Sean Whiteley，Qualified 的创始人和总裁 – 采访系列

您成功创立了三家公司，包括一家被 Salesforce 收购和另一家被 SurveyMonkey 收购的公司。是什么启发您创立 Qualified，它又如何融入企业软件中 AI 的更广泛演变中？

Kraig 和我创立了一家搜索营销公司，被 Salesforce 收购。这是在云革命的早期，几乎所有营销计划都迅速转向数字。很快就清楚地表明，在这个新世界中，卖家与买家建立联系的方式存在巨大的脱节。公司花费数百万美元将流量引导到他们的网站，但当这些高意向买家到达时，参与体验并没有演变。这就像组织和支付一个特殊的派对给您的潜在客户，但忘记了在他们到达时打开门。

这就是 Qualified 的想法来源。我们希望创建一种方式，让销售团队在买家访问网站的那一刻与他们见面，带着相关性、背景和实时的超个人化体验，这些体验代表了买家想要的东西。快进到今天，我们已经将这一愿景演变成更大的事情：一个代理营销层，执行入站营销过程的每个工作流，涵盖网站上的实时交互和异步交互，通过电子邮件进行。Qualified 为这一波企业软件而打造，在这里，AI 工作人员不仅执行任务和工作流，还代表您的公司做出背景驱动的决策。

从您早期在搜索营销的日子到现在，Piper 在规模上自动化入站销售，您对 AI 的愿景如何变化？

很明显，大型语言模型（LLM）的出现完全改变了游戏规则。当我们开始我们的第一家公司时，那是早期的云时代，这代表了软件交付模式的根本转变。诸如共享基础设施、多租户和按使用付费等事情为企业将任务关键应用和流程迁移到云铺平了道路。很快，平台和基础设施作为一组服务变得可用，这再次成为企业卸载大量工作负载到云供应商的巨大启用器。一切都改变了。

快进十年，AI 革命已经爆发。就在几年前，当我们第一次开始 Qualified 时，机器学习（ML）代表了一种从大量数据集中利用智能的新方法。现在，当然，LLM 已经改变了一切，在我们将大量工作负载移动到 AI 方面具有更大的能力。但更重要的是，LLM 使 AI 对所有人都可访问，人们可以使用自然语言与计算机、应用程序或数据交互。即使我们才刚刚开始，这也很明显，历史上我们做过的很多事情将被重写，并以新的方式完成。这不仅适用于我们如何生活，还适用于我们如何工作。

我们在 Qualified 的一个座右铭是挑战我们历史上所做的一切，并评估它将如何被 AI 转变。AI 不仅会改变我们构建系统的性质，还会解锁新的流程、运营和组织结构。

AI 转型的第一波已经在代理方面体现出来。每个企业都在各个业务功能中引入代理层。我们的 AI SDR 代理已经成为一个非常流行的开始代理层进入营销动作的地方。很明显，Piper 不仅可以自动化几乎所有入站管道生成任务和工作流，这些任务和工作流程以前由人类 SDR 执行，而且她还可以处理许多传统上由营销自动化平台完成的工作流程。

Piper 是一个强大的自治 AI 代理的例子。你如何在有帮助的自动化和有风险的自治之间划出界限？

自治性不能在没有问责制的情况下存在。信任可以迅速获得或丧失。在代理系统中，这是一个倍增过程。我们不再构建云工具，我们正在部署代表客户做出决策的自治工作者。可靠性和信任的赌注比以往任何时候都高。代理的不准确或无帮助的行为应该是开发代理的人的首要任务。与训练、调整、微调、透明度、引用和控制相关的能力一样重要的是，启用客户在代理基础上构建治理基础。

在 Piper 中，我们有意地建立了有用的自治性——在明确定义的防护栏内运行的 AI，受我们与客户合作使用我们的产品的丰富历史的驱动。对于我来说，界限很明确：自动化永远不应取代需要背景、同理心或细微差别的判断力时的判断力。

Piper 不会尝试从一开始就拥有整个买家旅程。有一个重要的加速过程，以确保代理不仅高效地运行，还能准确地运行，并在客户设定的界限内运行。你不能在没有了解它将如何影响整个购买周期的情况下，将代理释放到生产中与你的潜在客户和客户进行交互。

所以，对我来说，界限是信任、可观察性和控制。如果我们无法提供可解释性或衡量其性能，那么它就还没有准备好。大多数我交谈的公司都变得更加有知识，并以正确的方式思考这些事情，但我们的工作是帮助我们的客户建立正确的防护栏、审查和治理的最佳实践。

考虑到 AI 代理日益增长的能力，你如何确保 Piper 在与真实人群销售和营销高风险场景中保持道德和语境界限？

在 Qualified 应用程序中，你可以编程 Piper 以保持在某些界限内，控制她的语气，并确保她遵守公司政策。这些是与访客互动时不能违反的绝对真理和参与规则。我们在 AI 的核心提供了大量的审查和防护栏，意味着完全消除了围绕数据（PII）和敏感信息的风险。另外，我们允许公司添加额外的防护栏、指令和参与规则。

