Don Schuerman, CTO at Pegasystems – Interview Serie

Don Schuerman er chief technology officer og vicepræsident for produktmarkedsføring hos Pegasystems, ansvarlig for Pegas platform og kundeservice (CRM)-applikationer.

Han har 20 års erfaring med at levere enterprise softwareløsninger til Fortune 500-organisationer, med fokus på digital transformation, mobilitet, analytics, forretningsproceshåndtering, cloud og CRM.

Pegasystems tilbyder en robust platform, der er designet til at hjælpe organisationer med at opnå forretnings-transformationer gennem realtids-optimering. Platformen giver kunderne mulighed for at løse nøgleforretningsudfordringer ved hjælp af enterprise AI-beslutningstagning og workflow-automatisering, herunder personlig kundeengagement, automatisering af tjenester og forbedring af operationel effektivitet. Etableret i 1983 har Pegasystems udviklet en skalerbar og fleksibel arkitektur, der understøtter virksomheder i at møde nuværende kundekrav og tilpasse sig fremtidige behov.

Givet din omfattende erfaring som CTO hos Pegasystems, hvordan adskiller Pega GenAI sig i det hurtigt udviklende landskab af generativ AI til virksomheder?

Pega har været innovativ med AI-løsninger i årevis, herunder udforskning af generativ AI længe før det brød igennem i mainstream. Jeg tror, der er tre ting, der adskiller os:

Først og fremmest driver vi innovation, ikke bare proceshastighed. De fleste enterprise software-virksomheder har udgivet forskellige gen AI-bots, -agenter eller co-pilot-funktioner, men sandheden er, at disse lignende værktøjer ikke vil drive konkurrencemæssig differentiering. Vi giver vores kunder mulighed for at genopfinde, hvordan deres hele forretning kører med unikke værktøjer som Pega GenAI Blueprint, der giver bedste-praksis-app-designs i sekunder. Vi automatiserer ikke bare opgaver; vi genopfinder grundlæggende, hvordan virksomheder opererer og innovere.

Anden, vi orkestrerer ikke bare arbejdet i isolation, men hvordan arbejdet udføres fra start til slut. Andre udbydere drysser disse gen AI-bot-funktioner og håber, det er nok til at øge effektiviteten. Vores platform er rod i vores brancheførende sagshåndtering og orkestrering, der giver os mulighed for ikke bare at automatisere med gen AI, men også at orkestrere og optimere hele processen fra ende til anden.

Tredje, vi er ikke bare en generisk gen AI-motor – vi er fokuseret på at drive bedre kundeengagement og workflow-automatisering gennem AI. Nogle gange kræver problemet på hånden den kreative kraft af generativ AI, hvorimod andre problemer måske kræver predictiv AI eller beslutnings-AI for at indføre mere logik i processen.

I din Forbes-artikel “Unlocking The Potential Of Advanced AI For Business Innovation,” nævner du potentialet for generativ AI til at genopfinde forretningsoperationer. Hvad er nogle specifikke eksempler, hvor AI kunne katalysere legacy-transformation i etablerede virksomheder?

Deutsche Telekoms SVP for Design Authorities, Daniel Wenzel, beskrev til publikummet på PegaWorld iNspire denne sommer, hvordan han aktuelt bruger Pega GenAI Blueprint til at hjælpe ham med at genopfinde over 800 separate forretningsprocesser i HR-tjenesten. Han siger, at den største flaskehals i at forsøge at forbedre disse processer var, at forretningsfolk og IT ikke taler det samme sprog, hvilket fører til urealistiske forventninger. Pega GenAI Blueprint hjælper begge parter med at forstå processen og hvordan man kan forbedre den meget hurtigere end traditionelle metoder, hvilket fører til mere effektive løsninger.

Den samme artikel diskuterer begrænsningerne af nuværende generative AI-applikationer. Hvordan kan virksomheder gå ud over inkrementelle produktivitetsforbedringer til at udnytte AI’s fulde transformative potentiale?

