สัมภาษณ์
ฟราน ลอฟตัส ประธานเจ้าหน้าที่ฝ่ายประสบการณ์ของ EliseAI — ชุดบทสัมภาษณ์

ประเด็นสำคัญแนวทางแบบเฉพาะอุตสาหกรรมของ EliseAI บูรณาการขั้นตอนการทำงานของธุรกิจลงในระบบ AI โดยตรง…
ดูเพิ่มเติม
- แนวทางแบบเฉพาะอุตสาหกรรมของ EliseAI บูรณาการขั้นตอนการทำงานของธุรกิจลงในระบบ AI โดยตรง เพื่อหลีกเลี่ยงข้อผิดพลาดแบบแชทบอททั่วไป
- AI ที่มีประสิทธิภาพในด้านที่อยู่อาศัยและการดูแลสุขภาพ ต้องรับประกันการดำเนินงานให้สำเร็จเพื่อสร้างความไว้วางใจ ไม่ใช่เพียงแค่ให้คำตอบที่รวดเร็ว
- บทบาทของ Chief Experience Officer จะเปลี่ยนไปสู่การประสานความร่วมมือระหว่างมนุษย์และ AI เนื่องจากงานด้านบริหารจัดการถูกดำเนินการโดยระบบอัตโนมัติ
ฟราน ลอฟตัส ประธานเจ้าหน้าที่ฝ่ายประสบการณ์ของ EliseAI เป็นผู้นำที่เปี่ยมพลังสร้างสรรค์และมีภูมิหลังหลากหลาย โดยผสานแรงผลักดันแบบผู้ประกอบการเข้ากับความเชี่ยวชาญเชิงลึกด้านการดำเนินงาน ก่อนร่วมงานกับ EliseAI เธอร่วมก่อตั้ง HOM ซึ่งเป็นแพลตฟอร์มที่ใช้เทคโนโลยีจัดการสิ่งอำนวยความสะดวกและการมีส่วนร่วมของผู้อยู่อาศัย ต่อมา Alfred ซื้อกิจการนี้ และเธอดำรงตำแหน่งผู้บริหารหลายบทบาทที่นั่น โดยพัฒนาประสบการณ์ของผู้อยู่อาศัยในที่พักหลายแสนยูนิต ที่ EliseAI เธอดำรงตำแหน่งผู้นำระดับสูงด้านการดำเนินงานซึ่งรายงานต่อซีอีโอและคณะกรรมการบริษัท ขับเคลื่อนประสิทธิภาพทั่วทั้งองค์กร ดูแลผลลัพธ์ของลูกค้า และทำงานใกล้ชิดกับฝ่ายวิศวกรรมและฝ่ายขายด้านกลยุทธ์ผลิตภัณฑ์และการนำไปใช้งาน เธอได้รับการยอมรับในฐานะผู้ก่อตั้งและผู้นำทางความคิดของวงการ ได้รับการเสนอชื่อเข้าชิงรางวัล Top Founder ที่ MIPIM และได้รับการจัดให้อยู่ในกลุ่มผู้หญิงที่ทรงอิทธิพลที่สุดของ CRETech หลายครั้ง
EliseAI เป็นบริษัทซอฟต์แวร์ AI ในนิวยอร์กที่กำลังเปลี่ยนวิธีที่องค์กรด้านที่อยู่อาศัยและสุขภาพจัดการการสื่อสารปริมาณมากและกระบวนการดำเนินงาน ด้วยปัญญาประดิษฐ์เชิงสนทนาและแบบเอเจนต์ที่ก้าวหน้า แพลตฟอร์มของบริษัททำงานต่าง ๆ โดยอัตโนมัติ เช่น การนัดชมที่พัก การสื่อสารด้านการเช่า การแจ้งซ่อม การต่อสัญญา การรับข้อมูลผู้ป่วย และงานสนับสนุนด้านธุรการ ผ่านข้อความ เสียง อีเมล และแชต ช่วยให้ทีมทำงานได้มีประสิทธิภาพขึ้น พร้อมปรับปรุงการตอบสนองและประสบการณ์ของลูกค้า การรวมปฏิสัมพันธ์เหล่านี้ไว้ในระบบ AI เดียวช่วยให้องค์กรขยายการดำเนินงาน ลดภาระงานที่ต้องทำด้วยคน และปรับปรุงประสิทธิภาพของงานสำคัญต่อภารกิจได้อย่างวัดผลได้
ในฐานะประธานเจ้าหน้าที่ฝ่ายประสบการณ์ของ EliseAI คุณมีประสบการณ์ผสมผสานที่หาได้ยาก ทั้งด้านชุมชน การดำเนินงาน และเทคโนโลยี คุณก่อตั้ง HOM แพลตฟอร์มที่ช่วยให้อาคารพักอาศัยหลายครัวเรือนจัดบริการส่วนกลางและสร้างความรู้สึกเป็นชุมชนได้ในวงกว้าง จากนั้นคุณดูแลประสบการณ์และการส่งมอบบริการที่ Alfred บริษัทบริการด้านที่อยู่อาศัยซึ่งทำงานอยู่ภายในอาคารอพาร์ตเมนต์หลายพันแห่ง บทบาทที่ลงมือทำจริงและให้ความสำคัญกับผู้คนเหล่านี้มีอิทธิพลต่อการออกแบบและนำประสบการณ์ AI ไปใช้จริงที่ EliseAI ในปัจจุบันอย่างไร?
