Ryan Peterson, Chief Product Officer på Concentrix – Intervju-serie

Ryan Peterson är Executive Vice President och Chief Product Officer på Concentrix, där han driver den globala produkt- och teknikstrategin. En transformerande ledare med djup expertis inom produktutveckling, data och AI, Ryan driver innovation och tillväxt. Tidigare har han haft ledande roller på Amazon (AMZN ) Web Services (AWS), där han ledde Amazon Connect (CXE) och AWS Storage, och utvidgade båda verksamheterna och fick expertis inom marknadsstrategier, försäljning och lösningsarkitektur. Med över två decennier inom datahantering har Ryan en skarp syn på AI-distribution. Han har åtta patent inom datalagring och säkerhet.

Concentrix är en publikt handlad global leverantör av kundupplevelselösningar och teknik, som erbjuder tjänster över design-, byggnads- och driftsfaserna för att hjälpa organisationer modernisera sina verksamheter och förbättra prestandan. Företaget verkar i över 70 länder och sex kontinenter, och sedan det spinner av 2020 har det utvidgats genom stora förvärv som Convergys, Webhelp och BlinkCX, vilket har stärkt dess skala och kapacitet.

Låt oss börja personligt – din resa spänner över startups, Amazon och nu Concentrix. Vilken lärdom om kundupplevelse eller produktutveckling har fastnat hos dig över alla dessa roller?

Det är enkelt: Börja med kunden först och arbeta bakåt från där. Det gäller oavsett om du är på ett tre-mannaföretag eller skalar system globalt för ett Fortune 500-företag. Det är lätt för team att fastna i att bygga det som de tycker är spännande och intressant, men om det inte löser ett riktigt problem för riktiga människor, är det en slöseri med tid. De mest effektiva lösningarna jag har sett kommer alltid från att först förstå vad kunden faktiskt försöker åstadkomma och sedan bygga mot det.

En nylig Concentrix-konsumentundersökning visar att endast 31% av amerikanska konsumenter är bekanta med begreppet Agentic AI. Varför tror du att medvetenheten fortfarande är så låg trots branschens buzz?

För att vi har gjort det mer komplicerat än det behöver vara. Fråga fem personer vad “agentic AI” betyder, och du kommer förmodligen att få fem olika svar. Begreppet har inte etablerats i en gemensam definition eftersom branschen inte har gjort ett bra jobb med att förklara det på vardagsspråk. Det är det centrala problemet. När jag beskriver det som AI som agerar på uppdrag av en annan enhet utan att kräva en prompt, förstår människor vanligtvis. Tills dess att det blir den standardiserade förklaringen, kommer de flesta konsumenterna att förbli förvirrade, och det kommer att fortsätta vara mer av ett buzzord än en mainstream-idé.

En av de mest slående statistiken är att 76% av människor fortfarande anser att varumärken är mer pålitliga när en människa, inte AI, hjälper dem. Hur tolkar du det i sammanhanget med att bygga AI-nativa kundupplevelser?

Den statistiken är inte anti-AI, det är pro-tillit. Låt oss erkänna att människor generellt inte litar på AI, och de vill inte ha det när de behöver hjälp. Tänk bara på senaste gången du ringde in till en kundtjänst och först kopplades till en AI-bot. De flesta människor trycker på noll eller försöker kringgå den för att komma till en mänsklig agent. AI, i dess nuvarande tillstånd, löser inte alltid problemet, det skapar ofta friktion. Om AI skapar friktion i kundresan, förbättrar det inte upplevelsen; det står i vägen. Det som kunder verkligen vill ha är en smidig upplevelse som hjälper dem att lösa sitt problem. När AI fungerar i harmoni med mänskligt omdöme, är det då tillit skapas. Framtiden handlar inte om AI-enbart, det handlar om AI som backas upp av riktigt mänskligt omdöme, vilket gör upplevelsen sömlös och effektiv.

Fanns det några överraskande eller motstridiga insikter i data som fick dig att omvärdera hur Agentic AI bör rullas ut – antingen i termer av design, meddelande eller användningsfall?

