Ashley Moser, ผู้ร่วมก่อตั้งและ CCO ของ MelodyArc – ชุดสัมภาษณ์

Ashley Moser, ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายขายเชิงพาณิชย์ของ MelodyArc, นำกลยุทธ์เชิงพาณิชย์ของบริษัท, ทำงานร่วมกับลูกค้าเพื่อแปลงเป้าหมายการดำเนินงานที่ทะเยอทะยานให้เป็นผลลัพธ์ที่วัดได้. เธอมีประสบการณ์ครอบคลุมการดำเนินงาน, กลยุทธ์ผลิตภัณฑ์, โลจิสติกส์, การขาย, และบริการทางการเงิน, รวมถึงบทบาทผู้นำที่ Wonder และ Jetblack ของ Walmart, ที่เธอทำงานด้านห่วงโซ่อุปทาน, การปรับปรุงต่อเนื่อง, กลยุทธ์, และโลจิสติกส์. ในช่วงแรกของอาชีพ, เธอเคยดำรงตำแหน่งผู้จัดการฝ่ายขายที่ Stella Connect, ซึ่งต่อมาถูกเข้าซื้อโดย Medallia, ทำงานกับแพลตฟอร์มการค้าปลีกบนมือถือ NewStore, และใช้เวลามากกว่าสี่ปีที่ J.P. Morgan ในการขายหุ้นสถาบัน.

MelodyArc เป็นแพลตฟอร์มการจัดระเบียบ AI ระดับองค์กรที่ออกแบบมาเพื่อช่วยทีมปฏิบัติการประสานข้อมูล, กฎทางธุรกิจ, ระบบ AI, และการตัดสินใจของมนุษย์ภายในสภาพแวดล้อมที่มีการกำกับดูแลเดียวกัน. แพลตฟอร์มนี้สร้างขึ้นโดยมุ่งเน้นการดำเนินกระบวนการปฏิบัติการที่ซับซ้อนตั้งแต่ต้นจนจบ, ให้ทีมสามารถกำหนดเวิร์กโฟลว์, ใช้ตรรกะธุรกิจ, ปรับใช้ผู้ดำเนินการ AI หรือเอเจนต์อื่น ๆ, และส่งต่อกรณีให้คนเมื่อจำเป็นต้องใช้การตัดสินใจที่ลึกซึ้งกว่า. Point Engine ของมันประเมินเส้นทางที่เป็นไปได้สำหรับการแก้ไขแต่ละกรณีโดยทำงานภายในกฎขององค์กรและบันทึกขั้นตอนแต่ละขั้น, ทำให้ธุรกิจมีการมองเห็นและควบคุมการทำงานของเวิร์กโฟลว์ที่ขับเคลื่อนด้วย AI มากขึ้นในด้านต่าง ๆ เช่น การบริการลูกค้า, การจัดสินค้า, การสื่อสารบนเว็บไซต์, ห่วงโซ่อุปทาน, และการจัดประเภทสินค้า.

คุณมีอาชีพที่หลากหลายครอบคลุมการเงินที่ J.P. Morgan, SaaS ระดับองค์กรที่ Medallia, และบทบาทปฏิบัติการภายใน Jetblack ของ Walmart. ความเข้าใจหรือความหงุดหงิดเฉพาะใดที่ทำให้คุณร่วมก่อตั้ง MelodyArc, และประสบการณ์เหล่านั้นได้กำหนดวิสัยทัศน์หลักของบริษัทอย่างไร? 

เราก่อตั้งบริษัทเพราะผู้ร่วมก่อตั้งของฉัน, James McHenry, และฉันเคยเป็นผู้ปฏิบัติการและเทคโนโลยีมาก่อน. เราได้เห็นด้วยตาตัวเองและหลายครั้งได้ช่วยสร้างเทคโนโลยีที่ยอดเยี่ยมสำหรับทีมปฏิบัติการ. แต่เรายังคงเจอช่องว่างเดียวกัน, โซลูชันจุดที่หรือให้การตอบสนองเพียงส่วนแคบของสิ่งที่ทีมปฏิบัติการทำจริง, หรือไม่สอดคล้องกับวิธีการทำงานที่เกิดขึ้นจริงในสนาม.

