Stephen Straus, CEO og medstifter af KUNGFU.AI – Interviewserie

Stephen Straus, CEO og medstifter af KUNGFU.AI, er en iværksætter, investor og teknologileder med årtiers erfaring i at bygge og rådgive virksomheder. Før han lancerede KUNGFU.AI i 2017, var han General Partner hos Austin Ventures og grundlagde eller var medstifter af flere virksomheder, herunder mbue, som blev opkøbt af Bluebeam. Straus er også en mangeårig partner og mentor hos Capital Factory og sidder i Engineering Advisory Board på University of Texas at Austin’s Cockrell School of Engineering. Udover teknologi og investering har han medstiftet og er formand for Impact Dyslexia samt grundlagt Startup Diversity and Inclusion Pledge, hvilket afspejler et bredere fokus på, hvordan teknologi, iværksætteri og organisatorisk ledelse kan skabe positiv samfundsmæssig påvirkning.

KUNGFU.AI er et konsulent- og ingeniørfirma baseret i Austin, der udelukkende fokuserer på kunstig intelligens. Grundlagt i 2017 kombinerer virksomheden AI‑strategi med ingeniørarbejde for at hjælpe organisationer med at gå fra eksperimentering til produktionsklar AI‑systemer, med arbejde inden for områder som agentisk AI, maskinlæring, computervision, AI‑styring og menneske‑maskine samarbejde. Tilgangen lægger vægt på at designe AI ud fra, hvordan organisationer og deres medarbejdere faktisk arbejder, i stedet for at betragte AI som en selvstændig teknologisk implementering. KUNGFU.AI arbejder på tværs af brancher, herunder sundhedssektoren, offentlige institutioner, private equity, detailhandel, finans og forsikring, og rapporterer, at 96 % af deres engagementer når produktion.

Du tilbragte år som venturekapitalist hos Austin Ventures gennem dot‑com‑boom og -nedtur, og så senere paralleller mellem internettets fremkomst og det, der begyndte at ske med AI. Hvad overbeviste dig om, at muligheden var betydelig nok til endeligt at medstifte KUNGFU.AI, og hvad så du på det tidspunkt, som mange virksomhedsledere stadig gik glip af?

Jeg tror, det var mønstergenkendelse fra at have en forreste række plads til internetrevolutionen under dot‑com‑æraen, der førte mig til at medstifte virksomheden seks år før ChatGPT kom ud. Jeg kan egentlig ikke forklare det, men jeg fik en stærk overbevisning om, at AI ville blive den næste store teknologiske overgang, som verden ville gennemgå, og ligesom internettet ville den ændre konkurrencens grundlag.

Personligt har jeg i mit liv set flere transformative teknologiske overgange, begyndende da jeg var 11 år gammel. Jeg så en Apple I, og selvom jeg ikke vidste det på det tidspunkt, repræsenterede den starten på den personlige computerrevolution.

Set fra et servicesperspektiv så meget få mennesker det, som mine medstiftere og jeg så. Før ChatGPT var det meget svært at finde andre servicevirksomheder, der fokuserede på AI, og nu er det næsten umuligt at finde en servicevirksomhed, der ikke siger, at de tilbyder AI‑tjenester.

KUNGFU.AI blev grundlagt år før generativ AI blev en prioritet i bestyrelseslokalet. Hvordan har din definition af en “AI‑first” virksomhed ændret sig, efterhånden som teknologien har udviklet sig fra traditionel maskinlæring til generativ og i stigende grad agentisk AI?

Da vi startede virksomheden, indså vi virkelig, at vi var pionerer inden for, hvad det betyder at være et AI‑professionelt servicefirma. Men det var først, da ChatGPT kom, at vi indså, at vi også havde muligheden for at være pionerer inden for, hvad det betyder at være et AI‑aktiveret professionelt servicefirma.

