Adam Field, Chief AI Officer ve společnosti Tungsten Automation – Interview Series

Adam Field, Chief AI Officer ve společnosti Tungsten Automation, je dlouholetým lídrem v oblasti podnikových technologií s hlubokými znalostmi v oblasti umělé inteligence, inteligentní automatizace a produktové strategie. V současné roli vede globální úsilí společnosti o transformaci umělé inteligence, dohlíží na integraci umělé inteligence napříč produkty Tungstenu, řídí laboratoř Tungsten AI a zajišťuje rámce pro odpovědnou adopci umělé inteligence. Předtím, než se stal Chief AI Officer, působil jako Chief Product Officer, kde spravoval portfolio generující více než 550 milionů dolarů ročně. Předtím, než se připojil k Tungstenu, strávil Field téměř 17 let v Pegasystems, kde vedl inovační a zákaznické iniciativy, pomáhal formovat strategii pro vznikající technologie a stal se známým díky předvedení velkých produktových ukázek a programů pro podnikovou inovaci. Na počátku své kariéry zastával technologické a konzultační role ve společnostech Staples, Publicis Sapient a Fidelity Investments.

Tungsten Automation, dříve známá jako Kofax, je softwarová společnost zaměřená na automatizaci workflow s využitím umělé inteligence, inteligentní zpracování dokumentů, robotickou automatizaci procesů (RPA) a orchestraci obchodních procesů. Společnost poskytuje automatizační nástroje, které používají organizace napříč odvětvími, jako je finance, zdravotnictví, pojištění a vláda, aby streaminovaly dokumentem zatížené operace a zlepšily efektivitu. Jejich platforma kombinuje technologie umělé inteligence, nízkonákladové automatizace a dokumentové inteligence, aby pomohla podnikům automatizovat opakující se úkoly, extrahovat informace z nestrukturovaných dat a modernizovat obchodní workflow v měřítku.

Vy jste strávil roky vedoucí produktovou strategii a inovace, včetně budování inovačních laboratoří a rozšiřování produktového portfolia nad 500 milionů dolarů, předtím, než jste přešel do role Chief AI Officer ve společnosti Tungsten Automation. Co vás přesvědčilo, že je teď správný čas na přechod do plného vedení umělé inteligence, a jak vaše dřívější zkušenosti ovlivnily toto rozhodnutí?

Jsem velkou část své kariéry zaměřil na přeměnu nových technologií na něco, co skutečně funguje v podnikovém prostředí. V posledních letech se stalo zřejmým, že umělé inteligence není jen další funkcí, kterou lze integrovat do produktů. Jejím předmětem je změna toho, jak se softwarové produkty vytvářejí a jak se v podniku činí rozhodnutí, a to takovým způsobem, že všechny předchozí technologie zastínily a narušily. Tento posun od experimentů k skutečným očekáváním výsledků, spojený se stále více nezpochybnitelným faktem, že umělé inteligence je zde, aby zůstala, učinil z tohoto správného času pro plné vedení umělé inteligence.

Také se stalo zřejmým, že úspěch umělé inteligence vyžaduje lidi, kteří kombinují technické znalosti a odborné znalosti. Tungsten chce pomoci společnostem dělat umělé inteligence správně a dosahovat skutečných výsledků, a proto Tungsten vytvořil úřad umělé inteligence a mou roli v něm.

Společnost Tungsten se vyvinula z počáteční dokumentové akvizice a OCR do plné inteligentní automatizační platformy, která pohání kritické workflow pro tisíce organizací. Jak vidíte, že toto dědictví ovlivňuje váš přístup k agentic umělé inteligenci dnes?

Dědictví Tungstenu je hluboce spojeno s tím, jak podniky skutečně fungují. Strávili jsme desetiletí prací s dokumenty a workflow, které jsou umístěny v centru kritických obchodních procesů. To znamená, že rozumíme, jak komplexní a často nestrukturovaná může být tato informace.

Tato základna je velmi relevantní pro agentic umělé inteligence. Tyto systémy potřebují fungovat v reálném prostředí, ne pouze interpretovat informace v izolaci. Naše zkušenosti s dokumentovou inteligencí nám umožňují soustředit se na kontext a zajišťovat, aby umělé inteligence fungovala způsobem, který je konzistentní s tím, jak podnik funguje. Je to o budování systémů, které lze důvěřovat v produkci, ne pouze prozkoumat v teorii.

To je důvod, proč je tato poslední evoluce umělé inteligence tak vzrušující. Zavedla inteligentní zpracování dokumentů do míst, kam jsme je dříve nemohli dostat — řeší problémy, které byly dříve příliš drahé nebo nemožné řešit.

Vy jste zdůraznil začlenění umělé inteligence napříč celým produktovým portfoliem, místo aby se na ni pohlíželo jako na samostatnou funkci. Co znamená „AI-nativní“ transformace ve skutečnosti v velkém, zavedeném softwarovém produktu?

