Afsheen Afshar, grundlægger af Pilot Wave Holdings – Intervju-serie

Afsheen Afshar, grundlægger af Pilot Wave Holdings, er en veteran datavidenskabs- og investeringsleder, hvis karriere omfatter seniortjenester i Goldman Sachs, J.P. Morgan og Cerberus Capital Management, hvor han hjalp med at bane vejen for store datavidenskabs- og AI-initiativer inden for finansielle institutioner. Med en teknisk grundlag, der er rodnet i neurovidenskab og maskinlæringsforskning på Stanford University, har Afshar bygget en karriere på skæringen af avanceret analyse, private equity og operationel transformation, med fokus på at anvende AI til reel virksomhedspræstation. I Pilot Wave samler han investeringskompetence, operationelt lederskab og dyb teknisk viden for at identificere, erhverve og skala virksomheder ved hjælp af data-drevne strategier og moderne teknologi.

Pilot Wave Holdings er en erhvervs- og vækstplatform, der fokuserer på at transformere små og mellemstore virksomheder gennem kunstig intelligens og avanceret teknologi. Firmaet udnytter proprietære AI-systemer til at analysere operationer, afsløre ineffektiviteter og drive præstationsforbedringer på tværs af sine porteføljevirksomheder. Ved at kombinere håndgribelig operationel involvering med moderne data-infrastruktur sigter Pilot Wave på at modernisere traditionelle virksomheder, der historisk set har manglet adgang til avancerede værktøjer, og positionere dem for skalerbar, langsigtede vækst i en stadig mere teknologidreven økonomi.

De har haft banebrydende AI-lederroller i firmaer som JPMorgan og Cerberus, og senere grundlagde De Pilot Wave Holdings for at bringe AI ind i traditionelle industrier. Hvad var den centrale indsigt eller frustration, der fik Dem til at skifte fra at bygge AI inden for store institutioner til at erhverve og transformere virksomheder direkte?

Det centrale problem var behovet for beføjelse til at kunne handle med hast. Inden for store institutioner er der ofte for mange lag mellem identifikation af problemet og faktisk at gøre noget ved det. AI lykkes ikke normalt, fordi det tekniske arbejde er umuligt, men fordi organisationen er for langsom, for politisk eller for fragmenteret til at handle med hast. Jeg ønskede at arbejde i en miljø, hvor strategi, operationer og teknologi kunne være tilrettelagt hurtigt. At erhverve og bygge virksomheder direkte skaber den slags beføjelse. Hvis man virkelig ønsker at ændre, hvordan en virksomhed drives med hast og vilje, er det vigtigt at være ejer.

Meget af industrien fejrer stadig succesfulde pilotprojekter, men den virkelige værdi kommer fra produktions-systemer. Hvorfor bryder AI-initiativer så ofte sammen ved overgangspunktet, og hvad adskiller organisationer, der med held operationaliserer AI, fra dem, der stagnere?

Mange pilotprojekter er designede til at lykkes, hvilket er præcis hvorfor så mange virksomheder bedrager sig selv. De sker i rene miljøer, med ekstra opmærksomhed, begrænset omfang og ingen af den friktion, der viser sig i produktion. Det dybere problem er ofte en empatilucke. Teknologer tager ofte ikke tiden, eller har ikke lyst, til at lære operatørens erfaring, så de bygger noget, der fungerer i teorien eller i en demo, men ikke passer til virkeligheden af jobbet. De virksomheder, der operationaliserer AI med succes, er dem, der tager den menneskelige arbejdsgang alvorligt fra starten og bygger til den rod, der findes i virkelige operationer, i stedet for at forsøge at undgå den. Alle siger, de ønsker produktionsværdi, men mange hold er stadig optimerede til pilot-applaus.

Deres arbejde fokuserer på at integrere AI i sektorer som infrastruktur, fremstilling og e-handel. Hvordan adskiller implementering af AI i disse miljøer sig fundamentalt fra implementering i digitalt-fødte eller software-først-virksomheder?