De fleste generative AI i enterprise software anvendes som enkeltstående funktioner, der hjælper med at accelerere bestemte aspekter af processen. Men disse typer funktioner er almindelige nu, og de giver kun lidt konkurrencemæssig fordel. Produktivitets-hacks som sammenfatning og tekstgenerering er grundlæggende krav – hvad forretninger behøver for at fremme sig på markedet, er at bruge generativ AI til at innovere nye måder at drive forretning på et højt niveau. For eksempel har Gartner identificeret en ny teknologikategori, de kalder Business Orchestration and Automation Technologies (BOAT), der ser på at drive forretningsresultater mere holistisk, fra at strømline omkostninger til at forbedre beslutningstagning, reducere operationelle omkostninger og bruge de rette automatiseringsteknologier til opgaven på hånden. Enkeltstående gen AI-funktioner har deres plads, men det er kun et stykke af puslespillet og ikke den magiske kugle til at løse alle problemer.

Hvad er de mest lovende enterprise-brugstilfælde for generativ AI, der går ud over typiske produktivitetsforbedringer, og hvordan kan virksomheder bedst implementere disse?

Det mest spændende generative AI-tilbud er potentialet for at injicere bedste praksis i en proces. De, der bruger gen AI til bare at skrive mere kode, kan sætte sig selv op for mere teknisk gæld længere nede ad vejen. Injektionen af IP i software-designprocessen er en game-changer, der giver organisationer mulighed for at komme til en optimal løsning meget hurtigere baseret på års erfaring. Og fordi det er udviklet som en visuel model og ikke bare kode, er det lettere at samarbejde og finpudse det over tid på tværs af tekniske og ikke-tekniske interessenter. Tidligere kunne afslutning af en app-design tage uger og krævede meget specialiserede færdigheder; nu giver disse gen AI-drevne værktøjer forretningsbrugere mulighed for at skrive deres specifikke behov i almindeligt sprog og hurtigt gå fra koncept til komplet design. Forrester har nylig offentliggjort nogen forskning, der forudsiger, at brugen af AI til at injicere IP i lavkode- eller modelbaserede designsystemer vil fundamentalt ændre, hvordan virksomheder bruger software – hvilket giver dem mulighed for at bygge mere og købe færre ‘af hylden’-apps. Jeg tror, dette er en stor transformation, og vi mener, at vi med Pega GenAI Blueprint er godt positioneret til at være platformen af valg for vores enterprise-kunder.

Du har tidligere foreslået, at generativ AI kan hjælpe med produktudvikling ved at identificere markedsgapper. Kan du uddybe, hvordan denne proces fungerer, og dele et virkeligt eksempel?

Vores Pega Customer Decision Hub er en predictiv AI-løsning, der hjælper vores kunder med at tage den næste bedste handling med deres kunder, enten det indebærer at opgradering af et produkt, løse en serviceproblematik eller nogle gange ikke at gøre noget som helst. Dette giver os mulighed for at forbinde os med kunder 1:1 med handlinger, der bedst tjener deres individuelle behov. Men at operere på en 1:1-måde betyder, at man har brug for en stor mængde tilpassede tilbud – det er langt bedre end at spamme alle med det samme budskab, men det kræver, at markedsføringsorganisationer skaber flere budskaber, der er unikke for forskellige kundegrupper. Nu med gen AI kan vi afsløre, hvilke kunder der er blevet underserviced, og derefter foreslå nye handlinger og opbygge nye behandlinger, der ville være mere fordelagtige for disse grupper. Dette har potentialet for at hjælpe organisationer med at udvide sig til markedsmål, de typisk ikke har kunnet nå.

Hvordan kan etablerede virksomheder med legacy-systemer effektivt integrere generativ AI for at forblive konkurrencedygtige mod mere agile startups, især i genopfindelsen af deres kerneoperationer?

Jeg tror, vi er ved at nå et vendepunkt for legacy-systemer. I årtier har store virksomheder sparket den tekniske gæld Bold ned ad vejen. Vi har brugt år på at anvende plasterløsninger som RPA, der ikke har adresseret den grundlæggende afdræning, som legacy-systemer påfører virksomheder – de suger IT-udgifterne ud, der ellers kunne gå til innovation, de introducerer risiko, og de forhindrer virksomheder i at flytte hurtigt i ændrende markeder. Heldigvis tror jeg, at en af superkræfterne i gen AI er, at den vil give os mulighed for dramatisk at accelerere takten, hvormed vi genskaber og pensionerer vores legacy-systemer – ikke bare ved at genkode dem, men ved at genopfinde arbejdsprocesserne selv for at køre på moderne cloud-arkitekturer og levere de digitale oplevelser, kunder og medarbejdere forventer.

