Chetan Alsisaria, CEO a spoluzakladatel, Polestar Analytics – Interview Series

Chetan Alsisaria, CEO a spoluzakladatel je lídr podnikového technologického sektoru se specializací na data, analytiku a transformaci poháněnou umělou inteligencí. Po počátečních rolích v Deloitte, PwC a EY založil v roce 2012 Polestar Analytics a od té doby ji rozvinul do globální společnosti pro umělou inteligenci a data. Řídí prodej, strategická partnerství, vývoj služeb a technickou dodávku, a zároveň působí jako předseda CAIO Circle, komunity pro lídry umělých inteligencí zaměřenou na rozvoj odpovědného a praktického nasazení umělých inteligencí. Kromě toho spoluzaložil Xumane Equity, což odráží jeho širší zaměření na inovace v podnikových systémech a platformách.

Polestar Analytics je globální společnost pro konvergenci umělých inteligencí a dat, která pomáhá podnikům proměnit fragmentovaná data na akční poznatky prostřednictvím své proprietární 1Platform. Sjednocením inženýrství dat, analytiky, umělých inteligencí a obchodních workflow do jediného ekosystému umožňuje společnost podnikům zlepšit rozhodování, optimalizovat operace a škálovat nasazení umělých inteligencí. S důrazem na konkrétní použití v jednotlivých odvětvích a měřitelné výsledky se Polestar vyvinula z poradenské firmy na platformu poháněnou podnikem, která dodává zjednodušené, inteligentní řešení ve velkém měřítku.

Spoluzaložili jste Polestar Analytics v roce 2012 po rolích v Deloitte, PwC a EY. Jakou mezeru v podnikových datech a analytice jste viděli v té době, a jak se tato původní vize vyvinula do dnešní AI-poháněné 1Platform?

Víte, když Ajay, Amit a já založili Polestar Analytics v roce 2012, byla ironie zarážející; společnosti se topily v datech, ale hladověly po rozhodnutích. Každý sbíral všechno, ale mezera mezi tím, mít data a dělat něco smysluplného s nimi, byla enormní. To je problém, který jsme se pokusili vyřešit.

O několik let dopředu a upřímně, problém nezmizel, pouze se změnil. Objem je větší, sázky jsou vyšší a nyní máte agenty v mixu vedle lidí, kteří potřebují dát smysl všemu. To vlastně učinilo naší původní vizi jasnější, ne mlžnější.

Naše motto, Data to Outcomes, Simplified!, je真的 vlákno, které spojuje 2012 s dneškem. Začali jsme s dodáním dat; dostat správná data správným lidem ve správný čas. Pak přišla umělá inteligence a zesílila, co bylo možné. Nyní s 1Platform jdeme dále; zjednodušujeme a maximalizujeme výsledky nejen pro lidi, ale i pro agenty, kteří stále více činí nebo informují rozhodnutí.

Co je vzrušující, je to, jak náš ekosystém zrál, aby tuto podporu poskytl. Naše hluboké integrace s Microsoft, Databricks a Anaplan pomáhají spojit data, obchodní použití a plánování. A 1Platform sedí napříč všemi, rodilý pro tyto prostředí, ne připevněný.

Takže evoluce vypadá takto: dodání dat → AI-zesílené poznatky → zjednodušené, agent-ready výsledky. Pronásledování excelence je stejné. Rychlost, s níž můžeme dosáhnout, je to, co se změnilo exponenciálně.

Polestar Analytics se позиcionuje jako společnost pro konvergenci dat a umělých inteligencí. Jak vypadá konvergence ve skutečnosti pro velké podniky, které se potýkají s fragmentovanými systémy a izolovanými daty?

Většinou je fragmentace není technologickým problémem, je to problém lidí a procesů. Je to jako když máte finanční tým, který běží na Anaplan, operační tým, který žije v Excelu, tým inženýrství dat, který buduje potrubí na Azure, a každý táhne jiným směrem s různými definicemi stejné metriky. Žádná umělá inteligence nemůže opravit problém důvěry, pokud je základna rozbitá.

Takže když mluvíme o konvergenci, míníme řešení této základny nejdříve. Předtím, než můžete přidat inteligenci nahoře, potřebujete data, která jsou čistá, řízená a kriticky přístupná. Nejen pro vaše analytiky, ale stále více i pro vaše agenty.

Ve skutečnosti konvergence s 1Platform vypadá takto: nebudeme nahrazovat, co podniky již postavily. Půjdeme rodilý do prostředí, ve kterých již žijí, jako Databricks, Microsoft a Anaplan, a spojíme datovou a inteligentní vrstvu napříč nimi. Vaše plánovací data v Anaplan mluví s vašimi provozními daty v Databricks a vaše Microsoft ekosystém je tam, kde se rozhodnutí skutečně objevují pro lidi a agenty, aby jednali.

