Фран Лофтус, Головний офіцер з досвіду, EliseAI – Серія інтерв’ю

Фран Лофтус, Головний офіцер з досвіду, EliseAI – динамічний лідер, відомий своєю творчою енергією та різноманітним досвідом, який поєднує підприємницьку діяльність з глибокими операційними знаннями. Перед тим, як приєднатися до EliseAI, вона була співзасновником HOM, платформи технологічно підтримуваної зручності та взаємодії, яку придбала компанія Alfred, де пізніше вона займала різні виконавчі посади, формуючи досвід мешканців у сотнях тисяч одиниць. У EliseAI вона займала керівні операційні посади, підпорядковані генеральному директорові та раді директорів, забезпечуючи міжкомпанійську ефективність, нагляд за результатами клієнтів та тісно співпрацюючи з інженерами та продажами щодо стратегії продукту та його впровадження. Визнана засновником та лідером думок у галузі, вона була номінована на звання найкращого засновника на MIPIM та багаторазово визнавалася однією з найвпливовіших жінок у сфері CRETech.

EliseAI – це компанія з Нью-Йорка, яка займається розробкою програмного забезпечення на основі штучного інтелекту, що трансформує спосіб управління високовOLUME комунікацією та операційними робочими процесами в організаціях житлово-комунального господарства та охорони здоров’я. Її платформа автоматизує завдання, такі як планування екскурсій, спілкування з орендарями, запитів на технічне обслуговування, оновлення договору оренди, реєстрація пацієнтів та адміністративна підтримка через текст, голос, електронну пошту та чат, дозволяючи командам працювати більш ефективно, покращуючи реакцію та досвід клієнта. Централізуючи ці взаємодії в єдину систему штучного інтелекту, EliseAI допомагає організаціям розширювати операції, зменшувати ручну роботу та забезпечувати вимірювані покращення результатів у критично важливих функціях.

Як Головний офіцер з досвіду в EliseAI, ви володієте рідкісною комбінацією досвіду у сфері спільноти, операцій та технологій. Ви були співзасновником HOM, платформи, яка допомагала багатоквартирним будинкам надавати спільні зручності та відчуття спільноти у великому масштабі, а потім керували досвідом та доставкою послуг у компанії Alfred, компанії з житлових послуг, що працює всередині тисяч квартир. Як ці глибоко практичні, орієнтовані на людей ролі впливають на те, як ви проектуєте та оперативно впроваджуєте досвід штучного інтелекту в EliseAI сьогодні?

Мій досвід у сфері фізичного управління майном навчив мене, що технологія є лише такою хорошою, як і послуга, яку вона фактично надає на місцях. У HOM та Alfred я дізнався, що мешканець не турбується про елегантний інтерфейс, якщо його запит на технічне обслуговування зникає у чорній дірі або його в’їзд затримується. Це зробило мене одержимим закриттям циклу. Я не проектую штучний інтелект лише для обробки розмов, я проектую його для управління цілим життєвим циклом завдання. Я ставлю на першому місці мешканця у кризі або працівника, який розтягнутий надто тонко, забезпечуючи, що штучний інтелект не є просто ще однією річчю, яку їм потрібно контролювати, а інструментом, який знімає вагу з їхніх плечей.

З точки зору досвіду клієнта, що таке ефективний штучний інтелект у середовищі житлово-комунального господарства та охорони здоров’я, де довіра, ясність та виконання мають таку ж важливість, як і швидкість або автоматизація?

У сфері житлово-комунального господарства та охорони здоров’я бути швидким – це добре, але фактичне виконання має більшу важливість для побудови довіри. Добрий штучний інтелект не повинен лише давати швидку відповідь; він повинен забезпечити, щоб щось фактично відбулося. Якщо пацієнт запитує про рахунок або орендар хоче оновити свою орендну угоду, штучний інтелект повинен оновити записи, повідомити відповідального менеджера та повідомити цю особу, що колеса вже рухаються. Це питання про те, щоб бути ясним та проактивним, щоб люди не відчували, що їм потрібно зателефонувати тричі, просто щоб перевірити статус.

EliseAI вибрала вертикальний підхід, а не загальний шар штучного інтелекту. Як це рішення змінює щоденний досвід команд з власності, мешканців та працівників охорони здоров’я порівняно з горизонтальними інструментами штучного інтелекту?

Загальні інструменти штучного інтелекту вимагають від клієнта виконання великої частини роботи з навчання програмного забезпечення правилам галузі. Оскільки ми є вертикальним рішенням, орієнтованим виключно на житлово-комунальне господарство та охорону здоров’я, наша система надходить з глибоким розумінням конкретних робочих процесів, таких як правила депозиту безпеки або нюанси планування пацієнтів. Для працівників на місцях це означає, що вони не керують загальним чат-ботом, який може помилково уявити політику. Вони працюють з системою, яка вже інтегрована у їхнє існуюче програмне забезпечення та говорить мовою їхніх щоденних операцій з першого дня.

Чи можете ви пояснити, як тінізація працівників першої лінії для захоплення кінцевих робочих процесів покращує поведінку моделі та кінцевий досвід клієнта порівняно з тренуванням лише на абстрактних даних?

