Gal Rimon, Założyciel i Dyrektor Generalny Centrical – Seria Wywiadów

Gal Rimon założył Centrical (wcześniej GamEffective) w 2013 roku z wyraźną wizją: pomóc firmom wzmocnić swoich pracowników i uczynić ludzi centralnym punktem sukcesu biznesowego. Przed Centrical, pełnił funkcję CEO w Gilon Business Insight, lidera w dziedzinie business intelligence. Kiedy Gilon został przejęty przez Ness Technologies (NASDAQ: NSTC) w 2010 roku, Gal dołączył do Ness jako Starszy Wiceprezes i członek zespołu kierowniczego. Wcześniej w swojej karierze, pełnił funkcję VP ds. Stosunków z Klientami i Operacji w Deloitte Consulting oraz zajmował stanowiska w EDS i Bashan. Gal posiada tytuł MBA w dziedzinie Marketingu i Technologii Informacyjnych na Uniwersytecie w Tel Awiwie.

Centrical to platforma wspomagana przez sztuczną inteligencję, która pomaga organizacjom poprawić skuteczność zespołów pierwszej linii poprzez zintegrowany system zarządzania wydajnością, personalizowanego coachingu, ciągłego uczenia się, zapewnienia jakości i gamifikacji. Platforma łączy dane o wydajności pracowników, coaching oparty na sztucznej inteligencji, mikronaukę, programy rozpoznawania oraz informacje w czasie rzeczywistym, aby pomóc menedżerom identyfikować możliwości poprawy i kierować pracownikami ku lepszym wynikom. Powszechnie stosowana przez centra kontaktowe, organizacje sprzedaży i zespoły doświadczeń klienta, Centrical został zaprojektowany, aby zwiększyć zaangażowanie pracowników, produktywność, satysfakcję klienta i ogólną wydajność biznesu, dostarczając personalizowane wskazówki i motywację na dużą skalę.

Przed założeniem Centrical, spędziłeś lata na stanowiskach kierowniczych w dziedzinie business intelligence, w tym jako CEO Gilon przed jego przejęciem przez Ness Technologies. Jak doświadczenie to ukształtowało Twoje przekonanie, że przedsiębiorstwa nie potrzebują tylko lepszych dashboardów/danych, ale systemu, który może przekształcić spostrzeżenia w działanie dla zespołów pierwszej linii?

Spędziłem prawie dwie dekady w business intelligence, pracując z firmami konsultingowymi, takimi jak EDS i Deloitte, a później prowadząc własną firmę. Pomagaliśmy niektórym z największych organizacji na świecie, aby zrozumieć ich dane i byliśmy w tym dobrzy. Ale stale napotykałem na tę samą przeszkodę. Firmy zainwestowały wiele w infrastrukturę danych. Dashboady były zaawansowane. KPI były dobrze zdefiniowane. I mimo to, bardzo niewiele się zmieniło.

Inteligencja istniała. Po prostu nie działała. Brakowało ogniwa ludzkiego. Można było umieścić czerwoną flagę obok pracownika, który nie spełniał wymagań na dashboardzie, ale ta flaga nie mówiła menedżerowi, co należy zrobić, i nie pomagała pracownikowi poprawić się. Mostek między spostrzeżeniem a wykonaniem prowadził przez ludzi, a żadne z narzędzi business intelligence, z którymi pracowałem, nie było zaprojektowane, aby go przekroczyć. To spostrzeżenie stało się pomysłem założycielskim Centrical. Pytanie nie brzmiało: “Jak możemy dać liderom więcej danych?”, ale “Jak możemy przekształcić dane w odpowiednie działanie, dla odpowiedniej osoby, w odpowiedniej chwili?”

Im więcej rozwiązań punktowych masz, tym więcej danych masz, a tym bardziej to może być wyzwaniem.

Centrical opisuje się jako budujący “Performance Intelligence OS” dla pierwszej linii. Co to oznacza w praktyce dla zespołu obsługi klienta, gościnności, bankowości lub telekomunikacji, który korzysta z platformy każdego dnia?

Wyobraźmy sobie agenta obsługi klienta w dużym banku: obsługuje on skomplikowane połączenia przez cały dzień. Jego menedżer nadzoruje zespół 30 osób w dwóch lokalizacjach. Bez systemu operacyjnego wydajności, menedżer spędza większość czasu na generowaniu raportów, przeglądaniu ocen QA i próbach ustalenia, kto wymaga uwagi. Dopiero potem dochodzi do coachingu, który jest reaktywny, zbyt późny i niespójny w zespole i w następnym.

