Don Schuerman, CTO ve společnosti Pegasystems – Interview Series

Don Schuerman je chief technology officer a viceprezident pro produktový marketing ve společnosti Pegasystems, kde je zodpovědný za platformu Pega a aplikace pro řízení vztahů se zákazníky (CRM).

Má 20 let zkušeností s dodáváním softwarových řešení pro podniky z žebříčku Fortune 500, se zaměřením na digitální transformaci, mobilitu, analytiku, řízení obchodních procesů, cloud a CRM.

Pegasystems nabízí robustní platformu, která pomáhá organizacím dosáhnout podnikatelsky transformujících výsledků prostřednictvím reálného optimalizování. Platforma umožňuje klientům řešit klíčové podnikatelské výzvy pomocí rozhodování založeného na podnikovém umělém inteligenci a automatizace pracovních postupů, včetně personalizace zákaznického zapojení, automatizace služeb a zlepšení provozní efektivity. Založená v roce 1983, Pegasystems vyvinula škálovatelnou a flexibilní architekturu, která podporuje podniky v plnění aktuálních požadavků zákazníků a přizpůsobuje se budoucím potřebám.

Vzhledem k vašim rozsáhlým zkušenostem jako CTO ve společnosti Pegasystems, jak se Pega GenAI liší v rychle se vyvíjejícím prostředí generativní umělé inteligence pro podniky?

Pegasystems inovoval řešení umělé inteligence po mnoho let, včetně zkoumání generativní umělé inteligence dlouho předtím, než se stala mainstreamem. Domnívám se, že existují tři věci, které nás odlišují:

První, nejsme pouze urychlování procesů, ale poháníme inovace. Většina dodavatelů podnikového softwaru spustila různé gen AI boty, agenty nebo funkce co-pilot, ale pravdou je, že tyto nástroje nebudou pohánět konkurenční odlišnost. Umožňujeme našim klientům重新 tưởngnout, jak jejich celý podnik funguje s jedinečnými nástroji, jako je Pega GenAI Blueprint, který poskytuje špičkové návrhy aplikací během sekund. Nejsme pouze automatizujeme úkoly, ale fundamentálně重新 tưởngnout, jak podniky fungují a inovují.

Druhý, nejsme pouze automatizujeme v izolaci, ale orchestrujeme, jak se práce provádí od začátku do konce. Jiní dodavatelé rozptylují tyto gen AI boty a doufají, že to bude dostatečné pro zvýšení efektivity. Naše platforma je založena na naší špičkové správě případů a orchestraci, která nám umožňuje nejen automatizovat pomocí gen AI, ale také orchestrovat a optimalizovat celý proces od začátku do konce.

Třetí, nejsme pouze generický gen AI engine – zaměřujeme se na pohánění lepšího zákaznického zapojení a automatizace pracovních postupů pomocí umělé inteligence. Někdy je problém, se kterým se setkáváme, vyžaduje kreativní sílu generativní umělé inteligence, zatímco jiné problémy mohou vyžadovat prediktivní AI nebo rozhodovací AI, aby se do procesu vložila více logiky.

Vašem článku na Forbes, “Odblokování potenciálu pokročilé umělé inteligence pro inovace podnikání,” zmíníte potenciál generativní umělé inteligence重新 tưởngnout podnikatelské operace. Jaké jsou některé konkrétní příklady, kde AI může katalyzovat transformaci zavedených společností?

Deutsche Telekom (DTE.DE ) ův SVP pro návrhové autority, Daniel Wenzel, popisoval na PegaWorld iNspire letos v létě, jak používá Pega GenAI Blueprint k重新 tưởngnutí více než 800 samostatných obchodních procesů v oddělení služeb HR. Říká, že největší překážkou při pokusu o zlepšení těchto procesů je, že obchodní lidé a IT nemluví stejným jazykem, což vede k nenaplněným očekáváním. Pega GenAI Blueprint pomáhá oběma stranám pochopit proces a zlepšit ho mnohem rychleji než tradiční metody, což vede k účinnějším řešením.

Stejný článek diskutuje omezení současných aplikací generativní umělé inteligence. Jak mohou společnosti překročit.incrementální zlepšení produktivity a využít plný transformační potenciál umělé inteligence?