พื้นฐานด้านการบริหารอสังหาริมทรัพย์ในภาคปฏิบัติสอนฉันว่าเทคโนโลยีจะดีได้เพียงเท่ากับบริการที่มันส่งมอบได้จริงหน้างาน ที่ HOM และ Alfred ฉันเรียนรู้ว่าผู้อยู่อาศัยไม่สนใจหน้าจอที่สวยงาม หากคำขอซ่อมหายเข้าไปในหลุมดำหรือการย้ายเข้าเกิดความล่าช้า นั่นทำให้ฉันจริงจังอย่างมากกับการจัดการเรื่องต่าง ๆ ให้จบครบวงจร ฉันไม่ได้ออกแบบ AI เพียงเพื่อจัดการบทสนทนา แต่เพื่อดูแลวงจรทั้งหมดของงานหนึ่งชิ้น ฉันให้ความสำคัญกับผู้อยู่อาศัยที่กำลังเผชิญวิกฤต หรือพนักงานที่มีงานล้นมือ โดยทำให้แน่ใจว่า AI ไม่ใช่สิ่งที่พวกเขาต้องคอยเฝ้าดูเพิ่มอีกอย่าง แต่เป็นเครื่องมือที่ช่วยแบ่งเบาภาระ
ในมุมมองด้านประสบการณ์ลูกค้า AI ที่มีประสิทธิภาพจริงในงานที่อยู่อาศัยและสุขภาพควรเป็นอย่างไร เมื่อความไว้วางใจ ความชัดเจน และการดำเนินการให้เสร็จสิ้นสำคัญพอ ๆ กับความรวดเร็วหรือระบบอัตโนมัติ?
ในงานที่อยู่อาศัยและสุขภาพ ความรวดเร็วเป็นเรื่องดี แต่การทำเรื่องให้สำเร็จจริงต่างหากที่สร้างความไว้วางใจ AI ที่ดีไม่ควรเพียงตอบได้เร็ว แต่ต้องแน่ใจว่ามีการดำเนินการเกิดขึ้นจริง หากผู้ป่วยสอบถามเรื่องใบเรียกเก็บเงิน หรือผู้เช่าต้องการต่อสัญญา AI ต้องปรับปรุงข้อมูล แจ้งผู้จัดการที่รับผิดชอบ และบอกผู้สอบถามว่าเรื่องกำลังดำเนินไป ประเด็นคือความชัดเจนและการทำงานเชิงรุก เพื่อให้ผู้คนไม่รู้สึกว่าต้องโทรกลับถึงสามครั้งเพียงเพื่อถามความคืบหน้า
EliseAI เลือกแนวทางที่มุ่งเน้นเฉพาะอุตสาหกรรม แทนการเสนอระบบ AI ชั้นกลางที่ใช้ได้ทั่วไป การตัดสินใจนี้เปลี่ยนประสบการณ์ประจำวันของทีมดูแลอสังหาริมทรัพย์ ผู้อยู่อาศัย และบุคลากรทางการแพทย์อย่างไร เมื่อเทียบกับเครื่องมือ AI ที่ใช้ได้หลายอุตสาหกรรม?
เครื่องมือ AI ทั่วไปทำให้ลูกค้าต้องรับภาระหนักในการสอนซอฟต์แวร์เกี่ยวกับกฎของอุตสาหกรรม แต่โซลูชันของเราเจาะจงเฉพาะด้านที่อยู่อาศัยและสุขภาพ ระบบจึงมีความเข้าใจเชิงลึกเกี่ยวกับกระบวนการเฉพาะอยู่แล้ว เช่น กฎเกี่ยวกับเงินประกันการเช่า หรือรายละเอียดปลีกย่อยของการนัดหมายผู้ป่วย สำหรับเจ้าหน้าที่หน้างาน นี่หมายความว่าพวกเขาไม่ได้กำลังดูแลแชตบอตทั่วไปที่อาจแต่งนโยบายขึ้นเอง แต่ทำงานกับระบบที่เชื่อมต่อเข้ากับซอฟต์แวร์เดิมแล้ว และเข้าใจภาษาการทำงานประจำวันตั้งแต่วันแรก
ช่วยอธิบายได้ไหมว่าการติดตามสังเกตพนักงานหน้างานเพื่อเข้าใจกระบวนการตั้งแต่ต้นจนจบช่วยปรับปรุงพฤติกรรมของโมเดลและประสบการณ์ที่ลูกค้าได้รับอย่างไร เมื่อเทียบกับการฝึกด้วยข้อมูลเชิงนามธรรมเพียงอย่างเดียว?