Z Centrical, dzień wygląda inaczej. Platforma zaczyna się od wyniku biznesowego: poprawy jakości, nowego produktu lub wymogu zgodności. Przyjmuje sygnały z danych KPI, ocen jakości, postępów w nauce i opinii pracowników, aby zidentyfikować dokładnie, gdzie są luki. Gdy agent ma konkretną słabość, np. słabe pytania w rozmowach o utrzymaniu, platforma ujawnia to menedżerowi z zalecanym działaniem coacheskim już przygotowanym, i wyzwala ukierunkowaną symulację roli dla agenta do ćwiczenia przed następnym połączeniem.

Dla agenta w gościnności, może to oznaczać personalizowane wyzwanie związane z zachowaniami związanymi z lojalnością, z natychmiastową informacją zwrotną i rozpoznaniem wbudowanym w przepływ pracy. Dla zespołu telekomunikacyjnego wprowadzającego nowy produkt, może to oznaczać adaptacyjne uczenie się, które dostosowuje się do istniejących luk w wiedzy każdego przedstawiciela, zamiast przepuszczać wszystkich przez ten sam materiał.

Wspólnym wątkiem jest to, że system łączy strategię z wykonaniem dla każdej osoby na podłodze, a nie tylko tych, których menedżerom udaje się poświęcić czas w tym tygodniu.

Wiele przedsiębiorstw już posiada narzędzia business intelligence, systemy zarządzania zasobami, platformy edukacyjne i oprogramowanie zapewniające jakość. Gdzie te systemy zwykle zawodzą, jeśli chodzi o poprawę rzeczywistej wydajności pracowników?

Problem nie leży w samych narzędziach, ale w tym, że nie komunikują się one ze sobą w sposób, który naprawdę korzysta zespołom pierwszej linii.

System QA sygnalizuje problem z jakością. Ta flaga siedzi na dashboardzie. Menedżer widzi ją trzy dni później, jeśli w ogóle. Platforma edukacyjna ma treści, które mogą pomóc, ale nikt nie łączy flagi z treścią. System zarządzania zasobami optymalizuje harmonogramy, ale nic nie wie o lukach w umiejętnościach. I rozpoznawanie odbywa się oddzielnie, w innym narzędziu.

W ten sposób spostrzeżenia i decyzje nigdy nie docierają do osób, które ich potrzebują. Coaching staje się rozłączony z szkoleniem, szkolenie staje się rozłączone z wynikami, a pracownik pierwszej linii doświadcza fragmentarycznego zestawu programów, które nie sumują się do poprawy.

I teraz agenci AI wkraczają do mieszanki, są wdrażani i optymalizowani w izolacji od siły roboczej ludzkiej, co dodatkowo komplikuje wyzwanie. Odpowiedzią nie jest po prostu łączenie tych platform. To jest orchestracja ich wokół wspólnego celu: odpowiedniego interwencji, dla odpowiedniej osoby, w odpowiedniej chwili, zmierzonej przeciwko rzeczywistemu wynikowi biznesowemu.

Ostatnie wyniki klientów Centrical obejmują poprawę w pierwszym rozwiązaniu połączenia, wynikach sprzedaży, zapisach lojalnościowych, produktywności i redukcji błędów. Co te wyniki ujawniają o rodzaju pracy pierwszej linii, którą AI może poprawić jako pierwsza?

Wspólnym wątkiem wszystkich tych wyników jest to, że obejmują one pracę, którą można zmierzyć i poprawić poprzez zmianę behawioralną, wzmocnienie wiedzy, rozwój umiejętności i personalizowane szkolenia, coaching i motywację, które to sprawiają, że się utrzymują.

Granica, którą AI otwiera teraz, polega na robieniu tego na poziomie indywidualnym, nie tylko dla segmentu lub grupy, ale dla każdej osoby, opartej na ich konkretnych lukach, ich roli i tym, gdzie są w swojej ścieżce rozwoju, i czego potrzebuje biznes.

TP Samsung’s zespoły obsługi klienta poprawiły pierwsze rozwiązanie połączenia o 7,5%, jednocześnie redukując pracę administracyjną menedżerów o 70%.

Jeden z pięciu największych banków w USA, biuro ds. oszustw, odnotowało 66,7% redukcję błędów i 4,8% wzrost liczby przetworzonych kont.

IHG Hotels & Resorts chciał, aby ich personel recepcyjny aktywnie rozpoznawał i zapisywał gości do ich programu One Rewards. Zgamifikowaliśmy szkolenie w misje, daliśmy pracownikom monety za ukończenie nauki i zapisywanie członków, i pozwoliliśmy właścicielom hotelu konkurować na listach rankingowych. Hotele korzystające z platformy Centrical osiągnęły do 4-krotną poprawę w rozpoznawaniu lojalności i efektywności zapisów, napędzając miliony dodatkowych przychodów i bezpośrednich rezerwacji.

