مقابلات
آرون إنجلاند، رئيس المنتجات والتكنولوجيا في Accruent – سلسلة المقابلات
آرون إنجلاند، رئيس المنتجات والتكنولوجيا في Accruent، هو قائد تقني ومحصول موسمي معروف ببناء وتوسيع فرق عالمية تقدم حلول SaaS ووكالات من البحث المبكر إلى منتجات تواجه العملاء في نمو عالٍ. وهو يمتزج بين الخبرة العميقة عبر أسواق المستهلكين، و SaaS إلى الأعمال، والتجارة الإلكترونية، والتكنولوجيا التجارية مع قيادة الناس القوية، حيث يرتبط الابتكار مع فهم حاد للمشاكل التي تواجه العملاء لتحقيق نتائج سوقية قابلة للقياس، بما في ذلك النمو من خلال الاستحواذ والاستراتيجية التي تقودها الملكية الفكرية.
Accruent توفر برامج تساعد المنظمات على تشغيل الجانب المادي من أعمالها بشكل أكثر كفاءة، حيث تجمع بين أدوات لمرافق، وأصول، ومساحات، وتشغيل مكان العمل في نظام متصل واحد. تم تصميم منصتها لتقليل التجزئة، وتحسين الرؤية وصنع القرار، ومساعدة الفرق على التخطيط، والصيانة، وتحسين المباني والمعدات عبر مجموعة واسعة من الصناعات.
لقد بنيت وقادت فرق عالمية عالية الأداء لمدة 25 عامًا. بالنظر إلى الخلف عبر الشركات الناشئة والشركات الكبيرة والآن Accruent، ما هي التجربة الحاسمة التي شكلت كيف تفكر في بناء تكنولوجيا موثوقة على نطاق واسع؟
من خلال قضاء الوقت في شركات Fortune 50 والعمل في قيادة التكنولوجيا في الشركات الناشئة في مرحلة مبكرة والشركات المتوسطة والكبيرة العامة والخاصة، لقد حصلت على مجموعة واسعة من الخبرات عندما يتعلق الأمر بتعزيز تبني التحول الرقمي عبر مختلف الصناعات. وأبرزها، كنت الموظف رقم تسعة في DocuSign وكنا نستهدف سوقًا يحتاج إلى تغيير حقيقي. دفع الصناعة التعاقدية التناظرية من خلال تحول رقمي كامل، لا يتطلب فقط بناء الثقة في السوق، ولكن التشريعات لجعل التحول آمنًا. هناك الكثير من الدروس المتعلقة بوقت tôi هناك يمكن تطبيقها على السوق الحالي لأدوات LLMs و AI.
على مستوى عالٍ، ظلت الأنماط عبر تجاربي متسقة: الأنظمة الموثوقة لا تظهر بالصدفة. إنها تأتي من الهندسة المعمارية المتعمدة، وثبات البيانات، والشفافية، وفهم عميق لكيفية استخدام الأشخاص الحقيقيين للتكنولوجيا.
لقد حذرتم من أن الفنيين لن يقبلوا أنظمة AI التي تقول ببساطة “ثق بي” بحلول عام 2026. من موقعك في Accruent، ما الذي يدفع هذا التحول في التوقعات بين المحترفين في الخط الأمامي والخدمات الميدانية؟
في البيئات حيث يعتمد مدراء المرافق والفنيين على AI لتشخيص فشل المعدات وتوجيه الإصلاحات المعقدة، يمكن أن يسبب خطأ من التوصية الخاطئة أو غير الدقيقة مخاطر أعمال وأمان كبيرة.
في كثير من الأحيان، tạo LLMs إجابات مزيجة من صفحات متعددة، دون الإشارة إلى الأدلة الأساسية. ونتيجة لذلك، إذا اتبع الفني خطوة تم إنشاؤها بواسطة AI التي لم تكن موجودة في دليل OEM الأصلي، يمكن للمنظمة أن تواجه ردود فعل كبيرة من حيث الامتثال، لأنها لن يكون لديها سلسلة أدلة قابلة للدفاع عنها للتدقيق أو استعراض السلامة. مع أن AI يصبح حجر الزاوية و “مخفيًا” في البرمجيات، سيزداد أهمية التتبع.
يمكن أن يكون هلوسات AI أكثر من مجرد إزعاج في الصناعات المنظمة – يمكن أن tạo مخاطر حقيقية للسلامة والامتثال والتشغيل. ما هي السيناريوهات الأكثر إزعاجًا لك عندما يتعلق الأمر bằng الصيانة وإدارة المرافق أو عمليات الأصول؟
في التصنيع، إذا قالت اقتراح تم إنشاؤها بواسطة AI للعامل في المصنع أن يأخذ الإجراء الخاطئ على قطعة حاسمة من المعدات، يمكن أن يؤدي ذلك إلى توقف غير مخطط له، ومواد مهدرة، ونتاج نهائي معيب، أو معدات تالفة. هذه يمكن أن تكون أخطاء بملايين الدولارات لأن خطوط التصنيع تقف ثابتة أو حتى ضرر سمعة إذا أدى ذلك فيما بعد إلى استدعاء.
