Don Schuerman, teknisk direktør ved Pegasystems – Intervieuserie

Don Schuerman er teknisk direktør og vicepræsident for produktmarkedsføring hos Pegasystems, ansvarlig for Pegas plattform 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 plattform designet til at hjælpe organisationer med at opnå forretningsomvandrende resultater gennem realtidsoptimering. Plattformen giver kunderne mulighed for at løse nøgleforretningsudfordringer ved hjælp af enterprise AI-beslutning og workflow-automatisering, herunder personlig kundeengagement, automatisering af services og forbedring af operativ 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 teknisk direktør 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 blev 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 rullet forskellige gen AI-bots, -agenter eller co-pilot-funktioner ud, 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 designs for apps på få sekunder. Vi automatiserer ikke bare opgaver; vi genopfinder grundlæggende, hvordan forretninger opererer og innovere.

For det andet automatiserer vi ikke i isolation, men orkestrerer, hvordan arbejdet udføres fra start til slut. Andre virksomheder drysser disse gen AI-bot-funktioner ud og håber, det er nok til at øge effektiviteten. Vores plattform er rodfæstet 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.

For det tredje er vi ikke bare en generisk gen AI-motor – vi fokuserer på at drive bedre kundeengagement og workflow-automatisering gennem AI. Nogle gange kræver problemet kreativ kraft fra generativ AI, mens andre problemer måske kræver predictiv AI eller beslutningsAI for at infusere 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 vicepræsident for designmyndigheder, Daniel Wenzel, beskrev til publikummet på PegaWorld iNspire denne sommer, hvordan han bruger Pega GenAI Blueprint til at genopfinde over 800 separate forretningsprocesser i HR-servicesafdelingen. Han siger, at den største flaskehals i at forsøge at forbedre disse processer var, at forretningsfolk og IT ikke taler 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 og 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 funktioner er almindelige nu og giver lidt konkurrencemæssig fordel. Produktivitets-hacks som sammenfatning og tekstgenerering er grundlæggende krav – hvad forretninger behøver for at avancere på markedet er at bruge generativ AI til at innovere helt nye måder at drive forretning på 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 rigtige automatiseringsteknologier til jobbet. 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 linjer med 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 modelbaseret designsystemer vil fundamentalt ændre, hvordan virksomheder bruger software – så de kan bygge mere og købe færre ‘af hylden’-apps. Jeg tror, det er en stor transformation, og vi tror, at vi med Pega GenAI Blueprint er godt positioneret til at være platformen af valg for vores virksomheds-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 træffe den næste bedste handling med deres kunder, enten det indebærer at opgradering af et produkt, løsning af en serviceproblematik eller nogle gange intet overhovedet. 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 samme besked, men det kræver, at markedsføringsorganisationer skaber flere beskeder, 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 bygge 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 konkurrencemæssige mod mere agile startups, især i genopfindelsen af deres kerneoperationer?

Jeg tror, vi er ved at nå et vendepunkt for legacy-systemer. I årevis 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 det grundlæggende problem, at legacy-systemer lægger på virksomheder – de suger IT-udgifter, der 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 det vil give os mulighed for dramatisk at accelerere hastigheden, hvormed vi genopfinder og pensionerer vores legacy-systemer – ikke bare ved at genkode dem, men ved at genopfinde arbejdsprocesser og -procedurer selv til at køre på moderne cloud-arkitekturer og levere de digitale oplevelser, kunder og medarbejdere forventer.

I en separat artikel om etablering af et AI-manifest, understreger du vigtigheden af at binde AI-strategi til handlebare resultater. Kan du give vejledning i, hvordan virksomheder kan tilpasse 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 forretningsmål 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 være bedre tjent med 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?

Fokuser ikke bare på de enkelte opgaver – det 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 infusere bedste praksis i mange forskellige industrier. Dette kan drive betydelige ændringer ved at give virksomheder mulighed for at genopfinde og genopfinde 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 indsigt. Ved at udnytte AI til at drive meningsfuld ændring i stedet for inkrementelle forbedringer kan virksomheder låse værdi og forblive foran konkurrencen.

Hvilke brancher tror du er mest parate til at drage fordel af genopfinde 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 siden, for at modernisere dem og sikre, at de holder trit med ny konkurrence.

Hvordan forbedrer ‘human-in-the-loop’-tilgangen effektiviteten og den etiske implementering af AI, især i kundeorienterede roller?

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

For eksempel i kundeservice kan AI 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 troværdige, men forkerte eller misvisende oplysninger.

Interessant nok giver det at have en menneskelig i løkken os mulighed for at tage en af svaghederne ved gen AI – det er instrinsisk ikke-forudsigeligt eller ikke-deterministisk, hvilket betyder, at det ikke giver os 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 afgører, men ved konstant at foreslå nye tilgange, skyder gen AI originalt tænkning og hjælper mennesker med at undgå ‘at genasfalte kørebanen’.

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