Фран Лофтус, главный директор по опыту, EliseAI – Интервью

Фран Лофтус, главный директор по опыту, EliseAI – это динамичный лидер, известный своей творческой энергией и разнообразным прошлым, сочетающим предпринимательский дух с глубоким операционным опытом. До того, как присоединиться к EliseAI, она стала сооснователем HOM, технологически обеспеченной платформы для удобств и вовлечения, приобретенной компанией Alfred, где она позже занимала различные исполнительные должности, формируя опыт жителей по всей территории сотен тысяч единиц. В EliseAI она занимала старшие операционные руководящие должности, подчиняясь генеральному директору и совету директоров, обеспечивая межкомпанийскую эффективность, надзирая за результатами клиентов и тесно сотрудничая с инженерами и отделом продаж по стратегии продукта и его выводу на рынок. Признанная как основатель и лидер отрасли, она была номинирована на звание лучшего основателя на MIPIM и неоднократно включалась в число лучших женщин-влияний в CRETech.

EliseAI – это компания по разработке программного обеспечения на основе искусственного интеллекта, базирующаяся в Нью-Йорке, которая преобразует то, как организации жилья и здравоохранения управляют высокообъемной коммуникацией и операционными рабочими процессами посредством передового разговорного и агентного искусственного интеллекта. Ее платформа автоматизирует задачи, такие как планирование экскурсий, коммуникация по аренде, запросы на техническое обслуживание, продление, прием пациентов и административная поддержка по тексту, голосу, электронной почте и чату, позволяя командам работать более эффективно, улучшая при этом оперативность и опыт клиентов. Централизируя эти взаимодействия в единую систему искусственного интеллекта, EliseAI помогает организациям масштабировать операции, снижать ручной труд и обеспечивать измеримые улучшения производительности по критически важным функциям.

Как главный директор по опыту в EliseAI, вы приносите редкую смесь опыта в области сообщества, операций и технологий. Вы основали HOM, платформу, которая помогала многоквартирным домам предоставлять общие удобства и чувство сообщества в масштабе, а затем возглавляли опыт и доставку услуг в Alfred, компании по предоставлению услуг, встроенной в тысячи жилых зданий. Как эти глубоко практические, ориентированные на людей роли влияют на то, как вы проектируете и операционализируете опыт искусственного интеллекта в EliseAI сегодня?

Мой опыт в физическом управлении недвижимостью научил меня, что технология так же хороша, как и услуга, которую она фактически предоставляет на местах. В HOM и Alfred я узнал, что житель не заботится о стильном интерфейсе, если его запрос на техническое обслуживание попадает в черную дыру или его заселение задерживается. Это сделало меня одержимым закрытием цикла. Я не проектирую искусственный интеллект только для того, чтобы он обрабатывал разговоры, я проектирую его для управления всей жизнью задачи. Я отдаю приоритет жителю в кризисе или сотруднику, который слишком сильно напряжен, обеспечивая, чтобы искусственный интеллект не был просто еще одним элементом, который им необходимо контролировать, а был инструментом, который снимает с них груз.

С точки зрения опыта клиента, как выглядит эффективный искусственный интеллект в среде жилья и здравоохранения, где доверие, ясность и выполнение обязательств имеют такое же значение, как и скорость или автоматизация?

В жилье и здравоохранении быть быстрым – это хорошо, но фактическое выполнение обязательств – это то, что строит доверие. Хороший искусственный интеллект не должен просто давать быстрый ответ; он должен обеспечить, чтобы что-то фактически произошло. Если пациент спрашивает о счете или арендатор хочет продлить аренду, искусственный интеллект должен обновить записи, сообщить правильному менеджеру и сообщить этому человеку, что колеса уже в движении. Это вопрос быть ясным и проактивным, чтобы люди не чувствовали, что им необходимо перезвонить три раза, просто чтобы проверить статус.

EliseAI приняла вертикальный подход, а не предложила общую платформу искусственного интеллекта. Как это решение меняет повседневный опыт команд по недвижимости, жителей и сотрудников здравоохранения по сравнению с горизонтальными инструментами искусственного интеллекта?

Общие инструменты искусственного интеллекта требуют от клиента выполнения тяжелой работы по обучению программного обеспечения правилам отрасли. Поскольку мы являемся вертикальным решением, сосредоточенным исключительно на жилье и здравоохранении, наша система приходит с глубоким пониманием конкретных рабочих процессов, таких как правила депозитов или нюансы планирования пациентов. Для сотрудников на местах это означает, что они не управляют общим чат-ботом, который может выдумать политику. Они работают с системой, которая уже интегрирована в их существующее программное обеспечение и говорит на языке их повседневных операций с первого дня.

Можете ли вы объяснить, как тень на переднем плане для захвата конечных рабочих процессов улучшает поведение модели и окончательный опыт клиента по сравнению с обучением на абстрактных данных?

