Puneet Mehta, grundare och VD för Netomi – Intervjuserie

Puneet Mehta, grundare och VD för Netomi, leder det San Francisco-baserade AI-företaget som levererar autonoma kundservicelösningar. Med en bakgrund inom tech-entrepreneurship och AI-handel på Wall Street har han drivit utvecklingen av en “Agentic OS”-plattform som hjälper varumärken att lösa kundproblem över flera kanaler med inbyggd styrning, personalisering och transparens. Mehta har erkänts bland Advertising Ages “Creativity 50” och Business Insiders lista över topp-entreprenörer att hålla ögonen på.

Netomi är en AI-driven kundservicelösning som hjälper företag att automatisera och förbättra supporten över e-post, chatt, meddelanden och röstkommunikation. Systemet möjliggör för varumärken att lösa de flesta rutinmässiga kundförfrågningar på ett autonomt sätt samtidigt som det ger agenter realtidsstöd när det behövs. Med inbyggd styrning, personalisering och multilingualstöd möjliggör Netomi för organisationer att skala kundservicelösningar effektivt samtidigt som de behåller full kontroll över varumärkesröst och regelefterlevnad.

Du har haft en fascinerande resa, från att bygga AI-motorer för Wall Street till att grunda Netomi. Vad inspirerade dig att lansera Netomi, och hur har din tidigare erfarenhet format dess uppdrag?

Min tidiga arbete på Wall Street fokuserade på att bygga AI-system som måste fungera med hastighet, precision och absolut tillförlitlighet. Det gav mig en stark grund i att utveckla realtids-, uppdragskritisk teknik. På IBM Watson såg jag potentialen i AI för att förstå språk och interagera med människor på ett mer naturligt sätt, men också begränsningarna kring transparens och kontextuell relevans.

Jag lanserade Netomi med tron att AI kunde göra mer än automatisera svar. Jag ville bygga system som hjälper kunder att uppnå verkliga mål med intelligens, empati och ansvar. Från början har vårt uppdrag varit att skapa AI som stöder mänsklig interaktion på ett sätt som är meningsfullt och anpassat till de värderingar som organisationen representerar.

Vilket problem försöker Netomi i slutändan lösa, och vad gör er tillvägagångssätt annorlunda jämfört med andra aktörer på marknaden?

Netomi fokuserar på att omvandla kundupplevelsen från fragmenterad och reaktiv till proaktiv och resultatdriven. För många verktyg idag erbjuder generiska svar, fristående från kundens historia, känslor eller avsikt. Vårt tillvägagångssätt byggs kring kontext. Varje meddelande en kund skickar analyseras tillsammans med dussintals realtids-signaler, såsom lojalitetsstatus, senaste aktivitet, sentiment och tidigare interaktioner för att generera ett svar som är korrekt och relevant.

Det som skiljer oss från andra är inte bara vår användning av generativ AI, utan hur vi integrerar styrning, varumärkesanpassning och ansvar i varje del av systemet. Vi ger företagen full insyn i hur beslut fattas, vilken data som används och hur varje svar speglar organisationens röst och standarder. Vårt mål är att ge varumärken möjlighet att använda AI som är intelligent, pålitlig och djupt integrerad i deras kundupplevelsestrategi.

Med så många AI-plattformar som lovar omvandling, vad tror du särskiljer Netomis Agentic OS från andra CX-lösningar på marknaden idag?

Netomis Agentic OS byggs på en dubbelagentarkitektur som kombinerar deterministiska Action Agents med LLM-drivna Reasoning Agents. Action Agents hanterar säkra, lågkodiga transaktioner som uppdateringar, frågor och processkörning över företagssystem. Reasoning Agents tolkar kundinmatning i realtid, använder generativ AI för att anpassa samtal baserat på kontext och avsikt.

Dessa agenter orkestreras av ett proprietärt händelsestyrt system som möjliggör för plattformen att svara omedelbart på signaler som sentimentförändringar, leveransförseningar eller dataändringar. Varje beslut är versionskontrollerat och fullt observerbart, vilket ger team möjlighet till spårbarhet och regelefterlevnad vid varje steg. Denna arkitektur stöder intelligent interaktion och operativ tillförlitlighet i skala.

Många företag kämpar fortfarande med vad det innebär att vara AI-klara. Hur bör företag utvärdera sin beredskap, och vilka vanliga missuppfattningar ser du som hindrar dem?

AI-beredskap börjar med grunderna. Företag behöver välstyrda, auktoritativa datakällor. Utan dem kommer även de mest kapabla modellerna att returnera opålitliga eller inkonsekventa resultat. Kärnaffärsflöden måste också exponeras genom stabila API:er eller händelsestyrda arkitekturer så att AI-agenter kan vidta meningsfulla åtgärder, inte bara föra en konversation.

Fördröjningsförväntningar, särskilt för röst- eller synkrona kanaler, bör definieras tidigt för att vägleda systemdesign. Kontinuerliga utvärderingsmekanismer måste också finnas på plats för att övervaka för promptdegradering eller modelldrift. En vanlig missuppfattning är att uppladdning av stora volymer ostrukturerat innehåll till en vektordatabas motsvarar en AI-strategi. I verkligheten beror en framgångsrik distribution mer på dataingenjörskap, tydliga policyramverk och strukturerad förändringshantering. Transparens, observerbarhet och rigoröst testning är essentiella krav för alla företagsklassade agenter.

Du har talat om begränsningarna för promptteknik i skala. Vad är orkestreringsteknik, och varför är det mer livskraftigt för långsiktig företagsAI-antagande?

