Reggie Scales, president och chef för affärsenheten Applications på Vonage – Intervjuserie

Reggie Scales, president och chef för affärsenheten Applications på Vonage, är en erfaren teknolog- och kommunikationschef med mer än två decennier av erfarenhet av att leda försäljning, verksamhet, go-to-market‑strategi och affärstillväxt. Sedan han började på Vonage 2018 har han haft seniora ledarskapsansvar inom företagets applikationsverksamhet. Tidigare var Scales senior vice president för Western U.S. på Masergy, vice president och general manager för Central Region på Comcast Business samt senior vice president för försäljning och marknadsföring på Wilcon. Tidigare i sin karriär tillbringade han över 12 år på PAETEC, där han avancerade genom flera chefspositioner, inklusive president för försäljning och service, där han ansvarade för försäljning och affärsverksamhet i en region på 1 miljard dollar med cirka 500 anställda. Hans karriär har kretsat kring att skala kommunikationsföretag, bygga högpresterande team och utveckla företagsförsäljning samt kundengagemangsstrategier.

Vonage är ett globalt företag inom företags‑teknik och en del av Ericsson, som tillhandahåller kommunikations‑API:er, unified communications och kontaktcenter‑lösningar till mer än 100 000 företag världen över. Plattformen gör det möjligt för organisationer att bädda in röst, video, meddelanden, autentisering och andra kommunikationsfunktioner direkt i applikationer och kundupplevelser, samtidigt som företagets kommunikations‑ och kontaktcenterprodukter stödjer medarbetarsamarbete och kundengagemang. Vonage integrerar i allt högre grad artificiell intelligens och mobilnät‑intelligens i sin plattform, vilket ger företag och utvecklare verktyg för att skapa mer personliga, säkra och automatiserade kommunikationsupplevelser över digitala kanaler

Din karriär har omfattat försäljning, service, regional verksamhet, kommunikationsinfrastruktur och nu ledarskap för Vonages applikationsverksamhet. Hur har den operativa erfarenheten format ditt förhållningssätt till AI‑adoption, särskilt behovet av att balansera innovation med mätbara kund‑ och affärsresultat?

Jag har arbetat i mer än 25 år inom kommunikation, och varje steg i min karriär har understrukit vikten av att koppla teknikinvesteringar till ett tydligt affärsbehov. Jag började med att sälja fjärrtelefontjänster, gick sedan vidare till lokal kommunikation, datanätverk, molntjänster och nu AI. Jag har haft möjlighet att bevittna flera stora förändringar i vår bransch, och en lärdom har förblivit konstant: ny teknik ger bestående värde när den löser ett verkligt problem för kunder och verksamheten.

Jag tillämpar samma tänkesätt på AI. I ett kontaktcenter bör startpunkten vara det resultat du vill förbättra. Det kan handla om att hjälpa kunder att lösa rutinfrågor snabbare, ge medarbetare bättre information under ett samtal, minska onödiga steg eller göra det enklare att växla mellan kanaler utan att förlora sammanhang.

Min nuvarande roll omfattar produkt, teknik, försäljning, partnerskap och kundsupport, vilket också påverkar hur jag ser på adoption. En funktion kan vara tekniskt imponerande, men företag måste fortfarande överväga hur den passar in i befintliga processer, hur enkelt medarbetare och kunder kan använda den och hur de kommer att mäta om den fungerar. Denna koppling mellan teknik, genomförande och resultat är särskilt viktig med AI eftersom förändringstakten är så snabb.

Många företag är ivriga att införa generativ och agentbaserad AI i sina kontaktcenter. Vilket grundläggande arbete måste de slutföra kring data, arbetsflödesdesign, systemintegration och styrning innan de försöker skala bortom en initial pilot?

Företag behöver en stark grund innan de expanderar AI över hela kontaktcentret. En pilot kan fungera i en kontrollerad miljö med en begränsad datamängd och ett avgränsat arbetsflöde. Att skala innebär att koppla AI till fler system, mer kundinformation och fler delar av verksamheten, vilket introducerar ytterligare komplexitet.

