Эшли Мозер, соучредитель и главный коммерческий директор MelodyArc – Серия интервью

Ashley Moser, соучредитель и главный коммерческий директор MelodyArc, возглавляет коммерческую стратегию компании, работая с клиентами над преобразованием амбициозных операционных целей в измеримые результаты. Она обладает опытом, охватывающим операции, стратегию продукта, логистику, продажи и финансовые услуги, включая руководящие должности в Wonder и Jetblack от Walmart, где она работала в области цепочек поставок, непрерывного улучшения, стратегии и логистики. Ранее в своей карьере она была директором по продажам в Stella Connect, позже приобретённой Medallia, работала с мобильной розничной платформой NewStore и более четырёх лет проработала в J.P. Morgan в отделе институциональных продаж акций.

MelodyArc — это корпоративная платформа оркестрации ИИ, предназначенная для помощи операционным командам в координации данных, бизнес‑правил, ИИ‑систем и человеческого принятия решений в единой управляемой среде. Платформа построена вокруг выполнения сложных операционных процессов от начала до конца, позволяя командам определять рабочие потоки, применять бизнес‑логику, развертывать ИИ‑операторы или другие агенты и эскалировать случаи к людям, когда требуется более глубокое суждение. Её Point Engine оценивает возможные пути решения каждого случая, работая в рамках организационных правил и фиксируя каждый шаг, предоставляя бизнесу большую прозрачность и контроль над ИИ‑управляемыми рабочими процессами в таких областях, как обслуживание клиентов, мерчандайзинг, сообщения на сайте, цепочка поставок и ассортимент.

У вас разнообразный опыт, охватывающий финансы в J.P. Morgan, корпоративный SaaS в Medallia и операционные роли в Jetblack от Walmart. Какое конкретное понимание или разочарование подтолкнуло вас к со‑созданию MelodyArc, и как эти опыты сформировали основную концепцию компании? 

Мы основали компанию, потому что мой соучредитель Джеймс МакГенри и я оба ранее были операторами и технологами. Мы видели это из первых рук и во многих случаях помогали создавать отличные технологии для операционных команд. Однако мы постоянно сталкивались с одной и той же проблемой: точечные решения, которые либо охватывали лишь узкую часть того, что действительно делали операции, либо не соответствовали тому, как работа действительно происходила на практике.

Исходя из этого, мы поставили перед собой задачу создать платформу, способную предоставлять новые технологии фронтовым операционным командам таким образом, чтобы они действительно могли их использовать. Сегодня это реализовано в виде оркестрации с участием человека в цикле.

MelodyArc помещает ИИ непосредственно в руки фронтовых операторов. Чем этот подход отличается от традиционных вертикальных корпоративных внедрений ИИ и почему это изменение происходит сейчас? 

С MelodyArc, после внедрения платформы, мы предоставляем возможность создавать новые рабочие потоки, идеи и процессы с участием человека в цикле непосредственно командам, практически не влияя на общую дорожную карту. Это означает, что команды могут улучшать свои процессы с помощью ИИ, не прибегая каждый раз к цепочке командования. Это принципиально иной способ развертывания этой технологии.

Это особенно очевидно в наших крупнейших корпоративных внедрениях. У одного клиента мы начали с единственного сценария использования в одной команде. Сегодня мы работаем более чем с пятью сценариями использования в нескольких командах.

Мы также наблюдали, как команды создавали процесс с поддержкой ИИ за один день, что ранее откладывалось, поскольку такие проекты не проходили порог окупаемости из‑за требуемых инженерных ресурсов.

Многие организации активно инвестируют в ИИ, но всё ещё сталкиваются с трудностями в его внедрении. Какие наиболее распространённые пробелы вы наблюдаете между стратегией ИИ и её реальной реализацией?

