普尼特·梅赫塔（Puneet Mehta），Netomi 的创始人兼 CEO – 采访系列

普尼特·梅赫塔，Netomi 的创始人兼 CEO，领导着总部位于旧金山的 AI 公司，提供自主的客户服务体验。凭借在科技创业和华尔街交易 AI 方面的背景，他推动了 “Agentic OS” 平台的开发，该平台帮助品牌跨渠道解决客户问题，具有内置的治理、个性化和透明度。梅赫塔被《广告时代》评为创意 50 人之一，并被《商业内幕》列为最值得关注的企业家之一。

Netomi 是一个 AI 驱动的客户服务平台，帮助企业自动化和增强电子邮件、聊天、消息和语音渠道的支持。其系统使品牌能够自主解决大多数常规客户询问，同时为代理提供实时帮助。凭借内置的治理、个性化和多语言支持，Netomi 允许组织高效地扩展客户服务运营，同时保持对品牌声音和合规性的完全控制。

您有一个令人着迷的旅程，从为华尔街构建 AI 引擎到创立 Netomi。是什么激发了您创立 Netomi 的灵感，您之前的经验如何塑造了其使命?

我早期在华尔街的工作重点是构建必须以速度、精度和绝对可靠性运行的 AI 系统。这给我提供了在开发实时、任务关键技术方面的坚实基础。在 IBM Watson，我看到了 AI 的潜力，以更自然的方式理解语言和与人交互，但也看到了关于透明度和上下文相关性的局限性。

我创立 Netomi 是因为我相信 AI 可以做的不仅仅是自动化响应。我想构建能够帮助客户以智能、同理心和责任感实现真正目标的系统。从开始，我们的使命就是创建支持人类交互的 AI，以一种有意义且符合所代表的组织价值观的方式。

Netomi 最终试图解决什么问题，您的方法与其他玩家在该领域的方法有什么不同?

Netomi 致力于将客户体验从碎片化和反应性转变为主动和结果驱动的。今天，许多工具提供通用答案，与客户的历史、情感或意图无关。我们的方法是基于上下文的。每个客户发送的消息都会与数十个实时信号（如忠诚度状态、最近活动、情绪和过去的交互）一起分析，以生成准确和相关的响应。

我们与其他玩家不同之处在于，我们不仅使用生成式 AI，还将治理、品牌对齐和问责制融入系统的每个部分。我们为企业提供对决策过程、使用的数据以及每个响应如何反映组织的声音和标准的完整可见性。我们的目标是通过 AI 向品牌提供智能、可靠和深度嵌入客户体验策略的解决方案。

随着许多 AI 平台承诺转型，您认为 Netomi 的 Agentic OS 与市场上的其他 CX 解决方案有什么不同?

Netomi 的 Agentic OS 建立在双代理架构上，结合了确定性 Action Agents 和 LLM 驱动的 Reasoning Agents。Action Agents 处理安全、低代码事务，例如更新、查询和跨企业系统的流程执行。Reasoning Agents 解释客户输入，使用生成式 AI 根据上下文和意图适应对话。

这些代理由一个专有的事件驱动系统编排，允许平台立即响应诸如情绪转变、交货延迟或数据更改等信号。每个决策都是版本控制和完全可观察的，为团队提供了可追溯性和合规性监督。这种架构支持大规模的智能交互和运营可靠性。

许多公司仍在努力了解什么是 AI 就绪。企业如何评估其就绪度，您看到哪些常见的误解阻碍了它们?

AI 就绪度始于基础。企业需要有良好的治理、权威的数据源。没有它们，即使是最有能力的模型也会返回不可靠或不一致的结果。核心业务工作流也必须通过稳定的 API 或事件驱动的架构暴露，以便 AI 代理可以采取有意义的行动，而不仅仅是进行对话。

延迟期望，特别是对于语音或同步渠道，应尽早定义，以指导系统设计。持续评估机制也必须到位，以监测提示劣化或模型漂移。一个常见的误解是，将大量无结构内容上传到向量数据库等同于 AI 策略。实际上，成功的部署更多地取决于数据工程、明确的政策框架和结构化的变更管理。透明度、可观察性和严格的测试是任何企业级 Agentic 系统的基本要求。

您曾谈到大规模提示工程的局限性。什么是编排工程，它为什么更适合长期的企业 AI 采用?