Data är ett av de första områdena att ta itu med. Organisationer måste förstå var deras kundinformation finns, om den är korrekt och aktuell, och vem som har behörighet att använda den. Arbetsflödesdesign är lika viktig. Företag bör förstå processen som AI går in i, vilka beslut den kan fatta och var en människa måste bli involverad.

Integration är en annan central del. Kunder kommunicerar via röst, meddelanden, video och andra kanaler, medan medarbetare kan förlita sig på flera system bakom kulisserna. Om dessa miljöer förblir separerade kan införandet av AI skapa ett ytterligare lager av fragmentering.

Styrning bör etableras redan från början. Företag behöver tydliga regler för integritet, säkerhet, åtkomst och mänsklig översyn. De bör också definiera hur de kommer att utvärdera AI över tid. Att gå bortom en pilot kräver förtroende för att tekniken kan prestera konsekvent när antalet interaktioner och situationernas bredd ökar.

Kundinformation är ofta fragmenterad över CRM‑system, samtalsutskrifter, meddelandehistorik och andra företagsplattformar. Vad krävs för ett verkligt enhetligt kundkontext‑lager, och hur kan organisationer förhindra att AI‑system agerar på ofullständig eller föråldrad information?

Ett användbart kundkontext‑lager börjar med att koppla ihop information som förklarar vem kunden är, vad som redan har hänt i deras resa och vad de försöker åstadkomma nu. Det kan inkludera CRM‑information, samtalsutskrifter, meddelandehistorik, kontouppgifter, tidigare serviceinteraktioner och andra relevanta register.

Många företag hanterar fortfarande dessa delar i separata system, och det skapar problem, med eller utan AI. En kund kan börja ett samtal i en kanal, gå över till en annan och sedan behöva upprepa information eftersom det andra systemet saknar historiken från den första interaktionen. AI gör lösningen av den fragmenteringen ännu viktigare eftersom en agent bara kan ge en användbar rekommendation eller vidta lämplig åtgärd när den har pålitlig kontext.

Organisationer måste veta vilka system som är auktoritativa för olika typer av information och ha processer för att hålla den informationen aktuell. De behöver också skyddsåtgärder för situationer där AI saknar tillräcklig kontext för att gå vidare med förtroende.

Om information saknas, är motstridig eller föråldrad, bör AI kunna känna igen den begränsningen och be om förtydligande eller involvera en människa. Detta är särskilt viktigt när AI går från att svara på frågor till att vidta åtgärder för kunder.

Hur bör en effektiv överlämning från en virtuell agent till en mänsklig rådgivare se ut? Vilken information om kundens avsikt, tidigare konversation, slutförda åtgärder och olöst problem bör överföras så att kunden inte behöver börja om?

Kunden bör uppleva en sömlös överlämning som en fortsättning på samma konversation. När en mänsklig rådgivare går in i interaktionen bör de förstå varför kunden kontaktade, vad som redan har diskuterats, vad den virtuella agenten har slutfört och vad som fortfarande kräver uppmärksamhet.

Som ett minimum bör överlämningen inkludera kundens avsikt, relevant samtalshistorik, kontoinformation som behövs för interaktionen, eventuella steg eller verifieringar som redan har genomförts samt anledningen till att den virtuella agenten eskalerade ärendet. Om kunden redan har förklarat problemet eller svarat på en fråga bör rådgivaren ha den informationen tillgänglig.

Denna kontinuitet är viktig eftersom en av de största källorna till frustration i kundservice är att behöva börja om. AI bör hjälpa till att minska den friktionen snarare än att lägga till fler steg.

Allteftersom virtuella agenter blir kapabla att hantera en större andel rutininteraktioner blir kvaliteten på övergången till en människa ännu viktigare. Det kommer fortsatt att finnas situationer som kräver empati, omdöme, kreativitet eller mer nyanserad problemlösning. Företag måste designa för detta från början och ge medarbetare tillräcklig kontext för att effektivt ta över konversationen från en AI‑agent när sådana situationer uppstår.