ด้วยความตั้งใจนั้น, เราจึงมุ่งสร้างแพลตฟอร์มที่สามารถนำเทคโนโลยีใหม่ไปสู่ทีมปฏิบัติการแนวหน้าในรูปแบบที่พวกเขาสามารถใช้งานได้จริง. วันนี้, สิ่งนั้นปรากฏเป็นการจัดระเบียบแบบมีมนุษย์เข้ามาเป็นส่วนหนึ่งของวงจร.

MelodyArc กำลังนำ AI ไปสู่มือของผู้ปฏิบัติการแนวหน้าโดยตรง. วิธีการนี้แตกต่างจากการปรับใช้ AI ระดับองค์กรแบบจากบนลงล่างแบบดั้งเดิมอย่างไร, และทำไมการเปลี่ยนแปลงนี้จึงเกิดขึ้นในขณะนี้? 

ด้วย MelodyArc, เมื่อแพลตฟอร์มพร้อมใช้งาน, เราให้ความสามารถในการสร้างเวิร์กโฟลว์ใหม่, ไอเดีย, และกระบวนการที่มีมนุษย์เข้ามาเป็นส่วนหนึ่งของวงจรโดยตรงแก่ทีม, โดยมีผลกระทบต่อแผนงานโดยรวมเพียงเล็กน้อยหรือไม่มีเลย. นั่นหมายความว่าทีมสามารถปรับปรุงกระบวนการของตนเองโดยใช้ AI โดยไม่ต้องส่งคำขอขึ้นลงตามสายบังคับการทุกครั้ง. นี่เป็นวิธีการปรับใช้เทคโนโลยีที่แตกต่างอย่างพื้นฐาน.

สิ่งนี้ชัดเจนเป็นพิเศษในการปรับใช้ระดับองค์กรที่ใหญ่ที่สุดของเรา. ที่ลูกค้าหนึ่งราย, เราเริ่มด้วยกรณีการใช้งานเดียวบนทีมหนึ่ง. วันนี้, เรามีการใช้งานจริงมากกว่าห้ากรณีการใช้งานที่กระจายอยู่หลายทีม.

เรายังได้เห็นทีมสร้างกระบวนการที่ช่วยด้วย AI ได้ภายในหนึ่งวัน, สิ่งที่พวกเขาเคยให้ความสำคัญน้อยลงก่อนหน้านี้เพราะไม่เคยผ่านเกณฑ์ ROI สำหรับการสร้างที่ต้องใช้วิศวกรรมอย่างหนัก.

หลายองค์กรกำลังลงทุนอย่างหนักใน AI แต่ยังคงประสบปัญหาในการนำไปปฏิบัติจริง. ช่องว่างที่พบบ่อยที่สุดระหว่างกลยุทธ์ AI กับการดำเนินการในโลกจริงคืออะไร?

มีสองประเด็นใหญ่ที่เด่นชัด. ประการแรก, เมื่อบริษัทมองกระบวนการที่ต้องการนำ AI ไปใช้, พวกเขามักใช้แนวทางแบบทั้งหมดหรือไม่มีเลย. พวกเขาอัตโนมัติกระบวนการทั้งหมดของกระบวนการที่มุ่งเน้น, หรือไม่ทำอะไรเลย. เราแนะนำให้บริษัทมองที่โครงสร้างของกระบวนการและระบุว่าการอัตโนมัติเข้ากับส่วนใด, AI เข้ากับส่วนใด, และคนยังต้องมีส่วนร่วมที่ส่วนใด, ไม่จำเป็นต้องตามลำดับนั้น. วิธีนี้ทำให้กระบวนการที่เป็นผู้สมัครสำหรับ AI มากขึ้นอย่างมาก, และยังปลดล็อกการอัตโนมัติเพิ่มเติมในขั้นตอนต่อมา, เพราะคุณได้วางแผนอย่างรอบคอบว่าคนควรเข้าร่วมที่จุดใด.