Den största överraskningen var inte i siffrorna, utan i vad de avslöjade. Många företag skyndar sig att lansera AI och hoppar över arbetet som behövs för att förbereda sina kunskapsbaser helt. Det är som att försöka bygga en självkörande bil utan en karta som vägleder den. Du kan inte förvänta dig att en AI ska ge tillförlitliga svar om den underliggande innehållet är föråldrat eller ofullständigt. Men bortom det har vi sett att att optimera AI enbart för effektivitet – som full automation eller inneslutning – kan backfire. Att ta bort människor helt kan leda till missade signaler, högre avhopp eller förlorade intäktsmöjligheter som bara dyker upp i riktiga samtal. Den riktiga utmaningen är inte bara att få AI att fungera, det är att designa system där människor och AI kan arbeta tillsammans för att driva rätt resultat.

Att få rätt grund för distributionen är inte alltid glamoröst. Det är som när en mänsklig agent måste utbildas innan de tar samtal. Det kanske inte är det mest spännande steget, men det är ett kritiskt steg för att agenten ska kunna göra sitt jobb bra. Samma sak gäller för AI. Även den bästa agenter-strategin fungerar inte om data och förberedelserna bakom den inte är solida.

Tillit är tydligtvis inte en storlek som passar alla. Med konsumenter som är betydligt mer skeptiska till AI inom finans och hälsovård än inom teknik eller resor, hur bör företag inom högrisksektorerna närma sig AI-integration?

I högrisksektorerna som finans och hälsovård är tillit inte valfritt, det är grundläggande. Medan konsumenter kan välkomna AI för saker som att påskynda dokumentbearbetning eller effektivisera interna arbetsflöden, är de betydligt mer skeptiska när det gäller personliga, kliniska eller högimpaktverksamheter. Det betyder att företag måste vara extremt medvetna om vilka användningsfall de automatiserar och hur. AI kan absolut driva värde inom dessa sektorer – inom finans, snabb bedrägeridetektering, kreditriskbedömning, automatiserad inkassering och personliga insikter för förmögenhetsförvaltning – men bara när det styrs strängt, med tydliga gränser och mänsklig tillsyn. När AI börjar fatta beslut som direkt påverkar människors pengar, hälsa eller säkerhet, stiger tillitsbaren dramatiskt. I sådana fall säger kunder att AI kommer att stödja, inte ersätta, mänskligt omdöme.

Undersökningen visar att människor vill ha transparens, åsidosättningsalternativ och starka integritetsgarantier. Hur integrerar du dessa tillitsankare i Concentrix intelligent experience-plattform?

Vi har 40+ års erfarenhet av att stödja världens bästa varumärken, och under den tiden har vi lärt oss att förstå vad kunder vill och förväntar sig. Vi hjälper våra kunder att övervinna den bristande tilliten hos konsumenterna genom att ge dem verktygen för att kontrollera exakt hur deras AI-agenter beter sig – från adverserande LLM:er som fungerar som vakthundar, som ropar upp allt som är misstänkt innan det når kunden, till inbyggda policy-motorer som låter säkerhetsteam definiera vad som är tillåtet eller blockerat. Men att hantera konsumenttillit slutar inte vid lanseringen av AI. Företagsbehov förändras alltid och svaren förändras, så vi har introducerat Agentic Engineering som en medveten metod för att designa, distribuera och kontinuerligt hantera AI. Det innefattar att föra tillbaka människor i loopen för att säkerställa att AI är anpassat, granskningsbart och alltid grundat i gott omdöme. Vi har också lanserat vår nya Agentic Readiness-erbjudande. Detta hjälper företag att förstå var de har möjligheter att distribuera agenter-AI på ett ansvarsfullt sätt. Vi guidar dem genom nyckelöverväganden, som vad man ska undvika i AI-distributioner, och hur man kan skala säkert. Målet är att ge kunderna och deras företag den största fördelen. AI behöver struktur för att vara pålitlig, och vi har gjort det till en del av vår DNA, vilket i sin tur hjälper till att leverera den typ av positiva upplevelser som driver varumärkeslojalitet.