ข้อมูลเชิงนามธรรมบอกว่าเราทำอะไร แต่การอยู่หน้างานกับลูกค้าบอกว่าเราทำอย่างไร เมื่อทีมของฉันใช้เวลาในสภาพแวดล้อมจริงที่ซอฟต์แวร์ถูกนำไปใช้ พวกเขาจะเห็นจุดติดขัดที่ชุดข้อมูลมองไม่เห็น ตัวอย่างเช่น ระหว่างการสำรวจความต้องการกับผู้บริหารที่พักสำหรับทหาร เราพบขั้นตอนอนุมัติที่ซับซ้อนและข้อจำกัดประจำวันอันเข้มงวดซึ่งไม่ปรากฏในคู่มือใดเลย เมื่อเก็บรายละเอียดอันยุ่งเหยิงจากโลกจริงเหล่านี้แล้วนำมารวมไว้ในผลิตภัณฑ์ เราก็สร้าง AI ที่ไม่ได้ทำงานได้แค่ในการสาธิต แต่รับมือความวุ่นวายของสำนักงานที่งานล้นมือได้ด้วย
เมื่อระบบ AI ก้าวจากการตอบคำถามไปสู่การลงมือทำงาน จะเกิดความเสี่ยงใหม่ต่อประสบการณ์ใช้งานอะไรบ้าง และคุณทำอย่างไรให้ระบบอัตโนมัติรู้สึกเหมือนตัวช่วยที่เชื่อถือได้ แทนที่จะรุกล้ำหรือทำงานอย่างไม่โปร่งใส?
ความเสี่ยงหลักเปลี่ยนจากการที่ AI พูดผิดไปเป็นการที่ AI ทำผิด เพื่อลดความเสี่ยง ฉันสร้างรูปแบบการทำงานด้านโซลูชันผลิตภัณฑ์ที่มีผู้เชี่ยวชาญรับผิดชอบส่วนต่าง ๆ ของผลิตภัณฑ์โดยเฉพาะ ซึ่งหลายคนเคยเป็นผู้ก่อตั้งบริษัท พวกเขากำหนดกฎและมาตรการควบคุมที่ชัดเจนว่า AI จะทำงานอย่างไร เพื่อให้แน่ใจว่ามันจะไม่ทำสิ่งที่ทำให้พนักงานแปลกใจหรือสับสน
ในงานที่อยู่อาศัยและสุขภาพ ความผิดพลาดเล็กน้อยก็อาจบั่นทอนความไว้วางใจได้อย่างรวดเร็ว คุณออกแบบระบบ AI แบบเอเจนต์อย่างไรให้โปร่งใส คาดการณ์ได้ และเปิดทางให้มนุษย์เข้ามาแทรกแซงแก้ไขได้ง่ายเมื่อจำเป็น?
การออกแบบเพื่อสร้างความไว้วางใจเริ่มจากการเลิกใช้วิธีคิดเชิงรับแบบเดิมที่รอให้สิ่งต่าง ๆ มีปัญหาก่อน ฉันจึงสร้างทีมที่เป็นสะพานเชื่อมระหว่างความยุ่งเหยิงของการดำเนินงานจริงกับตรรกะของ AI คนเหล่านี้ไม่ใช่เจ้าหน้าที่ฝ่ายสนับสนุน แต่เป็นนักกลยุทธ์และอดีตผู้ก่อตั้งบริษัทที่รับผิดชอบส่วนเฉพาะของผลิตภัณฑ์ตั้งแต่ต้นจนจบ
พวกเขาติดตามสังเกตการทำงานเพื่อเข้าใจกฎของอุตสาหกรรมที่ยอมผ่อนปรนไม่ได้ เช่น ขั้นตอนอนุมัติที่ซับซ้อนของที่พักทหาร หรือกรอบเวลาตอบสนองทางการแพทย์ที่เข้มงวด แล้วนำกฎเหล่านั้นไปฝังไว้ในพฤติกรรมของ AI โดยตรง ความโปร่งใสเกิดจากการที่ระบบถูกออกแบบให้แจ้งเตือนปัญหาที่อาจเกิดขึ้นเชิงรุก ก่อนจะกลายเป็นข้อร้องเรียนของผู้อยู่อาศัยหรือผู้ป่วย เมื่อ AI ตรวจพบสถานการณ์ที่มีอารมณ์เข้มข้น หรือคำขอซับซ้อนที่ไม่ได้รับการฝึกมา มันจะไม่เดา แต่จะส่งต่อให้พนักงานพร้อมประวัติและบริบททั้งหมดของปฏิสัมพันธ์นั้น ทำให้พนักงานเข้ามาช่วยได้อย่างเข้าใจสถานการณ์ แทนที่จะต้องเริ่มต้นใหม่จากศูนย์
จากมุมมองของคุณที่ดูแลการนำระบบไปใช้และความสำเร็จของลูกค้า จุดติดขัดที่ลูกค้ามักพบเมื่อนำ AI เข้ามาในกระบวนการดำเนินงานคืออะไร และ EliseAI ลดจุดติดขัดเหล่านี้ตั้งแต่ช่วงเริ่มต้นอย่างไร?