Den nästa fasen av AI för kundupplevelser förväntas fokusera mindre på fristående verktyg och mer på intelligens som är inbäddad direkt i befintliga arbetsflöden. Hur förändrar detta AI:s roll i kontaktcentret, och hur bör företag avgöra vilka uppgifter som ska automatiseras helt respektive vilka som bör förbli mänskligt ledda?

Att integrera AI i befintliga arbetsflöden är mycket effektivt eftersom medarbetare och kunder inte behöver gå in i en separat upplevelse för att dra nytta av det. AI kan stödja det som redan sker i kontaktcentret genom att hjälpa en medarbetare att hitta information under ett samtal, sammanfatta en interaktion, föreslå nästa steg eller slutföra en rutinprocess för en kund.

När man beslutar vad som ska automatiseras bör företag noggrant granska uppgiftens natur och konsekvenser. Repetitiva interaktioner med tydliga regler och förutsägbara resultat är starka kandidater för ökad automation. En enkel kontoinquiry, till exempel, är mycket annorlunda än ett samtal som involverar ett känsligt klagomål, en ovanlig omständighet eller ett beslut som kan ha betydande inverkan på kunden.

Medarbetare kommer fortsatt att spela en viktig roll där empati, omdöme och kreativ problemlösning krävs. AI kan också stödja dessa medarbetare snarare än att helt ta över en interaktion.

Jag skulle utvärdera automation baserat på den upplevelse den skapar. Om en process blir snabbare men leder till fler återkommande kontakter, fler eskaleringar eller större kundfrustration, måste företaget ompröva hur arbetsflödet har designats.

Vonage har nyligen lanserat branschspecifika AI‑agenter för kontaktcenter inom sjukvård, finansiella tjänster och detaljhandel. Varför blir vertikal specialisering viktig, och hur bör ett företag avgöra om en AI‑agent verkligen förstår branschens arbetsflöden, terminologi och regulatoriska krav?

Sättet en kund interagerar med en vårdgivare kan vara mycket annorlunda jämfört med hur någon interagerar med en finansiell institution eller återförsäljare. Den underliggande kontaktcenter‑teknologin kan ha likheter, men språk, arbetsflöden, kundförväntningar och krav kring dessa interaktioner kan variera avsevärt.

Detta gör branschkontext allt viktigare i takt med att AI‑agenter blir mer kapabla att göra mer än att svara på enkla frågor. En agent måste förstå vilka typer av förfrågningar kunder vanligtvis gör, den terminologi som medarbetare och kunder använder, vilka system som är inblandade i att slutföra dessa förfrågningar och vilka gränser som gäller för vad den får göra.

Företag bör utvärdera branschspecifik AI med scenarier hämtade från deras faktiska verksamhet. Det innebär att testa vanliga förfrågningar samt undantag och mer komplicerade situationer. De bör se om agenten följer det förväntade arbetsflödet, förstår det språk kunderna använder och vet när den ska involvera en människa.

Organisationer måste också bedöma hur integritets-, säkerhets- och regulatoriska krav hanteras. Dessa överväganden bör vara en del av design‑ och utvärderingsprocessen snarare än något som adresseras efter att en agent redan interagerar med kunder.

I slutändan blir branschkunskap värdefull när den omvandlas till mer korrekta, lämpliga och användbara kundinteraktioner.

Allteftersom AI‑agenter utvecklas från att svara på frågor till att slutföra transaktioner och vidta åtgärder på kunders vägnar, vilka skyddsåtgärder krävs kring behörigheter, integritet, hallucinationer, spårbarhet och mänsklig översyn?

Nivån av översyn bör öka i takt med att AI‑agenter får mer ansvar. Det finns en betydande skillnad mellan en agent som ger generell information och en agent som gör en kontoförändring, slutför en transaktion eller vidtar en annan åtgärd som direkt påverkar en kund.

Behörigheter är en central del av detta. En AI‑agent bör endast ha åtkomst till den information och de system som krävs för den uppgift den har auktoriserats att utföra. Identitetsverifiering, åtkomstkontroller och tydliga regler för hur kunddata används är också viktiga. Kunder bör ha insyn i hur deras information hanteras.

