Кейті Стайн, генеральний директор ASAPP – Серія інтерв’ю

Katie Stein, CEO компанії ASAPP, є досвідченим технологічним та бізнес‑виконавцем з більш ніж двадцятирічним досвідом, що охоплює корпоративну стратегію, операції, цифрову трансформацію та зростання підприємств. Перш ніж приєднатися ASAPP на посаді CEO у серпні 2026 року, вона була CEO Atain і провела вісім років у Genpact, де займала посаду директорки зі стратегії та глобальної керівниці корпоративних послуг і аналітики, керуючи корпоративною стратегією, великими портфелями послуг, досвідом клієнтів та M&A ініціативами. Раніше у своїй кар’єрі Стайн обіймала керівні посади в Mercer, зокрема глобальної операційної директорки її бізнесу пенсійних послуг, охорони здоров’я та соціальних пільг обсягом 2,5 мільярда доларів, а також працювала керівницею проєктів у Boston Consulting Group. Її кар’єра в основному зосереджена на допомозі великим організаціям у підвищенні операційної ефективності, більш ефективному впровадженню технологій та реалізації складних бізнес‑трансформацій.

ASAPP — це AI‑компанія, орієнтована на трансформацію обслуговування клієнтів у підприємствах за допомогою своєї AI‑нативної платформи Customer Experience Platform (CXP). Заснована у 2015 році, компанія розробляє технології, які об’єднують AI‑агентів, експертизу людей, дані клієнтів та корпоративні системи через голосові та цифрові канали. У центрі платформи знаходиться GenerativeAgent — AI‑агент обслуговування клієнтів, створений для розуміння розмов, аналізу запитів клієнтів, виконання дій через підключені корпоративні системи та залучення людських агентів, коли потрібен додатковий контроль або судження. ASAPP також надає інструменти для тестування, моніторингу, управління та спостережуваності, дозволяючи великим організаціям розгортати AI, орієнтований на клієнтів, зберігаючи більший контроль над поведінкою автоматизованих агентів.

Ваша кар’єра привела вас від ролей у стратегії та трансформації в BCG, Mercer і Genpact до керівництва Atain, а тепер до посади CEO в ASAPP. Що вас привабило в ASAPP на цьому етапі вашої кар’єри, і після перших 30 днів, які ви визначили як найбільші можливості та пріоритети для компанії?

ASAPP вперше потрапила у мою увагу під час зимової бурі Fern на початку цього року. У Atain ми працювали з усіх боків, щоб створити достатню потужність для однієї з найбільших авіакомпаній США, коли тисячі постраждалих мандрівників намагалися повернутися додому. ASAPP не лише відповідала на запитання; її GenerativeAgent перепризначила понад 3,800 пасажирів за шість днів, включаючи складні зміни маршрутів. Це показало мені, яким виглядає корпоративний AI під реальним тиском. Перші 30 днів лише підкреслили це бачення. Наша можливість — зосередитися та масштабувати: концентруватися там, де ASAPP має найчіткіший шанс на успіх, допомагати клієнтам переходити від експериментів до впливу у виробництві, і виконувати це з більшою швидкістю та послідовністю.

Підхід ASAPP об’єднує автономних AI‑агентів, детерміністичні робочі процеси та людських експертів в єдиному шарі оркестрації. Як ви визначаєте, які рішення залишати AI‑агенту, які слідувати заздалегідь визначеним правилам, а які залучати людське судження?

Ми не передаємо всю взаємодію виключно AI, заздалегідь визначеному робочому процесу або людині. Ми розглядаємо кожне рішення, спираючись на його складність, ризик і потребу в підзвітності. AI добре підходить для розуміння намірів, інтерпретації контексту та адаптації до клієнта. Робочі процеси забезпечують послідовність, коли необхідно дотримуватись певних кроків або політик. Люди додають судження, коли ситуація неоднозначна, виняткова або має важливі наслідки. Оркестрація об’єднує всі три елементи в одній взаємодії. Мета не у максимальній автономії, а у вирішенні більшої кількості потреб клієнтів при застосуванні належного рівня контролю на кожному етапі прийняття рішення.