Stalo se zřejmým brzy, že generativní a agentic umělé inteligence jsou rychle se stávají standardními funkcemi, což znamená, že zákazníci nejsou vždy ochotni platit extra za ně. Také jsme si uvědomili, že tyto technologie umožňují modernizovat to, co Tungsten dělal po mnoho let: pomoci společnostem porozumět jejich dokumentovým datům.

Neměnili jsme náš brandový slib. Nevytvořili jsme samostatné produkty nebo bolt-on funkce. Přestavěli jsme, jak se produkt používá, a když je tato základna na místě, umělé inteligence může fungovat způsobem, který feels přirozeně v rámci produktu, spíše než odděleně od něj. A použití, pro které naši zákazníci začali využívat, se přesunulo od strukturovaných dokumentů k nestrukturovaným zdrojům informací. A my jsme přestavěli, co znamená „dokument“ — již to není pouze obraz papíru nebo digitální soubor. Nestrukturovaná data žijí ve věcech, jako jsou poznámky pojistných adjusterů, transkripty kontaktů, příspěvky na sociálních médiích, webové články a mnoho dalších.

Přijetí tohoto přístupu umožňuje našim zákazníkům rozšířit základy a otevřít modely se svými vlastními daty, což je skutečný diferenciátor.

Jako první Chief AI Officer, jak vyvažujete rychlost inovací s potřebou řízení, bezpečnosti a odpovědného nasazení umělé inteligence v měřítku?

Je vždy tlak na rychlé pohyby s umělé inteligencí, ale v podnikovém prostředí důvěra záleží stejně jako rychlost. Řízení a bezpečnost nemohou být považovány za následnou myšlenku. Musí být vestavěny do systému od začátku.

Způsob, jakým to děláme, je stanovením očekávání dopředu a vzděláváním našich koncových uživatelů. Například polovina mé role je zaměřena na interní strategii umělé inteligence, evangelizaci a řízení. Brzy jsme sestavili mezioborovou poradenskou radu. Povzbuzujeme sdílení, experimentování a komunikaci. Byly chvíle, kdy byla technologie připravena k nasazení pro všechny zaměstnance spojené s několika interními systémy. Prototypy byly silné a všichni byli nadšeni, ale jsme informovali náš poradenský tým, kdykoli jsme narazili na potenciální bezpečnostní nebo regulační překážky. Oceňují vhled a často se účastní řešení.

Důležité je také neumožnit, aby se dokonalost stala překážkou pokroku. Nastavujeme očekávání s našimi zaměstnanci, že by měli očekávat změnu, a mnoho z ní. Měli by očekávat, že budeme nasazovat nástroje a funkce, jakmile budou připraveny, získat zpětnou vazbu, změnit směr, pokud je to nutné, a poté nasadit více.

Agentic umělé inteligence se rychle stává hlavním zaměřením napříč odvětvím. Z vašeho pohledu, co odděluje skutečné podnikové agentic systémy od experimentálních nebo nadhodnocených implementací?

Klíčový rozdíl spočívá v tom, jak systémy fungují v reálných podmínkách. Mnohé experimentální přístupy fungují dobře v kontrolovaných prostředích, ale zápasí, když narazí na špinavá data nebo komplexní workflow. Podnikové systémy potřebují zvládnout tuto variabilitu a stále poskytovat konzistentní výsledky.

Většina systémů za posledních 30 let byla postavena pro interakci s lidmi nebo prostřednictvím velmi kontrolovaného API přístupu. Systémová integrace musí být přemyšlena v éře agentic. Vše, od toho, jak zpracovat výjimky, chyby a audit, je jiné, když agenti interagují, spíše než lidská interakce prostřednictvím tradičního uživatelského rozhraní.

Dalším důležitým faktorem je odpovědnost. Organizace potřebují rozumět, jak jsou učiněna rozhodnutí, a musí být schopny důvěřovat výsledkům. Tato úroveň transparentnosti je to, co umožňuje agentic systémy přesunout se z zajímavých demonstrací do skutečného operačního použití.

Vy jste vede Tungsten AI Lab jako centrum pro výzkum a aplikovanou inovaci. Jak zajišťujete, aby experimentální práce s umělé inteligencí překládala do měřitelných obchodních výsledků pro zákazníky?

Ve skutečnosti jsem přijal opačný přístup s Tungsten AI Lab. Řekl jsem týmu, že je v pořádku experimentovat, učit se a zkoušet nové přístupy, i když výsledky nikdy nebudou součástí našich produktů. Často je lepší se naučit, co nedělat. Věřím, že to dalo týmu svobodu myslet volně a experimentovat s novými způsoby dělání věcí.

Jako příklad, zatímco nemohu prozradit přesnou funkci, jeden z našich současných výzkumných sprintů zahrnuje zcela novou metodu pro stávající produktovou komponentu. Výzkumníci našli nové metody pro řešení problému, což vedlo k „osvětlujícímu“ okamžiku, kdy jsme mohli nabídnout kompletní novou doplňkovou řešení našim zákazníkům. Pokud bychom pouze zkoumali, jak implementovat to, co již bylo v roadmapu, nikdy bychom se nedostali sem.