提示工程专注于优化孤立的交互。编排工程解决了决策、行动和政策的整个系统，这些系统必须跨渠道和工作流一起工作。在 Netomi，我们以声明方式定义新功能，以便它们可以被中央规划器访问，而不是嵌入单个提示中。一个策略层决定哪个代理响应，接收哪些数据，以及结果如何验证。

这允许更快的迭代，而不会损害品牌标准或合规性。它还为技术和业务用户提供了有意义的控制点，使系统能够在保持一致性和监督的同时演变。

Netomi 的 AI 代理如何在电子邮件、语音和消息等不同客户渠道上平衡自动化和品牌安全的个性化?

Netomi 代理在运行时动态地将品牌规则与提示分离，应用语气、受限语言和格式要求。这确保了个性化不会以一致性为代价。客户特定数据（如忠诚度等级或订单状态）在生成之前从已验证的来源提取，减少了幻觉的风险。

置信度阈值和实时评估确定何时升级。所有更改都在沙盒中进行红队测试和测试，然后再推出，因此每次交互在所有渠道上都保持个人化和合规。

Netomi 的事件驱动 ConversationOS 与传统的基于意图的系统相比，在实践中如何工作?

传统的机器人将一切都路由到预定义的意图树。Netomi 的 ConversationOS 倾听更广泛的事件流，包括客户文本、发货更新和内部状态更改。多个代理路径可以并行运行，例如解决账单问题同时更新交货，并将其响应合并为单个回复。

由于一切都以事件而不是隐藏状态结构化，因此可以在不破坏现有流程的情况下添加新的代理或功能。这使得系统更加灵活、可靠和易于维护。

考虑到您在高频交易系统方面的经验，这些概念如何影响 Netomi 平台的架构或速度?

我们将算法交易中使用的相同纪律应用于性能和控制。延迟通过构建为满足语音渠道的亚三秒目标的轻量级异步管道来最小化。代理行为在部署之前使用历史转录进行回测，以模拟结果并识别故障模式。

断路器已就位，以防止在成本、延迟或政策阈值被违反时执行。流量不断在竞争的提示或检索策略之间重新分配，以优化客户体验和计算效率。这一思维方式影响了平台的每一层。

您拥有令人印象深刻的投资者和顾问阵容，从 OpenAI 的 Greg Brockman 到前迪士尼和 DeepMind 高管。他们如何影响您的产品愿景或增长策略?

我们的顾问为我们提供了企业经验和技术洞察力，这些经验和洞察力帮助我们塑造了产品愿景和增长策略。他们的指导帮助我们专注于解决真正的商业问题，特别是那些由全球范围内运营的《财富》100强公司面临的问题。无论是自动化支持、执行合规性还是跨渠道提供一致性，他们的反馈都确保我们构建的是适合企业现实的技术。

我们经常听到的一个信息是控制和清晰度的重要性。这些系统直接与客户互动并支持人类代理，因此结果必须是可衡量和值得信赖的。人类因素仍然是我们每个产品决策的核心。

随着 Agentic AI 更深入地融入日常业务运营，您认为哪些保障措施对于防止人类滥用和机器误导最为重要?

Netomi 在平台的每一层都构建了安全保障。提示和嵌入式内容是版本化和可追溯的，因此可以审计或回滚更改。个人可识别信息在到达模型之前进行过滤，保留策略也严格执行。类型化操作模式和沙盒测试确保代理满足条件后才能调用生产工具。

所有操作都由一个策略引擎管理，该引擎可以在实时中暂停或修改步骤。基于角色的访问控制、多因素身份验证和不可变的审计日志提供了额外的保护。签名的请求信封和配额限制保护了平台免受外部模型漂移和滥用的影响。

展望未来，您最期待客户体验的下一个阶段以及 AI 在其中的作用是什么?

最令人兴奋的转变是从反应式服务到主动、智能的帮助，它理解客户目标、偏好和约束的全部背景。AI 很快将能够预测需求、跨系统采取行动并在不需要客户导航复杂性或重复自己的情况下提供结果。

真正的进步不仅仅在于 AI 能够做什么，还在于它将如何无缝地支持人类决策。AI 将成为客户旅程中值得信赖的一层，帮助品牌通过响应性、个性化和规模化的可靠性建立忠诚度。随着这一进展，服务、销售和体验之间的界限将继续消失。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问 Netomi。