Adam Field, Chief AI Officer hos Tungsten Automation – Intervieuserie

Adam Field, Chief AI Officer hos Tungsten Automation, er en erfaren leder inden for virksomhedssoftware med dyb ekspertise i kunstig intelligens, intelligent automatisering og produktstrategi. I sin nuværende rol leder han virksomhedens globale AI-transformation, herunder integration af AI på tværs af Tungstens produktportefølje, vejledning af Tungsten AI Lab og etablering af regler for ansvarlig AI-adopteringspraksis. Før han blev Chief AI Officer, fungerede han som Chief Product Officer og stod i spidsen for en portefølje, der genererede over 550 millioner dollars i årlig omsætning. Før han kom til Tungsten, tilbragte Field næsten 17 år hos Pegasystems, hvor han ledte innovations- og kundeoplevelsesinitiativer, hjalp med at forme fremvoksende teknologistrategi og blev kendt for at levere store produktpræsentationer og virksomhedsinnovationsprogrammer. Tidligere i sin karriere havde han tekniske og rådgivende roller hos Staples, Publicis Sapient og Fidelity Investments.

Tungsten Automation, tidligere kendt som Kofax, er en virksomhedssoftwarevirksomhed, der fokuserer på AI-dreven workflow-automatisering, intelligent dokumentbehandling, robotisk procesautomatisering (RPA) og forretningsproceskoordination. Virksomheden tilbyder automatiseringsværktøjer, der bruges af organisationer på tværs af brancher som finans, sundhed, forsikring og offentlig forvaltning til at strømline dokumenttunge operationer og forbedre effektiviteten. Deres platform kombinerer AI, lavkode-automatisering og dokumentintelligens-teknologier for at hjælpe virksomheder med at automatisere repetitive opgaver, udtrække indsigt fra ustruktureret data og modernisere forretningsworkflows i stor skala.

I mange år har du ledet produktstrategi og innovation, herunder opbygning af innovationslab og udvikling af en produktportefølje på over 500 millioner dollars, før du gik over i rollen som Chief AI Officer hos Tungsten Automation. Hvad overbeviste dig om, at nu var det rette tidspunkt at gå fuldt ind i AI-ledelse, og hvordan har din tidligere erfaring formet denne beslutning?

Jeg har brugt en stor del af min karriere på at omdanne nye teknologier til noget, der virker i stor skala i virksomhedsomgivelser. Over de seneste par år er det blevet klart, at AI ikke bare er en ny funktion, der skal integreres i produkter. Det ændrer, hvordan software udvikles, og hvordan beslutninger træffes på tværs af forretningen, og det ligner, at det overskygger og forstyrrer alt, hvad der kom før. Denne skift fra eksperimenter til reelle forventninger til resultater, kombineret med den stadig mere uafviselige kendsgerning, at AI er her for at blive, gjorde det til det rette tidspunkt at gå fuldt ind i en AI-lederrolle.

Det blev også klart, at AI ikke var det mirakelkure, som mange havde markedsført det som. AI-succes kræver mennesker, der kombinerer teknisk ekspertise og branchekendskab. Tungsten vil hjælpe virksomheder med at gøre AI på den rigtige måde og opleve reelle afkast, og det er derfor, Tungsten oprettede AI-kontoret og min rolle i det.

Tungsten er udviklet fra tidlig dokumentfangst og OCR til en fuld intelligent automatiseringsplatform, der driver mission-kritiske workflows for tusindvis af organisationer. Hvordan ser du, at denne arv former din tilgang til agentic AI i dag?

Tungstens historie er dybt forbundet med, hvordan virksomheder faktisk opererer. Vi har brugt årtier på at arbejde med dokumenter og workflows, der sidder i centrum af kritiske forretningsprocesser. Det betyder, at vi forstår, hvor komplekse og ofte ustrukturerede disse oplysninger kan være.

Denne baggrund er meget relevant for agentic AI. Disse systemer skal operere i virkelige omgivelser, ikke kun fortolke information i isolation. Vores erfaring med dokumentintelligens giver os mulighed for at fokusere på kontekst og sikre, at AI handler på en måde, der er konsistent med, hvordan forretningen køres. Det handler om at bygge systemer, der kan tillides i produktion, ikke kun udforskes i teori.

Du har understreget, at AI skal integreres på tværs af hele produktporteføljen og ikke behandles som en selvstændig funktion. Hvad betyder “AI-nativ” transformation i en stor, etableret softwareplatform?

Det blev klart tidligt, at generative- og agentic AI-drevne funktioner hurtigt blev en selvfølge, hvilket betyder, at kunderne ikke altid var villige til at betale ekstra for dem. Vi indså også, at disse teknologier gav os mulighed for at modernisere, hvad Tungsten havde gjort i årevis: hjælpe virksomheder med at give mening til deres dokumentdata.

