Intervjuer
Gal Rimon, grundare och VD för Centrical – Intervjuer
Gal Rimon grundade Centrical (tidigare GamEffective) 2013 med en tydlig vision: att hjälpa företag att ge sina anställda möjlighet att lyckas och göra människor till navet i affärsframgång. Innan Centrical var han VD för Gilon Business Insight, en ledare inom business intelligence. När Gilon förvärvades av Ness Technologies (NASDAQ: NSTC) 2010 gick Gal med i Ness som senior vicepresident och medlem i ledningsgruppen. Tidigare i sin karriär var han VP för kundrelationer och verksamhet på Deloitte Consulting och hade roller på EDS och Bashan. Gal har en MBA i marknadsföring och informationsteknik från Tel Aviv University.
Centrical är en AI-driven plattform för medarbetarprestation och engagemang som hjälper organisationer att förbättra effektiviteten hos första linjens team genom ett enhetligt system för prestationshantering, personlig coachning, kontinuerligt lärande, kvalitetssäkring och gamification. Plattformen samlar in data från prestation, AI-driven coachning, mikrolärande, erkännandeprogram och realtidsinsikter för att hjälpa chefer att identifiera möjligheter för förbättring och vägleda anställda mot bättre resultat. Plattformen används flitigt av kontakcenter, försäljningsorganisationer och kundupplevelseteam och är utformad för att öka medarbetarengagemang, produktivitet, kundnöjdhet och övergripande affärsprestation genom att leverera personlig vägledning och motivation i stor skala.
Innan du grundade Centrical tillbringade du år i ledande roller inom business intelligence, inklusive som VD för Gilon innan det förvärvades av Ness Technologies. Hur formade den erfarenheten din syn på att företag inte bara behöver bättre instrumentpaneler/data, utan ett system som kan omvandla insikter till handling för första linjens team?
Jag tillbringade nästan två decennier inom business intelligence, arbetade med konsultföretag som EDS och Deloitte och drev senare mitt eget företag. Vi hjälpte några av världens största organisationer att förstå sin data, och vi var bra på det. Men jag stötte hela tiden på samma vägg. Företag hade investerat tungt i datainfrastruktur. Instrumentpanelerna var avancerade. KPI:erna var väldefinierade. Och ändå förändrades mycket lite.
Intelligensen fanns. Den handlade bara inte. Den saknade länken var alltid den mänskliga faktorn. Du kan sätta en röd flagga bredvid en underpresterande anställd på en instrumentpanel, men den flaggan berättar inte för chefen vad han ska göra, och den hjälper inte heller den anställde att förbättra sig. Bron mellan insikt och genomförande går genom människor, och inget BI-verktyg jag någonsin arbetade med var byggt för att korsa den. Den insikten blev den grundläggande idén bakom Centrical. Frågan var aldrig “hur ger vi ledare mer data?” utan “hur omvandlar vi data till rätt åtgärd, för rätt person, vid rätt tillfälle?”
Ju fler punktlösningar du har, desto mer data har du, och desto svårare kan detta vara.
Centrical beskriver sig själv som att bygga ett “Performance Intelligence OS” för första linjen. Vad betyder det i praktiken för ett kundtjänstteam, ett hotellteam, ett bankteam eller ett telekomteam som använder plattformen varje dag?
Låt oss föreställa oss en kundtjänstagent på en stor bank: hon hanterar komplexa samtal hela dagen. Hennes chef övervakar ett team på 30 personer på två platser. Utan ett prestationssystem tillbringar chefen större delen av sin tid med att dra rapporter, granska kvalitetspoäng och försöka lista ut vem som behöver uppmärksamhet. När han väl kommer till coachning är det reaktivt, för sent och inkonsekvent över hela teamet och nästa.
Med Centrical ser dagen annorlunda ut. Plattformen börjar med affärsresultatet: en kvalitetsförbättringsmål, en ny produktlansering eller ett krav på regelefterlevnad. Den tar in signaler från KPI-data, kvalitetsutvärderingar, lärandeprocess och anställdfeedback för att identifiera exakt var luckorna är. När en agent har en specifik svaghet, till exempel svaga frågor om kundbehållning, ympar plattformen det till chefen med en rekommenderad coachningsåtgärd som redan är förberedd, och den utlöser en riktad rollspelssimulering för agenten att öva innan nästa samtal.
För en agent inom hotellbranschen kan det innebära en personlig utmaning kopplad till lojalitetsprogram, med realtidsfeedback och erkännande inbyggt i arbetsflödet. För ett telekomteam som lanserar en ny produkt kan det innebära anpassat lärande som anpassar sig till varje representants befintliga kunskapsluckor snarare än att trycka alla genom samma innehåll.
Den gemensamma tråden är att systemet kopplar strategi till genomförande för varje person på golvet, inte bara de som chefen råkar ha tid för den veckan.
Många företag har redan BI-verktyg, personalhanteringssystem, lärplattformar och kvalitetssäkringsprogram. Var faller dessa system vanligtvis kort när det gäller att förbättra den verkliga medarbetarprestationen?
