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

Chetan Alsisaria, CEO a spoluzakladatel je lídr v oblasti podnikových technologií se specializací na data, analytiku a transformaci poháněnou umělou inteligencí. Po raných rolích v Deloitte, PwC a EY založil v roce 2012 společnost Polestar Analytics a od té doby ji rozvinul do globální společnosti pro umělou inteligenci a data. Řídí prodej, strategická partnerství, vývoj služeb a technické dodávky a současně působí jako předseda CAIO Circle, komunity pro lídry v oblasti umělé inteligence, kteří se zaměřují na zodpovědnou a praktickou adopci umělé inteligence. Kromě toho spoluzaložil Xumane Equity, což odráží jeho širší zaměření na inovace v rámci podnikových systémů a platforem.

Polestar Analytics je globální společnost pro konvergenci umělé inteligence a dat, která pomáhá podnikům proměnit fragmentovaná data v akční poznatky prostřednictvím své proprietární 1Platform. Sjednocením datové inženýrství, analytiky, umělé inteligence a obchodních workflow do jednoho ekosystému umožňuje společnost organizacím zlepšit rozhodování, optimalizovat operace a škálovat adopci umělé inteligence. S důrazem na odvětvové použití a měřitelné výsledky se Polestar vyvinul z poradenské firmy na platformově řízený podnik, který dodává zjednodušené, inteligentně poháněné řešení v podnikovém měřítku.

Vy jste spoluzaložili 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 vaše původní vize vyvinula do dnešní AI-poháněné 1Platform?

Víte, když Ajay, Amit a já založili Polestar Analytics v roce 2012, ironie byla zřejmá; společnosti se topily v datech, ale hladověly po rozhodnutích. Každý sbíral vše, ale mezera mezi tím, že máte data, a tím, že s nimi něco smysluplného děláte, byla obrovská. To je problém, který jsme se pokusili vyřešit.

Pokročme do dneška a upřímně, problém nezmizel, pouze se změnil. Objem je větší, sázky jsou vyšší a nyní máte agenty v mixu spolu s lidmi, kteří potřebují dát smysl všemu. To vlastně učinilo naší původní vizi jasnější, ne zamlženější.

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

Co je zajímavé, je to, jak se náš ekosystém vyvinul, aby tuto věc podpořil. Naše hluboké integrace s Microsoftem, Databricks a Anaplan pomáhají spojit data, obchodní použití a plánování. A 1Platform sedí napříč vším tímto, rodilý pro tato prostředí, ne připojený.

Takže evoluce vypadá takto: dodávka dat → AI-zesílené poznatky → zjednodušené, agent-ready výsledky. Přesvědčení o excelenci je stejné. Rychlost, s jakou můžeme dostat tam, je to, co se změnilo exponenciálně.

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

Nejčastěji je fragmentace není technologickým problémem, ale problémem lidí a procesů. Je to jako když máte finanční tým, který běží na Anaplan, operační tým, který žije v Excelu, tým datové inženýrství, který buduje potrubí na Azure, a každý táhne v různých směrech s různými definicemi stejné metriky. Žádná část umělé inteligence neodstraní problém důvěry, pokud je základna rozbitá.

Když mluvíme o konvergenci, míníme řešení této základny nejprve. Předtím, než můžete vrstvit inteligenci nahoře, potřebujete data, která jsou čistá, řízená a kriticky dostupná. Nejen pro vaše analytiky, ale stále více i pro vaše agenty.

Ve skutečnosti vypadá konvergence s 1Platform takto: nebudeme odstraňovat a nahrazovat to, co podniky již postavily. Půjdeme do nativních prostředí, ve kterých již žijí, jako jsou Databricks, Microsoft (MSFT ) 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.

Kouzlo není v žádné z těchto integrací. Je v spojovací vrstvě 1Platform, která dělá vše feel jako jeden koherentní systém místo nespojených nástrojů. To je to, co konvergence vypadá ve skutečnosti, úmyslné zjednodušení, dokud komplexita nebude neviditelná 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 je Databricks nebo Snowflake?

Databricks a Snowflake jsou silné platformy, nekonkurujeme jim, jsme postaveni na nich. Ten rozdíl má význam. Databricks vám dává infrastrukturu a výpočet. My sedíme nad tím a ptáme se na jinou otázku: co teď?

