Katie Stein, CEO firmy ASAPP – Seria wywiadów

Katie Stein, CEO firmy ASAPP, jest doświadczoną menedżerką technologiczną i biznesową z ponad dwudziestoletnim stażem obejmującym strategię korporacyjną, operacje, transformację cyfrową i rozwój przedsiębiorstw. Przed dołączeniem ASAPP jako CEO w sierpniu 2026, pełniła funkcję CEO w firmie Atain oraz spędziła osiem lat w Genpact, gdzie była Dyrektorem ds. Strategii oraz Globalnym Liderem Biznesowym ds. Usług Przedsiębiorstw i Analityki, nadzorując strategię korporacyjną, kluczowe portfolio usług, doświadczenia klientów oraz inicjatywy fuzji i przejęć. Wcześniej w swojej karierze Stein zajmowała wysokie stanowiska przywódcze w Mercer, w tym Globalną Dyrektorkę Operacyjną ds. jej działalności o wartości 2,5 miliarda dolarów w obszarze emerytalnym, zdrowotnym i świadczeniowym, oraz pracowała jako Lider Projektu w Boston Consulting Group. Jej kariera w dużej mierze koncentrowała się na pomaganiu dużym organizacjom w poprawie wydajności operacyjnej, efektywniejszym wdrażaniu technologii oraz realizacji złożonych transformacji biznesowych.

ASAPP to firma AI skoncentrowana na przekształcaniu obsługi klienta w przedsiębiorstwach dzięki swojej natywnej platformie Customer Experience Platform (CXP). Założona w 2015 roku, firma opracowuje technologię łączącą agenty AI, ludzką ekspertyzę, dane klientów oraz systemy korporacyjne w kanałach głosowych i cyfrowych. W centrum platformy znajduje się GenerativeAgent, agent AI obsługi klienta zaprojektowany tak, aby rozumieć rozmowy, wnioskować na podstawie żądań klientów, podejmować działania poprzez połączone systemy korporacyjne oraz angażować ludzkich agentów, gdy potrzebne jest dodatkowe nadzorowanie lub osądzenie. ASAPP oferuje także narzędzia do testowania, monitorowania, zarządzania i obserwowalności, umożliwiając dużym organizacjom wdrażanie AI obsługującej klientów przy zachowaniu większej kontroli nad zachowaniem zautomatyzowanych agentów.

Twoja kariera zaprowadziła Cię od ról związanych ze strategią i transformacją w BCG, Mercer i Genpact, przez prowadzenie Atain, aż po objęcie stanowiska CEO w ASAPP. Co przyciągnęło Cię do ASAPP na tym etapie Twojej kariery i po pierwszych 30 dniach, jakie największe możliwości i priorytety zidentyfikowałaś dla firmy?

ASAPP po raz pierwszy zwróciło moją uwagę podczas zimowej burzy Fern na początku tego roku. W Atain pracowaliśmy na wszystkie możliwe sposoby, aby stworzyć wystarczającą pojemność dla jednej z największych amerykańskich linii lotniczych, gdy tysiące podróżnych zmagających się z zakłóceniami próbowało wrócić do domu. ASAPP nie tylko udzielało odpowiedzi; jego GenerativeAgent przebookował ponad 3 800 pasażerów w ciągu sześciu dni, w tym skomplikowane zmiany w planach podróży. Pokazało mi to, jak wygląda AI w przedsiębiorstwie pod realnym naciskiem. Moje pierwsze 30 dni utwierdziły mnie w tym przekonaniu. Nasza szansa polega na skupieniu się i skalowaniu: koncentrować się tam, gdzie ASAPP ma najjaśniejsze prawo do zwycięstwa, pomagać klientom przejść od eksperymentów do wpływu produkcyjnego oraz realizować działania z większą szybkością i konsekwencją.

Podejście ASAPP łączy autonomiczne agenty AI, deterministyczne przepływy pracy i ekspertów ludzkich w jednej warstwie orkiestracji. Jak określasz, które decyzje powinny być pozostawione agentowi AI, które powinny podążać za zdefiniowanymi regułami, a które powinny wymagać ludzkiego osądu?

Nie przydzielamy całej interakcji wyłącznie AI, zdefiniowanemu przepływowi pracy ani osobie. Analizujemy każdą decyzję pod kątem jej złożoności, ryzyka i potrzeby odpowiedzialności. AI doskonale radzi sobie ze zrozumieniem intencji, interpretacją kontekstu i dostosowaniem się do klienta. Przepływy pracy zapewniają spójność, gdy konieczne jest przestrzeganie określonych kroków lub polityk. Ludzie wnoszą osąd, gdy sytuacja jest niejednoznaczna, wyjątkowa lub ma istotne konsekwencje. Orkiestracja łączy wszystkie trzy elementy w jednej interakcji. Celem nie jest maksymalna autonomiczność, lecz zaspokajanie większej liczby potrzeb klientów przy jednoczesnym stosowaniu odpowiedniego poziomu kontroli na każdym etapie decyzji.