ประการที่สอง, จากมุมมองเชิงกลยุทธ์, บริษัทมักมีกรณีการใช้ที่เหมาะสมหลายร้อยกรณีให้เลือก. สิ่งสำคัญคือการประเมินพวกเขาตามผลกระทบทางธุรกิจจริง, ดอลลาร์, ชั่วโมง, และเมตริกที่เป็นรูปธรรม, แทนที่จะไล่ตามสิ่งที่ดูโดดเด่นหรือทำได้ง่าย. การมุ่งเน้นพื้นที่ที่ใหญ่ที่สุดและมีผลกระทบสูงสุดเป็นอันดับแรก, แม้ว่าจะยากกว่า, คือที่บริษัทได้รับคุณค่ามากที่สุด. สิ่งนี้ยังแสดงให้เห็นถึงวงล้อคุณค่าบวกที่โครงการ AI สามารถสร้างในองค์กร.

MelodyArc ผสาน AI กับกระบวนการทำงานของมนุษย์แทนการแทนที่. คุณกำหนดสมดุลที่เหมาะสมระหว่างการอัตโนมัติและการตัดสินใจของมนุษย์ในสภาพแวดล้อมระดับองค์กรอย่างไร?

MelodyArc ช่วยองค์กรบรรลุเป้าหมายการอัตโนมัติของพวกเขาโดยการหาจุดสมดุลที่เหมาะสมระหว่าง AI กับการตัดสินใจที่มีมนุษย์เข้ามาแทรกแซง ตั้งแต่ MelodyArc เริ่มกระบวนการดำเนินการ เป้าหมายสุดท้ายขององค์กรอาจเป็นให้ระบบอัตโนมัติทำงานได้ 90% ของงาน โดยส่วนที่เหลือ 10% พึ่งพาความเชี่ยวชาญของสมาชิกทีม แต่แทนที่จะให้ความสำคัญกับความเร็วเพียงอย่างเดียว MelodyArc ใช้การมีส่วนร่วมของมนุษย์ตั้งแต่แรก ตัวอย่างเช่น เริ่มด้วยสัดส่วน 50-50 ระหว่างการอัตโนมัติและการป้อนข้อมูลจากสมาชิกทีม แล้วค่อยๆ เพิ่มการอัตโนมัติของกระบวนการต่อไป วิธีการนี้ทำให้เวิร์กโฟลว์ระดับองค์กรเข้าสู่การผลิตได้เร็วขึ้น เพราะเราไม่ได้พยายามทำให้เวิร์กโฟลว์สมบูรณ์ก่อนนำ AI ไปใช้

อีกหนึ่งจุดแข็งของวิธีการนี้คือเมื่อเรานำระบบเข้าสู่การผลิต เราจะเก็บข้อมูลกระบวนการที่บอกเราอย่างชัดเจนว่าควรอัตโนมัติกส่วนใดของกระบวนการต่อไป สิ่งนี้ทำให้ MelodyArc สามารถเพิ่มการอัตโนมัติเพื่อให้บรรลุเป้าหมายได้เร็วขึ้นและอย่างต่อเนื่อง ในทางปฏิบัติ สิ่งนี้มักหมายความว่าบริษัทจะเห็นการปรับปรุงการอัตโนมัติอย่างต่อเนื่องโดยไม่ต้องทำลายเวิร์กโฟลว์เพื่อแก้ไขหรือปรับปรุง

ด้วยพื้นฐานของคุณในด้านประสบการณ์ลูกค้าและการดำเนินงาน คุณคิดว่า AI กำลังกำหนดนิยามของ “บริการที่ยอดเยี่ยม” อย่างไรในสภาพแวดล้อมที่การตอบสนองสามารถสร้างได้ทันที?

ผมเชื่อว่า “instant” จะกลายเป็นมาตรฐานพื้นฐานและในที่สุดจะเป็นสินค้าสาธารณะ การให้บริการที่ยอดเยี่ยมไม่เคยเป็นเรื่องของการให้คำตอบลูกค้าอย่างรวดเร็วเท่านั้น แต่เป็นการให้คำตอบที่ถูกต้องด้วยความพยายามที่น้อยที่สุด AI มอบวิธีใหม่ในการลดความพยายามนั้น ไม่ว่าจะเป็นการดำเนินการแทนลูกค้า การแนะนำขั้นตอนต่อไป หรือการกรอกข้อมูลอัตโนมัติ – ทุกอย่างที่ทำให้ประสบการณ์เร็วขึ้นและน่าพึงพอใจ การสร้างคำตอบทันทีไม่มีความหมายเลยหากไม่ได้เกี่ยวข้องจริง ๆ และผมอยากจะโต้ว่า การไล่ตามความเร็วเพียงอย่างเดียวคือวิธีที่บริษัทมักจะปรับให้เหมาะกับสิ่งที่ผิด

AI ระดับองค์กรมักล้มเหลวในขั้นตอนสุดท้ายที่การนำไปใช้และความใช้งานง่ายกลายเป็นสิ่งสำคัญ หลักการออกแบบใดที่เป็นหัวใจสำคัญเพื่อให้แน่ใจว่า MelodyArc ถูกใช้จริงโดยทีมงานระดับหน้า?