Vi havde foretaget en begrænset intern automatisering før ChatGPT, men det var virkelig fremkomsten af LLM’er og nu agentisk AI, der har gjort os i stand til at blive et AI‑aktiveret professionelt servicefirma. Jeg tror, vi gør betydelige fremskridt i den retning. Vi voksede omsætningen med over 80 % sidste år, og vi holdt stort set antallet af medarbejdere uændret. I services er både den vækstrate og frikoblingen af medarbejdervæksten, efter min mening, virkelig bemærkelsesværdig og repræsenterer, hvad der er muligt i services i denne nye æra af

Du har argumenteret for, at virksomheder begår en fejl, når de behandler AI som en anden softwareimplementering. Hvordan ser det så ud i praksis, når en organisation bruger AI til at genoverveje, hvad virksomheden kan være, i stedet for blot at gøre de eksisterende processer mere effektive?

AI adskiller sig fra traditionel software på flere dimensioner. Dette diagram er fra min nye bog, Wayfinding: A Business Fable About Leading in the Age of AI.

Hvordan AI adskiller sig fra traditionel software

Udover disse specifikke forhold og mere strategisk mener jeg, at de fleste virksomheder begår en virkelig stor fejl, nemlig at de forsøger at finde ud af, hvordan de kan bruge AI til at automatisere deres forretning. Hvorfor er det en fejl? Næsten alle de samme personer vil være enige om, at AI ændrer alting. Og hvis den ændrer alting, inkluderer det også at ændre konkurrencens grundlag i din branche.

For mig giver det ingen mening at automatisere din forretning, hvis din branche er ved at blive forstyrret. Det svarer til at sige, at det er en god idé at automatisere Blockbuster Video, når den bliver overhalet af Netflix.

Det er ikke, at jeg er imod automatisering, men jeg mener, at enhver virksomheds første, anden og tredje prioritet bør være at finde ud af, hvordan den kan blive disruptoren i sin branche. For hvis du ikke fokuserer på det, vil du per definition ikke være disruptoren og sandsynligvis blive selv forstyrret – du vil blive forstyrret. Så det bør være prioriteten, og kun at fokusere på automatisering kan udgøre en eksistentiel risiko for din organisation.

KUNGFU.AI har nu arbejdet på mere end 120 engagementer på tværs af over 30 brancher. Fra disse implementeringer, hvad adskiller organisationer, der omsætter AI-eksperimentering til varig konkurrencefordel, fra dem, der forbliver fastlåst i pilotprojekter? 

Der er virkelig nøgleforskelle, der adskiller organisationer, der omsætter AI-eksperimentering til varig konkurrencefordel. Jeg tror, det starter både med lederens psykologiske profil og ambitionen i de mål, de sætter.

Lad os starte med den psykologiske profil for de øverste ledere i virksomhederne, hvad enten det er CEO’en, men også bestyrelsen og C‑suite. Det er meget forenklet, men jeg ser to primære lederarketyper.

På den positive side ser jeg folk, der tackler denne massive udfordring med at lede i den nye AI‑alder med villigheden til at være sårbare nok til at sige: Dette er helt nyt. Vi ved næsten ikke, hvad vi laver, tilstrækkeligt til at kunne træffe alle de beslutninger, vi skal træffe, og foretage alle de investeringer, vi skal foretage. Og vi vil fortsætte fremad, velvidende at vi vil begå fejl, og vi er komfortable med det. Vi vil lære af de fejl, og vi vil omgive os med eksperter så meget som muligt.

Det står i kontrast til folk, der – i det mindste på overfladen – går ind i dette med holdningen: Jeg ved, hvad jeg laver, og med en selvsikkerhed, som for næsten alle er ubegrundet, og derfor er det mere som hovmod.

Udover det er de mest succesfulde dem, der indser, at AI vil ændre konkurrencens grundlag, og de søger AI‑drevne forretningsmodeller bygget på proprietære data, rettet mod brudpunkter i deres branches struktur for at kunne ændre den branche og derefter blive leder i den.

