Niraj Ranjan, Założyciel i Dyrektor Generalny Hiver – Wywiad

Niraj Ranjan, założyciel i dyrektor generalny Hiver, jest doświadczonym przedsiębiorcą i technologiem, który zbudował swoją karierę na styku inżynierii oprogramowania, rozwoju produktów i doświadczeń klienta. Założył Hiver w 2017 roku, aby zrewolucjonizować oprogramowanie do obsługi klienta, wykorzystując swoje wcześniejsze doświadczenie jako współzałożyciel Mobicules, gdzie rozwinął firmę od małego zespołu do 35-osobowej operacji, pracując ręcznie jako programista i architekt. Przed rozpoczęciem działalności przedsiębiorczej spędził prawie pięć lat w Mentor Graphics, rozwijając zaawansowane oprogramowanie emulacyjne dla systemów opartych na FPGA, co ukształtowało jego podejście do budowy wysokowydajnych i skalowalnych produktów oraz tworzenia silnych kultur inżynierskich.

Hiver to nowoczesna platforma do obsługi klienta wyposażona w sztuczną inteligencję, zaprojektowana do scalania kanałów komunikacji, takich jak e-mail, czat, głos i wiadomości, w jeden obszar roboczy. Umożliwia zespołom zarządzanie współdzielonymi skrzynkami pocztowymi, automatyzację przepływów pracy i współpracę w czasie rzeczywistym, podczas gdy sztuczna inteligencja zajmuje się powtarzalnymi zadania, takimi jak routing biletów, tworzenie odpowiedzi i analiza danych. Platforma została zaprojektowana, aby zastąpić starsze systemy helpdesk bardziej intuicyjnym i skalowalnym rozwiązaniem, pomagając organizacjom poprawić czasy odpowiedzi, śledzić wskaźniki wydajności i dostarczać spójne doświadczenia klienta we wszystkich kanałach, i jest zaufana przez ponad 10 000 zespołów na całym świecie.

Wczesnym etapie swojej kariery w Mentor Graphics pracował Pan nad zaawansowanymi systemami emulacji sprzętu, które służyły do symulowania złożonych projektów elektronicznych przed ich fizyczną budową. Później założył i rozwinął Mobicules od trzyosobowego startupu do 35-osobowej firmy, zanim uruchomił Hiver. Jak te głębokie podstawy techniczne i wczesne doświadczenia w rozwoju wpłynęły na Pana podejście do budowy sztucznej inteligencji, która działa niezawodnie w środowiskach wsparcia o wysokim poziomie presji?

Praca nad systemami emulacji sprzętu kształtuje sposób myślenia o niezawodności. Te systemy istnieją, ponieważ złożone projekty zachowują się inaczej, gdy napotykają rzeczywiste warunki. Pojawiają się przypadki brzegowe, interakcje między komponentami zmieniają wyniki, a czysty model ulega awarii. Ten sposób myślenia przenosi się bezpośrednio na środowiska obsługi klienta. Rozmowy przychodzą z brakującym kontekstem, pilnością i zależnościami od kilku wewnętrznych systemów.

Rozwój firmy ujawnia kolejną warstwę złożoności. Gdy zespoły rosną, tarcie operacyjne staje się bardzo widoczne. Agenci spędzają czas na łączeniu informacji z różnych narzędzi i koordynowaniu wewnętrznie, zanim będą mogli odpowiedzieć. To doświadczenie ukształtowało nasze myślenie w Hiver. Patrzymy na cały cykl obsługi, od momentu przyjścia wniosku do momentu jego rozwiązania, i pytamy, gdzie sztuczna inteligencja może usunąć to tarcie, aby zespoły mogły poświęcić więcej energii na rozwiązywanie problemu.

Hiver podkreśla wykorzystanie sztucznej inteligencji do usunięcia pracy rutynowej, a nie zastąpienia ludzkiej oceny czy empatii. Jak Pan rysuje granicę między pomocną automatyzacją a nadmierną automatyzacją w obsłudze klienta?

Praca w obsłudze zawiera wiele wysiłku operacyjnego, który nie pojawia się w końcowej odpowiedzi. Agenci klasyfikują wnioski, szukają polityk, pobierają informacje o koncie i śledzą długie historie rozmów, zanim będą mogli zdecydować, co powiedzieć. Sztuczna inteligencja radzi sobie dobrze z tymi podstawami. Gdy system może podsumować wątek lub wyświetlić odpowiedni artykuł wiedzy w odpowiednim momencie, agent rozpoczyna rozmowę z znacznie lepszym zrozumieniem sytuacji.

Wiele narzędzi AI wygląda imponująco w demonstracjach produktów, ale mają trudności w codziennym użyciu. Co Pan nauczył się o różnicy między AI, które prezentuje się dobrze, a AI, które konsekwentnie działa w środowiskach obsługi o wysokim poziomie?

Demonstracja ujmuje czysty scenariusz. Pytanie jest przewidywalne, baza wiedzy jest zorganizowana, a system produkuje odpowiedź. Prawdziwa praca w obsłudze rzadko rozwija się w ten sposób. Wnioski przychodzą z częściowymi informacjami, rozmowa rozciąga się na wiele wymian, a agent często potrzebuje danych wejściowych od innych zespołów lub systemów, zanim sytuacja będzie jasna.