เรามาเริ่มจากความเข้าใจว่ามีความรู้โดยปริยายจำนวนมากอยู่กับทีมของเรา และเราชัดเจนว่าอะไรที่เราสามารถและไม่สามารถอัตโนมัติได้ การเปิดเผยความแตกต่างนี้ตั้งแต่แรกทำให้ประสบการณ์เป็นธรรมชาติมากขึ้น ไม่ใช่กล่องดำที่ทำให้ทีมไม่แน่ใจว่าเกิดอะไรขึ้นหรือทำไม

การใช้งานง่ายสรุปได้จากแนวคิดว่าเทคโนโลยีทำงานร่วมกับทีมงานระดับหน้า แทนที่จะกลายเป็นสิ่งที่พวกเขาต้องหลีกเลี่ยง นั่นเชื่อมโยงกลับไปสาเหตุที่เราก่อตั้งบริษัทในตอนแรก เนื่องจากโซลูชันจุดเดียวหลายตัวมุ่งเน้นเพียงส่วนแคบของการดำเนินงาน หรือไม่สอดคล้องกับวิธีการทำงานจริงบนพื้นที่ เราพบว่านี่เป็นเหตุผลสำคัญที่เครื่องมือ AI ระดับองค์กรหลายตัวค้างใช้งานไม่ได้ใช้เป็นเดือนหลายเดือนหลังจากเปิดตัว

เมื่อเอเย่นต์ AI มีความอิสระมากขึ้น ความท้าทายด้านการกำกับดูแลและการควบคุมใดที่องค์กรควรเตรียมพร้อมก่อนขยายระบบเหล่านี้?

การสังเกตในสภาพแวดล้อมองค์กรใด ๆ เป็นสิ่งสำคัญ โดยเฉพาะความสามารถในการมองเห็นว่าการตัดสินใจใดถูกทำและทำไม สำหรับกระบวนการที่องค์กรสามารถอัตโนมัติได้แต่ไม่รู้สึกสบายใจที่จะทำโดยตรง ผมแนะนำให้คงมนุษย์อยู่ในวงจร การทำเช่นนี้สำคัญไม่เพียงเพื่อรักษาการตรวจสอบเท่านั้น แต่เพื่อทดลองระบบใหม่เพื่อเข้าใจวิธีการทำงานและผลกระทบของมัน ทั้งด้านบวกและด้านลบ

จากมุมมองเชิงพาณิชย์ การขาย AI ให้กับองค์กรได้เปลี่ยนแปลงอย่างไรในช่วงไม่กี่ปีที่ผ่านมาเมื่อผู้ซื้อมีข้อมูลมากขึ้นแต่ก็ระมัดระวังมากขึ้น?

ทุกคน ทั้งผู้ซื้อและผู้ขาย ต่างฉลาดขึ้นมาก เราอยู่ประมาณสี่ปีของวัฏจักรหลายทศวรรษจริง ๆ ดังนั้นเรายังอยู่ในช่วงเรียนรู้.. เมื่อ AI มีความสามารถและเข้าถึงได้มากขึ้น เรากำลังปรับปรุงอย่างรวดเร็วในสิ่งที่เราสามารถทำให้กับลูกค้าในขณะที่พวกเขากำลังเรียนรู้ว่าตนเองทำอะไรได้บ้างในองค์กรของตน ซึ่งเป็นเรื่องที่น่าตื่นเต้นจริง ๆ เพราะมีการแลกเปลี่ยนคุณค่ามากมาย