Většina generativní umělé inteligence v podnikovém softwaru je aplikována jako samostatné funkce, které pomáhají urychlit konkrétní aspekty procesu. Tyto typy funkcí jsou však nyní běžné a poskytují málo konkurenční výhody. Produktivita hacky, jako je shrnutí a generování textu, jsou základní – co podniky potřebují k pokroku na trhu, je použít generativní umělou inteligenci k inovacím nových způsobů podnikání na vysoké úrovni. Například Gartner identifikoval novou technologickou kategorii, kterou nazývá Business Orchestration and Automation Technologies (BOAT), která se zaměřuje na pohánění podnikatelských výsledků více holisticky, od streamování nákladů, zlepšení rozhodování, snížení provozních nákladů a použití správných automatizačních technologií pro danou úlohu. Samostatné gen AI funkce mají své místo, ale je to pouze část puzzle a ne stříbrná kulka, která řeší všechny problémy.

Jaké jsou nejperspektivnější podnikatelské použití generativní umělé inteligence, které jdou za hranice typických zlepšení produktivity, a jak mohou podniky tyto implementovat?

Nejzajímavější příležitost pro generativní umělou inteligenci je potenciál vložit nejlepší postupy do procesu. Ti, kteří používají gen AI pouze pro psaní kódu, si mohou vytvořit více technického dluhu v budoucnu. Vložení IP do softwarového návrhového procesu je herní změnou, která umožňuje organizacím dosáhnout optimálního řešení mnohem rychleji na základě let zkušeností. A protože je vyvinut jako vizuální model a ne pouze jako řádky kódu, je snazší spolupracovat a vylepšovat ho v průběhu času napříč technickými a netechnickými stranami. Předtím mohl návrh aplikace trvat týdny a vyžadoval velmi specializované dovednosti; nyní tyto gen AI poháněné nástroje umožňují obchodním uživatelům zadat své konkrétní potřeby v běžném jazyce a rychle se přesunout z konceptu na komplexní návrh. Forrester nedávno zveřejnil some výzkum, který předpovídá, že použití AI k vložení IP do low-code nebo model-based návrhových systémů fundamentálně změní, jak podniky používají software – umožní jim budovat více a kupovat méně „off-the-shelf“ aplikací. Domnívám se, že se jedná o velkou transformaci, a věřím, že s Pega GenAI Blueprint jsme dobře umístěni, abychom byli platformou volby pro naše podnikatelské klienty.

Vy jste dříve naznačil, že generativní umělá inteligence může pomoci při vývoji produktu identifikací mezer na trhu. Můžete vysvětlit, jak tento proces funguje a sdílet konkrétní příklad?

Náš Pega Customer Decision Hub je prediktivní AI řešení, které pomáhá našim klientům učinit nejlepší další akci se svými zákazníky, ať už se jedná o prodej produktu, opravu služby nebo někdy nic nedělat. To nám umožňuje spojit se se zákazníky 1:1 s akcemi, které nejlépe slouží jejich individuálním potřebám. Ale fungování v 1:1 způsobem znamená, že potřebujete velkou řadu přizpůsobených nabídek – je to mnohem lepší než spamování všech se stejnou zprávou, ale vyžaduje to, aby marketingové organizace vytvořily více zpráv, které jsou jedinečné pro různé zákaznické skupiny. Nyní s gen AI můžeme odhalit, které zákazníky byly nedostatečně obslouženy, a poté navrhnout nové akce a vytvořit nové léčby, které by byly pro tyto skupiny více prospěšné. To má potenciál pomoci organizacím expandovat do tržních publika, kterým se dříve nemohly dostat.

Jak mohou zavedené společnosti s legacy systémy účinně integrovat generativní umělou inteligenci, aby zůstaly konkurenceschopné proti více agilním startupům, zejména při重新 tưởngnutí svých základních operací?

Domnívám se, že vstupujeme do bodu zlomu pro legacy systémy. Po desetiletích velké podniky kopaly technický dluh dolů. Strávili jsme roky aplikováním band-aid řešení, jako je RPA, která neřešila základní odtok, který legacy systémy umístily na podniky – vysávaly IT výdaje, které by mohly jít na inovace, představovaly riziko a bránily podnikům v pohybu rychle v měnících se trzích. Naštěstí věřím, že jednou z super sil generativní umělé inteligence je, že nám umožní dramaticky urychlit tempo, ve kterém redesigujeme a vyřadíme naše legacy systémy – ne pouze přepisováním kódu, ale重新 tưởngnutím pracovních postupů a procesů samých, aby běžel na moderních cloudových architekturách a dodával digitální zkušenosti, které zákazníci a zaměstnanci očekávají.

