Кэти Штейн, генеральный директор ASAPP — серия интервью

Кэти Штейн, генеральный директор ASAPP, является опытным руководителем в сфере технологий и бизнеса с более чем двадцатилетним опытом, охватывающим корпоративную стратегию, операции, цифровую трансформацию и рост предприятий. До того как присоединиться к ASAPP в качестве генерального директора в августе 2026 года, она возглавляла Atain и провела восемь лет в Genpact, где была директором по стратегии и глобальным бизнес‑лидером по корпоративным сервисам и аналитике, отвечая за корпоративную стратегию, крупные портфели услуг, клиентский опыт и инициативы по слияниям и поглощениям. Ранее в своей карьере Штейн занимала старшие руководящие позиции в Mercer, включая глобального операционного директора бизнес‑подразделения по пенсионным, медицинским и страховым услугам стоимостью $2,5 млрд, а также работала руководителем проекта в Boston Consulting Group. Ее карьера в основном была сосредоточена на помощи крупным организациям в повышении операционной эффективности, более эффективном внедрении технологий и реализации сложных бизнес‑трансформаций.

ASAPP — компания, занимающаяся искусственным интеллектом, сосредоточенная на трансформации корпоративного обслуживания клиентов через свою AI‑нативную платформу клиентского опыта (CXP). Основанная в 2015 году, компания разрабатывает технологии, объединяющие AI‑агентов, человеческую экспертизу, данные клиентов и корпоративные системы через голосовые и цифровые каналы. В центре платформы находится GenerativeAgent, AI‑агент обслуживания клиентов, способный понимать диалоги, рассуждать о запросах клиентов, выполнять действия через подключённые корпоративные системы и привлекать человеческих агентов, когда требуется дополнительный контроль или суждение. ASAPP также предоставляет инструменты для тестирования, мониторинга, управления и наблюдаемости, позволяющие крупным организациям внедрять AI, ориентированный на клиентов, сохраняя больший контроль над поведением автоматизированных агентов.

Ваша карьера привела вас от ролей в стратегии и трансформации в BCG, Mercer и Genpact к руководству Atain, а теперь к должности генерального директора ASAPP. Что привлекло вас в ASAPP на данном этапе вашей карьеры, и после первых 30 дней, какие вы видите крупнейшие возможности и приоритеты для компании?

ASAPP впервые попала в мой фокус во время зимней бури Fern в начале этого года. В Atain мы работали со всех сторон, чтобы создать достаточную пропускную способность для одной из крупнейших авиакомпаний США, когда тысячи пострадавших путешественников пытались вернуться домой. ASAPP не просто отвечала на вопросы; её GenerativeAgent перепланировал более 3 800 пассажиров за шесть дней, включая сложные изменения маршрутов. Это показало мне, как выглядит корпоративный AI под реальным давлением. Мои первые 30 дней подтвердили эту картину. Наша возможность — сосредоточиться и масштабировать: концентрироваться там, где у ASAPP самый явный шанс на победу, помогать клиентам переходить от экспериментов к реальному воздействию, и выполнять задачи с большей скоростью и последовательностью.

Подход ASAPP объединяет автономных AI‑агентов, детерминированные рабочие процессы и человеческих экспертов в едином слое оркестрации. Как вы определяете, какие решения следует оставить AI‑агенту, какие — следовать предопределённым правилам, а какие — привлекать человеческое суждение?

Мы не назначаем всю интеракцию полностью AI, предопределённому рабочему процессу или человеку. Мы рассматриваем каждое решение исходя из его сложности, риска и необходимости ответственности. AI хорошо подходит для понимания намерения, интерпретации контекста и адаптации к клиенту. Рабочие процессы обеспечивают последовательность, когда необходимо соблюдать определённые шаги или политики. Человек добавляет суждение, когда ситуация неоднозначна, исключительна или имеет серьёзные последствия. Оркестрация объединяет всё это в одной интеракции. Цель не в максимальной автономии, а в решении большего количества запросов клиентов при применении соответствующего уровня контроля на каждом этапе принятия решения.

