Jonathan Corbin, grundlægger og administrerende direktør for Maven AGI – Interview Series

Jonathan Corbin, er grundlægger og administrerende direktør for Maven AGI. Tidligere, som Global Vice President for Customer Success & Strategy hos HubSpot, ledede Jonathan et team på cirka 1,000 kundesucceser, partnersucceser og kontraktledere på tværs af flere regioner og vertikaler. Hans ansvar omfattede at drive kundefastholdelse, omsætningsvækst og værdirealisering for over 200,000 kunder verden over, lige fra startups til virksomheder.

Maven AGI er en omfattende Generativ AI-native løsning designet til at transformere kundesupportlandskabet – uden hovedpine. Mens den var i stealth-tilstand, løste Mavens teknologi autonomt over 93 % af kundeforespørgsler, reducerede supportomkostningerne med 81 %, hvilket forbedrede den samlede kundeoplevelse i stor skala efter at have løst millioner af interaktioner på over 50 sprog for tidlige kunder.

Du var tidligere global Vice President for Customer Success & Strategy hos HubSpot, hvor du ledede et team på omkring 1,000 kundesucceser, partnersucceser og kontraktledere på tværs af flere regioner og vertikaler. Hvad var nogle af højdepunkterne og vigtige ting fra denne periode i dit liv?

I den periode var Hubspot en af ​​de fem hurtigst voksende B2B SaaS-virksomheder med over en milliard dollars i omsætning. Der er meget få mennesker, der har haft mulighed for at bygge, vokse og lede i den skala, som vi opererede i. Virksomheder, der vokser med denne hastighed, er normalt ikke den størrelse, og virksomheder på vores størrelse voksede ikke med den hastighed. Jeg brugte meget tid på at fokusere på at skabe skalerbare tilgange til planlægning og vækst, sikre mig, at vi satte meget klare mål, tilpassede incitamenter på tværs af flere organisationer for at skabe de resultater, vi ledte efter som organisation, og sikre, at vi havde systemerne til at skabe synlighed for, hvad der skete i organisationen, og planlægning over flere horisonter. Alt, hvad vi rullede ud, skulle ikke kun fungere for vores nuværende kunder, men skulle have evnen til at opretholde kontinuitet ved eksponentiel vækst.

Kan du dele nogle indsigter om, hvad der inspirerede dig til at lancere Maven AGI, og hvor længe du har været i stealth mode?

Jeg har været besat af kundeoplevelse siden meget tidligt i min karriere, og det er derfor, jeg har brugt så meget tid hos brancheførende virksomheder på dette område (Adobe, Marketo, Sprinklr, Hubspot osv.). Tilbage i 2017 kom jeg tilbage fra en vestkystsving, hvor jeg mødte nogle fantastiske kunder som Apple og Nike, og vi havde disse utroligt dybdegående samtaler om potentialet for at låse op for siled data og skabe disse meget personlige oplevelser ned til den enkelte bruger niveau. Jeg taler ikke om den segmenterede tilgang til dig, der falder ind under denne alderskategori eller demografiske. Nej, dette er evnen til fuldt ud at implementere alle de oplysninger, du har delt med os, for at forudse kundernes forventninger og proaktivt engagere dig i dem. Der var massiv begejstring fra kunderne, men teknologien eksisterede ikke rigtig på det tidspunkt.

Mine medstiftere – Sami Shalabi, Eugene Mann, og jeg har altid snakket om personalisering i stor skala og det potentiale, som transformere kunne have, siden forskningen først kom ud af Google. Sami byggede en af ​​de største personaliseringsmotorer i verden hos Google News (1B+ brugere), og Eugene førte personalisering til den, så vi har altid haft dybe, indsigtsfulde samtaler om de muligheder, vi kunne låse op, efterhånden som teknologien udviklede sig. Anvendelsen af ​​dette på det, vi lavede på det tidspunkt, er, at jeg kæmpede med at være i stand til at skabe en stor oplevelse i stor skala for vores Hubspot-brugere, Eugene så på, hvordan man kunne produktisere LLM-kapaciteter hos Stripe, og Sami delte sin indsigt på, hvad der fungerede godt hos Google.

