Ralph Gootee, CTO och medgrundare på TigerEye – Intervjuserie

Ralph Gootee, CTO och medgrundare på TigerEye, leder utvecklingen av en affärssimuleringsplattform som är utformad för att förbättra strategiskt beslutsfattande, planering och genomförande. Genom att utnyttja avancerad tidmedveten AI-teknik möjliggör TigerEye för organisationer att effektivisera planeringsprocesser, simulera olika scenarier och fatta datadrivna beslut på ett mer effektivt sätt.

TigerEye grundades av Gootee och tidigare PlanGrid-chefer och adresserar vanliga utmaningar i affärsplanering, såsom föråldrade kalkylblad och långsamma planeringscykler, med fokus på anpassningsförmåga och förutsägbar tillväxt. Plattformen integrerar principer från branscher som bygg och programvarukvalitetssäkring för att tillhandahålla dynamiska lösningar som hjälper företag att optimera verksamheten och expandera effektivt.

Vad inspirerade dig att starta TigerEye, och hur påverkade dina tidigare erfarenheter med PlanGrid din vision för företaget?

Jag har alltid funnit data vara en utmaning. När vi byggde mitt föregående företag, PlanGrid, var verktyg som Looker och Redshift precis på väg att lanseras. Begreppet insikter var nytt. Mixpanel och Amplitude var fortfarande i sina tidiga dagar. Dessa produkter var så färska att du var tvungen att bygga ditt eget dataingenjörsteam för att hantera någon form av datainsikter.

På PlanGrid samlade vi ett fantastiskt team med doktorsexamen och begåvade ledare som gjorde imponerande arbete: identifierade heta leads, analyserade kundanslutningar och beräknade ARR. Men det krävde ett team på 10 personer, var dyrt och lämnade analytiker med känslan av att de bara körde SQL-frågor för att svara på segmenterings- och tillväxtfrågor. När de slutligen flyttade till att leda data science-team på andra håll lämnades det återstående teamet ofta kämpande för att förstå dashboards de lämnade efter sig, vilket ledde till betydande slöseri med tid. Dessutom verifierade vår CFO dessa siffror manuellt för att säkerställa noggrannhet.

Som styrelseledamot i andra företag såg jag samma mönster: frånkopplade dashboards som var svåra att sätta samman till agerbara insikter. Under Autodesks förvärv av PlanGrid blev dessa utmaningar ännu tydligare. Att hantera två Salesforce-miljöer och samordna grundläggande backoffice-uppgifter som CRM, ERP och marknadsföring var en kamp. Att bestämma vilka kampanjer som fungerade var ett mysterium. Dessa frustrationer inspirerade visionen för TigerEye: ett sätt att göra data sammanhängande, agerbara, snabba och tillgängliga.

TigerEye erbjuder en flexibel AI-lösning för go-to-market-team. Vilka utmaningar på marknaden identifierade du som ledde till att du designade en konversationsbaserad AI för business intelligence?

Go-to-market-analyser kan ofta kännas överväldigande eftersom de är packade med siffror, statistik och tung matematik. Processen att ställa kreativa, utredande frågor är klumpig. Du kan skapa en biljett för datateamet och be om något som en vinstprocentgraf. Det finns fram- och tillbaka-tydliggörande, förseningar och ibland inser du att du ställde fel fråga. För de flesta människor är det varken en trevlig eller snabb process, särskilt för de som inte har auktoriteten av en C-Suite-chef för att skynda på svaren.

Konversationsbaserad AI förändrar detta. Tänk dig att bara säga: “Visa mig vinstprocent för västkusten i rosa och östkusten i brunt under de senaste fyra kvartalen i en stapeldiagram.” En konversation som tar sekunder och så gör också utmatningen. Vi designade TigerEye för att ge användarna en intuitiv “junioranalytiker” som de kan prata med — alltid tillgänglig för att skapa insikter utan behov av ett klumpigt gränssnitt.

Vilka var de mest betydande hinder du mötte under de tidiga stadierna av TigerEyes utveckling, och hur övervann du dem?

En stor överraskning var den renodlade skalan av data vi stötte på, oavsett företagsstorlek. Även medelstora företag har ofta stora mängder data som ändras ofta. Befintliga verktyg som Looker kunde inte hantera dessa arbetsbelastningar effektivt; vi såg laddningstider på 10–12 sekunder för ett enda diagram. Det är oacceptabelt för dagens snabbt föränderliga affärsmiljö.

För att hantera detta var vi tvungna att innovativa. Vi integrerade DuckDB för snabbare frågekörning och valde Flutter för att bygga ett lättviktigt och effektivt gränssnitt. Dessutom bidrog vi tillbaka till den öppna källkods-gemenskapen genom att utveckla och underhålla DuckDB.Dart, vilket möjliggör en sömlös integration med Dart- och Flutter-miljöer. Dessa teknologier tillät oss att optimera för hastighet, flexibilitet och skalbarhet.