ASAPP розглядає залучення людей як постійну складову AI‑системи, а не лише шлях ескалації, коли автоматизація зазнає невдачі. У міру підвищення можливостей AI‑агентів, де, на вашу думку, люди продовжуватимуть додавати найбільшу цінність у взаємодії з клієнтами?

Людська винахідливість! Кілька місяців тому я спілкувався зі старшим лідером CX, який зазначив, що відносно невелика кількість дзвінків становить непропорційно великий обсяг часу обробки. Це часто крайові випадки без чіткої FAQ, статті знань або стандартної операційної процедури. Вони складні, бо організація раніше не стикалася з ними — або не закріпила відповідь. Люди продовжуватимуть додавати найбільшу цінність у такі моменти: інтерпретуючи неоднозначність, збалансовуючи суперечливі міркування та застосовуючи судження, коли немає встановленого сценарію. Однак залучення людини не повинно означати відмову від автоматизації та передачу всієї взаємодії. AI збирає необхідне і представляє людині конкретний запит і контекст; людина надає судження, і AI продовжує взаємодію. Така експертиза вирішує негайну проблему і допомагає розширити те, що AI зможе вирішувати далі.

Багато підприємств успішно продемонстрували генеративний AI у пілотних проектах, але стикаються зі складнощами, коли намагаються впровадити його у мільйони реальних взаємодій з клієнтами. Що компанії найчастіше недооцінюють під час переходу від AI‑пілоту до агентської системи виробничого масштабу?

Компанії найчастіше недооцінюють довгий хвіст. Пілотні проєкти зазвичай тестують визначені випадки використання в контрольованих умовах. При масштабуванні до виробничих обсягів рідкісні ситуації стають щоденними: клієнти змінюють напрямок, надають неповну інформацію або поєднують потреби у спосіб, якого ніхто не передбачав. Тому масштабування агентної ШІ – це не лише проблема моделі. Потрібна інтеграція з корпоративними системами, управління, моніторинг і механізм залучення людей, коли потрібне судження. Пілот доводить, що технологія працює. Виробництво вимагає архітектури та операційної дисципліни, щоб зробити її надійною у великому масштабі.

Коли підприємства переходять від одного AI‑асистента до кількох спеціалізованих агентів, які працюють разом, які нові технічні чи управлінські виклики виникають у сфері оркестрації, спостережуваності та підзвітності?

Новий виклик – це координація. Більше агентів створює більше передач, точок прийняття рішень і можливостей для порушення контексту чи підзвітності. Підприємствам потрібна оркестрація, яка визначає, який агент має діяти, яку інформацію та дозволи він отримує і як його робота сприяє вирішенню проблеми клієнта. Спостережуваність має охоплювати всю взаємодію, щоб організації могли зрозуміти, що сталося і чому. Це стає основою управління. Перевага не буде в розгортанні найбільшої кількості агентів, а в координації всього цього спеціалізованого інтелекту в одну систему, яка є надійною, простежуваною та підзвітною.

ASAPP нещодавно представила Continuous Red Teaming, яка автоматично тестує її AI‑системи проти більш ніж 50 класів вразливостей у міру еволюції моделей. Як підприємствам слід переосмислити безпеку, коли AI‑агенти вже не просто генерують відповіді, а все частіше можуть виконувати дії від імені клієнтів?

Ставки змінюються, коли AI переходить від відповіді на питання до виконання дій. Неавторизована транзакція або розкриття даних клієнта мають набагато серйозніші наслідки, ніж неточна відповідь. Підприємствам потрібні чіткі межі щодо того, до чого агент має доступ, що він може робити і коли потрібне схвалення людини. Безпека також не може бути одноразовим тестом перед розгортанням. Оскільки AI стає потужнішою, зловмисники теж інноваційно діють. Тому ASAPP безперервно тестує тисячі ворожих сценаріїв, охоплюючи понад 50 класів вразливостей. Безпека має розвиватися так само швидко, як і технологія, щоб підприємства могли розширювати можливості AI без шкоди довірі клієнтів.