ASAPP рассматривает участие человека как постоянную часть AI‑системы, а не просто путь эскалации при сбое автоматизации. По мере того как AI‑агенты становятся более способными, где, по вашему мнению, люди продолжат вносить наибольшую ценность в взаимодействиях обслуживания клиентов?

Человеческая изобретательность! Пару месяцев назад я разговаривала со старшим лидером CX, который отметил, что относительно небольшое количество звонков составляет непропорционально большую часть времени обработки. Это часто крайние случаи без чёткой FAQ, статьи знаний или стандартной операционной процедуры. Они сложны, потому что организация ранее не сталкивалась с ними — или не зафиксировала ответ. Люди продолжают вносить наибольшую ценность в такие моменты: интерпретировать неоднозначность, балансировать конкурирующие соображения и применять суждение, когда нет установленного плана действий. Однако привлечение человека не должно означать отказ от автоматизации и передачу всей интеракции. AI собирает необходимое и представляет человеку конкретный запрос с контекстом; человек предоставляет суждение, после чего AI продолжает взаимодействие. Эта экспертиза решает текущую проблему и помогает расширять то, что AI сможет решать в дальнейшем.

Многие предприятия успешно продемонстрировали генеративный AI в пилотных проектах, но сталкиваются с трудностями при попытке развернуть его в миллионах реальных взаимодействий с клиентами. Что компании чаще всего недооценивают при переходе от AI‑пилота к масштабной агентной системе?

Компании чаще всего недооценивают «длинный хвост». Пилотные проекты обычно тестируют определённые сценарии использования в контролируемых условиях. При масштабировании до производственного уровня редкие ситуации становятся повседневными: клиенты меняют направление, предоставляют неполную информацию или комбинируют потребности способами, которые никто не предвидел. Поэтому масштабирование агентного ИИ — это не только проблема модели. Требуется интеграция с корпоративными системами, управление, мониторинг и возможность привлекать людей, когда требуется суждение. Пилот доказывает, что технология работает. Производство требует архитектуры и операционной дисциплины, чтобы обеспечить надёжность в масштабе.

По мере того как компании переходят от единственного AI‑ассистента к нескольким специализированным агентам, работающим совместно, какие новые технические или управленческие вызовы возникают в области оркестрации, наблюдаемости и ответственности?

Новый вызов — координация. Большее количество агентов создаёт больше передач, точек принятия решений и возможностей для нарушения контекста или ответственности. Компаниям нужна оркестрация, определяющая, какой агент должен действовать, какую информацию и разрешения он получает и как его работа способствует решению клиента. Наблюдаемость должна охватывать всё взаимодействие, чтобы организации могли понять, что произошло и почему. Это становится основой управления. Преимущество не будет в развертывании наибольшего количества агентов. Оно будет в координации всей этой специализированной интеллектуальности в одну систему, которая надёжна, прослеживаема и отвечает.

ASAPP недавно представила Continuous Red Teaming, которая автоматически тестирует её AI‑системы более чем в 50 классах уязвимостей по мере эволюции моделей. Как компаниям переосмыслить безопасность, когда AI‑агенты уже не просто генерируют ответы, а всё чаще способны выполнять действия от имени клиентов?

Ставки меняются, когда ИИ переходит от ответов на вопросы к выполнению действий. Неавторизованная транзакция или раскрытие данных клиента имеют гораздо более серьёзные последствия, чем неточный ответ. Компаниям нужны чёткие границы того, к чему агент имеет доступ, что он может делать и когда требуется одобрение человека. Безопасность также не может быть тестом, проведённым один раз перед развертыванием. По мере того как ИИ становится более способным, злоумышленники тоже находят новые подходы. Поэтому ASAPP постоянно тестирует тысячи враждебных сценариев, охватывающих более 50 классов уязвимостей. Безопасность должна развиваться так же быстро, как и технологии, чтобы компании могли расширять возможности ИИ, не подрывая доверие клиентов.