Som medgrundare, hur prioriterade du och ditt team funktioner och förmågor för TigerEyes lansering?

Vi började med att lägga hela företagets resurser bakom AI-analytikervisionen. Detta innebar att varje front-end- och back-end-utvecklare bidrog. Karaktären av en AI-analytiker krävde ett fullständigt företagsengagemang eftersom det inte bara handlar om textutmatning; det handlar om att tillhandahålla interaktiva widgetar, konfigurera simuleringar och möjliggöra för analytiker att vidta meningsfulla åtgärder. Till exempel låter en funktion användare konfigurera en framtida plan för att lägga till 10 representanter på västkusten smidigt, vilket innebär att designa ett högt interaktivt och intuitivt system.

Utvecklingsprocessen hade sina upp- och nedgångar, men den tekniska ryggraden byggdes på en rigorös utvärdering. Detta blev kärnan i vår prioritering. Utvärdering är där det riktiga arbetet sker. Vi är ständigt frågande, “Gjorde den här ändringen systemet bättre eller sämre?” Vi började med vårt ingenjörsteam och våra domänexperter och utvecklade oss så småningom till att fånga kundfrågor för att finslipa vårt system ytterligare.

Vi introducerade ett automatiserat testpaket där AI utvärderar sig själv och tilldelar ett betyg för att avgöra om ändringar är förbättringar. För att säkerställa noggrannhet genomför vi fortfarande mänskliga utvärderingar varje vecka för att förhindra fördomar som en LLM som ger sig själv toppbetyg. Denna dubbla tillvägagångssätt har varit avgörande för att få TigerEye till en “1.0”-status och kontinuerligt höja ribban.

Slutligen var att uppnå branschspecifik anpassning ett stort fokus. Försäljning och go-to-market-operationer kräver precisa, specialiserade svar, och anpassning över stakeholdernivåer är inte alltid tydlig. Detta är varför branschexpertis och verklig kundfeedback var avgörande för att forma TigerEye till den plattform det är idag.

Hur skiljer sig TigerEyes tillvägagångssätt från traditionella BI-verktyg, och vad har detta haft för inverkan på antagande bland företag?

TigerEye byggdes från grunden med AI och mobil, och erbjuder en lösning som är inneboende bärbar och utformad för att svara på frågor snabbt. Till skillnad från traditionella BI-verktyg, som är långsamma och ofta kräver omfattande konfiguration, prioriterar TigerEye hastighet och användarvänlighet genom konversationsbaserad AI.

Våra diagram och widgetar är högt anpassningsbara, med interaktiva visuella element som tillåter användare att utforska data på ett intuitivt sätt. AI:n förlitar sig inte på generisk, ytlig information som kan leda till felaktiga svar; istället är den specialiserad för att leverera precisa, strukturerade mått som är anpassade till varje företag.

Oavsett om det är för startups, medelstora företag eller storföretag ser TigerEye till att det finns konsekvens genom att basera alla beräkningar på SQL, vilket möjliggör både front-end- och AI-drivna frågor för att leverera tillförlitliga siffror. Vi erbjuder också transparens genom att visa kunderna matematiken bakom vår analys, vilket säkerställer att de förstår exakt hur TigerEye-plattformen kom fram till sina svar. Detta åtagande att tydliggöra hjälper till att bygga förtroende och tillit till de insikter som levereras.

Resultatet är en AI-plattform som levererar stark anpassningsförmåga samtidigt som den ger team möjlighet att komma åt agerbara insikter på egen hand, vilket tillåter data-team att fokusera på mer strategiska uppgifter. Detta tillvägagångssätt har accelererat antagandet bland företag som letar efter intuitiva, skalbara och precisa verktyg för att förbättra sitt beslutsfattande.

Hur använder TigerEye AI för att anpassa sig till och lära av CRM-, ERP- och marknadsföringsautomatiseringsförändringar i realtid?

TigerEye använder AI, inklusive Retrieval-Augmented Generation (RAG) och integrationer med realtids-API:er, för att anpassa sig dynamiskt till förändringar i CRM-, ERP- och marknadsföringsautomatiseringsplattformar. Vi kombinerar också GenAI med mer traditionell maskinlärande och simuleringsteori för att ge vår AI förmågan att förutsäga framtiden. Genom att ansluta direkt till dessa system övervakar vårt företag kontinuerligt uppdateringar, såsom nya kundposter, ändringar i affärsstadiet eller kampanjprestandamått, vilket säkerställer att insikterna förblir aktuella och agerbara.

Vår AI-analytiker rapporterar inte bara passivt data; den lär sig och utvecklas med kundarbetsflöden. Till exempel, om ett säljteam modifierar sin pipeline-struktur, identifierar TigerEye snabbt förändringarna och justerar sina beräkningar, prognoser och rekommendationer enligt. Denna realtidsanpassning eliminerar manuella uppdateringar och säkerställer att ledarskap och team alltid har en korrekt och uppdaterad vy av sin go-to-market-prestanda.