Генеративна ШІ за своєю суттю є ймовірнісною, проте процеси обслуговування клієнтів часто включають транзакції, вимоги до відповідності та інші завдання, де результати мають бути передбачуваними. Як підприємства можуть зберегти гнучкість генеративної ШІ, одночасно впроваджуючи достатньо детерміністичної структури, щоб ці системи були надійними?

Ключовим є розділення розмови та бізнес‑процесу. Ми вважаємо, що генеративна ШІ повинна робити те, що вона робить найкраще: розуміти клієнта, орієнтуватися в неоднозначності та відповідати природно. Однак критичні процеси — такі як верифікація, транзакції та відповідність — мають працювати в рамках крокових робочих процесів, які забезпечують дотримання правил компанії та необхідної послідовності. Така архітектура дає підприємствам найкраще з обох світів: гнучкий досвід для клієнта та передбачуване виконання для бізнесу. Вона також спрощує тестування, аудит і вдосконалення процесів у міру еволюції моделей. Підприємствам не потрібно робити кожну розмову жорсткою, щоб AI була надійною. Потрібно чітко визначити, де AI може адаптуватися, а де процес абсолютно не допускає змін.

Традиційно кол-центри вимірювали автоматизацію за допомогою таких метрик, як охоплення та скорочення витрат. У міру того, як агентна ШІ стає більш складною, які метрики слід використовувати підприємствам, щоб визначити, чи AI дійсно покращує досвід клієнта, а не лише зменшує залучення людей?

Ми відходимо від метрик типу відхилення та охоплення і переходимо до того, що я називаю «підтверджене вирішення». Я хочу, щоб ми несли відповідальність за розуміння наміру клієнта і фактичне його вирішення. Як клієнт, я хочу, щоб досвід був приємним, але понад усе я хочу, щоб причина мого звернення була вирішена. Коли ми вимірюємо саме цей результат, а не лише те, чи AI не передав клієнта до живого агента, ми узгоджуємо технологію з реальною роботою, яку клієнт потребує.

Якщо один людський експерт може все більше контролювати або направляти кілька AI‑керованих розмов, як ви очікуєте, що зміниться робоча сила кол‑центру? Чи з’являться нові ролі, пов’язані з наглядом за AI, навчанням, управлінням та безперервним удосконаленням?

Саме це мене надзвичайно захоплює щодо майбутньої моделі роботи кол‑центру. Сьогодні людські агенти працюють на передовій, часто допомагаючи клієнтам, які розчаровані, збиті з пантелику або злі, і витрачаючи значну частину свого часу на навігацію у складних системах для вирішення цих проблем. Це вимоглива робота, і рівень вигорання високий. У міру того, як агентна ШІ бере на себе більше цієї роботи у голосових та цифрових каналах, я вірю, що з’явиться новий клас професіоналів CX: людський агент‑аналітик. Їхній час все більше буде присвячений ситуаціям, які вимагають судження, не є чорно‑білими або мають регуляторну чутливість. Це принципово інша роль, і саме AI допомагає її створювати.

Після ваших перших 30 днів на посаді керівника ASAPP, що вас найбільше здивувало щодо того, де зараз знаходяться підприємства у впровадженні агентного ШІ, і що, на вашу думку, визначатиме наступний етап обслуговування клієнтів за допомогою ШІ?

Мене вразило, наскільки готові клієнти, з якими я спілкувався, зробити агентний ШІ ключовим стовпом їхньої стратегії CX, а не лише додатковим елементом. Проблема полягає в тому, що підрозділи цифрових технологій, IT, безпеки та операційної діяльності часто рухаються з різною швидкістю і вимірюють успіх по‑різному. Така фрагментація ускладнює чітке розуміння бізнес‑виправдання на рівні підприємства. Наступний етап вимагатиме, щоб організації узгодили те, що дійсно важливо на рівні підприємства, і зрозуміли, де агентний ШІ в CX може впливати на ці результати. Сьогодні цей вплив може розмиватися у існуючих табелях оцінки та ізольованих метриках.

Дякуємо за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати ASAPP.