Da vi første gang hørte om, hvad OpenAI lavede og begyndte at bruge nogle af de LLM'er, der var blevet tilgængelige, indså vi, at vi var på det punkt, hvor teknologien nu eksisterede for os at skabe den perfekte kundeoplevelse i stor skala. Virksomheder har måttet vælge mellem omkostningseffektivitet og god kundeoplevelse, hvilket resulterer i alle mulige ting, såsom komplekse segmenteringsstrategier designet til at begrænse kundeinteraktioner, skabe ting, der i det væsentlige er vejspærringer, som de kaldte selvbetjening, eller begrave dine supportkontaktoplysninger et sted, hvor det kan ikke findes.

Vi startede Maven AGI for omkring et år siden i stealth-tilstand, fordi det, vi prioriterer hos Maven, er effekt – og da vi annoncerede, hvad vi gjorde, ville vi give rigtige eksempler på vores indflydelse og målinger, ikke kun at vi eksisterede og havde indsamlet nogle penge . Vi er utroligt taknemmelige for vores tidlige kunder, som troede nok på os til at arbejde sammen med os om at udrulle banebrydende teknologi og rykke grænserne for at udvikle en bedre kundeoplevelse.

Kan du definere for os, hvad AGI er i sammenhæng med Maven AGI?

AGI er virkelig godt defineret ud fra et sprogperspektiv – det er kunstig generel intelligens. Hvad betyder det egentlig i forretningsmæssig forstand? Vi fokuserer på noget, som vi kalder business AGI og definerer det som evnen til at håndtere komplekse opgaver ved hjælp af funktionelle AI-agenter, der er specielt uddannet til specifikke ansvarsområder med et orkestreringslag, der giver dem mulighed for at arbejde sammen.

Et eksempel på dette kan være en bankkontobruger, der engagerer sig i deres bank og spørger, om deres indbetaling er blevet clearet - hvad vi ved fra kontohistorikken er, at de har brug for et lille brolån til at spærre deres regninger og checke. Maven vil forstå den historiske kontekst og tilbyde lånet, mens han håndterer alt det papirarbejde, der kan være forbundet med det, såsom baggrundstjek, kredittjek, udfyldning af lånepapirer, forståelse af risici, godkendelse og et specifikt beløb, der falder inden for risikoen profil, godkendelse af lånet og flytning af pengene til personens konto.

Et andet eksempel ville være nogen, der går til deres CRM-supportteam og spørger, hvordan man implementerer en kampagne. Det, vi ville forstå ud fra det, er, at de ikke vil vide, hvordan man opretter en kampagne, men de vil have et vist antal kundeemner inden en bestemt dato. Brugere ville have mulighed for at sige, "Giv mig 100 kundeemner næste måned", og Maven ville gå igennem den utroligt komplekse opgave at levere dem.

Hvad er nogle af de største problemer med, hvordan AI historisk set er blevet integreret i kundesupport?

Historisk set brugte AI i kundesupport maskinlæringsmodeller, der var meget deterministiske og tog måneder at træne. Disse modeller arbejdede på en grundlæggende hvis-så-logik: Hvis en bruger valgte X, ville de få Y-muligheden. Denne forenklede tilgang levede ikke op til forventningerne, hvilket resulterede i skuffende resultater og efterlod mange CX-professionelle skeptiske over for AI's potentiale. Ægte succes inden for AI-drevet kundesupport afhænger af dynamisk personalisering, evnen til at ræsonnere og tage meningsfulde handlinger.

Hvad er de vigtigste trin involveret i at træne Maven AGI til at håndtere kundesupportforespørgsler?

Det er virkelig simpelt. . . bare giv os adgang til enhver information, som du vil bruge til at træne mennesker på. Vi kan få det op at køre for dig med en høj grad af nøjagtighed inden for dage – ikke uger eller måneder. Det vil bruge dit specifikke tonefald, sprogbrug og hvilke emojis du vil have.