Promptteknik fokuserar på att optimera isolerade interaktioner. Orkestreringsteknik hanterar det fulla systemet av beslut, åtgärder och policys som måste fungera tillsammans över kanaler och arbetsflöden. På Netomi definierar vi nya funktioner deklarativt så att de kan nås av en central planerare snarare än att vara inbäddade i enskilda promptrar. En policyskikt bestämmer vilken agent som svarar, vilken data den tar emot och hur resultaten verifieras.

Detta möjliggör snabb iteration utan att kompromissa med varumärkesstandarder eller regelefterlevnad. Det ger också meningsfulla kontrollpunkter för både tekniska och affärsanvändare, vilket möjliggör för system att utvecklas samtidigt som de behåller konsekvens och tillsyn.

Hur lyckas Netomis AI-agenter med att balansera automation och varumärkessäker personanpassning över olika kundkanaler som e-post, röst och meddelanden?

Netomis agenter separerar varumärkesregler från promptrar, applicerar ton, begränsad språk och formateringskrav dynamiskt vid körning. Det säkerställer att personanpassning inte sker på bekostnad av konsekvens. Kundspecifik data som lojalitetsnivå eller beställningsstatus hämtas från verifierade källor strax före generering, vilket minskar risken för hallucination.

Förtroendetrösklar och realtidsutvärderingar bestämmer när det är dags att eskalera. Alla ändringar testas i en sandlåda innan distribution, så att varje interaktion förblir personlig och regelefterlevande över alla kanaler.

En av Netomis differentierande är dess händelsestyrda ConversationOS. Hur fungerar detta i praktiken jämfört med traditionella avsiktssbaserade system?

Traditionella botar dirigerar allt genom fördefinierade avsiktsträd. Netomis ConversationOS lyssnar på en bredare ström av händelser, inklusive kundtext, leveransuppdateringar och interna tillståndsändringar. Flera agentvägar kan köras parallellt, som att lösa ett faktureringsproblem samtidigt som man uppdaterar en leverans, och slå samman deras svar till ett enda svar.

Eftersom allt är strukturerat som händelser snarare än dolda tillstånd kan nya agenter eller funktioner läggas till utan att störa befintliga processer. Detta gör systemet mer flexibelt, resilient och enklare att underhålla.

Med tanke på din erfarenhet av högfrekvenshandelssystem, hur har koncept från algoritmisk finans påverkat arkitekturen eller hastigheten på Netomis plattform?

Vi tillämpar samma disciplin som används i algoritmisk handel på prestanda och kontroll. Fördröjning minimeras genom lätta, asynkrona pipelines byggda för att möta sub-tresekundersmål för röstkommunikation. Agentbeteende testas mot historiska transkriptioner före distribution för att simulera resultat och identifiera felmodus.

Säkerhetsbrytare är på plats för att stoppa exekvering om kostnad, fördröjning eller policytrösklar överskrids. Trafik omfördelas kontinuerligt bland konkurrerande promptrar eller hämtningsstrategier för att optimera kundupplevelse och beräknings-effektivitet. Detta tänkande påverkar varje lager av plattformen.

Du har en imponerande lista av investerare och rådgivare, från OpenAIs Greg Brockman till tidigare Disney- och DeepMind-chefer. Hur har detta påverkat din produktvision eller tillväxtstrategi?

Våra rådgivare bringar företagserfarenhet och teknisk insikt som har hjälpt forma både vår produktvision och tillväxtstrategi. Deras vägledning håller oss fokuserade på att lösa verkliga affärsproblem, särskilt de som möter Fortune 100-företag som opererar på global skala. Oavsett om det handlar om att automatisera support, upprätthålla regelefterlevnad eller leverera konsekvens över kanaler, deras feedback säkerställer att vi bygger teknologi som är redo för företagsverkligheter.

Ett budskap vi ofta hör är vikten av kontroll och tydlighet. Dessa system interagerar direkt med kunder och stöder mänskliga agenter, så resultaten måste vara mätbara och pålitliga. Den mänskliga faktorn förblir central för varje produktbeslut vi tar.

När Agentic AI blir mer inbäddad i dagliga affärsoperationer, vad tror du är de viktigaste säkerhetsåtgärderna för att förhindra både mänsklig missbruk och maskinmissriktning?

Netomi bygger säkerhet in i varje lager av plattformen. Promptrar och inbäddningar är versionskontrollerade och spårbara så att ändringar kan granskas eller återställas. Personligt identifierbar information filtreras före modellen, och retentionspolicys är strikt upprätthållna. Typerade åtgärdsscheman och sandlådetestning säkerställer att agenter uppfyller villkor innan de kan aktivera produktionsverktyg.

Alla åtgärder styrs av en policysmotor som kan pausa eller modifiera steg i realtid. Rollbaserad åtkomstkontroll, multifaktorautentisering och oföränderliga revisionsloggar tillhandahåller ytterligare skydd. Underskrivna begäran kuvert och kvotbegränsningar skyddar plattformen från extern modelldrift och missbruk.

Om du blickar framåt, vad är det som mest sporrar dig angående nästa fas av kundupplevelse och den roll AI kommer att spela i den?

Den mest spännande förändringen är från reaktiv service till proaktiv, intelligent assistans som förstår den fulla kontexten av en kunds mål, preferenser och begränsningar. AI kommer snart att kunna förutse behov, agera över system och leverera resultat utan att kunderna behöver navigera i komplexitet eller upprepa sig.

Den verkliga framstegen ligger inte bara i vad AI kan göra, utan i hur smidigt det kommer att stödja mänskligt beslutsfattande. AI kommer att bli ett pålitligt lager över hela kundresan, hjälpa varumärken att bygga lojalitet genom respons, personanpassning och tillförlitlighet i skala. När detta utvecklas kommer gränserna mellan service, försäljning och upplevelse att fortsätta försvinna.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Netomi.