Forskellen er, at i mere traditionelle Main Street-virksomheder er empati og det menneskelige element endnu vigtigere, end folk i AI-verdenen normalt vil indrømme. I software-først-miljøer kan hold ofte bevæge sig hurtigt og løse problemer senere. I infrastruktur, fremstilling og e-handel er arbejdet knyttet til fysiske systemer, reelle begrænsninger og mennesker, der ved med det samme, når noget ikke passer til, hvordan virksomheden faktisk drives. Det betyder, at man ikke bare kan vise op med en teknisk elegant løsning og forvente accept. Hvis man ikke forstår operatørens erfaring, er AI-strategien sandsynligvis allerede brudt. Disse miljøer afslører overfladisk tænkning meget hurtigt, hvilket er en del af, hvorfor de betyder så meget.

De har argumenteret for, at AI-adoptions skal starte med forretningsprioriteter frem for værktøjer. Hvad ser det ud som i praksis, og hvordan bør ledelseshold omformulere deres tilgang til AI-transformation?

De fleste ledelseshold starter på det forkerte sted. De begynder med en hvad-kan-denne-teknologi-gøre-for-os-konversation, fordi det lyder spændende og aktuelt, når det rette sted at starte er, hvad er vores vigtigste forretningsprioriteter. Når man ved det, kan man så tale ærligt om de bedste værktøjer til at løse disse prioriteringer, og det behøver ikke altid at være AI. Det lyder åbenlyst, men de fleste virksomheder starter stadig med teknologien først og håber, at forretningsfaldet vil dukke op efterfølgende. Det er bagvendt, og det fører til meget spildt bevægelse. Hvis ledelsen ønsker reelle resultater, må de stoppe med at behandle AI-strategi som en indkøbsøvelse.

Hos Pilot Wave er De ikke kun rådgivere for virksomheder, men også omformer af dem efter erhvervelse. Hvad er de første strukturelle eller kulturelle ændringer, De implementerer for at gøre AI-adoptions faktisk hængende?

Det første er at finde både seniort og juniorsponsorer. Juniorsponsorerne kender den dag-til-dag-virkelighed og kan sikre, at linjeledelsen faktisk gør, hvad der skal gøres, mens seniorsponsorerne sikrer, at politikken minimérer og indsatsen ikke bliver stille strangled. Mange virksomheder læner for meget på top-down-støtte og undrer sig så over, hvorfor intet ændrer sig i praksis. Sandheden er, at AI-adoptions normalt fejler, enten fordi organisationen modstår det på grundniveau eller fordi ledelsen lader forstyrrelserne opbygge sig omkring det. Man har brug for begge former for støtte på plads tidligt. Ellers bliver initiativet endnu et ledelsesmæssigt talepunkt, der aldrig rigtig lander.

Med AI-agenter, der bliver mere kapable, og infrastruktur, der bliver mere abstrakt, hvilke strategiske risici opstår for virksomheder, der ikke kontrollerer deres egen data og AI-stack?

Jeg ville argumentere for, at virksomheder altid har brug for grundlæggende kontrol. Det kræver instrumentering af hvert system, hvilket er, hvordan Pilot Wave tilgår systemdesign, fordi hvis man ikke kan se, hvad der sker, måle det og sætte sikkerhedsforanstaltninger rundt om det, så tager man på sig en risiko, man ikke forstår. Det betyder ikke, at man ikke skal dele opgaver, fordi delegering absolut vil fortsætte i stor målestok, men delegering uden måling er ikke en gennemførlig strategi. En del af markedet bliver forført af abstraktion, fordi det gør tingene føles lettere og hurtigere, men den komfort kan skjule reel systemisk sårbarhed. Hvis den rette instrumentering, måling og sikkerhedsforanstaltninger er på plads, kan den potentielle systemiske risiko minimérer. Hvis de ikke er, så bygger man afhængighed, før man har tjent tillid.