هذه هلوسات من أدوات AI también أكثر ضررًا للصناعات مثل الرعاية الصحية، حيث تكون المسؤوليات و Means حياة المرضى في خطر عندما يكون هناك فشل في الآلة التي لم يتم صيانتها أو إصلاحها في الوقت المناسب. عندما تتعامل مع صناعات تتفاعل مع العالم الحقيقي، فإن исправление الأخطاء ليس بهذه البساطة مثل الضغط على حذف وبدء من جديد.
لقد شددتم على أن كل إخراج AI يجب أن يشير إلى المصادر الأصلية – الدلائل، والجداول البيانية، والرسومات، والسجلات التاريخية. كيف تصمم Accruent أنظمة تضمن التتبع وتقضي على إجابات “ال盒ة السوداء”؟
نضمن أن توصيات AI يمكن تتبعها إلى نقاط الإخراج المهمة في المواد المصدر، مثل صفحة الدليل المحددة، أو الرسم البياني، أو الجدول البياني، أو إدخال السجل الذي أبلغ عن الاقتراح. على سبيل المثال، إذا قالت توصيات AI لمدير المرافق في الرعاية الصحية كيفية صيانة ضاغط، فيجب أن يكونوا قادرين على تتبعها إلى الفقرة المحددة التي تدعم تلك الخطوة في نقرة واحدة، لضمان الدقة. لإغلاق الفجوة المتزايدة في الثقة في أنظمة AI الحالية في المؤسسات، من المهم أن تكون هذه الأنظمة قادرة على الكشف عن النقاط أو الصفحات التي تم تقييمها، بحيث يعرف المستخدمون ما إذا كان AI قد راجع جميع الوثائق ذات الصلة أو فقط جزءًا منها.
كثير من أدوات AI المؤسسية تُعطي الأولوية للسرعة، ولكن البيئات المنظمة تتطلب سجلات تدقيق، ودقة الوثائق، وlogic قابلة للتحقق. كيف تتوازن بين الابتكار وضرورة الشفافية والامتثال؟
تضمين AI في سير العمل الحالية هو المفتاح. هذا يبسط عملية تضمين الموافقات، والوثائق، وروتين الصيانة، وعمليات الامتثال، لتكملة الممارسات المعروفة، بدلاً من تنفيذ أداة معزولة جديدة. هذا يعني تجنب إعادة بناء كامل للعمليات، وسماح للموظفين بالاستمرار في العمل بالطريقة التي كانوا يفعلونها، ولكن مع تحويل العمليات اليدوية والمستهلكة للوقت إلى عمليات أوتوماتيكية.
يعتمد الفنيون في الميدان على تعليمات دقيقة. كيف تتعامل Accruent مع تحدي تثبيت إخراج AI في المواد المصدر الحساسة لتقليل المخاطر وتحسين ثقة الفنيين؟
منهجنا يبدأ بتقاطع الدلائل، والرسومات، والرسومات، والاستئجار، وأوامر العمل التاريخية لضمان أن AI يقدم إجابات من المحتوى الخاص بالشركة، وليس البيانات التدريبية العامة. عند توليد الإجراءات، والتوصيات، أو قوائم التحقق، تم تصميم أنظمتنا بحيث تكون كل خطوة قابلة للتتبع إلى الوثائق الأصلية.
بدون هذه الميزة، سوف يضطر الفنيون الذين يضغطون بالفعل على الموارد إلى قضاء المزيد من الوقت في التنقيب عن الوثائق يدويًا للتحقق من الدقة، مما يؤخر المزيد من العمليات وأوامر العمل.
تتطلب تقديم AI واضح وجاهز للتدقيق كميات كبيرة من البيانات المنظمة. ما هي التحديات البيانية – من الوثائق التقليدية غير المنظمة إلى تاريخ الأصول غير المتناسق – التي تحتاج إلى حلها لجعل هذا الرؤية حقيقية؟
ت开始 بتقديم AI جاهز للتدقيق مع بيانات موثوقة ومنظمة جيدًا. ومع ذلك، لا يزال معظم البيئة المبنية تعيش في العمليات التناظرية، مع إدخالات البيانات اليدوية، و PDF الممسوحة ضوئيًا، والجداول المنفصلة. عندما يكون هناك فجوات في البيانات وتاريخ الأصول غير مكتمل أو غير متناسق، تزيد مخاطر هلوسات AI. لجعل إخراج AI موثوقًا في البيئات المنظمة، يجب على الشركات أولاً حل عوائق البيانات التقليدية، من التنسيقات غير المنظمة إلى التاريخ غير المتناسق، إلى عدم الحوكمة، من خلال نقلها إلى أنظمة وثائق وأصول بيانات منسقة ومراقبة الإصدار ومركزية.
نظامنا EDMS (نظام إدارة الوثائق الهندسية) يمكن أن يفعل ذلك لصناعات متعددة، بما في ذلك التعدين، والخدمات، والتصنيع، وغيرها. غالبًا ما تعتمد هذه الصناعات على الرسومات الهندسية الفعلية والوثائق، مما يمكن أن يخلق كوابيس مراقبة الإصدار. استخدام حل نظامنا EDMS لتحويل هذه الوثائق إلى الرقمي هو الخطوة الأولى. من هناك، تساعد البرمجيات على إدارة مراقبة الإصدار، وحوكمة سير العمل، وسجلات التدقيق، لضمان القضاء على التناقضات.