ASAPP traktuje udział człowieka jako stały element systemu AI, a nie jedynie ścieżkę eskalacji w przypadku niepowodzenia automatyzacji. W miarę jak agenci AI stają się coraz bardziej zdolni, gdzie Twoim zdaniem ludzie będą nadal wnosić największą wartość w interakcjach obsługi klienta?

Genialność ludzka! Kilka miesięcy temu rozmawiałam z doświadczonym liderem CX, który zauważył, że stosunkowo niewielka liczba połączeń odpowiada za nieproporcjonalnie dużą część czasu obsługi. Są to często przypadki brzegowe, dla których nie istnieje jasna sekcja FAQ, artykuł wiedzy ani standardowa procedura operacyjna. Są trudne, ponieważ organizacja nie spotkała się wcześniej z taką sytuacją – ani nie sformalizowała rozwiązania. Ludzie będą nadal wnosić największą wartość w tych momentach: interpretując niejasności, równoważąc sprzeczne względy i stosując osąd tam, gdzie nie ma ustalonego scenariusza. Jednak zaangażowanie osoby nie powinno wymagać porzucenia automatyzacji i przekazania całej interakcji. AI zbiera potrzebne informacje i przedstawia człowiekowi konkretne żądanie wraz z kontekstem; człowiek dostarcza osąd, a AI kontynuuje interakcję. Ta ekspertyza rozwiązuje bieżący problem i pomaga rozszerzyć zakres, który AI będzie w stanie rozwiązać w przyszłości.

Wiele przedsiębiorstw z powodzeniem wykazało działanie generatywnej AI w projektach pilotażowych, ale napotyka trudności przy wdrażaniu jej w milionach rzeczywistych interakcji z klientami. Co firmy najczęściej niedoceniają, przechodząc od pilota AI do systemu agentowego na skalę produkcyjną?

Firmy najczęściej niedoceniają długiego ogona. Piloty zazwyczaj testują określone przypadki użycia w kontrolowanych warunkach. Na skalę produkcyjną rzadkie sytuacje stają się codziennością: klienci zmieniają kierunek, podają niekompletne informacje lub łączą potrzeby w sposób, którego nikt nie przewidział. Dlatego skalowanie agentowej AI nie jest tylko wyzwaniem modelu. Wymaga integracji z systemami przedsiębiorstwa, zarządzania, monitorowania oraz sposobu angażowania ludzi, gdy potrzebny jest osąd. Pilot dowodzi, że technologia działa. Produkcja wymaga architektury i dyscypliny operacyjnej, aby uczynić ją niezawodną w dużej skali.

Jak przedsiębiorstwa przechodzą od jednego asystenta AI do wielu wyspecjalizowanych agentów współpracujących, jakie nowe wyzwania techniczne lub zarządcze pojawiają się w zakresie orkiestracji, obserwowalności i odpowiedzialności?

Nowym wyzwaniem jest koordynacja. Więcej agentów generuje więcej przekazów, punktów decyzyjnych i możliwości, w których kontekst lub odpowiedzialność mogą się załamać. Przedsiębiorstwa potrzebują orkiestracji, która określi, który agent ma działać, jakie informacje i uprawnienia otrzyma oraz jak jego praca przyczyni się do rozwiązania problemu klienta. Obserwowalność musi obejmować całą interakcję, aby organizacje mogły zrozumieć, co się stało i dlaczego. To staje się podstawą zarządzania. Przewaga nie wynika z wdrożenia największej liczby agentów, lecz z koordynacji całej tej wyspecjalizowanej inteligencji w jednym systemie, który jest niezawodny, możliwy do śledzenia i odpowiedzialny.

ASAPP niedawno wprowadziło Continuous Red Teaming, które automatycznie testuje jego systemy AI pod kątem ponad 50 klas podatności w miarę rozwoju modeli. Jak przedsiębiorstwa powinny przemyśleć bezpieczeństwo, gdy agenci AI nie tylko generują odpowiedzi, ale coraz częściej mogą podejmować działania w imieniu klientów?

Stawka zmienia się, gdy AI przechodzi od odpowiadania na pytania do podejmowania działań. Nieautoryzowana transakcja lub ujawnienie danych klienta ma znacznie poważniejsze konsekwencje niż nieprecyzyjna odpowiedź. Przedsiębiorstwa potrzebują wyraźnych granic określających, do czego agent ma dostęp, co może zrobić i kiedy wymagana jest zgoda człowieka. Bezpieczeństwo nie może być jednorazowym testem przed wdrożeniem. W miarę jak AI staje się bardziej zdolne, złośliwi aktorzy również wprowadzają innowacje. Dlatego ASAPP nieustannie testuje tysiące scenariuszy adwersarialnych obejmujących ponad 50 klas podatności. Bezpieczeństwo musi rozwijać się tak szybko, jak technologia, aby przedsiębiorstwa mogły rozszerzać możliwości AI bez narażania zaufania klientów.