Vi ændrede ikke vores brandløfte. Vi skabte ikke enkelte produkter eller tilføjede funktioner. Vi omstrukturerede, hvordan produktet bruges, og når denne grundlæggende struktur er på plads, kan AI fungere på en måde, der føles naturlig inden for produktet og ikke adskilt fra det. Og de use-cases, vores kunder begyndte at adresse, skiftede fra strukturerede dokumenter til ustrukturerede informationskilder. Og vi gendefinerede “dokument” undervejs. Et dokument er ikke længere kun et billede af papir eller en digital fil. Ustruktureret data lever i ting som skadebehandlingsnoter, kontaktsentersamtaletranskriptioner, sociale medieindlæg, webartikler og meget mere.

Som virksomhedens første Chief AI Officer, hvordan balancerer du innovationshastighed med behovet for governance, sikkerhed og ansvarlig AI-udvikling i stor skala?

Der er altid et pres for at flytte hurtigt med AI, men i virksomhedsomgivelser er tillid lige så vigtig som hastighed. Governance og sikkerhed kan ikke behandles som en eftertanke. De skal bygges ind i systemet fra starten.

Vi gør det ved at sætte forventninger op front. For eksempel er halvdelen af min rol fokuseret på intern AI-strategi, evangelisering og governance. Vi samlede en tværfaglig rådgivende komité meget tidligt. Vi opmuntrede deling, eksperimentering og kommunikation. Der var tidspunkter, hvor teknologien var klar til at rulle ud til alle ansatte, der var forbundet med flere interne systemer. Prototyperne var kraftfulde og fik alle til at blive begejstrede, men vi lod vores rådgivende komité vide, når vi stødte på potentielle sikkerheds- eller reguleringsskamler. De værdsatte indsigt og deltog ofte i løsningen.

Agentic AI er hurtigt på vej til at blive en stor fokus på tværs af branchen. Hvad adskiller rigtige enterprise-klasse agentic-systemer fra eksperimentelle eller overhypede implementeringer?

Nøglen er, hvordan systemerne fungerer i virkelige forhold. Mange eksperimentelle tilgange fungerer godt i kontrollerede omgivelser, men kæmper, når de møder beskidt data eller komplekse workflows. Enterprise-klasse systemer skal kunne håndtere denne variabilitet og stadig levere konsistente resultater.

Du leder Tungsten AI Lab som et center for forskning og anvendt innovation. Hvordan sikrer du, at eksperimentel AI-arbejde oversættes til målbare forretningsresultater for kunder?

Jeg tog faktisk en lidt modsat tilgang med Tungsten AI Lab. Jeg lod holdet vide tidligt, at det var okay at eksperimentere, at lære og at prøve nye tilgange, selv hvis resultaterne aldrig gjorde det ind i vores produkter. Ofte er det bedre at lære, hvad man ikke skal gøre. Jeg tror, at dette har givet dem friheden til at tænke frit og eksperimentere med nye måder at gøre ting på.

Mange organisationer kæmper stadig med at flytte fra AI-piloter til produktion. Hvad er de største barrierer, du ser, og hvordan kan virksomheder overvinde dem?

En af de største barrierer er mørk data. De fleste organisationer har adgang til enorme mængder information, men en stor del af denne information lever i dokumenter, e-mails, PDF-filer og andre ustrukturerede formater, der er svære for AI-systemer at fortolke. Det betyder, at selv godt designede modeller ofte arbejder med en ufuldstændig og inkonsistent visning af forretningen, hvilket fører til upålidelige udgangsresultater og stagnation.

Tungsten arbejder på tværs af dokumenttunge og workflow-intensive brancher. Hvordan ændrer AI, hvordan virksomheder tænker om ustruktureret data og beslutningstagning?

AI ændrer, hvordan organisationer tænker om værdien af den information, de allerede har. I årevis har store mængder virksomhedsviden siddet inde i dokumenter, e-mails, PDF-filer og andre ustrukturerede indhold, der var svære at få adgang til eller operationalisere. Nu indser organisationer, at denne data indeholder konteksten og forretningslogikken, AI-systemer behøver for at producere pålidelige resultater. Modellerne selv er kommoditeter; organisationernes ejendommelige information kombineret med disse modeller er differentiatorerne.

I fremtiden, hvor ser du den største mulighed for AI-dreven automatisering over de næste 3 til 5 år, og hvad bør virksomheder forberede sig på nu?

Den største mulighed ligger i at binde AI dybere ind i slut-brug-workflows. I stedet for at fokusere på isolerede opgaver vil organisationer se på, hvordan AI kan støtte hele processer og forbedre, hvordan arbejdet flytter sig på tværs af forretningen. Lige nu er mange agentic-systemer rettet mod diskrete opgaver, men virksomheder opererer på komplette slut-brug-processer.

For at forberede sig på denne ændring bør virksomheder investere i deres datafundamenter og i systemer, der støtter gennemsigtighed og kontrol. Og de bør tænke på “byg vs. samarbejde” i stedet for “byg vs. køb”. Vi har set, at AI-DIY fra scratch ofte mislykkes. De organisationer, der får mest ud af det, er dem, der finder de rette AI-drevne samarbejdspartnere til at accelerere deres løsninger i stedet for at prøve at genopbygge alt fra scratch.

Tak for det gode interview, læsere, der ønsker at lære mere, kan besøge Tungsten Automation.