Der er en voksende kløft mellem, hvordan AI markedsføres, og hvordan den præsterer i virkelige miljøer. Hvordan skal tekniske ledere og operatører kende væsentlige AI-kapaciteter fra overfladiske påstande?

Bed altid om reel værdimåling. Jeg har været religiøs omkring værdimåling hele min karriere, ned til enkeltprojekter, fordi uden den disciplin bliver det meget let at forvirre begejstring med resultater. Hver indsats skal holdes op mod en ROI og spores. Hvis nogen ikke kan forklare tydeligt, hvordan systemet påvirker omsætning, omkostninger, gennemløb, arbejdseffektivitet eller en anden reel forretningsmålestok, så er der en god chance for, at de sælger teater. Branchen er blevet alt for komfortabel med at belønne polerede demos og vage påstande. Uden rigorøs værdimåling er der reel risiko for at smide tid og penge væk.

De har bygget og ledet store datavidenskabsorganisationer. Hvordan ser De på AI-holdenes rolle, der udvikler sig, efterhånden som automatisering øges og agent-baserede systemer tager på sig flere ansvar?

AI vil overtage højere og højere niveau-opgaver. Hos Pilot Wave udvikler vi allerede AI, der kan tage noget som “øg min omsætning med 10 procent” som input i stedet for “gør min hjemmeside om”, hvilket er meget tættere på, hvor meget AI stadig sidder i dag. Denne ændring ændrer AI-holdenes rolle på en alvorlig måde, fordi arbejdet bliver mindre om isolerede opgaver og mere om, hvordan systemer forstår sig på virkelige forretningsmål. Mange hold tænker stadig for snævert om automatisering og undervurderer, hvor hurtigt teknologien bevæger sig op ad stakken. Tyngdepunktet vil flytte sig fra opgave-eksekvering mod forretnings-delegering. Det er en langt større ændring, end de fleste virksomheder er forberedt på.

Mange virksomheder investerer kraftigt i AI, men kæmper med at generere målbart ROI. Hvad er de mest almindelige fejl-mønstre, De har observeret, og hvordan kan de undgås?

De fleste AI-bevægelser, især i store virksomheder, er stadig for fokuserede på sexy dashboards, buzzwords og ting, der er lette at præsentere internt, men svære at binde til reel værdi. Virksomheder bruger meget tid på at gøre arbejdet se sofistikeret ud i stedet for at gøre det nyttigt. Fejl-mønsteret er normalt ikke mystisk, det er bare en mangel på disciplin omkring handlings-værdi-skabelse. Hvis der ikke er et klart økonomisk formål, ingen ejer og ingen måle-ramme, skal indsatsen ikke fortsætte. At være religiøst fokuseret på værdi-skabelse på hver enkelt stoppested er kritisk. Ellers bliver enterprise AI en meget dyr branding-øvelse.

At se fremad, hvilke AI-kapaciteter eller system-niveau-gennembrud tror De vil have den største indvirkning på fysisk-verden-industrierne i de næste fem til ti år?

Evnen til at give meget højt-niveau-mål til et AI-system og delegerer større dele af virksomheden vil blive meget reel meget snart. Det er den kapacitet, der vil betyde mest, fordi det flytter AI ud over snæver opgave-eksekvering og ind i reel operationel gennemslagskraft. Som følge heraf vil folk fokusere mere på relationen og tillids-aspekterne af virksomheden, sammen med den faktiske fysiske natur af arbejdet, uanset om det er byggeindustri eller en anden felt-baseret industri. Mange mennesker taler stadig om AI som et produktivitetslag, der sidder udenfor, men den synsvinkel er allerede ved at føles forældet. Systemerne bliver mere og mere i stand til at tage på sig bredere ansvar. Fremtiden er meget spændende, men den vil også være langt mere disruptiv, end mange etablerede virksomheder vil indrømme.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Pilot Wave Holdings.