Magie není v žádné z těchto integrací. Je v propojené vrstvě 1Platform, která dělá všechno cítit jako jeden koherentní systém místo nespojených nástrojů. To je, co konvergence vypadá ve skutečnosti, úmyslné zjednodušení, dokud komplexita se nestane neviditelnou pro podnik.

Vaše proprietární 1Platform má za cíl sjednotit data, umělou inteligenci a workflow do jednoho systému. Jak se tento přístup liší od tradičních BI stacků nebo moderních datových platforem, jako Databricks nebo Snowflake?

Databricks a Snowflake jsou mocné platformy, nesoutěžíme s nimi, jsme postaveni na nich. Ten rozdíl má význam. Databricks poskytuje infrastrukturu a výpočetní prostředky. My sedíme nad tím a ptáme se na jinou otázku: co teď?

Tradiční BI stacky získaly mnoho věcí správně pro svou dobu, ale obchodní inteligence se vyvinula. Dnes potřebují obchodní uživatelé více než pouze dashboardy. Můžete mít krásně navržený dashboard s patnácti grafy a někdo stále musí interpretovat, co to znamená a rozhodnout, co dál. Ta mezera mezi poznatkem a akcí je přesně tam, kde 1Platform operuje.

1Platform není statická, neustále se vyvíjí. Neodpovídá pouze na otázky, které přinášíte; objevuje otázky, na které jste ani nemysleli. To mění vztah mezi obchodními uživateli a jejich daty.

Postavili jsme low-code a no-code rozhraní na vrchol Databricks a Azure, která umožňují spustit potrubí během sekund. Úkoly, které dříve trvaly dny pro inženýry dat, mohou být nyní spuštěny obchodními uživateli. Navrch toho Agenthood AI umožňuje uživatelům vytvářet a orchestrovat agenty prostřednictvím jednoduchých drag-and-drop rozhraní bez hlubokých technických znalostí.

Ale skutečný rozdíl je v uživatelském prostředí. Místo skákání přes několik dashboardů dostávají uživatelé přirozené jazykové poznatky, kontextové doporučení a agent-driven narace. KPI neleží pouze na obrazovce; agenty aktivně monitorují, signalizují, co je důležité, a vysvětlují proč. Diferenciace není v datové platformě samotné, ale ve všem, co se děje po přípravě dat.

Mnohé podniky zůstávají uvíznuté v tom, co se často nazývá AI pilot purgatory. Jaké jsou největší strukturální nebo organizační bariéry, které brání AI v dosažení produkce ve velkém měřítku?

Nazývám to pilot hřbitov, protože většina projektů se nezastaví, ale tiše zemře. Největší bariéry nejsou technické, jsou organizační. Lidé, procesy a data.

Řízení změn je konzistentně podceňováno. Když přepracujete, jak lidé pracují, zpochybňujete, jak odvozují hodnotu. Organizace, které uspějí, jsou ty, kde vedení dělá AI profesionality viditelně důležité. Když je zvyšování kvalifikace odměněno a přepracování procesů je podporováno strukturálně, přijetí urychluje.

Pak je tu J-křivkový problém. Investice do AI často klesají, než stoupají. Mnohé organizace očekávají ROI do 90 dnů, nevidí ho a opouštějí úsilí. Ty, které uspějí, se zavazují k plné křivce.

Připravenost dat je dalším kritickým faktorem. Špatná data vedou k sebevědomým špatným rozhodnutím. Dokud není datová základna důvěryhodná, AI ve velkém měřítku se stává závazkem spíše než aktivem.

Nakonec disciplína použití případů má význam. Místo pokusu o všechno s AI by se organizace měly zaměřit na použití případů, které pohybují skutečnými obchodními metrikami, prokážou je a poté je škálovat.

V Polestar Analytics urychluje sjednocení dat, AI a workflow do jednoho místa objev problému i identifikaci příležitostí, měnící konvergenci na katalyzátor změny.

Agentic AI se stává hlavní tématem napříč průmyslem. Jak Polestar Analytics myslí o AI agentech v podnikových workflow, a které reálné použití případů získávají trakci?

Pro nás musí být agenty vloženy do datové vrstvy a obchodních workflow, aby vytvořily skutečnou hodnotu. Například cenový agent není pouze LLM sedící na dashboardu; je integrován do datové infrastruktury, chápe kontext a podporuje skutečná rozhodnutí.

Mezi našimi 100+ agenty některé působí jako asistenti, zatímco jiné jsou plně automatizované. Nejsilnější trakce je v řízení růstu výnosů, včetně cen, propagací a mixu médií, kde jsou rozhodnutí častá a data-intenzivní.

Na straně inženýrství jsou již používány agenty pro monitorování potrubí a řešení chyb. FinOps agenty snížily nevyužité cloudové náklady o 35 procent. Existuje také silná adopce ve správě bohatství.