Centrical rozszerza swoje portfolio AI o coaching wspomagany przez AI, symulacje ról, hiperpersonalizowane doświadczenia wydajności i autonomiczną inteligencję wydajności. Która z tych możliwości, Twoim zdaniem, będzie miała największy wpływ na zespoły przedsiębiorstw w najbliższej perspektywie?

Zależy to od tego, gdzie organizacja znajduje się w swojej transformacji. Podkreślę dwie możliwości, które mają natychmiastowy, wymierny wpływ na naszych klientów.

Coaching wspomagany przez AI ma ogromny wpływ, ponieważ organizacje są pod dużą presją, aby uczynić coaching bardziej efektywnym, zwiększyć zakres obowiązków menedżerów i poprawić wydajność zespołu. Menedżerowie są największym wpływem na wydajność pierwszej linii, a jednak historycznie spędzali więcej czasu na raportowaniu niż na coachingu. Nasz asystent AI odwraca ten stosunek: ujawnia, kogo coachować, w czym i dlaczego, z odpowiednim działaniem już przygotowanym. I wszystko to jest priorytetem na podstawie celów biznesu. Menedżer staje się lepszym coachem bez potrzeby więcej godzin w ciągu dnia.

Symulacje ról AI są równie krytyczne teraz, z innego powodu. Ponieważ AI zajmuje się prostszymi interakcjami, rozmowy, które docierają do agentów ludzkich, stają się bardziej skomplikowane: emocjonalnie naładowane, pełne wyjątków, o wysokich stawkach. W tym samym czasie organizacje mobilizują swoje siły robocze w nowe role szybciej niż kiedykolwiek. Praktyka (w przepływie pracy) jest jedynym sposobem, aby zbudować pewność siebie i kompetencje w tych sytuacjach przed ich wystąpieniem na żywo. Symulacja ról w skali, napędzana przez rzeczywiste luki w wydajności, sprawia, że jest to możliwe.

Autonomiczna Inteligencja Wydajności to następna granica. Wizja to system, który identyfikuje możliwości, wyzwala odpowiednie programy i ciągle poprawia wydajność pierwszej linii bez oczekiwania na inicjację przez menedżera.

Jak coaching wspomagany przez AI zmienia rolę menedżerów pierwszej linii, zwłaszcza gdy wielu menedżerów jest już przeciążonych pracą administracyjną i raportowaniem wydajności?

Nasze dane pokazują, że menedżerowie spędzali około 60% czasu na analizie danych i około 20% na ocenach, pozostawiając mniej niż 20% na rzeczywistym wspieraniu swoich zespołów. To jest podstawowa dysfunkcja. Ludzie, którzy są najbardziej odpowiedzialni za wydajność pierwszej linii, spędzali większość czasu na robieniu rzeczy, które system powinien robić za nich.

Coaching AI odzyskuje ten czas. Menedżer otrzymuje priorytetowy widok dokładnie, kogo coachować, w jakim zachowaniu, z sugerowanym podejściem już przygotowanym. Sesje mogą być nagrywane i automatycznie dokumentowane, tak aby działania następcze zostały aktywowane bezpośrednio z rozmowy coacheskiej, zamiast siedzieć w notatce, której nikt nie czyta. Indywidualne cele są tworzone, które są zarówno osiągalne, jak i widoczne dla pracownika.

Nasze dane już pokazują, że menedżerowie korzystający z naszych możliwości AI coachingu coachują więcej, a ich coaching ma większy wpływ na wydajność ich zespołu. Jeden z naszych dużych klientów z branży hotelarskiej odnotował 10% poprawę w skuteczności coachingu dzięki AI, co skutkowało wymierną poprawą wskaźników KPI: wszystkie wskaźniki KPI, na które pracownicy byli coachowani z użyciem możliwości AI Centrical, poprawiły się.

Jednym z najbardziej interesujących aspektów pozycjonowania Centrical jest idea zarządzania zarówno pracownikami ludzkimi, jak i cyfrowymi. Jak przedsiębiorstwa powinny myśleć o zarządzaniu wydajnością, gdy agenci AI stają się częścią operacji pierwszej linii?

Większość przedsiębiorstw idzie w kierunku problemu, którego nie widzą. Agenci AI pojawiają się z wszędzie: jeden z platformy obsługi klienta, jeden z CRM, kilka z własnych zespołów i kilka wbudowanych w narzędzia, za które już płacą. Nazywamy to zoo agentów. Wszystkie one wykonują pracę, ale nikt nie jest odpowiedzialny za ich wydajność. Nikt nie może powiedzieć, które z nich są naprawdę dobre w swojej pracy, które dryfują, czy które powinny być wycofane.