Hiver integruje się ściśle z istniejącymi przepływami pracy, zamiast zmuszać zespoły do zupełnie nowych systemów. Jak ważne jest to “spotykanie użytkowników tam, gdzie już pracują” filozofia podczas wdrażania AI w szybko zmieniających się środowiskach?

To ma ogromne znaczenie, ponieważ zespoły obsługi już pracują pod presją. Gdy nowe narzędzie prosi je o zmianę sposobu pracy lub skakanie między systemami, tarcie pojawia się natychmiast. Większość rozmów o obsłudze nadal zaczyna się od e-maila, a praca wokół tych rozmów obejmuje pobieranie kontekstu z innych systemów i koordynowanie wewnętrznie z kolegami. Jeśli AI znajduje się poza tym środowiskiem, agent kończy dodatkową pracę, aby tylko użyć technologii.

Zespoły obsługi często pracują pod dużą presją, zwłaszcza przy rozwiązywaniu pilnych problemów lub obsłudze frustrujących klientów. Jak Pan projektuje systemy AI, które redukują obciążenie kognitywne, a nie dodają tarcia w tych momentach?

Praca w obsłudze stawia stałe wymagania dotyczące uwagi. Agent może obsługiwać dziesiątki rozmów równolegle, każdą z własnym tonem, pilnością i historią. Większość wysiłku mentalnego idzie na odtworzenie sytuacji, zanim zostanie podjęta decyzja, jak odpowiedzieć.

Z ponad 10 000 zespołami korzystającymi z Hiver na całym świecie, jakie wzorce Pan obserwował w tym, jak przyjęcie AI ewoluuje po początkowym wdrożeniu? Co odróżnia zespoły, które prawdziwie integrują AI z codzienną pracą, od tych, które traktują ją jako opcjonalny dodatek?

Zespoły, które widzą prawdziwą wartość AI, zwykle zaczynają od kilku bardzo konkretnych momentów w przepływie pracy, w których agenci tracą czas każdego dnia. Podsumowania rozmów są dobrym przykładem. Gdy agent otwiera długą wątek i natychmiast rozumie, co się wydarzyło, cała interakcja zaczyna się inaczej. To samo dotyczy sytuacji, gdy system wyświetla odpowiedni artykuł pomocy lub politykę w odpowiednim momencie. Gdy te momenty naprawdę pomagają, agenci zaczynają używać AI naturalnie, ponieważ ułatwia im dzień.

Podczas planowania produktu, jak Pan balansuje prędkość innowacji AI z utrzymaniem niezawodności i zaufania — szczególnie w środowiskach, w których błędy mogą uszkodzić relacje z klientami?

Obsługa klienta jest jednym z tych środowisk, w których małe błędy mogą mieć znaczące konsekwencje. Odpowiedź, która nie rozumie problemu z fakturą lub frustrującego klienta, może stworzyć więcej pracy dla zespołu i uszkodzić zaufanie szybko. To rzeczywistość wymusza bardzo zamierzone podejście do tego, gdzie AI podejmuje działania i gdzie wspiera agenta ludzkiego. Niektóre zadania, takie jak klasyfikacja lub podsumowanie rozmów, tolerują wysoki stopień automatyzacji. Decyzje, które wpływają na przychody, interpretację polityki lub relacje z klientami, wymagają znacznie wyższego poziomu pewności.

Jak Pan myśli, że AI zmieni strukturę zespołów obsługi w ciągu najbliższych pięciu lat? Czy nastąpi przesunięcie w kierunku nadzoru i oceny, czy pojawią się całkowicie nowe kategorie pracy?

Struktura zespołów obsługi prawdopodobnie przesunie się w kierunku mniejszej liczby osób zajmujących się powtarzalnymi procesami i większej liczby osób skupionych na rozwiązywaniu złożonych problemów. Gdy AI zajmie się zadaniami, takimi jak podsumowanie rozmów, organizowanie przychodzących wniosków i pomoc w tworzeniu odpowiedzi, agenci będą spędzać więcej czasu na zrozumieniu, co tak naprawdę się wydarzyło, i koordynowaniu z innymi zespołami, aby to naprawić. To staje się mniej o przenoszeniu biletów przez kolejki i bardziej o posiadaniu wyniku problemu klienta.

Hiver działa na konkurencyjnym rynku helpdesk. Jakie podstawowe zmiany w oczekiwaniach klientów uważa Pan, że platformy legacy nie dostosowały się?

Klienci coraz częściej oczekują ciągłości, gdy się zwracają o pomoc. Chcą, aby organizacja pamiętała poprzednie interakcje i przenosiła ten kontekst przez całą rozmowę. Powtarzanie informacji w kilku wymianach staje się szybko frustrujące.

Spójrzając w przyszłość, co “wspaniała obsługa klienta” wygląda w świecie, w którym AI jest na pierwszym planie — i jakie możliwości odróżnią firmy, które prosperują, od tych, które pozostaną w tyle?

Wspaniała obsługa w świecie, w którym AI jest na pierwszym planie, po prostu będzie wyglądać łatwiej dla klienta. Zwrócą się o pomoc, zespół szybko zrozumie sytuację, a rozmowa będzie przebiegać bez niepotrzebnych wymian. Technologia za tym pozostanie w dużej mierze niewidoczna. To, co klienci zauważą, to fakt, że ich problem został zrozumiany i rozwiązany bez niepotrzebnego wysiłku.

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