I en separat artikel om at etablere en AI-manifest, understreger du vigtigheden af at binde AI-strategi til handlebare resultater. Kan du give vejledning i, hvordan virksomheder kan justere deres AI-mål med konkrete forretningsresultater?

For mange virksomheder starter med at fokusere på et nyt værktøj som AI i stedet for at starte med at finde ud af, hvad deres forretningsmæssige mål er, og hvilket problem, de skal løse. Ved at fokusere på værktøjet i stedet for problemet, begrænser de sig selv til en vej, der måske ikke er optimal for deres forretning. I stedet skal de træde tilbage og spørge sig selv, hvad de virkelig forsøger at opnå. Nogle gange er gen AI ikke den rigtige løsning og kan bedre betjenes af at anvende AI-beslutning i stedet. De skal huske, at der er forskellige typer AI, der er bedre egnet til at løse forskellige forretningsproblemer.

Hvordan kan virksomheder udnytte generativ AI til at revolutionere deres operationer i stedet for bare at automatisere rutineopgaver? Hvilke strategier skal de anvende for at maksimere ROI i dette område?

Fokusér ikke bare på de enkelte opgaver – dette vil forhindre dig i at se skoven for træerne. Træd tilbage og forstå dine overordnede forretningsworkflows og de resultater, du forsøger at drive fra dem. Generativ AI kan anvendes til at analysere dine processer og indføre bedste praksis i en lang række forskellige brancher. Dette kan drive betydelige ændringer ved at give virksomheder mulighed for at genopfinde og redesigne deres kerne-workflows. For eksempel kan AI hjælpe med at designe nye operationelle modeller fra bunden eller geningeniøre eksisterende til at forbedre effektivitet og innovation. Etabler klare mål for at måle succes og finpudse jævnligt din tilgang baseret på disse indsighter. Ved at udnytte AI til at drive meningsfuld ændring i stedet for inkrementelle forbedringer kan virksomheder låse betydelig værdi op og forblive foran konkurrencen.

Hvilke brancher tror du er mest parat til at drage fordel af genskabelse af workflows med AI, og hvordan skal de starte med at implementere denne tilgang?

Næsten enhver organisation kan universelt drage fordel af at forbedre deres workflows, især i hurtigt ændrende markeder. Servicebrancher som finansielle tjenester, telekommunikation og sundhedsvesen kan sandsynligvis realisere de største gevinster for at strømline, hvordan de engagerer sig med deres kunder. Disse sektorer håndterer komplekse, dataintensive processer og er under øget pres for at forbedre effektivitet, reducere omkostninger og levere bedre resultater. Derudover kan enhver branche med store mængder legacy-tjenester – som bankvæsen – drage fordel af at undersøge deres processer, der sandsynligvis blev etableret for år tilbage, for at modernisere dem og sikre, at de holder trit med ny konkurrence.

Hvordan forbedrer “human-in-the-loop”-tilgangen effektiviteten og den etiske udvikling af AI, især i kundeorienterede roller?

Generativ AI, om end kraftfuld, kan producere output, der ikke altid er nøjagtig eller passende. Ved at integrere menneskelig oversigt kan vi afværge risici som AI-genereret indholdusædelighed eller etiske problemer.

For eksempel kan AI i kundeservice generere svar og anbefalinger, men at have en menneskelig gennemgang af disse output sikrer, at de er i overensstemmelse med virksomhedens værdier og kundens behov. Denne oversigt er afgørende for at opretholde gennemsigtighed og ansvarlighed, især når AI-modeller producerer plausibelt, men forkert eller misvisende information.

Interessant nok giver det at have et menneske i løkken os mulighed for at tage en af svaghederne ved gen AI – det er intrinsic non-predictivt eller non-deterministisk, hvilket betyder, det giver os ikke det samme svar to gange – og omdanne det til en styrke. Med Pega GenAI Blueprint bruger vi gen AI som en brainstorming-partner, der foreslår nye tilgange til workflow-design. Mennesket er altid den endelige beslutningstager, men ved konstant at foreslå nye tilgange, pusher gen AI originalt tænkning og hjælper mennesker med at undgå ‘at asfaltere koens spor’.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Pegasystems.