Organisationer behöver också ett register över vad som hände under en interaktion. När agenter börjar vidta åtgärder bör företag kunna förstå vilken information som användes, vilken åtgärd som slutfördes och var ett problem uppstod om något gick fel. Detta blir särskilt viktigt i känsliga eller reglerade miljöer.

Mänsklig översyn bör spegla uppgiftens risk. Vissa rutinåtgärder kan vara lämpliga för en AI‑agent att utföra självständigt. Mer konsekventa situationer kan kräva granskning eller godkännande.

AI måste också kunna känna igen osäkerhet. När information är ofullständig, motstridig eller ligger utanför de gränser som satts, är det säkraste att pausa, be om ytterligare information eller involvera en person snarare än att gå vidare baserat på ett osäkert antagande.

Kontaktcenter‑AI‑projekt utvärderas ofta genom kostnadsbesparingar, samtalsavledning eller minskning av genomsnittlig hanteringstid. Vilka ytterligare nyckeltal bör ledare använda för att avgöra om AI förbättrar förstahandslösning, kundnöjdhet, medarbetarupplevelse, intäkter och långsiktigt förtroende?

Effektivitetsmått är viktiga, men ledare bör se bortom hur snabbt eller billigt en interaktion hanterades. En kort interaktion är inte särskilt värdefull om kunden måste kontakta företaget igen eftersom ärendet aldrig löstes fullt ut.

Förstahandslösning är ett viktigt mått av den anledningen. Återkommande kontaktfrekvens och eskaleringsfrekvens kan också visa ledare om AI verkligen hjälper kunder eller bara flyttar problemet någon annanstans. Kundnöjdhet bör förbli central eftersom upplevelsen i slutändan avgör om människor fortsätter att lita på och välja att göra affärer med ett företag.

Denna poäng är särskilt viktig med tanke på vad vi har sett i vår kundengagemangsundersökning. Kunder har begränsad tolerans för dåliga upplevelser, så företag bör vara försiktiga med att optimera ett effektivitetsmått på bekostnad av den övergripande relationen.

Medarbetarupplevelsen förtjänar också uppmärksamhet. Om AI ger bättre information, hanterar repetitivt arbete och hjälper medarbetare att lösa mer komplexa ärenden, bör ledare kunna se det i medarbetarfeedback och prestation.

Jag skulle också titta på bredare affärsresultat som kundretention, kontotillväxt och intäkter som genererats eller skyddats genom serviceinteraktioner. Sammantaget ger dessa mått ledare en mycket tydligare bild av huruvida AI skapar värde för kunder, medarbetare och verksamheten över tid.

Vonage verkar över kontaktcenter, unified communications, communications application programming interfaces och nätverksdrivna funktioner via Ericsson. Hur kan dessa lager samverka för att hjälpa AI‑agenter att kommunicera och agera över kanaler utan att skapa en ny fragmenterad teknikstack?

Kunder tänker inte på om en interaktion sker i en kontaktcenterplattform, drivs av ett kommunikations‑API eller mobilnätet. De förväntar sig kunna kommunicera via den kanal som passar dem och fortsätta interaktionen utan onödig friktion. Tekniken bakom den upplevelsen måste stödja den kontinuiteten.

Vonage verkar över Network APIs, CPaaS, CCaaS och UCaaS, vilket ger oss möjlighet att betrakta dessa funktioner som sammankopplade delar av kundupplevelsen. Allteftersom AI‑agenter blir mer kapabla blir den kopplingen allt viktigare eftersom en agent kan behöva kommunicera via en kanal, hämta kontext från ett annat system och vidta åtgärder någon annanstans.

Ett mer integrerat tillvägagångssätt kan också hjälpa till att bevara kontext när kunder rör sig mellan röst, meddelanden och andra kanaler. Samma princip gäller när en AI‑interaktion överförs till en medarbetare för hantering.

Vår relation med Ericsson skapar också en möjlighet att föra samman kommunikationsapplikationer och nätverksfunktioner. Målet är att säkerställa att dessa funktioner är användbara inom kundresan utan att tvinga företag att hantera ett ytterligare set av fristående verktyg.