องค์กรต่างให้ความสำคัญกับความปลอดภัยของข้อมูลมากกว่าที่เคย เน้นการรักษาเอกลักษณ์ของตนเองและประสิทธิภาพที่ AI มอบให้ พวกเขายังเข้าถึงโครงการอย่างมีเหตุผลมากขึ้น พร้อมยอมรับการนำไปใช้แบบค่อยเป็นค่อยไปแทนที่จะทำทั้งหมดในครั้งเดียว การสร้างหรือการซื้อยังคงเป็นการคำนวณที่ดำเนินอยู่ภายในองค์กรอย่างต่อเนื่อง และเรากำลังเห็นแนวทางแบบผสมผสาน เช่น การสร้างพร้อมการซื้อ หรือ “สร้างผ่านการซื้อ” มากกว่าการเลือกอย่างใดอย่างหนึ่ง

คุณได้ทำงานกับทั้งสตาร์ทอัพที่เติบโตเร็วและองค์กรขนาดใหญ่เช่น Walmart การสร้าง AI สำหรับการดำเนินงานระดับองค์กรแตกต่างกันอย่างไรตามขนาดบริษัทและความซับซ้อนขององค์กร?

จริง ๆ แล้วมีสองมิติที่นี่: ความกว้างขององค์กรและความลึกทางประวัติศาสตร์ของเทคสแตกและกระบวนการของมัน

ในสตาร์ทอัพที่เติบโตเร็ว คุณไม่มีคนจำนวนมากหรือความซับซ้อนขององค์กรมากนัก และคุณไม่ได้ทำงานรอบระบบที่สร้างมานาน 20 ปีหรือทีมที่ทำงานแบบเดียวกันมานานสิบปี การที่องค์กรใหญ่และมีการจัดตั้งมานานยิ่งทำให้คุณต้องคิดใหม่เกี่ยวกับวิธีการทำงานตั้งแต่พื้นฐาน ซึ่งหมายถึงการตัดสินใจว่าต้องการดำเนินการอย่างไรในอนาคต แล้วค่อยเพิ่มขั้นตอนไปสู่เป้าหมายนั้นในแบบที่เหมาะกับองค์กร บางครั้งก็หมายถึงการรันการทดลองอิสระที่ขอบเขตค่อนข้างแยกจากหรือขนานกับกระบวนการที่มีอยู่

มองไปข้างหน้า คุณมองเห็นบทบาทของพนักงานแนวหน้าเปลี่ยนแปลงอย่างไรเมื่อ AI ฝังตัวเข้าสู่กระบวนการทำงานประจำวัน? เรากำลังมุ่งหน้าไปสู่การเสริมศักยภาพ การจัดการขั้นตอน หรือบางอย่างที่ใหม่โดยสิ้นเชิง? 

สำหรับกระบวนการทำงานประจำวัน ชั้นการจัดการขั้นตอนเป็นสิ่งสำคัญ การทำให้คนและเทคโนโลยีของคุณทำงานร่วมกันโดยธรรมชาติเป็นทิศทางที่เรากำลังมุ่งหน้าไป อย่างไรก็ตาม การนำเทคโนโลยีประเภทนี้ไปใช้สามารถซับซ้อนได้ เนื่องจากมันไม่ใช่ระบบแยกส่วนง่าย ๆ ที่องค์กรสามารถอัตโนมัติขั้นตอนหนึ่งแล้วส่งต่อให้พนักงานคนอื่นได้ มันเป็นการผสานรวมของ AI, ระบบอัตโนมัติ, และพนักงานที่ทำงานร่วมกันอย่างสอดคล้อง

มีโอกาสมากสำหรับทีมแนวหน้าที่จะนำกระบวนการทำงานไปใช้ ทุกครั้งที่เราพูดคุยกับลูกค้า จะมีโครงการหลายสิบหรือแม้แต่หลายร้อยโครงการที่พวกเขาต้องการทำแต่ทำไม่ได้ ไม่ว่าจะเป็นเรื่องงบประมาณ แผนเทคโนโลยี ขนาดทีม หรือผลตอบแทนการลงทุนที่เป็นอุปสรรค นั่นคือจุดที่ AI และการจัดการขั้นตอนเข้ามาช่วย มันช่วยให้ทีมทำได้มากขึ้นด้วยสิ่งที่มีอยู่แล้วในขณะที่ลดต้นทุนการเริ่มต้นลง สิ่งนี้ในที่สุดจะนำไปสู่ ROI ที่เป็นบวกสำหรับโครงการในอนาคต

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม MelodyArc.