Cara memprioritaskan, membangun, dan mengukur AI: wawasan dari panel pelanggan Pendomoniumx NYC

Lebih dari 350 pemimpin perangkat lunak berkumpul di Pendomoniumx NYC untuk membangun komunitas dan belajar cara menavigasi era AI. Sesi yang menonjol menampilkan pelanggan Pendo yang berbagi wawasan dunia nyata dari perjalanan implementasi AI mereka.

Termasuk panelis Alo Mukers (SVP Manajemen Produk, Bank AS), Kelly Delaney (VP, Desain Pengalaman Belajar, Pembelajaran Savvas), dan Mike Bartels (SVP Workflow & Insights, NASDAQ).

Berikut adalah wawasan utama dan takeaways praktis untuk strategi AI Anda sendiri.

Berapa banyak perusahaan Anda yang berinvestasi di AI? Bagaimana Anda menyeimbangkannya dengan investasi perangkat lunak lainnya?

Mike Cartels (NASDAQ): Kami menganggap diri kami sebagai perusahaan teknologi, jadi AI adalah pusat dari strategi kami. Untuk operasi internal – efisiensi rekayasa dan keberhasilan pelanggan – kami berada di 10 dari 10. Setiap investasi perangkat lunak mempertimbangkan strategi AI dan penciptaan nilai. Kami saat ini sekitar 5 atau 6 untuk fitur produk karena kami masih mengirimkan item peta jalan yang ada. Kami berada di integrasi produk 8 atau 9 untuk AI.

Di sisi produk, kami lebih dekat dengan lima atau enam dalam hal investasi aktual, hanya karena kami memiliki sisa peta jalan produk untuk diberikan. Tidak semua yang diminta pelanggan kami adalah AI terlebih dahulu. Tapi kami berada di delapan atau sembilan ketika kami berpikir tentang peta jalan setelah beberapa perempat berikutnya dan mengintegrasikan AI ke dalam produk kami.

Kelly Delaney (Savvas Learning): Kami sangat fokus pada AI – 30% atau lebih dari peta jalan kami mungkin didasarkan pada fitur AI – tetapi investasi aktual dalam perangkat lunak tidak akan berubah. Kami sedang mempertimbangkan cara membuat pengalaman produk kami lebih efisien bagi pelanggan. Kebutuhan mereka belum berubah; Kami hanya menemukan cara yang lebih baik untuk melayani mereka.

Alo Mukers (US Bank): Kami berada dalam industri dengan peraturan dan kepatuhan yang berat, jadi membuat alat AI disetujui sangat sulit, apalagi menggunakannya dalam praktik. Kami telah lebih fokus pada kasus penggunaan internal dan efisiensi, yang lebih mudah diangkat. Di sisi pelanggan, kami memiliki grup khusus yang berfokus pada AI, lebih banyak di sisi data, mencoba mencari cara yang berbeda untuk akhirnya memberikan nilai pelanggan.

Bagaimana perasaan pelanggan Anda tentang AI?

Alo Mukers (US Bank): Pelanggan kami menangani data dan transaksi keuangan, sehingga mereka tidak ingin privasi atau data mereka dibagikan. Tapi mereka Mengerjakan Ingin kecepatan – mereka mengharapkan kita untuk melakukan hal -hal lebih cepat, apakah mengembangkan fitur lebih cepat, menguji lebih cepat, atau memberikan nilai lebih cepat. Mereka menginginkan manfaat selama kami melindungi data.

Mike Cartels (NASDAQ): Kami mengendarai percakapan AI dengan pelanggan dua belas bulan yang lalu. Sekarang, mereka mengharapkan AI sebagai item agenda pertama atau kedua dalam diskusi peta jalan. Keingintahuan tinggi, dan semoga dalam 12 bulan, kita akan membicarakan siapa yang tidak menggunakannya.

Kelly Delaney (Savvas Learning): Sekitar setahun yang lalu, kami mengumpulkan panel taman kanak-kanak melalui guru membaca kelas lima. 15 dari 16 AI bekas secara teratur, tetapi bukan startup AI yang Anda harapkan.

Mereka menggunakan Canva AI dan alat lain yang sudah tertanam dalam alur kerja mereka. Wawasannya adalah bahwa mereka menemukan alat AI dalam alur kerja yang sudah mereka hadapi, daripada pergi ke tab atau alat yang memisahkan.

Apakah Anda menggunakan AI untuk menyelesaikan masalah yang ada atau baru?

Mike Cartels (NASDAQ): Keduanya. Kami menemukan cara baru untuk membantu pelanggan memecahkan masalah yang awalnya mereka beli perangkat lunak, tetapi kami juga melihat hal -hal lain yang mereka lakukan di luar produk kami dan membawanya.