จุดติดขัดใหญ่ที่สุดแทบไม่ใช่ตัวเทคโนโลยี แต่เป็นความกังวลว่ามันจะรบกวนจังหวะการทำงานของทีมหรือมาแทนบทบาทของพวกเขา เรารับมือด้วยการเน้นแบ่งเบางานในทางปฏิบัติทันที ในสัปดาห์แรก เราให้ AI รับช่วงงานซ้ำ ๆ ปริมาณมากที่มักทำให้พนักงานหมดไฟมากที่สุด เช่น การติดตามผู้สนใจเป็นลูกค้าในช่วงแรก เรายังใช้ AI ของเราเองดูแลการดำเนินงานภายในบริษัทด้วย จึงเข้าใจจุดกดดันที่แท้จริงของการเปลี่ยนกระบวนการทำงาน และเป็นพันธมิตรที่ดีขึ้นได้เมื่อลูกค้าต้องผ่านการเปลี่ยนแปลงเดียวกัน
หลายองค์กรไปต่อจากโครงการนำร่องได้ยาก คุณช่วยลูกค้าปรับกระบวนการและความคาดหวังอย่างไรให้ AI กลายเป็นส่วนหนึ่งของงานประจำวัน แทนที่จะยังเป็นเพียงการทดลองแยกต่างหาก?
AI จะหยั่งรากในการใช้งานได้ก็ต่อเมื่อเลิกเป็นโครงการเสริมและกลายเป็นส่วนปกติของวันทำงาน เราช่วยผู้นำจัดทีมใหม่ เพื่อให้เมื่อ AI ดูแลงานจุกจิกที่ทำซ้ำ คนก็หันไปทำงานที่ต้องอาศัยความเป็นมนุษย์อย่างแท้จริงได้
ปัจจุบัน EliseAI รองรับอพาร์ตเมนต์ประมาณหนึ่งในหกของสหรัฐฯ เมื่อขยายถึงระดับนี้ ความคาดหวังของลูกค้าเปลี่ยนไปอย่างไร และมีความท้าทายใหม่ด้านประสบการณ์อะไรเกิดขึ้นเมื่อ AI กลายเป็นส่วนหนึ่งของการทำงานปกติ?
ในระดับนี้ AI ไม่ใช่แค่นวัตกรรมที่น่าตื่นเต้นอีกต่อไป แต่เป็นบริการพื้นฐานเหมือนไฟฟ้า ความคาดหวังเปลี่ยนจากความประทับใจเมื่อมันทำงานได้ มาเป็นการยอมรับไม่ได้เมื่อมันทำงานล้มเหลว เราต้องจัดการความแปรผันนี้ พร้อมรักษาความเชื่อถือได้ไว้ที่ 100%
เมื่อมองไปข้างหน้าอีกสองถึงสามปี คุณคิดว่าบทบาทประธานเจ้าหน้าที่ฝ่ายประสบการณ์จะพัฒนาอย่างไร เมื่อระบบ AI รับผิดชอบมากขึ้นในบริการจำเป็นอย่างที่อยู่อาศัยและสุขภาพ?
บทบาทนี้จะเปลี่ยนจากการบริหารงานบริการลูกค้าไปสู่การประสานความร่วมมือระหว่างมนุษย์กับ AI เมื่อ AI รับช่วงส่วนของงานที่เป็นธุรการและงานซ้ำ ๆ ผู้บริหารฝ่ายประสบการณ์จะหันไปมุ่งเน้นจุดสัมผัสเชิงกลยุทธ์และอารมณ์อย่างเต็มที่ หน้าที่ของเราคือทำให้แน่ใจว่าเมื่อโลกเป็นอัตโนมัติมากขึ้น ปฏิสัมพันธ์ระหว่างมนุษย์ในงานที่อยู่อาศัยและสุขภาพจะมีความตั้งใจและสร้างผลที่มีความหมายมากขึ้น
ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการทราบข้อมูลเพิ่มเติมสามารถเยี่ยมชม EliseAI.