Генеративный ИИ по своей природе вероятностен, однако процессы обслуживания клиентов часто включают транзакции, требования к соблюдению нормативов и другие задачи, где результаты должны быть предсказуемыми. Как компаниям сохранить гибкость генеративного ИИ, одновременно внедряя достаточную детерминированную структуру, чтобы эти системы были надёжными?

Ключ заключается в разделении разговора и бизнес‑процесса. Мы считаем, что генеративный ИИ должен делать то, что у него получается лучше всего: понимать клиента, ориентироваться в неоднозначности и отвечать естественно. Однако критические процессы — такие как проверка, транзакции и соблюдение нормативов — должны работать в рамках пошаговых рабочих потоков, которые обеспечивают соблюдение правил компании и необходимой последовательности. Такая архитектура даёт компаниям лучшее из обоих миров: гибкий опыт для клиента и предсказуемое выполнение для бизнеса. Она также упрощает тестирование, аудит и улучшение процессов по мере эволюции моделей. Компаниям не нужно делать каждый клиентский разговор жёстко фиксированным, чтобы ИИ был надёжным. Нужно чётко определить, где ИИ может адаптироваться, а где процесс абсолютно не допускает отклонений.

Традиционно центры обслуживания измеряли автоматизацию с помощью таких метрик, как удержание и сокращение затрат. По мере того как агентный ИИ становится более совершенным, какие метрики должны использовать компании, чтобы определить, действительно ли ИИ улучшает клиентский опыт, а не просто снижает участие человека?

Мы отходим от таких метрик, как отклонение и удержание, и переходим к тому, что я называю «проверенным решением». Я хочу, чтобы мы несли ответственность за понимание намерений клиента и их реальное удовлетворение. Как клиент, я хочу, чтобы взаимодействие было приятным, но больше всего я хочу, чтобы причина моего обращения была решена. Когда мы измеряем именно этот результат, а не просто то, спас ли ИИ кого‑то от обращения к живому оператору, мы согласовываем технологию с задачей, которую клиент действительно хочет решить.

Если один человеческий эксперт может всё больше контролировать или направлять несколько AI‑управляемых диалогов, как, по вашему мнению, будет развиваться рабочая сила в центрах обслуживания? Видите ли вы появление новых ролей, связанных с надзором за ИИ, обучением, управлением и постоянным совершенствованием?

Это то, что меня действительно вдохновляет в будущей модели работы центра обслуживания. Сегодня человеческие агенты находятся на передовой, часто помогая клиентам, разочарованным, озадаченным или рассерженным, при этом тратя большую часть своего времени на навигацию по сложным системам для решения этих проблем. Это требовательная работа, и уровень выгорания высок. По мере того как агентный ИИ берёт на себя всё больше этой работы через голосовые и цифровые каналы, я считаю, что появится новый класс профессионалов CX: человеческий агент‑аналитик. Их время всё чаще будет посвящено ситуациям, требующим суждения, не являющимся чёрно‑белыми или имеющим регуляторную чувствительность. Это принципиально иная роль, и ИИ сам помогает её создать.

После первых 30 дней руководства ASAPP, что вас больше всего удивило в текущем положении предприятий в их внедрении агентного ИИ, и что, по вашему мнению, определит следующий этап обслуживания клиентов с поддержкой ИИ?

Меня впечатлило, насколько клиенты, с которыми я разговаривал, готовы сделать агентный ИИ центральным столпом своей стратегии CX, а не лишь вспомогательным элементом. Проблема в том, что цифровые, ИТ, службы безопасности и операционные подразделения часто движутся с разными скоростями и измеряют успех по‑разному. Такая фрагментация затрудняет чёткое понимание бизнес‑кейса на уровне предприятия. Следующий этап потребует от организаций согласовать то, что действительно важно на корпоративном уровне, и понять, где агентный ИИ в CX может повлиять на эти результаты. Сегодня это влияние может размываться в существующих оценочных карточках и разрозненных метриках.

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