Tradiční BI stacky dostaly 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. Nejen odpovídá 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, které umožňují pipeline být spuštěn za sekundy. Úkoly, které dříve trvaly dny pro datové inženýry, 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 vyprávění. 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 je často nazýváno AI pilotní purgatorií. Jaké jsou největší strukturální nebo organizační bariéry, které brání umělé inteligenci dosáhnout produkční škály?

Já to nazývám pilotní hřbitov, protože většina projektů se nezastaví, ale tiše zemře. Největší bariéry nejsou technické, ale organizační. Lidé, procesy a data.

Změna managementu je konzistentně podceňována. Když přepracováváte, jak lidé pracují, zpochybňujete, jak odvozují hodnotu. Organizace, které uspějí, jsou ty, kde vedení dělá umělé inteligence viditelně důležité. Když je dovednost v oblasti umělé inteligence odměňována a přepracování procesů je podporováno strukturálně, adopce se zrychluje.

Pak je tu problém J-křivky. Investice do umělé inteligence často klesají, než stoupají. Mnohé organizace očekávají ROI do 90 dnů, nevidí jej a opouštějí úsilí. Ty, které uspějí, se zavázaly k plné křivce.

Příprava dat je dalším kritickým faktorem. Špatná data vedou k sebevědomě špatným rozhodnutím. Dokud není datová základna důvěryhodná, umělá inteligence v měřítku se stává závazkem spíše než aktivem.

Nakonec disciplína použití případů má význam. Místo pokusu o vše s umělou inteligencí potřebují organizace soustředit se na použití případů, které pohybují skutečnými obchodními metrikami, prokážou je a poté je škálovat.

V Polestar Analytics přinášíme data, umělou inteligenci a workflow dohromady, urychluje se tak objev problému i identifikace příležitostí, čímž se konvergence stává katalyzátorem změny.

Agentic AI se stává hlavní téma napříč průmyslem. Jak společnost Polestar Analytics myslí o agentech umělé inteligence v podnikových workflow a jaké reálné použití případů získávají trakci?

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

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

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

Podporujeme jak ekosystémy Microsoftu, tak Databricks 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.

Rizika jsou nezbytná. S agenty interagujícími s finančními systémy nebo zákaznickými daty jsou silná zábrana a lidský dohled vestavěny, aby zajistily spolehlivost v podnikovém měřítku.

S vaším nedávným financováním se soustředíte na rozvoj IP. Jak důležité je vlastnit proprietární platformy ve srovnání s budováním na stávajících ekosystémech v dnešním AI krajínu?

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

Náš focus je na vlastnictví inteligentní vrstvy nahoře. Proprietární IP umožňuje ovládat zkušenost, vložit znalosti z oboru a dodávat konzistentní hodnotu v měřítku.

Náš rozdíl pochází z odborných znalostí z oboru. Bez ohledu na to, zda se jedná o PromoPulse AI pro řízení růstu výnosů nebo WealthPulse pro finanční služby, hodnota spočívá ve skutečných použití případů a rozhodnutích.

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

Pracovali jste úzce s firmami z žebříčku Fortune 1000. Jak se mění očekávání kolem ROI umělé inteligence, když manažeři požadují měřitelné výsledky místo experimentů?

Posun je skutečný, ale experimenty nezmizely. Je očekáváno, že se budou pohybovat rychleji a připojí se k hmotným výsledkům.

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

ROI umělé inteligence 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 na dlouhodobé výsledky.

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

Rozdíl je více o mentalitě než o schopnostech.

Severní Amerika priorizuje rychlost a experimentování, poháněné konkurenčním tlakem.

Evropa zdůrazňuje governance a etickou umělou inteligenci od samého začátku. To však neznamená pomalejší adopci. Podniky vyvažují strukturu s urychlením.

Oba regiony se sbližují směrem k škálovatelné, zodpovědné umělé inteligenci vestavěné do jádra operací.

Nedávno jste založili CAIO Circle, aby jste spojili lídry v oblasti umělé inteligence. Jaké jsou nejnaléhavější rozhovory, které se právě teď dějí mezi Chief AI Officers, zejména kolem governance a etiky?

CAIO Circle byl vytvořen, aby dal lídrům v oblasti umělé inteligence prostor pro otevřenou diskusi.

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

Governance se posouvá od politických dokumentů k vestavěným provozním postupům. Zároveň mnohé organizace stále postrádají modely pro realizaci svých strategií umělé inteligence.

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

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

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

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

Budoucnost bude upřednostňovat platformy s hlubokými znalostmi z oboru. Obecné horizontální řešení bude mít problémy s diferenciací.

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

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