Kan du ge ett exempel på hur Vonages kontaktcenter, unified communications, API‑er och Ericsson‑nätverksfunktioner kan samverka i en kundinteraktion idag?

Ett bra exempel är vad som händer när en kund ringer ett kontaktcenter för finansiella tjänster för att rapportera en misstänkt transaktion eller begära en kontoförändring.

Innan agenten ens svarar är Vonages Network APIs – drivna av Ericsens operatörsinfrastruktur – redan i arbete. Så snart samtalet kommer in kontrollerar vår Identity Insights‑funktion samtalarens telefonnummer mot levande mobilnätdata, inklusive om SIM‑kortet som är kopplat till numret nyligen har bytts. Det är en stark indikator på potentiell bedrägeri, och det sker osynligt, utan någon friktion för kunden.

Denna nätverksintelligens flödar direkt in i kontaktcentret via Vonages Communications APIs och visas som en realtids‑tillitsignal i agentens arbetsyta. Om agenten arbetar i Salesforce visas insikten automatiskt i Agentforce, så att agenten kan se om samtalarens identitet har verifierats eller om det finns anledning att tillämpa ytterligare granskning – allt innan samtalet påbörjas.

Samtidigt integreras Vonage Contact Center (VCC) sömlöst med vår unified communications‑lösning, Vonage Business Communications (VBC), för att ansluta till den bredare organisationen. Om agenten behöver ta in en bedrägeriexpert eller en kollega från back‑office kan de se vem som är tillgänglig i hela företaget i realtid och överföra samtalet med fullständig kontext intakt. Kunden behöver inte upprepa sig, och specialisten ansluter till samtalet med kunskap om vad som har hänt.

Det som gör detta exempel meningsfullt är att ingen av dessa lager fungerar isolerat. Nätverket informerar kontaktcentret. API:erna kopplar intelligensen till arbetsflödet. Unified communications‑lagret håller rätt personer i loopen. Kunden upplever det som en enda, kontinuerlig interaktion – precis som det ska kännas.

Det är den typen av integration vi arbetar mot över alla våra funktioner, och den är redan tillgänglig för kunder idag.

Allteftersom AI tar över fler rutinmässiga kundinteraktioner, hur förväntar du dig att ansvaret för mänskliga kontaktcenter‑proffs förändras under de kommande tre till fem åren, och vad bör företag börja göra nu för att förbereda sina människor, processer och ledarskap?

Allteftersom AI hanterar en större andel rutininteraktioner förväntar jag mig att kontaktcenter‑proffs spenderar mer av sin tid på de situationer där mänskliga färdigheter är mest avgörande. Det inkluderar komplexa problem, ovanliga omständigheter och samtal som kräver empati, omdöme eller kreativitet.

Kontaktcenter‑proffs roll kommer också att bli närmare kopplad till AI. Medarbetare kan använda AI för att hitta information, förstå historiken för en interaktion, sammanfatta samtal eller identifiera möjliga nästa steg. Det innebär att människor måste förstå hur man arbetar med dessa system, när man kan lita på dem och när man ska utmana eller åsidosätta en rekommendation.

Det viktiga är att företag börjar förbereda sina team nu och ledarskapet har en kritisk roll att spela. Medarbetare behöver klarhet kring varför AI införs och hur deras roller förväntas utvecklas. Utbildning bör hjälpa medarbetare att förstå hur AI passar in i deras dagliga ansvar och vad som fortfarande är deras ansvar när AI är involverat.

Företag bör också involvera kontaktcenter‑proffs i implementeringen eftersom de dagligen ser kundfrågor, processgap och ovanliga fall. Deras erfarenhet kan hjälpa till att identifiera var automation är användbar och förutse var den kan skapa problem.

Under de kommande tre till fem åren förväntar jag mig att de starkaste kontaktcentren blir de som använder AI för att göra sina medarbetare mer effektiva samtidigt som de bevarar en tydlig väg till mänskligt stöd när kunderna behöver det.

Tack för den fina intervjun, läsare som vill veta mer bör besöka Vonage.