Абстрактные данные показывают вам “что”, но быть на местах с клиентами показывает вам “как”. Когда моя команда проводит время в фактической среде, где развертывается программное обеспечение, они видят точки трения, которые набор данных пропустит. Например, во время сессий открытия с оператором военного жилья мы определили сложные потоки утверждения и строгие ежедневные ограничения, которые не были в каком-либо руководстве. Захватывая эти запутанные, реальные детали и переводя их в продукт, мы можем построить искусственный интеллект, который не только работает в демонстрации, но и выживает в хаосе оживленного офиса.

Когда системы искусственного интеллекта переходят от ответов на вопросы к выполнению задач, какие новые риски опыта возникают, и как вы обеспечиваете, чтобы автоматизация казалась поддерживающей и надежной, а не навязчивой или непрозрачной?

Основной риск смещается от того, что искусственный интеллект говорит что-то неверное, к тому, что искусственный интеллект делает что-то неверное. Чтобы смягчить это, я создал модель продукта и решений, где у нас есть эксперты – многие из которых являются бывшими основателями – которые владеют конкретными доменами продукта. Они устанавливают конкретные правила и ограничения для того, как искусственный интеллект выполняет задачу, обеспечивая, чтобы он никогда не предпринимал действия, которые удивили или запутали бы человеческого сотрудника.

В жилье и здравоохранении даже небольшие сбои могут быстро подорвать доверие. Как вы проектируете агентные системы искусственного интеллекта, которые остаются прозрачными, предсказуемыми и легкими для людей, чтобы вмешаться и исправить, когда это необходимо?

Проектирование для доверия начинается с отказа от традиционного реактивного мышления, где вы просто ждете, пока что-то сломается. Вместо этого я построил команду, которая действует как мост между реальной операционной запутанностью и логикой искусственного интеллекта. Это не агенты поддержки – это стратеги и бывшие основатели, которые владеют конкретными доменами продукта от начала до конца.

Они проводят свое время, тенью на переднем плане, чтобы понять непреклонные правила отрасли, такие как сложные потоки утверждения военного жилья или строгие медицинские времена реакции, и запекают их直接 в поведение искусственного интеллекта. Прозрачность возникает из-за того, что наши системы предназначены для флагирования потенциальных проблем заранее, прежде чем они станут жалобами жителей или пациентов. Когда искусственный интеллект обнаруживает высокоэмоциональную ситуацию или сложный запрос, на который он не обучен, он не угадывает. Он запускает передачу, которая предоставляет человеческому сотруднику полную историю и контекст взаимодействия, позволяя ему вмешаться как осведомленному партнеру, а не начинать с нуля.

С вашей точки зрения, обеспечивая реализацию и успех клиентов, какие наиболее распространенные точки трения клиенты сталкиваются при принятии искусственного интеллекта в операционные рабочие процессы, и как EliseAI снижает это трение на ранней стадии развертывания?

Самая большая точка трения редко является самой технологией, а скорее тревогой, что технология нарушит поток команды или заменит их роли. Мы решаем эту проблему, сосредотачиваясь на немедленном, практическом облегчении. В первую неделю мы используем искусственный интеллект, чтобы взять на себя повторяющиеся, высокообъемные задачи, которые обычно вызывают наиболее сильный выгорание, такие как первоначальный follow-up лидов. Мы также используем собственный искусственный интеллект для управления нашей внутренней компанией. Это помогает нам понять точные стрессовые точки изменения рабочего процесса, поэтому мы можем быть лучшими партнерами, когда наши клиенты проходят через тот же переход.

Многие организации борются с переходом за пределы пилотных фаз. Как вы помогаете клиентам эволюционировать свои процессы и ожидания, чтобы искусственный интеллект стал неотъемлемой частью повседневных операций, а не оставался сторонним экспериментом?

Искусственный интеллект только тогда работает, когда он перестает быть сторонним проектом и становится нормальной частью рабочего дня; мы помогаем лидерам реорганизовать свои команды так, чтобы, когда искусственный интеллект займется рутиной, люди могли сосредоточиться на задачах, которые действительно требуют человеческого подхода.

EliseAI теперь поддерживает примерно одну из шести квартир в США. Как ожидания клиентов меняются на этом уровне масштаба, и какие новые проблемы опыта возникают, когда искусственный интеллект становится частью стандартных операций?

На этом уровне масштаба искусственный интеллект больше не является крутым нововведением. Это коммунальная услуга, как электричество. Ожидание смещается от того, что это впечатляет, когда оно работает, к тому, что это недопустимо, когда оно не работает. Нам необходимо управлять этой вариацией, сохраняя при этом 100% надежность.

Оглядываясь вперед на 2-3 года, как вы видите эволюцию роли главного директора по опыту, когда системы искусственного интеллекта принимают на себя больше ответственности внутри важных услуг, таких как жилье и здравоохранение?

Роль эволюционирует от управления обслуживанием клиентов к оркестровке партнерства между людьми и искусственным интеллектом. Когда искусственный интеллект берет на себя административные и повторяющиеся части работы, фокус CXO смещается полностью на стратегические и эмоциональные точки соприкосновения. Наша ответственность будет заключаться в том, чтобы обеспечить, чтобы, когда мир становится более автоматизированным, человеческие взаимодействия в жилье и здравоохранении стали более намеренными и более эффективными.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить EliseAI.