Podporujeme jak Microsoft, tak Databricks ekosystémy a poskytujeme platformu pro vytváření vlastních agentů. Ne každý agent potřebuje být založen na LLM; architektura by měla odpovídat použití případu, aby vyvážila měřítko a náklady.

Řízení je nezbytné. S agenty, které interagují s finančními systémy nebo zákaznickými daty, jsou silné zábrany a lidský dohled vestavěny, aby zajistily spolehlivost ve velkém měřítku.

S vaším nedávným financováním se budete soustředit na vývoj IP. Jak důležité je vlastnictví proprietárních platforem ve srovnání s budováním na stávajících ekosystémech v dnešním AI krajínu?

Jsme hluboce integrováni s platformami, jako Databricks, Microsoft a Anaplan, které poskytují infrastrukturu a měřítko. Nepokoušíme se je nahradit.

Naše zaměření je na vlastnictví inteligentní vrstvy nahoře. Proprietární IP umožňuje kontrolovat zkušenost, vložit odborné znalosti a dodat konzistentní hodnotu ve velkém měřítku.

Naše diferenciace pochází z odborných znalostí v jednotlivých odvětvích. Bez ohledu na to, zda se jedná o PromoPulse AI pro řízení růstu výnosů nebo WealthPulse pro finanční služby, hodnota spočívá v pochopení skutečných použití případů a rozhodnutí.

Proprietární IP, pro nás, je kodifikací této odbornosti. Je to, co dělá platformu odolnou a skutečně užitečnou.

Pracovali jste úzce s podniky z Fortune 1000. Jak se mění očekávání kolem AI ROI, protože výkonní ředitelé požadují měřitelné výsledky místo experimentování?

Změna je skutečná, ale experimentování nezmizelo. Je prostě očekáváno, že se bude pohybovat rychleji a připojovat k hmotným výsledkům.

Výkonní ředitelé nyní vyhodnocují ROI prostřednictvím širších perspektiv, jako je rychlost rozhodnutí, zákaznická loajalita, inovační kapacita a odolnost.

AI ROI již není vlastněn jediným lídrem. CTO se zaměřuje na infrastrukturu a data, CFO se dívá na finanční dopad, a COO zdůrazňuje provozní efektivitu.

Organizace, které uspějí, sladí tyto perspektivy brzy a zaváží se k dlouhodobým výsledkům.

Vaše expanzní strategie zahrnuje Severní Ameriku a Evropu. Jaké rozdíly vidíte v adopci AI a připravenosti podniků napříč těmito regiony?

Rozdíl je více o myšlení než o schopnosti.

Severní Amerika priorizuje rychlost a experimentování, poháněné konkurenčním tlakem.

Evropa zdůrazňuje řízení a etickou AI od začátku. To však neznamená pomalejší adopci. Podniky vyvažují strukturu s urychlením.

Oba regiony se sbližují směrem k škálovatelné, odpovědné AI, která je zabudovaná do jádra operací.

Nedávno jste založili CAIO Circle, aby jste přivedli lídry AI dohromady. Jaké jsou nejnaléhavější rozhovory mezi Chief AI Officers právě teď, zejména kolem řízení a etiky?

CAIO Circle byl vytvořen, aby dal AI lídrům prostor pro otevřenou diskusi.

Centrální výzvou je vyvážení rychlosti s dlouhodobým rizikem. Důvěra a vysvětlitelnost jsou hlavní obavy, zejména když systémy AI ovlivňují kritická rozhodnutí.

Řízení se mění z politických dokumentů na vestavěné provozní postupy. V同 době mnohé organizace stále postrádají modely provádění, aby dodaly na své AI strategie.

Nejcennější poznatky často přicházejí z otevřených diskusí mezi kolegy spíše než z formálních prezentací.

Pohledem do budoucna tři až pět let, očekáváte, že podniková AI se bude konsolidovat do sjednocených platforem, jako je ta vaše, nebo zůstane fragmentovaným ekosystémem nástrojů a dodavatelů? Kde se Polestar Analytics snaží positionovat v té budoucnosti?

Fragmentace pravděpodobně bude pokračovat. Hlavní platformy, jako Databricks, Microsoft, Salesforce a Anaplan, zůstanou centrálními hráči.

Co podniky potřebují, je sjednocující vrstva, která spojuje data, inteligenci a workflow do něčeho akčního. To je role, pro kterou je 1Platform navržen.

Budoucnost bude upřednostňovat platformy s hlubokými odbornými znalostmi v jednotlivých odvětvích. Obecné horizontální řešení budou mít potíže s diferenciací.

Skutečná hodnota bude pocházet z pochopení specifických potřeb odvětví a vložení inteligence přímo do rozhodovacích workflow.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Polestar Analytics.