Выделяются две основные проблемы. Во‑первых, когда компании рассматривают процесс, к которому хотят применить ИИ, они часто подходят к нему всё‑или‑ничего. Они либо автоматизируют всё в рамках выбранного процесса, либо вовсе не трогают его. Мы советуем компаниям вместо этого анализировать состав процесса и определять, где подходит автоматизация, где — ИИ, а где всё ещё необходимы люди, не обязательно в этом порядке. Такой подход открывает гораздо больше процессов в качестве кандидатов для ИИ и также раскрывает больше возможностей автоматизации в дальнейшем, поскольку вы сознательно определяете, где привлекаются люди.

Во‑вторых, с точки зрения стратегии, у компаний часто есть сотни подходящих сценариев использования. Ключевым является оценка их по реальному бизнес‑влиянию, денежным затратам, часам и конкретным метрикам, а не по тому, насколько они «яркие» или простые. Сначала следует решать самые крупные и высоко‑влияющие задачи, даже если они сложнее, — именно так компании получают наибольшую ценность. Это также демонстрирует положительный «положительный цикл» ценности, который проекты ИИ могут создавать в организациях.

MelodyArc сочетает ИИ с человеческими рабочими процессами, а не заменяет их. Как вы определяете правильный баланс между автоматизацией и принятием решений людьми в корпоративных средах?

MelodyArc помогает предприятиям достигать целей автоматизации, находя правильный баланс между AI и участием человека в процессе принятия решений. Когда MelodyArc начинает процесс внедрения, конечная цель организации может заключаться в том, чтобы автоматизация выполняла 90 % работы, а оставшиеся 10 % полагались на экспертизу членов команды. Но вместо того чтобы ставить в приоритет только скорость, MelodyArc привлекает участие человека с самого начала. Например, начиная с разделения 50/50 между автоматизацией и вводом от членов команды, а затем постепенно автоматизируя всё большую часть процесса. Такой подход позволяет быстрее вводить в эксплуатацию рабочие процессы корпоративного уровня, потому что мы не пытаемся довести процесс до идеала перед интеграцией AI.

Еще одним преимуществом этого подхода является то, что при запуске в производство мы собираем данные о процессе, которые точно указывают, какие части процесса следует автоматизировать дальше. Это позволяет MelodyArc быстрее и последовательнее продвигаться к целям автоматизации. На практике это часто означает, что компания видит постоянное улучшение автоматизации без необходимости прерывать рабочий процесс для исправлений или корректировок.

С учётом вашего опыта в клиентском обслуживании и операциях, как вы считаете, AI переопределяет понятие «отличного сервиса» в среде, где ответы могут генерироваться мгновенно?

Я считаю, что «мгновенно» станет базовым требованием и по сути будет коммодитизировано. Отличный сервис никогда не заключался лишь в том, чтобы быстро дать клиенту ответ, а в том, чтобы предоставить правильный ответ с минимальными усилиями. AI дает нам новые способы сократить эти усилия, будь то выполнение действий от имени клиентов, предложение следующих шагов или автозаполнение полей — всё, что делает опыт более быстрым и приятным. Генерировать ответ мгновенно ничего не стоит, если он не релевантен, и я бы сказал, что гонка только за скоростью приводит компании к оптимизации неправильного показателя.

Enterprise AI часто терпит неудачу на завершающем этапе, когда принятие и удобство использования становятся критическими. Какие принципы дизайна были ключевыми для обеспечения того, чтобы MelodyArc действительно использовалась фронтовыми командами?

Мы исходим из понимания, что у наших команд есть большое количество неявных знаний, и мы совершенно ясно определяем, что можем автоматизировать, а что нет. Открытое разграничение делает опыт гораздо более интуитивным. Это не «чёрный ящик», где команды не знают, что происходит и почему.

Удобство использования сводится к идее, что технология работает вместе с фронтовыми командами, а не становится чем‑то, с чем им приходится обходить. Это связано с тем, почему мы создали компанию: слишком много точечных решений либо охватывали узкую часть операций, либо не соответствовали тому, как работа действительно происходит на местах. Мы обнаружили, что именно это является основной причиной того, что многие инструменты enterprise AI остаются неиспользованными месяцами после запуска.