我们还赋予 Piper 轻松地将对话引回正轨的能力。另外，如果我们感觉对话的一方有坏人，Piper 可以简单地结束对话，如果它正在进入一个领域，那么它是：

• 与公司、产品、服务或行业无关
• 随机或无意义的
• 明确、不适当或冒犯性的
• 完全超出了 AI SDR 应该处理的范围

这些严格的防护栏确保 Piper 保持在她分配的界限内，给我们的客户带来对她的行为的完全信心和控制。

您曾谈到过需要回滚系统和覆盖能力。您能否带我们了解一下您在 Qualified 的平台中构建的安全性和控制措施，以防止或减轻 AI 错误？

信任和透明度/可解释性是相互关联的。信任始于提供对正在发生的事情的洞察、为什么它正在发生以及如何影响它的工作方式。有基本的原则，例如引用、反馈循环、调整/微调。但我们还采取了额外的步骤，为我们的用户提供一个代理的可观察性层，这个层是容易访问的，可以提供人工在循环反馈。

例如，我们提供模拟各种情况的能力，并轻松地看到 AI 会做什么，并对每种假设情况提供反馈或改进。就像你对员工进行培训一样，你必须对 AI 进行同样的培训，然后再给予它自治权。我们提供了一个模拟引擎，可以让你轻松地看到 AI 会做什么，并提供反馈或改进，然后你就可以在生产中部署它。

考虑到 AI 法规趋势和最近关于 AI 故障的头条新闻，您如何看待合规性和政策在未来 2-3 年内塑造 AI 代理在销售和营销中的角色的问题？

法规和治理比以往任何时候都更重要。很容易想到代理可能代表的风险，如果没有负责任地部署。我们都看到了在没有背景或问责的情况下释放 AI 的结果。在 B2B 中，特别是在我们所处的销售和营销领域，我们正在处理大量的企业数据和一些个人可识别信息（PII）。我们必须将自己和我们的客户置于保护买家体验的高标准之下。

我们从 PRD 级别开始构建 Piper，具有企业级的合规性。这意味着我们在构建和发布任何新内容时，都会考虑隐私、安全和治理。随着 AI 的演变，围绕我们行业的常见问题（例如 SOC 2、GDPR、CCPA、同意管理等）的标准也会演变。这些都是我们在发布功能时要考虑的事情。但是，仅仅检查这些盒子是不够的。我们正在建立透明度的文化，并在正式法规之前构建自己的道德框架。

这些 AI 之谜的部分不能等待正式的政策——如果您还没有在您的团队中设定这些标准，那么您就已经落后了。

您是否认为公司在给予 AI 代理过多的自治权而没有建立足够的人类监督结构方面行动过快？

我们都看到了这些事情出错的头条新闻——毫无疑问，有些公司行动太快，认为 AI 是工具，而不是更大的图景中的一部分。自动化不是一种策略——它是更大图景中的一部分，但它需要基础设施和长期思考，以避免犯下巨大的错误，这些错误最终会侵蚀对客户的信任。你无法挽回这种信任。

人类监督不是成功自动化的障碍，而是使其成为可能的条件。AI 将会完成繁重的工作，但人类必须在循环中，以便能够负责任地扩大规模。

您如何平衡 AI 的速度和效率与客户互动中的人类技能，如判断力、道德和细微差别？

我们把 Piper 看作是一个队友。她的优势——始终在线、速度、瞬间回忆、无限规模——使她成为一个强大的 SDR 代理，但我们知道她不能拥有每一次互动的全部。人类将始终需要在需要细微差别的情商的高风险对话中。利用 AI 的正确用例是平衡自动化和人类技能的关键。Piper 的速度非常快，但她知道何时停止并让人类介入。

我们让 AI 做它擅长的事情，这样人们就可以做他们擅长的事情。

您是代理营销的先驱。未来 2-3 年在这个领域中什么让您最兴奋？

我觉得 AI 时代给了我们很多人第二次机会，在技术领域度过了艰难的几年。代理营销是一个强大的创新，它为所有新技术打开了大门，并且几乎使行业中的公司站在同一水平线上。

我们都在这次旅程中一起前进，终于走过了最初的噱头阶段，看到哪些应用程序真正有用。未来两到三年将是所有关于编排的——随着更多和更多的 AI 代理上线，工作将是如何构建最强大的技术栈，以便它们可以作为一个团队共同完成复杂的工作流程。

您认为哪些行业最不适应 AI 代理的影响，并且应该现在就采取行动以领先于其他行业？

具有僵化等级制度和传统技术栈的行业有被甩在后面的风险。为了使代理营销成功，您必须具有现代的数据卫生和软件思维方式，并且其中一些较大的运营需要快速移动并具有大量的技术债务来导航。讽刺的是，这些组织最能从 AI 代理中受益——他们的工作流程非常适合自动化。

现在的关键是首先关注基础设施，而不是技术。他们需要首先对代理添加价值的工作流程进行战略规划。他们需要围绕合规性和安全性的框架。然后他们可以开始试用一些程序。这个过程不是一个 IT 项目——这是一个从上到下的整个组织转变。

感谢这次精彩的采访，希望了解更多的读者可以访问 Qualified。