Problemet är inte verktygen individuellt, utan att de inte pratar med varandra på ett sätt som verkligen gynnar första linjens verksamhet.
Ett kvalitetssystem flaggar ett kvalitetsproblem. Den flaggan sitter på en instrumentpanel. Chefen ser den tre dagar senare, om alls. Lärplattformen har innehåll som kan hjälpa, men ingen kopplar flaggan till innehållet. Personalhanteringssystemet optimerar scheman, men vet ingenting om kompetensluckor. Och erkännande sker separat, i ett annat verktyg.
Således når insikter och beslut aldrig de människor som behöver dem. Coachning kopplas loss från utbildning, utbildning kopplas loss från resultat, och den första linjens medarbetare upplever en fragmenterad uppsättning program som inte leder till förbättring.
Och nu kommer AI-agenter in i bilden, som distribueras och optimeras i isolering från den mänskliga arbetsstyrkan, vilket ytterligare förvärrar utmaningen. Svaret är inte bara att koppla samman dessa plattformar, utan att orkestrera dem kring ett gemensamt mål: rätt ingrepp, för rätt person, vid rätt tillfälle, mätt mot ett verkligt affärsresultat.
Företagets senaste kundresultat inkluderar förbättringar i första kontakttiden, försäljningsprestation, lojalitetsregistrering, produktivitet och felförbättring. Vad avslöjar dessa resultat om den typ av första linjens arbete som AI kan förbättra först?
Den gemensamma tråden över alla dessa resultat är att de involverar arbete som kan mätas och förbättras genom beteendeförändring, genom kunskapsförstärkning, färdighetsutveckling och den personliga utbildning, coachning och motivation som gör det beständigt.
Gränsen som AI öppnar upp nu är att göra detta på individnivå, inte bara för en sektor eller en kohort, utan för varje person, baserat på deras specifika luckor, deras roll och var de befinner sig i sin utvecklingsresa, och vad företaget behöver av dem.
TP Samsungs kundtjänstteam förbättrade första kontakttiden med 7,5 % medan de minskade chefens administrativa arbete med 70 %.
En av de fem största amerikanska bankernas bedrägeriavdelning såg en minskning av felen med 66,7 % och en ökning av antalet bearbetade konton med 4,8 %.
IHG Hotels & Resorts ville att deras receptionspersonal skulle aktivt känna igen och registrera gäster i deras One Rewards-program. Vi gjorde om utbildningen till uppdrag, gav personalen mynt för att slutföra utbildning och registrera medlemmar, och lät egendomar tävla på ledartavlor. Hotell som använde Centrical-plattformen uppnådde upp till 4 gånger förbättring av lojalitetsregistrering och effektivitet, vilket drev miljontals i ytterligare intäkter och direktbokningar.
Centrical utökar sitt AI-utbud med AI-assisterad coachning, rollspelssimuleringar, hyperpersonliga prestationserfarenheter och autonom prestandaintelligens. Vilken av dessa funktioner tror du kommer att ha den största närtidseffekten på företagsteam?
Det beror på var en organisation befinner sig i sin transformation. Jag skulle betona två funktioner som har en omedelbar, mätbar effekt just nu för våra kunder.
AI-assisterad coachning har en överdimensionerad effekt eftersom organisationer är under verkligt tryck för att göra coachning mer effektiv, öka chefers kontrollspann och förbättra teamets prestation. Chefer är den enskilt största influensen på första linjens prestation, och ändå har de historiskt sett tillbringat mer tid med rapportering än med coachning. Vår AI-assistent vänder den förhållandet: den ympar vem som ska coachas, på vad och varför, med rätt åtgärd redan förberedd. Och allt prioriteras baserat på företagets mål. Chefen blir en bättre coach utan att behöva mer tid på dagen.
AI-rollspelssimuleringar är lika kritiska just nu, av en annan anledning. När AI tar på sig enklare interaktioner blir samtal som når mänskliga agenter alltmer komplexa: emotionellt laddade, undantagsrika, högrisk. Samtidigt mobiliserar organisationer sina arbetsstyrkor till nya roller snabbare än någonsin. Övning (i arbetsflödet) är det enda sättet att bygga förtroende och kompetens i sådana situationer innan de händer i verkligheten. Rollspel i stor skala, driven av faktiska prestandaluckor, gör det möjligt.
Autonom prestandaintelligens är den nästa gränsen. Visionen är ett system som identifierar möjligheter, utlöser rätt program och kontinuerligt förbättrar första linjens genomförande utan att vänta på att en chef ska initiera.
Hur förändrar AI-assisterad coachning rollen för första linjens chefer, särskilt när många chefer redan är överbelastade med administrativt arbete och prestationsrapportering?
Våra data visar att chefer tillbringade ungefär 60 % av sin tid med dataanalys och cirka 20 % med utvärderingar, vilket lämnade mindre än 20 % för att faktiskt stödja sina team. Det är den grundläggande dysfunktionen. De personer som är mest ansvariga för första linjens prestation tillbringar större delen av sin tid med att göra saker som ett system borde göra åt dem.