Rovněž to není volná jízda. Jsme uvážliví, kde trávíme čas a kolik času trávíme na každém výzkumném projektu.

Mnohé organizace stále zápasí s přechodem z pilotních projektů umělé inteligence do produkce. Jaké jsou největší bariéry, které vidíte, a jak mohou společnosti překonat je?

Jedna z největších překážek je tmavá data. Většina organizací má přístup k enormnímu objemu informací, ale velká část z nich žije v dokumentech, e-mailech, PDF a dalších nestrukturovaných formátech, které jsou pro systémy umělé inteligence obtížně interpretovatelné. To znamená, že i dobře navržené modely často pracují s neúplným a nekonzistentním pohledem na podnik, což vede k nespolehlivým výstupům a zablokovaným iniciativám.

Abychom mohli překonat tuto překážku, společnosti potřebují soustředit se na přeměnu tmavých dat na něco použitelného. To zahrnuje nejen extrakci informací, ale také vytváření struktury, kontextu a řízení kolem nich, aby systémy umělé inteligence mohly skutečně jednat s důvěrou. Jakmile je tato základna na místě, umělé inteligence se stává mnohem spolehlivější a snadněji škálovatelnou z izolovaných pilotních projektů do skutečných produkčních prostředí.

Společnost Tungsten působí napříč dokumentem zatížených a workflow intenzivních odvětví. Jak se umělé inteligence mění v tom, jak podniky myslí o nestrukturovaných datech a rozhodování?

Umělé inteligence mění to, jak organizace myslí o hodnotě informací, které již mají. Po mnoho let velké množství podnikových znalostí sedělo uvnitř dokumentů, e-mailů, PDF a dalších nestrukturovaných obsahů, které byly obtížně přístupné nebo operacionalizovatelné. Nyní si organizace uvědomují, že tato data obsahují kontext a obchodní logiku, které systémy umělé inteligence potřebují k produkci spolehlivých výsledků. Modely samy o sobě jsou komoditou; organizace vlastních informací v kombinaci s těmito modely jsou diferencátorem.

Současně roste povědomí o suverenitě dat, řízení a toku podnikových informací. Mnohé společnosti se závodí, aby vtáhly více externích dat nebo experimentovaly se širokým přístupem k modelům, zatímco ve skutečnosti již sedí na enormním množství nevyužitých inteligencí uvnitř své vlastní organizace. Zaměření se začíná přesouvat k aktivaci této interní nestrukturované dat v zabezpečeném a řízeném způsobem, aby umělé inteligence mohly podporovat lepší rozhodnutí bez vytváření zbytečného rizika.

Vy jste vybudoval zákaznické poradenské rady a pracoval úzce se zákazníky po celou svou kariéru. Jak důležité je zpětné vazby zákazníků při formování strategie umělé inteligence, zejména když se technologie vyvíjí tak rychle?

Zpětná vazba zákazníků je dar, zejména v prostoru, který se vyvíjí tak rychle jako umělé inteligence. Pomáhá zajistit, aby strategie zůstala zakotvena v reálných obchodních potřebách, spíše než teoretických možnostech.

Také pomáhá s prioritizací. Existuje mnoho směrů, kam může umělé inteligence jít, ale vstup zákazníků poskytuje jasnost o tom, kde lze vytvořit největší hodnotu. To udržuje zaměření na výsledky, které záleží, a zajišťuje, aby inovace zůstala zarovnaná s tím, jak organizace skutečně fungují.

Pamatuji si, že v raných dnech generativní umělé inteligence mi zákazník na naší poradenské radě řekl, že zatímco mu se líbí směr produktu, nikdy by neplatil extra za novou funkci LLM v našem roadmapu. To bylo osvětlující, protože on byl zarovnán se zbytkem odvětví.

Pohledem do budoucna, kde vidíte největší příležitost pro automatizaci poháněnou umělé inteligencí v příštích 3 až 5 letech, a na co by se měly podniky připravovat nyní?

Největší příležitost je ve spojení umělé inteligence hlouběji do koncových workflow. Rather než se soustředit na izolované úkoly, organizace budou hledět na to, jak umělé inteligence může podporovat celé procesy a zlepšovat, jak práce přechází napříč podnikem. V současné době je mnoho agentic systémů zaměřeno na diskrétní úkoly, ale podniky fungují na základě kompatibilních koncových procesů.

Aby se na tuto změnu připravily, podniky potřebují investovat do svých datových základů a do systémů, které podporují transparentnost a kontrolu. A měly by uvažovat o „build vs. partner“ spíše než „build vs. buy“. Viděli jsme, že umělé inteligence DIY založené na ničím selhávají příliš často. Organizace, které nejvíce profitují, budou ty, které najdou správné partnery poháněné umělé inteligencí, aby urychlit svá řešení, spíše než snažit se přestavět vše od základu.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Tungsten Automation.