По мере того как AI‑агенты становятся более автономными, какие задачи управления и контроля должны готовить предприятия перед масштабированием этих систем?

Наблюдаемость в любой корпоративной среде имеет решающее значение, особенно возможность видеть, какие решения были приняты и почему. Для процессов, которые предприятия могли бы автоматизировать, но не чувствуют себя уверенно в полной автоматизации, я рекомендую сохранять участие человека. Это важно не только для поддержания контроля, но и для тестирования новых систем, чтобы лучше понять, как они работают и каковы их последствия, как положительные, так и отрицательные.

С коммерческой точки зрения, как изменились продажи AI в предприятия за последние несколько лет, когда покупатели становятся более информированными, но также более осторожными?

Все стали гораздо умнее, и покупатели, и поставщики. Мы находимся примерно в четвертом году того, что по‑сути является многодесятилетним циклом, поэтому мы все еще учимся.. По мере того как AI становится более способным и более доступным, мы быстро итеративно развиваем то, что можем предложить клиентам, одновременно с тем как они учатся, что могут делать в своих организациях, что действительно захватывающе, потому что происходит большой обмен ценностями.

Организации сосредоточены на информационной безопасности как никогда ранее, на сохранении того, что делает их уникальными, и на реальной эффективности, которую предоставляет AI. Они также подходят к проектам более рационально, готовы постепенно внедрять решения, а не сразу идти «всё или ничего». Расчёт «создать или купить» по‑прежнему является живым внутренним расчётом, и всё чаще мы наблюдаем гибридные подходы, такие как «создать и купить» или «создать через покупку», а не выбор одного из вариантов.

Вы работали как в быстрорастущих стартапах, так и в крупных организациях, таких как Walmart. Как построение AI для корпоративных операций отличается в зависимости от размера компании и сложности организации?

Здесь действительно есть два измерения: масштаб организации и историческая глубина её технологического стека и процессов.

В быстрорастущих стартапах у вас не так много людей и не такая сложная организационная структура, и вам не приходится работать с системами, построенными 20 лет назад, или с командами, которые делают одно и то же в течение десятилетия. Чем крупнее и более устоявшаяся организация, тем больше необходимо переосмысливать способы работы с нуля. Это означает, что нужно решить, как вы хотите работать в будущем, а затем постепенно двигаться к этому в соответствии с особенностями организации. Иногда это также подразумевает проведение независимых экспериментов на периферии, отчасти отделённых от или параллельных существующим процессам.

Смотря в будущее, как вы видите развитие роли сотрудников на передовой по мере того, как ИИ будет внедряться в повседневные рабочие процессы? Мы движемся к усилению, оркестровке или чему‑то совершенно новому? 

Для повседневных рабочих процессов критически важен слой оркестровки. Объединение всех ваших людей и технологий в единой работе — это направление, в котором мы движемся. Однако внедрение такой технологии может быть сложным, поскольку это не простой силос, где организации могут автоматизировать один шаг и передать его сотруднику. Это комбинация ИИ, автоматизации и сотрудника, работающих в тандеме.

Существует огромный потенциал для команд на передовой внедрять рабочие процессы. Каждый раз, когда мы общаемся с клиентами, они рассказывают о десятках, а то и сотнях проектов, которые они хотели бы реализовать, но не могут из‑за бюджета, технологической дорожной карты, размера команды или окупаемости. Именно здесь вступают в игру ИИ и оркестровка: они помогают командам делать гораздо больше с тем, что уже есть, снижая стоимость запуска. Это в конечном итоге приводит к положительной окупаемости инвестиций в будущие проекты.

Спасибо за отличное интервью, читатели, желающие узнать больше, должны посетить MelodyArc.