AI-coachning återtar den tiden. Chefen får en prioriterad vy över exakt vem som ska coachas, på vilket beteende, med en föreslagen metod som redan är förberedd. Sessioner kan spelas in och autodokumenteras, så att uppföljningsåtgärder aktiveras direkt från coachningssamtalet snarare än att sitta i en anteckning som ingen läser. Personliga mål skapas som är både uppnåeliga och synliga för den anställde.
Våra data visar redan att chefer som använder våra AI-funktioner coachar mer, och att deras coachning har en större effekt på teamets prestation. En av våra stora hotellkunder såg en 10 % förbättring av coachningseffektivitet tack vare AI, vilket resulterade i en mätbar förbättring av KPI:er: alla KPI:er som anställda coachades på med Centricals AI-funktioner förbättrades.
En av de mest intressanta delarna av Centricals positionering är idén om att hantera både mänskliga och digitala arbetare. Hur bör företag tänka på prestandahantering när AI-agenter blir en del av första linjens verksamhet?
De flesta företag går in i ett problem som de inte ser än. AI-agenter dyker upp från överallt: en från ditt kontakcenterplattform, en från ditt CRM, några som byggts av dina egna team och andra som är inbyggda i verktyg du redan betalar för. Vi kallar det agentzoo. De gör alla arbete, men ingen äger deras prestation. Ingen kan berätta vilka som faktiskt är bra på jobbet, vilka som drar iväg eller vilka som borde dras tillbaka.
Instinkten är att behandla det som ett tekniskt problem, en modell eller en integration. Jag tror att det är fel ram. När en AI-agent utför första linjens arbete behöver den styras med samma rigor som vi för mänsklig prestation: tydliga mål, mätbara resultat, certifiering innan den hanterar något av hög risk och en återkopplingsloop som fångar luckor innan de skadar.
Det är det lager som de flesta företag saknar. Inte en annan plats att bygga agenter, utan ett enhetligt lager för att hantera, certifiera och orkestrera dem, som sitter i samma system som hanterar dina människor. Eftersom arbetet inte längre är mänskligt eller digitalt, utan båda, på samma lag, ofta på samma uppgift. En person och tre agenter som hanterar en kundinteraktion. Om du mäter människor på en plats och agenter på en annan ser du bara fragment av deras prestation.
Prestationshantering bör ses som en disciplin över hela arbetsstyrkan, mänsklig och digital. Samma mål, samma ansvar, samma loop av mätning, coachning, förbättring.
Vilka skyddsåtgärder behövs för att säkerställa att AI-drivna prestationssystem stöder anställda snarare än att bara öka tryck, övervakning eller orealistiska produktivitetsförväntningar?
Detta är ett viktigt ämne eftersom vi använder AI för att hjälpa människor att bli en bättre version av sig själva på jobbet.
Tryck kan driva kortvariga resultat. Men på lång sikt behöver du ge människor en tydlig riktning: hjälpa dem bygga de specifika färdigheter deras roll behöver, och skapa fokuserad övning på de beteenden som är viktigast. Det är en annan affär för den anställde. Systemet är inte där för att övervaka dig. Det är där för att göra dig bra på ditt jobb. Och att bli bra på ditt jobb känns mycket bättre än att mätas på det. Det är en enkel sak, men ingen dyker upp på jobbet för att göra ett dåligt jobb.
Så de verkliga skyddsåtgärderna är inte policyer, processer eller något erkännandeprogram som sitter vid sidan av. De är instruktioner, färdigheter och verktyg som byggs in i det dagliga arbetet för att göra jobbet enklare, mer givande, mer effektivt. Färdigheter först, sedan beteende, sedan prestation. Och under allt: motivation: den anställde ska se den framgång han gör och känna den. Varje steg ska kopplas tillbaka till något han bryr sig om: de kunder han hjälper, teamet han är en del av och vart han vill gå nästa.
Och eftersom AI hanterar administrationen, rapporteringen, prioriteringen, får chefer tillbaka sin tid för att faktiskt coacha. För att vara närvarande. Den mänskliga relationen är vad som gör hela systemet fungera.
Centrical nyligen höjde 39 miljoner dollar i serie D-finansiering, vilket bringar total finansiering till över 100 miljoner dollar. Under de kommande 12 till 24 månaderna, hur kommer den nya kapitalet att accelerera er globala expansion och utveckling av AI-verktyg för hantering av första linjens prestation över både mänskliga och digitala arbetare?
Vi tänker på tillväxt över flera områden:
Vi betjänar företag i 150 länder och 60 språk idag, och denna runda kommer att accelerera vår tillväxt globalt.
Att fördjupa autonom prestandaintelligens kommer att vara ett av våra fokusområden. Nästa steg är ett system som identifierar möjligheter, utlöser rätt program och förbättrar första linjens genomförande kontinuerligt utan att kräva att en chef initierar.
Slutligen, att utöka plattformen för att hantera prestation över mänskliga och AI-arbetsstyrkor tillsammans. När AI-agenter tar på sig fler första linjens uppgifter behöver företag samma rigor kring prestandastandarder, coachning och mätning för dessa digitala arbetare som de har för mänskliga. Vi är positionerade för att vara operativsystemet för den hybrida verkligheten.
Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Centrical.
