wywierały większy wpływ.
Dziękuję za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić EliseAI.