V samostatném článku o zavedení AI manifestu, zdůrazňujete důležitost vazby AI strategie na akční výsledky. Můžete poskytnout rady, jak podniky mohou sladit své AI cíle s hmotnými podnikatelskými výsledky?

Too mnoho společností začíná zaměřením na lesklý nový nástroj, jako je AI, místo toho, aby začalo určením svých podnikatelských cílů a problému, který potřebují vyřešit. Tím, že se zaměřují na nástroj místo problému, zablokují se do cesty, která nemusí být optimální pro jejich podnikání. Místo toho musí krok zpět a zeptat se sami, co se snaží opravdu dosáhnout. Někdy gen AI není správným řešením a může být lépe obslouženo aplikací AI rozhodování. Musí si pamatovat, že existují různé typy AI, které jsou lépe přizpůsobeny pro řešení různých podnikatelských problémů.

Jak mohou podniky využít generativní umělou inteligenci k revoluci svých operací, místo aby pouze automatizovaly rutinní úkoly? Jaké strategie by měly použít k maximalizaci ROI v této oblasti?

Nezaměřujte se pouze na jednotlivé úkoly – to vám zabrání vidět les pro stromy. Krok zpět a porozumět svým celkovým podnikatelským pracovním postupům a výsledkům, které se snažíte z nich získat. Generativní umělá inteligence může být použita k analýze vašich procesů a vložení nejlepších postupů v různých odvětvích. To může pohánět hluboké změny, umožňující společnostem重新 tưởngnout a redesigovat své základní pracovní postupy. Například AI může pomoci navrhnout nové provozní modely od začátku nebo přepracovat stávající, aby se zlepšila efektivita a inovace. Zavedení jasných metrik pro měření úspěchu a pravidelné vylepšování vašeho přístupu na základě těchto poznatků. Tím, že využijí umělou inteligenci k pohánění významných změn, místo aby se zaměřovaly na.incrementální zlepšení, podniky mohou odemknout významnou hodnotu a zůstat před konkurencí.

Která odvětví, podle vašeho názoru, jsou nejvíce připravena využít výhod redesignu pracovních postupů pomocí AI, a jak by měly začít implementovat tento přístup?

Téměř jakékoli organizace mohou univerzálně profitovat z zlepšení svých pracovních postupů, zejména na rychle se měnících trzích. Služební odvětví, jako jsou finanční služby, telekomunikace a zdravotnictví, mohou pravděpodobně realizovat největší zisky, aby pomohly streamovat, jak se zapojují se svými zákazníky. Tyto sektory zpracovávají komplexní, datově intenzivní procesy a jsou pod rostoucím tlakem, aby zlepšily efektivitu, snížily náklady a dodaly lepší výsledky. Kromě toho může jakékoliv odvětví s velkým množstvím legacy služeb – jako je bankovnictví – profitovat z prozkoumání svých procesů, které byly pravděpodobně zavedeny před lety, aby je modernizovaly a zajistily, že zůstanou v souladu s novější konkurencí.

Jak se „lidský v smyčce“ přístup zvyšuje účinnost a etické nasazení AI, zejména v zákaznicky orientovaných rolích?

Generativní umělá inteligence, ačkoli silná, může produkovat výstupy, které nejsou vždy přesné nebo vhodné. Integrací lidského dohledu můžeme zmírnit rizika, jako jsou AI vygenerované obsahové nepřesnosti nebo etické problémy.

Například v zákaznické službě může AI generovat odpovědi a doporučení, ale mít lidský přehled zajišťuje, že tyto výstupy jsou v souladu se společenskými hodnotami a zákaznickými potřebami. Tento přehled je zásadní pro udržení transparentnosti a odpovědnosti, zejména když AI modely produkují přesvědčivé, ale nesprávné nebo zavádějící informace.

Je zajímavé, že mít lidský v smyčce umožňuje vám vzít jednu ze slabostí gen AI – je inherenčně nepředvídatelná nebo nedeterministická, což znamená, že nedává vám stejnou odpověď dvakrát – a proměnit ji v sílu. S Pega GenAI Blueprint používáme gen AI jako brainstorming partnera, který navrhuje nové přístupy k návrhu pracovních postupů. Lidský je vždy konečným rozhodnutím, ale neustálým navrhováním nových přístupů gen AI pohání originální myšlení a pomáhá lidem vyhnout se „přeřezání pastevního chodníku“.

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