كما يصبح AI متأصلًا في الصيانة، ومرافق، وإدارة دورة حياة الأصول، أين ترى أكبر فرص تحسين الإنتاجية دون المساس بالسلامة أو المتطلبات التنظيمية؟
واحدة من أكبر الفرص هي ت автоматиة المهام الروتينية غير القيمة المضافة للموظفين، مثل إدخال البيانات اليدوية وتحديد جداول العمل للفنيين. من الخارج يبدو الأمر كمهام سهلة نسبيًا، ولكنها تستهلك الوقت. ومع ذلك، يمكن ل AI التعامل مع هذه المهمة بشكل أكثر استراتيجية.
أولاً، إذا كانت المعدات المعنية يتم رصدها بواسطة أجهزة استشعار، قد يتم تشغيل أمر العمل بناءً على الكشف عن الشذوذ، قبل حدوث أي فشل حقيقي. ثانيًا، يمكن ل AI مساعدة تلقائية في تحديد الأولويات لأوامر العمل بناءً على الضرورة وتحديد جداول الإصلاح في أوقات تسبب أقل量 من الاضطراب للأعمال – كما يمكنها وزن قضايا متعددة متزامنة، والتكاليف، والسلامة، والإيرادات في آن واحد للحصول على أفضل مسار إلى الأمام.
AI لديها الإمكانية لعدم مساعدة فرق الصيانة والمرافق فحسب، بل سوف تعمل كمنفذ رقمي.
تصبح الثقة هي الرهان الجديد لأدوات AI المؤسسية. ماذا تعتقد أن البائعين سوف يحتاجون إلى القيام به بشكل مختلف خلال السنوات القليلة القادمة لتحقيق – و الحفاظ على – هذه الثقة؟
يجب على البائعين أن يتوقفوا عن افتراض أن العملاء سوف “يؤمنون بالنموذج” عندما يتعلق الأمر بأدوات AI المؤسسية. التوصيات من AI تحتاج إلى إظهار دليل على كيفية توليدها. واحد من الطرق لمعالجة هذا هو في شكل إشارات واضحة ووصف لما الوثائق التي راجعها AI ولم يراجعها. على سبيل المثال، إذا سأل الموظف AI لتحليل 1000 عقد، فيجب أن يعرف بشكل صريح ما إذا كان قد قيم جميع 1000 عقد أو فقط 700، ولماذا أو لماذا لا.
كجزء من ذلك، يجب على البائعين أن يُعطوا الأولوية للشفافية في استخدام البيانات. هذا يشمل وضوحًا في من يرى البيانات، وكيف يتم استخدامها (بما في ذلك أي آثار على التدريب)، وكيف يتم فصلها أو عزلها عن بيئات العملاء الأخرى.
في السنوات القليلة القادمة، سوف يكون تحقيق الثقة أمرًا بالغ الأهمية، ويمكن للبائعين الحصول على اليد العليا من خلال أن يكونوا صريحين بشأن حدود أدوات AI، وترك البشر في الحلقة للمقاربات عالية الخطورة، والبدء bằng حالات استخدام ضيقة ومحددة توفر قيمة ملموسة دون وضع العملاء في وضع “البوكس الأسود”.
فيما يلي، كيف ترى تطور AI داخل العمليات الحيوية، وما هو الدور الذي تتوقع أن تلعبه Accruent في وضع معايير الصناعة لأدوات AI الموثوقة والشفافة؟
AI في العمليات الحيوية تتطور بسرعة من التutomations المنفردة إلى أنظمة ذكية متعددة الوكلاء يمكنها تنسيق وتحسين سير العمل بأكمله. بدلاً من مساعدة المستخدمين فقط، سوف توفر AI دعمًا اتخاذ القرار المستقل، وستراقب شروط التشغيل، وتتنبأ بالمخاطر، وتقترح إجراءات مع شفافية وتتبع كاملين. مع أن AI يتعلم دمج الوثائق غير المنظمة، والبيانات التشغيلية المنظمة، والإشارات في الوقت الفعلي، سوف يصبح متأصلًا مباشرة في العمليات اليومية، مما يدفع نتائج أسرع وأمان وأكثر موثوقية.
مع مرور الوقت، سوف يسمح ذلك بتحول نحو عمليات مستقلة، حيث يمكن للنظم自وOptimizer و self-correct، في حين يركز البشر على الإشراف وصنع القرار الاستراتيجي. كما رائدة سوق، سوف تساعد Accruent في وضع معايير الصناعة لأدوات AI الموثوقة والشفافة عن طريق دمج قابلية التدقيق، ووضوح، وحوكمة قوية في منصتها، وبالتعاون مع العملاء، والشركاء، والهيئات التنظيمية لتحديد أفضل الممارسات لتنفيذ آمن في البيئات الحيوية.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Accruent.