Hvordan hjælper Maven AGI med at reducere kundesupportomkostninger og forbedre den samlede kundetilfredshed?

Virksomheder implementerer Maven AGI på en række forskellige måder, men den bedste måde at få den hurtigste effekt på er at indsætte Maven i spidsen af ​​din supportkø ved de endepunkter eller kanaler, som dine kunder ønsker at bruge (chat, web, søgning, Slack, i produkt, SMS osv.). Det giver os mulighed for at levere øjeblikkelige, personlige resultater + handlinger til kunder uden ventetid, mens vi sikrer, at disse fantastiske supportmedarbejdere gør, hvad de er bedst til, og arbejder med kunder, der virkelig har brug for menneskelig interaktion for at løse deres problemer.

Hvilke teknologiske fremskridt har gjort det muligt for Maven AGI at opnå så høje satser for autonom problemløsning?

Jeg tror på, at vi har rekrutteret et af de bedste ingeniørhold i verden til at løse det, der kommer ned til et dataproblem. Geniale mennesker, der har arbejdet med udfordringer som søgning hos Google og personalisering i stor skala hos Meta og Amazon, og har tænkt på at løse den slags problemer i årevis. Data er fragmenteret og siloiseret, og for at vi kunne besvare kundernes spørgsmål og foretage handlinger, var vi nødt til at kunne indtage mere data end nogen anden. Den anden del er evnen til at foretage handlinger og bygge vores handlingsmotor, fordi vi ved, at det ikke er nok at besvare spørgsmål. For at vi kan opnå forretnings-AGI, skal vi være i stand til at forudse brugernes behov og engagere dem med hensigt.

Kan du give flere detaljer om seneste $20M Serie A-finansiering og hvordan vil det blive brugt?

Vi var heldige at ramme alle cylindre i det, vi ønskede at opnå med vores seed-runde: opbygge et fantastisk ingeniørteam, et produkt, der løser reelle problemer, og have kunder, der fik værdi ud af vores produkt. Vi hævede vores seed-runde for mindre end et år siden, men havde nogle rigtig gode investorer, der gerne ville være en del af rejsen med os. Efter at have tilbragt tid med M13 var vi virkelig glade for at fortsætte med at bygge fremtiden for Maven AGI sammen med dem. De 28 mio. USD, som vi har indsamlet i løbet af det sidste år, vil blive brugt til at opbygge vores GTM-team, investere i at opbygge partnernes økosystem og fortsætte med at ansætte ingeniører, mens vi udvider vores handlingsmotor (™) og platformskapaciteter.

Hvordan ser du rollen som kunstig intelligens udvikler sig i kundesupportbranchen i løbet af de næste fem år?

Fremtiden vil ikke blive opdelt i support, tjenester, salg og forskellige funktioner. I stedet vil kundesupport blive en del af en problemfri, samlet kundeoplevelse uden rodet afleveringer og skjulte data. Efterhånden som kundernes forventninger udvikler sig, vil den måde, vi betjener dem på, også udvikle sig.

Nutidens kunders behov falder i 3 kategorier:

• Dem, der ønsker at tjene sig selv – evnen til at finde løsningen eller svaret på et spørgsmål.
• Dem, der ønsker adgang til selvbetjening, men har brug for validering af, at de tager den rigtige handling.
• Kunder, der efterspørger hvid handskeservice og har brug for menneskelig assistance.

Fremtiden har også 3 kategorier, men forventningerne fra kunderne vil være meget forskellige:

• Forventer øjeblikkelige svar på deres spørgsmål.
• Foregribe deres behov og spørgsmål med personalisering, brugsdata, fuld historisk kontekst og evnen til at handle og engagere sig i dem på den kanal, de selv vælger.
• Evnen til at engagere sig med kundesupportagenter uden ventetider og lange køer, som har svar til rådighed på deres spørgsmål, fuld historisk kontekst og evnen til øjeblikkeligt at foretage handlinger.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge Maven AGI.