Instynktownie traktuje się to jako problem techniczny, model lub integrację. Uważam, że to jest błędny punkt widzenia. Gdy agent AI wykonuje pracę pierwszej linii, musi być zarządzany z takim samym rygorem, jaki stosujemy w przypadku wydajności ludzi: jasne cele, mierzone wyniki, certyfikacja przed podjęciem pracy o wysokich stawkach i pętla informacji zwrotnej, która łapie dryf, zanim powoduje szkody.

To jest warstwa, której większość przedsiębiorstw brakuje. Nie jest to kolejne miejsce, w którym można budować agenci, ale zintegrowana warstwa do zarządzania, certyfikowania i orchestracji ich, siedząca w tym samym systemie, który zarządza ludźmi. Ponieważ praca nie jest już ludzka ani cyfrowa. To jest obie, w tym samym zespole, często przy tym samym zadaniu. Osoba i trzej agenci obsługujące jedno połączenie z klientem. Jeśli mierzy się ludzi w jednym miejscu i agenci w innym, widzi się tylko fragmenty ich wydajności.

Zarządzanie wydajnością powinno być traktowane jako jedna dyscyplina w całej sile roboczej, zarówno ludzkiej, jak i cyfrowej. Te same cele, ta sama odpowiedzialność, ta sama pętla pomiaru, coachingu i poprawy.

Jakie zabezpieczenia są potrzebne, aby upewnić się, że systemy wydajności oparte na AI wspierają pracowników, a nie tylko zwiększają presję, nadzór lub niewykonalne oczekiwania dotyczące produktywności?

To jest ważny temat, ponieważ używamy AI, aby pomóc ludziom stać się lepszą wersją siebie w pracy.

Ciśnienie może prowadzić do krótkoterminowych wyników. Ale na dłuższą metę, trzeba dać ludziom jasny kierunek: pomóc im zbudować konkretną wiedzę, którą potrzebują, i stworzyć ukierunkowaną praktykę na zachowaniach, które mają największe znaczenie. To jest inna sprawa dla pracownika. System nie jest tam, aby obserwować cię. Jest tam, aby pomóc ci być dobrym w swojej pracy. I być dobrym w swojej pracy czuje się o wiele lepiej niż być mierzonym na niej. To jest prosta rzecz, ale nikt nie przychodzi do pracy, chcąc robić źle.

W związku z tym prawdziwe zabezpieczenia nie są politykami, procesami ani programami rozpoznawania, które siedzą obok. Są to instrukcje, umiejętności i narzędzia wbudowane w codzienną pracę, aby uczynić pracę łatwiejszą, bardziej efektywną i skuteczną. Umiejętności najpierw, potem zachowania, potem wydajność. I pod wszystkim tym, motywacja: pracownik powinien widzieć postępy, które robi, i czuć je. Każdy krok powinien łączyć się z tym, co się dla niego liczy: klientami, którym pomaga, zespołem, którego jest częścią, i tam, gdzie chce iść dalej. To jest to, co sprawia, że to czuje się jak coś więcej niż tylko wynik.

I dlatego, że AI zajmuje się administracją, raportowaniem, priorytetami, menedżerowie odzyskują swój czas, aby naprawdę coachować. Aby być obecnym. To relacja międzyludzka jest tym, co sprawia, że całość działa.

Centrical niedawno pozyskał 39 milionów dolarów w ramach finansowania serii D, co zwiększa całkowite finansowanie do ponad 100 milionów dolarów. W ciągu najbliższych 12 do 24 miesięcy, jak nowe środki przyspieszą globalną ekspansję i rozwój narzędzi AI do zarządzania wydajnością pierwszej linii, zarówno dla pracowników ludzkich, jak i cyfrowych?

Myślimy o wzroście w kilku obszarach:

Obsługujemy przedsiębiorstwa w 150 krajach i 60 językach dzisiaj, a ta runda przyspieszy nasz wzrost na całym świecie.

Ugłębienie autonomicznej Inteligencji Wydajności będzie jednym z obszarów naszego skupienia. Następny etap to system, który identyfikuje możliwości, wyzwala odpowiednie programy i poprawia wydajność pierwszej linii w sposób ciągły, bez potrzeby inicjacji przez menedżera.

Wreszcie, rozszerzenie platformy, aby zarządzać wydajnością zarówno pracowników ludzkich, jak i cyfrowych. Gdy agenci AI zajmują się coraz więcej zadaniami pierwszej linii, przedsiębiorstwa potrzebują tego samego rygoru wokół standardów wydajności, coachingu i pomiaru dla tych cyfrowych pracowników, jaki mają dla ludzi. Jesteśmy pozycjonowani, aby być systemem operacyjnym dla tej hybrydowej rzeczywistości.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Centrical.