Intervjuer
Fran Loftus, kundupplevelsechef på EliseAI – intervjuserien

Viktiga punkterEliseAI:s vertikala först-tillvägagångssätt integrerar branschspecifika arbetsflöden…
Visa mer
- EliseAI:s vertikala först-tillvägagångssätt integrerar branschspecifika arbetsflöden direkt i sin AI för att undvika generella chatbotfel.
- Effektiv AI inom bostads- och hälso- och sjukvård måste garantera att uppgifter slutförs för att bygga förtroende, inte bara ge snabba svar.
- Roll som Chief Experience Officer kommer att förändras till att samordna mänsklig-AI-partnerskap när automatisering hanterar administrativt arbete.
Fran Loftus, ansvarig för kundupplevelsen på EliseAI, är en dynamisk ledare känd för sin kreativa energi och mångsidiga bakgrund, där entreprenörsanda förenas med djup operativ kompetens. Innan hon kom till EliseAI var hon med och grundade HOM, en teknikbaserad plattform för boendeservice och engagemang som förvärvades av Alfred. Där hade hon senare flera ledande befattningar och utvecklade boendeupplevelsen i hundratusentals bostäder. På EliseAI har hon haft höga operativa chefsroller med rapportering till vd och styrelse, drivit effektivisering i hela företaget, ansvarat för kundernas resultat och arbetat nära utveckling och försäljning kring produktstrategi och införande. Hon är erkänd som grundare och tongivande röst i branschen, har nominerats till Top Founder vid MIPIM och har upprepade gånger utsetts till en av CRETechs mest inflytelserika kvinnor.
EliseAI är ett AI-programvaruföretag i New York som förändrar hur organisationer inom bostäder och hälso- och sjukvård hanterar stora kommunikationsvolymer och operativa arbetsflöden genom avancerad samtalsbaserad och agentbaserad artificiell intelligens. Plattformen automatiserar bland annat bokning av bostadsvisningar, uthyrningskommunikation, underhållsärenden, avtalsförnyelser, patientinskrivning och administrativt stöd via text, tal, e-post och chatt. Det hjälper team att arbeta effektivare och samtidigt förbättra responsen och kundupplevelsen. Genom att samla dessa kontakter i ett gemensamt AI-system hjälper EliseAI organisationer att skala upp verksamheten, minska manuellt arbete och åstadkomma mätbara förbättringar inom verksamhetskritiska funktioner.
Som Chief Experience Officer på EliseAI har du en ovanlig kombination av erfarenheter från gemenskapsbyggande, operativ verksamhet och teknik. Du grundade HOM, en plattform som hjälpte flerbostadshus att erbjuda gemensam service och en känsla av samhörighet i stor skala. Därefter ledde du arbetet med upplevelser och tjänsteleverans på Alfred, ett boendeserviceföretag som verkar inne i tusentals flerbostadshus. Hur påverkar dessa praktiska, människocentrerade roller hur du i dag utformar och inför AI-upplevelser på EliseAI?
Min bakgrund inom praktisk fastighetsförvaltning lärde mig att tekniken bara är så bra som den service den faktiskt ger i vardagen. På HOM och Alfred lärde jag mig att en boende inte bryr sig om ett snyggt gränssnitt om underhållsärendet försvinner i ett svart hål eller inflyttningen blir försenad. Därför har jag blivit närmast besatt av att se till att ärenden avslutas ordentligt. Jag utformar inte AI enbart för att hantera samtal, utan för att sköta en uppgifts hela livscykel. Jag prioriterar den boende som befinner sig i en kris eller medarbetaren som är överbelastad, så att AI inte blir ännu en sak de måste övervaka utan ett verktyg som lättar deras börda.
Hur ser effektiv AI ut ur ett kundupplevelseperspektiv inom bostäder och vård, där förtroende, tydlighet och att fullfölja ärenden är lika viktigt som snabbhet eller automatisering?
Inom bostäder och vård är snabbhet bra, men det är att faktiskt fullfölja ärenden som bygger förtroende. Bra AI ska inte bara ge ett snabbt svar, utan se till att något verkligen händer. Om en patient frågar om en faktura eller en hyresgäst vill förnya sitt hyresavtal behöver AI uppdatera uppgifterna, meddela rätt ansvarig chef och låta personen veta att ärendet är på väg framåt. Det handlar om tydlighet och proaktivitet, så att människor inte känner att de måste ringa tillbaka tre gånger bara för att kontrollera läget.
EliseAI har valt att utgå från specifika branscher i stället för att erbjuda ett generellt AI-lager. Hur förändrar det vardagen för fastighetsteam, boende och vårdpersonal jämfört med AI-verktyg som används i många olika branscher?
Generella AI-verktyg kräver att kunden själv gör det tunga arbetet med att lära programvaran branschens regler. Eftersom vår branschspecifika lösning uteslutande fokuserar på bostäder och vård har systemet redan från början en djup förståelse för särskilda arbetsflöden, som regler om hyresdepositioner eller detaljerna kring patientbokningar. För personalen i verksamheten innebär det att de inte behöver hantera en generell chattbot som kanske hittar på en regel. De arbetar med ett system som redan är integrerat i deras befintliga programvara och förstår deras dagliga arbete från första dagen.