Endast 8% av konsumenterna är bekväma med fullt autonoma AI-stöd, men branschen rusar framåt med automatisering. Hur försonar du klyftan mellan vad som är möjligt och vad som är acceptabelt?

Problemet är att mycket AI distribueras på platser där kunder märker mest, och inte på ett bra sätt. Företag glömmer att människor avskyr att känna sig lurade. Vi uppskattar AI när den tyst gör saker enklare, som smarta rekommendationer från Netflix eller YouTube eftersom de fungerar och känns osynliga. Men när du är låst utanför din Airbnb (ABNB ) i strömmande regn, är det inte en stund för AI – det är en stund för en människa som kan lösa problemet snabbt och med empati. Tillit förloras inte för att AI existerar, det förloras när AI skapar friktion, frustration och dyker upp på fel platser, skapar en negativ varumärkesupplevelse och driver kunder bort.

Det finns en växande efterfrågan på reglering, men många företag vill inte vänta. Vilken roll bör företagsledare spela i att fastställa sina egna etiska standarder medan regleringsramar kommer ikapp?

Om du distribuerar AI och inte har skapat skyddsräcken, är du redan efter – det är försumlighet, inte innovation. Tänk dig en situation där ett flygbolag lanserar en AI-driven chattassistent för att hjälpa till med bokningar och ändringar, men när kunder börjar fråga om ersättning för försenade flyg, ger systemet fel ersättningsinformation. Inte för att AI var trasig, utan för att ingen har fastställt tydliga policygränser, eskalationsregler och inte har förberett sin agenter-kunskapsbas på rätt sätt. Sådana misstag skapar förvirring hos kunder, skadar varumärkesförtroende och kan öppna dörren för rättsliga exponeringar. De företag som kommer att leda i det här området är de som behandlar etik och styrning som lanseringskrav, inte eftertanke.

Om vi tittar framåt, hur ser du att Agentic AI kommer att förvandla företagsverksamhet internt – bortom bara kundvända användningsfall?

Den interna sidan är där vi ser den snabbaste avkastningen. AI hjälper redan anställda med alla sorters dagliga uppgifter, från att skriva e-post till att sammanfatta möten och dra insikter ur bullriga system, vilket frigör dem att fokusera på högre påverkansarbete – och ingen är emot det eftersom det faktiskt hjälper. I vår egen interna AI-drivna applikation iX Hello har vi sett en minskning med upp till 80% av tiden för att slutföra arbete, med så mycket som 20% mer utdata över affärsfunktioner. Detta lågriskområde är där företag bör experimentera först. Om du inte kan få AI att fungera bra för dina egna team, har du ingen anledning att sätta det framför dina kunder. Använd det internt först, sedan skala det med tillförsikt. På lång sikt kommer detta bara att hjälpa till att säkerställa effektiviteten och produktiviteten hos ett företags anställda, samtidigt som det upprätthåller konsekvens över hela varumärket.

Om vi kollar tillbaka om 12 månader, vad skulle framgång se ut som för Concentrix AI-initiativ – inte bara i antagande, utan i att vinna och upprätthålla konsumenttillit?

Framgång för oss handlar om att hjälpa våra kunder att transformera sina verksamheter från att enbart lansera botar till att köra AI som en integrerad, första klassens del av sin verksamhet. Men det handlar inte bara om att förbättra deras verksamhet, det handlar om att göra konsumenternas liv enklare. Det riktiga måttet på framgång kommer att vara att se en markant förbättring av kundtillfredsställelse. När AI används på rätt sätt, bör det förbättra upplevelsen för konsumenterna, göra deras interaktioner smidigare och mer effektiva. Vi har redan investerat tungt i att bygga AI-teknik som skapar bättre upplevelser under hela kundresan, och vi har distribuerat över 7 000 botar på Concentrix. Nu skalar vi den operativa modellen, inte bara tekniken. När AI är fullt integrerat, ansvarsfullt och hanterat inom företag, leder det till bättre resultat för konsumenterna, vilket i sin tur bygger varaktig tillit.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Concentrix eller komma åt den refererade Concentrix-konsumentundersökningen här.