Dessutom tillåter TigerEyes flexibilitet det att fungera över flera system, vilket säkerställer en sömlös integration och anpassning. Oavsett om det är Salesforce, HubSpot, NetSuite eller andra plattformar möjliggör TigerEyes AI för team att skära igenom komplexitet, leverera tidiga, tillförlitliga insikter som driver smartare, snabbare beslutsfattande.

Med ökande komplexitet i go-to-market-operationer, hur förenklar TigerEye beslutsfattandet för ledarskap och team?

Agerbara insikter genom konversationsbaserad AI. Traditionella BI-verktyg kräver ofta att team navigerar i besvärliga dashboards, väntar på att datateam genererar rapporter eller manuellt sätter samman mått över siloade system. TigerEye eliminerar dessa flaskhalsar genom att tillhandahålla omedelbara, AI-drivna svar anpassade till ledarskapets och teamens behov.

Vår AI-analytiker fungerar som en proaktiv, junior medarbetare, kapabel att svara på frågor som “Vad är min vinstprocent i Q4 över regioner?” eller “Hur skulle tillägget av fem representanter till östkusten påverka ARR?” Plattformen levererar insikter på sekunder utan behov av datamodellering eller omfattande inställningar.

Genom att integrera AI med anpassad business intelligence säkerställer TigerEye att alla mått är korrekta, konsekventa och anpassade över hela organisationen. Ledarskapet får klarhet på strategiska beslut, medan teamen dra nytta av verktyg som ytor trender, förutsäger resultat och minskar bruset av operativ komplexitet. TigerEye hjälper affärsledare att fatta snabbare, smartare beslut utan den tunga lyftningen.

Hur ser du att konversationsbaserad AI förändrar business intelligence under de kommande fem åren?

Business intelligence står för närvarande vid ett vägskäl. Många verktyg är fortfarande fast i en äldre eller förvärvad status. De är långsamma att innovativa, saknar nya produkter och är alltför generalistiska i sitt tillvägagångssätt. Dessa äldre lösningar byggdes inte från grunden för att integrera med stora språkmodeller eller för att erbjuda AI-samverkan. I de flesta fall försöker de retrofitta föråldrade system med outprovade AI-lösningar, vilket inte flyttar nålar.

Konversationsbaserad AI kommer att driva en ny generation specialiserade BI-applikationer. Dessa verktyg kommer inte att kräva att team spenderar otaliga timmar på anpassning och byggnad — de kommer att vara anpassade från början för att tillgodose specifika behov inom finans, försäljning, marknadsföring, bygg och olje- och gasindustrin och andra branscher. Varje marknad utvecklas annorlunda, och specialisering är nyckeln.

Grundläggande AI-modeller som OpenAI, Anthropic och Mistral kommer att fortsätta hantera breda, generiska applikationer, men framtiden för BI ligger i specialiserade vertikala lösningar som adresserar unika problem. Specialiserade AI-verktyg för BI kommer att ersätta det nuvarande en-storlek-passar-alla-tillvägagångssättet, vilket möjliggör för företag att extrahera insikter snabbare och mer exakt. Det kan leverera precision och agerbara insikter inom sitt område. Denna förändring kommer att omdefiniera BI som vi känner det.

Efter att ha tjänstgjort som besökande partner på Y Combinator, hur har mentorskap för startups påverkat din ledarstil eller tillvägagångssätt för innovation?

YC lärde mig vikten av att prioritera människor. Jag lärde mig att fokusera min energi på grundare som var hungriga, öppna för feedback och obevekligt uthålliga. Dessa egenskaper — motståndskraft och anpassningsförmåga — är kännetecken för framgångsrika team, och jag har burit det med mig till TigerEye.

En annan lärdom var att känna till värdet av mångfald, både i tanke och bakgrund. På YC såg jag förstahands hur grundare från underrepresenterade grupper ofta förde med sig otrolig motståndskraft och kreativitet till bordet. Det är en perspektiv som har format hur vi bygger och leder på TigerEye idag. Mångfald stärker team och driver innovation.

Vad är din vision för TigerEyes framtid, och hur planerar du att expandera dess påverkan över branscher?

TigerEye är i första hand ett AI-företag. Vårt mål är att ta innovationerna vi ser i konsument-AI, som den sömlösa interaktionen i verktyg som Perplexity och Cursor, in i företaget. Tänk dig en personlig assistent som du kan be om insikter var som helst, på vilken enhet som helst. Behöver du veta varför affärer stannade av i Q2 eller vad som skulle krävas för att dubbla din försäljningspersonal i en viss region medan du är på språng? Du frågar, och det är där direkt, korrekt och konsekvent över hela företaget.

Framtiden för TigerEye handlar om att förenkla tillgången till data och göra insikter allomfattande, oavsett om du använder en mobilapp, bär en smartklocka eller ber om en rapport i Slack. Vi fokuserar på att skapa verktyg som gör datadrivet beslutsfattande ansträngningsfritt.

<Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka TigerEye.>