Kan du förklara hur det förbättrar modellens beteende och den slutliga kundupplevelsen att följa medarbetare i det dagliga arbetet och kartlägga hela arbetsflöden, jämfört med att enbart träna på abstrakta data?
Abstrakta data visar vad som görs, men att vara ute hos kunderna visar hur det görs. När mitt team tillbringar tid i den faktiska miljö där programvaran används ser de friktionspunkter som inte skulle framgå av en datamängd. Under kartläggningsmöten med en aktör som förvaltar militärbostäder identifierade vi till exempel komplicerade godkännandeflöden och strikta dagliga begränsningar som inte fanns i någon handbok. Genom att fånga upp dessa röriga detaljer från verkligheten och bygga in dem i produkten kan vi skapa AI som inte bara fungerar i en demonstration utan också klarar kaoset på ett kontor med hög arbetsbelastning.
När AI-system går från att besvara frågor till att utföra uppgifter, vilka nya risker för upplevelsen uppstår? Hur ser du till att automatiseringen känns stödjande och tillförlitlig snarare än påträngande eller svår att förstå?
Den främsta risken förskjuts från att AI säger något fel till att AI gör något fel. För att minska risken har jag inrättat en modell för produktlösningar där experter, varav många är tidigare företagsgrundare, ansvarar för särskilda delar av produkten. De fastställer exakta regler och skyddsräcken för hur AI ska utföra en uppgift, så att den aldrig gör något som överraskar eller förvirrar en medarbetare.
Inom bostäder och vård kan även små fel snabbt urholka förtroendet. Hur utformar du agentbaserade AI-system som förblir transparenta och förutsägbara och som människor enkelt kan ingripa i och korrigera vid behov?
Att utforma system för förtroende börjar med att lämna ett traditionellt reaktivt synsätt där man bara väntar på att något ska gå fel. I stället har jag byggt ett team som fungerar som en bro mellan verklighetens röriga verksamhet och AI:ns logik. Det är inte supportpersonal, utan strateger och tidigare grundare som har helhetsansvar för särskilda delar av produkten.
De följer medarbetare i arbetet för att förstå branschens absoluta krav, exempelvis komplexa godkännandeflöden för militärbostäder eller strikta medicinska svarstider, och bygger in dem direkt i AI:ns beteende. Transparensen bygger på att våra system är utformade för att proaktivt flagga möjliga problem innan de leder till klagomål från boende eller patienter. När AI upptäcker en känsloladdad situation eller en komplex begäran som den inte är tränad för gissar den inte. Den lämnar över ärendet och ger medarbetaren hela interaktionens historik och sammanhang, så att personen kan ta vid som en insatt partner i stället för att börja från noll.
Utifrån ditt ansvar för införande och kundernas framgång, vilka är de vanligaste friktionspunkterna när kunder börjar använda AI i operativa arbetsflöden? Hur minskar EliseAI den friktionen tidigt i införandet?
Den största friktionen handlar sällan om tekniken i sig, utan om oron för att den ska störa teamets arbetsflöde eller ersätta medarbetarnas roller. Vi möter detta genom att fokusera på omedelbar, praktisk avlastning. Under den första veckan låter vi AI ta över repetitiva uppgifter med stora volymer som brukar orsaka mest utmattning, exempelvis den första uppföljningen av potentiella kunder. Vi använder också vår egen AI för att sköta företagets interna verksamhet. Det hjälper oss att förstå exakt var belastningen uppstår när ett arbetsflöde ändras, så att vi kan vara bättre partner när kunderna går igenom samma omställning.
Många organisationer har svårt att ta sig vidare från pilotfasen. Hur hjälper du kunder att utveckla processer och förväntningar så att AI blir en del av den dagliga verksamheten i stället för att förbli ett separat experiment?
AI får fäste först när den slutar vara ett sidoprojekt och blir en normal del av arbetsdagen. Vi hjälper ledare att organisera om sina team så att människor kan fokusera på uppgifter som verkligen kräver en mänsklig insats när AI tar hand om rutinarbetet.
EliseAI stöder nu ungefär var sjätte lägenhet i USA. Hur förändras kundernas förväntningar i den skalan, och vilka nya utmaningar för upplevelsen uppstår när AI blir en del av den ordinarie verksamheten?
I den här skalan är AI inte längre en häftig innovation. Den är en grundläggande nyttighet, precis som elektricitet. Förväntningarna går från att det är imponerande när den fungerar till att det är oacceptabelt när den inte gör det. Vi måste hantera den variationen och samtidigt upprätthålla 100 procents tillförlitlighet.
Om du blickar två till tre år framåt, hur ser du att rollen som Chief Experience Officer utvecklas när AI-system tar större ansvar inom samhällsviktiga tjänster som bostäder och vård?
Rollen kommer att utvecklas från att leda kundservice till att samordna partnerskapet mellan människor och AI. När AI tar över administrativa och repetitiva arbetsuppgifter flyttas kundupplevelsechefens fokus helt till de strategiska och känslomässiga kontaktytorna. Vårt ansvar blir att se till att mötena mellan människor inom bostäder och vård blir mer medvetna och får större genomslag i takt med att världen automatiseras.
Tack för en mycket bra intervju. Läsare som vill veta mer kan besöka EliseAI.