Generatywna sztuczna inteligencja jest z natury probabilistyczna, jednak procesy obsługi klienta często obejmują transakcje, wymogi zgodności i inne zadania, w których wyniki muszą być przewidywalne. Jak przedsiębiorstwa mogą zachować elastyczność generatywnej SI, wprowadzając jednocześnie wystarczającą deterministyczną strukturę, aby te systemy były niezawodne?

Kluczem jest oddzielenie rozmowy od procesu biznesowego. Uważamy, że generatywna AI powinna robić to, co robi najlepiej: rozumieć klienta, radzić sobie z niejasnościami i odpowiadać naturalnie. Jednak krytyczne procesy – takie jak weryfikacja, transakcje i zgodność – powinny działać w ramach krokowych przepływów pracy, które egzekwują zasady firmy i wymaganą kolejność. Taka architektura daje przedsiębiorstwom to, co najlepsze: elastyczne doświadczenie dla klienta i przewidywalne wykonanie dla biznesu. Ułatwia to także testowanie, audyt i udoskonalanie procesów w miarę rozwoju modeli. Przedsiębiorstwa nie muszą sztywno ustalać każdej rozmowy z klientem, aby AI była niezawodna. Muszą jasno określić, gdzie AI może się dostosowywać, a gdzie proces absolutnie nie może.

Centra kontaktowe tradycyjnie mierzyły automatyzację za pomocą wskaźników takich jak utrzymanie rozmowy i redukcja kosztów. W miarę jak AI agentowa staje się coraz bardziej zaawansowana, jakie metryki powinny wykorzystywać przedsiębiorstwa, aby określić, czy AI rzeczywiście poprawia doświadczenie klienta, a nie tylko zmniejsza udział ludzi?

Odchodzimy od wskaźników takich jak odwrócenie (deflection) i utrzymanie (containment) i zmierzamy w stronę tego, co nazywam „zweryfikowanym rozwiązaniem”. Chcę, abyśmy byli odpowiedzialni za zrozumienie intencji klienta i faktyczne jej rozwiązanie. Jako klient chcę, aby doświadczenie było przyjemne, ale przede wszystkim chcę, aby powód, dla którego się zgłosiłem, został rozwiązany. Kiedy mierzymy ten rezultat, a nie tylko to, czy AI powstrzymało kogoś przed kontaktem z ludzkim agentem, dopasowujemy technologię do rzeczywistej potrzeby klienta.

Jeśli jeden ekspert ludzki może coraz częściej nadzorować lub kierować wieloma rozmowami prowadzonymi przez AI, jak przewidujesz ewolucję zatrudnienia w centrach kontaktowych? Czy widzisz powstawanie nowych ról związanych z nadzorem nad AI, szkoleniami, zarządzaniem i ciągłym doskonaleniem?

To właśnie mnie tak ekscytuje w przyszłym modelu operacyjnym centrów kontaktu. Dziś agenci ludzie są na pierwszej linii, często pomagając klientom rozczarowanym, zdezorientowanym lub zdenerwowanym, spędzając przy tym dużą część czasu na poruszaniu się po skomplikowanych systemach w celu rozwiązania problemów. To wymagająca praca, a wypalenie jest wysokie. W miarę jak AI agentowa przejmuje coraz więcej tej pracy w kanałach głosowych i cyfrowych, wierzę, że pojawi się nowa klasa specjalistów CX: agent ludzki jako analityk. Ich czas będzie coraz częściej poświęcany sytuacjom wymagającym osądu, niebędącym czarno-białymi lub o wrażliwości regulacyjnej. To zasadniczo inna rola, którą sama AI pomaga tworzyć.

Po pierwszych 30 dniach kierowania ASAPP, co najbardziej cię zaskoczyło w tym, gdzie firmy obecnie stoją w przyjmowaniu agentowej sztucznej inteligencji, i co według ciebie zdefiniuje kolejny etap obsługi klienta opartej na AI?

Byłem pod wrażeniem, jak chętni są klienci, z którymi rozmawiałem, aby uczynić agentową sztuczną inteligencję kluczowym filarem ich strategii CX, a nie jedynie elementem pobocznym. Problem polega na tym, że działy Digital, IT, Security i Operations często działają w różnym tempie i mierzą sukces inaczej. Ta fragmentacja utrudnia jasne dostrzeżenie biznesowego uzasadnienia na poziomie przedsiębiorstwa. Kolejny etap będzie wymagał, aby organizacje zjednoczyły się wokół tego, co naprawdę ma znaczenie na poziomie korporacyjnym, i zrozumiały, gdzie agentowa AI w CX może wpłynąć na te wyniki. Obecnie ten wpływ może być rozmyty w istniejących kartach wyników i odizolowanych metrykach.

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