Misalnya, kami menemukan pelanggan menghabiskan banyak jam meringkas materi papan sebelum pertemuan. Kami membangun kemampuan AI untuk menyelesaikan ini, membawa alur kerja itu ke dalam produk kami untuk meningkatkan lengket.

Alo Mukers (US Bank): Masalahnya sama untuk usaha kecil dan restoran, tetapi harapan di sekitar kecepatan untuk solusi berbeda. Apa yang diubah adalah kemungkinan solusi yang dapat kami tawarkan.

Kami selalu berbicara tentang memberikan wawasan proaktif untuk membantu pelanggan menghemat waktu dan uang, tetapi itu sepertinya mimpi pipa sebelumnya. Sekarang, ini adalah kemungkinan nyata – kami berpotensi memberikan wawasan yang dapat ditindaklanjuti kepada pelanggan yang akan transformasional untuk bisnis mereka.

Kelly Delaney (Savaas Learning): Masalahnya benar -benar sama, tetapi masalah yang benar -benar sulit dikerjakan yang kami ingin menjadi bagian dari solusi untuk sekarang berada dalam jangkauan.

Mengumpulkan bentuk data siswa yang berbeda dan memberikan umpan balik yang berarti kepada para guru, atau menciptakan kedalaman kurikulum untuk melayani siswa neurodivergent – hal -hal yang akan membutuhkan tumpukan buku teks yang sangat tinggi – sekarang mungkin.

Bagaimana Anda menggunakan Pendo untuk Discovery dalam perjalanan AI Anda?

Kelly Delaney (Savvas Learning): Pertama, saya harus mengatakan kursus penemuan produk mengubah cara kita berpikir tentang diri kita sebagai organisasi produk. Kami telah melihat corong untuk memahami alur kerja alami, kemudian menentukan di mana kami dapat menambahkan solusi AI atau solusi produk yang tepat dalam jalur alami tersebut melalui penawaran kurikulum kami.

Alo Mukers (US Bank): Pendo sangat penting bagi kami penemuan produk. Ini memungkinkan kami untuk melakukan hal -hal yang lebih cepat karena ini adalah alat mitra, membantu kami mengatasi peraturan. Kami menggunakannya di sisi dukungan dan keberhasilan pelanggan untuk data tentang pertanyaan pelanggan dan semua data pelacakan kami, dan kami akan segera menggunakan Listen. Karena Pendo memiliki lebih banyak fitur AI, ini membantu kita menjadi lebih maju dalam praktik kita.

Apakah Anda mengukur fitur AI secara berbeda dari fitur tradisional?

Mike Cartels (NASDAQ): Kami menggunakan metrik tradisional seperti pemanfaatan, frekuensi, dan seberapa sering fitur digunakan, tetapi kami Sungguh mencoba melacak waktu yang disimpan secara khusus. Waktu adalah mata uang yang berharga untuk profesi apa pun.

Ini penting karena kami memiliki disiplin yang kuat untuk mengukur pengembalian investasi. Kami mencoba mencari tahu jalur monetisasi. Apakah bagus, lebih baik, atau harga terbaik? Harga kenaikan seiring waktu? Modul mandiri? Kami ingin menghubungkan pendapatan yang berbeda dengan investasi AI kami.

Apa saran yang akan Anda tawarkan untuk organisasi dalam perjalanan AI mereka?

Mike Cartels (NASDAQ): Pertama, mengatur tata kelola lebih awal, terutama untuk industri yang diatur. Kedua, kekuatan teknologi berada di jalur eksponensial – hal -hal yang Anda coba tiga atau empat bulan yang lalu yang tidak berhasil mungkin bekerja sekarang, jadi kembali dan coba lagi. Ketiga, Anda tidak akan menemukan ide untuk menggunakan AI jika Anda tidak menggunakannya sendiri. Bereksperimenlah dengan chatgpt, kebingungan, atau LLM apa pun dalam kehidupan pribadi Anda, kemudian terjemahkan pengalaman itu ke nilai pelanggan.

Kelly Delaney (Savvas Learning): Belajar dengan tim Anda dan model seperti apa pembelajaran itu. Bagikan apa yang Anda pelajari – belajar adalah kolaboratif. Siapkan ruang obrolan, gugus tugas, dan berbagi. Jangan takut untuk mencoba hal -hal baru dan memodelkan kurangnya rasa takut. Kita semua berada di garis awal, jadi kelilingi diri Anda dengan orang -orang dengan rasa ingin tahu intelektual dan belajar bersama.

Alo Mukers (US Bank): Fokus pada di mana nilai pelanggan berada, bahkan dalam kasus penggunaan internal. Ketika AI merasa luar biasa, fokuslah pada apa yang akan membantu pelanggan, dan sisanya akan datang.

Panel ini diadakan pada 17 Juni 2025. Baca lebih lanjut dari Pendomoniumx NYCatau Jelajahi semuanya di rilis musim panas ’25.