Абстрактні дані показують вам “що”, але перебування на місці з клієнтами показує вам “як”. Коли моя команда проводить час у фактичному середовищі, де розгортається програмне забезпечення, вони бачать точки тертя, яких не видно у наборі даних. Наприклад, під час сесій відкриття з оператором військового житла ми визначили складні потоки затвердження та суворі щоденні обмеження, яких не було у жодному керівництві. Захопивши ці неідеальні, реальні деталі та переклавши їх у продукт, ми можемо побудувати штучний інтелект, який не лише працює у демонстрації, а й виживає у хаосі зайнятої офіси.

Коли системи штучного інтелекту переходять від відповідей на запитання до виконання завдань, які нові ризики досвіду виникають, і як ви забезпечуєте, щоб автоматизація відчувалася підтримуючою та надійною, а не інвазивною чи неясною?

Основний ризик зміщується від того, що штучний інтелект говорить щось неправильне, до того, що штучний інтелект робить щось неправильне. Для пом’якшення цього я створив модель продукту, у якій експерти – багато з яких є колишніми засновниками – володіють конкретними доменами продукту. Вони встановлюють конкретні правила та обмеження для того, як штучний інтелект виконує завдання, забезпечуючи, що він ніколи не виконує дії, які б здивували або запутали людського працівника.

У сфері житлово-комунального господарства та охорони здоров’я навіть малі порушення можуть швидко підірвати довіру. Як ви проектуєте агентські системи штучного інтелекту, які залишаються прозорими, передбачуваними та легкими для людей, щоб втрутитися та виправити, коли це потрібно?

Проектування для довіри починається з переходу від традиційного реактивного мислення, коли ви просто чекаєте, поки щось зламається. Замість цього я створив команду, яка діє як міст між реальною операційною складністю та логікою штучного інтелекту. Ці люди не є агентами підтримки – вони є стратегами та колишніми засновниками, які володіють конкретними доменами продукту з початку до кінця.

Вони проводять свій час, тініючи працівників, щоб зрозуміти непереговорні правила галузі, такі як складні потоки затвердження військового житла або суворі медичні часи реакції, і вони прямо впливають на те, як штучний інтелект поводиться. Прозорість виникає з того факту, що наші системи проектуються для того, щоб помітити потенційні проблеми проактивно, перш ніж вони стають скаргами мешканців чи пацієнтів. Коли штучний інтелект відчуває ситуацію з високим рівнем емоцій або складний запит, на який він не навчений, він не робить припущень. Він спрацьовує передачу, яка надає людському працівникові повну історію та контекст взаємодії, дозволяючи їм втрутитися як інформований партнер, а не починати з нуля.

З вашої точки зору, що стосується впровадження та успіху клієнта, які найпоширеніші точки тертя, з якими клієнти стикаються при прийомі штучного інтелекту в операційні робочі процеси, і як EliseAI зменшує цю точку тертя на ранній стадії розгортання?

Найбільша точка тертя рідко є самою технологією, а радше тривогою, що технологія порушить потік команди чи замініть їхні ролі. Ми адресуємо це, фокусуючись на негайному, практичному полегшенні. У перший тиждень ми використовуємо штучний інтелект для прийняття на себе повторюваних, високовOLUME завдань, які зазвичай викликають найбільшої вигорання, наприклад, початкового відстеження лідів. Ми також використовуємо свій власний штучний інтелект для управління внутрішніми операціями компанії. Це допомагає нам зрозуміти точні точки тертя зміни робочого процесу, щоб ми могли бути кращими партнерами, коли наші клієнти проходять через той самий перехід.

Багато організацій борються з переходом за межі пілотних фаз. Як ви допомагаєте клієнтам еволюціонувати свої процеси та очікування, щоб штучний інтелект став частиною щоденних операцій, а не залишався бічним експериментом?

Штучний інтелект залишається лише тоді, коли він перестає бути бічним проєктом і стає нормальною частиною робочого дня; ми допомагаємо лідерам реорганізувати свої команди так, щоб після того, як штучний інтелект займеться рутинною роботою, люди могли зосередитися на завданнях, які фактично потребують людського дотику.

EliseAI тепер підтримує приблизно одну шосту квартир у США. Як очікування клієнтів змінюються на цьому рівні масштабу, і які нові виклики досвіду виникають, коли штучний інтелект стає частиною стандартних операцій?

На цьому рівні масштабу штучний інтелект вже не є інновацією. Це комунальна служба, як і електрика. Очікування змінюються від того, що це вражає, коли це працює, до того, що це недопустимо, коли це виходить з ладу. Нам потрібно керувати цією варіацією, зберігаючи при цьому 100% надійності.

Оглядаючи вперед на 2-3 роки, як ви бачите еволюцію ролі Головного офіцера з досвіду, коли системи штучного інтелекту приймають на себе більшу відповідальність у сфері житлово-комунального господарства та охорони здоров’я?

Роль еволюціонуватиме від управління службою клієнтів до оркестрування партнерства між людьми та штучним інтелектом. Коли штучний інтелект займе адміністративні та повторювані частини роботи, фокус Головного офіцера з досвіду зміщиться повністю до стратегічних та емоційних точок дотику. Наша відповідальність буде полягати в тому, щоб забезпечити, щоб людські взаємодії у сфері житлово-комунального господарства та охорони здоров’я стали більш намереними та більш впливаючими, коли світ стане більш автоматизованим.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати EliseAI.