Efterhånden som AI‑agenter bliver i stand til at udføre stadig mere komplekse arbejdsprocesser og træffe beslutninger med mindre menneskelig involvering, hvordan forventer du, at strukturen i virksomheder, ledelseslag og individuelle roller vil ændre sig?

Alt dette vil ændre sig og ændrer sig dramatisk. Vi har et helt rammeværk omkring menneske‑maskine‑teamwork, som tager forskning, der er 50 år gammel, og anvender den på denne nye AI‑alder. Muligheden er ikke blot at automatisere arbejde eller stille AI‑værktøjer foran folk, men at redesigne arbejdet selv omkring teams, der inkluderer både menneskelig og maskinel intelligens.

Det betyder også, at folks rolle vil ændre sig. I stigende grad vil folk gå fra at udføre arbejde til at designe de systemer, der får arbejdet til at ske, mens de bringer den dømmekraft, tilsyn og forståelse af kontekst, som teknologien stadig kræver.

Det er et meget komplekst spørgsmål. Det sker hurtigt. Og det er virkelig vigtigt at være utroligt bevidst om dine medarbejderes roller, efterhånden som de i stigende grad arbejder med autonome agenter.

Virksomheder har nu et enormt udvalg af grundlæggende modeller, AI‑platforme, agenter og tredjepartsværktøjer til rådighed. Hvor skal virksomheder stole på ekstern teknologi, og hvilke AI‑kapaciteter eller datafordele skal de i sidste ende eje selv?

Med alle de værktøjer, der kommer frem, bliver intelligensdelen af AI hurtigt kommercialiseret, og jeg kan ikke understrege nok vigtigheden af at have sine egne dataaktiver.

Der er et udtryk, der siger, at den bedste dag at plante et træ er for 40 år siden. Den næstbedste dag er i dag. Hvad dette betyder i forhold til data, er, at hvis du ikke indsamler og arkiverer så mange data som muligt fra din virksomhed, bør du starte den proces i dag, selvom du ikke vil gøre noget andet i forhold til at bevæge dig mod en AI‑centreret fremtid.

En anden måde, jeg tænker på dette spørgsmål på, er, at der findes et helt spektrum af værktøjer i AI‑værktøjskassen, og de værktøjer, som folk nu ofte kalder traditionelle AI‑ eller maskinlæringsmodeller, er normalt ikke tilgængelige som færdigpakker. Og hvis de er, giver de ikke nødvendigvis den nøjagtighed, du har brug for for at opnå reel forretningsværdi, og/eller kan de måske ikke udnytte dine proprietære data.

Så jeg er absolut overbevist om, at det giver mening at stole på ekstern teknologi. For mange anvendelser vil de mest strategiske sandsynligvis være skræddersyede løsninger bygget på dine proprietære data.

Du har understreget vigtigheden af AI‑styring på bestyrelsesniveau. Hvilke spørgsmål bør bestyrelser stille ledelsen i dag for at afgøre, om deres AI‑strategi skaber reel strategisk værdi i stedet for blot at levere inkrementelle produktivitetsgevinster?

Bestyrelser står over for nye udfordringer med AI. De har deres traditionelle rolle med tilsyn og styring, som ofte fokuserer på risikobeskyttelse og risikominimering. Men hvis de ikke balancerer dette med at opmuntre til risikotagning, prøve nye ting og stille de nødvendige ressourcer til rådighed, vil virksomheden per definition blive efterladt i denne nye AI‑alder. Så at finde den rette balance mellem risikofremme og -begrænsning er afgørende.

Jeg mener også, at det er vigtigt, at bestyrelsen presser ledelsen til AI‑drevede forretningsmodeller, som kan ændre konkurrencens grundlag i deres branche og som er bygget på proprietære data, for hvis de ikke fokuserer på det, vil de inkrementelle produktivitetsgevinster være forgæves, når deres forretning bliver forstyrret.

I Wayfinding fortæller du og Ben Szuhaj historien om en administrerende direktør, der har 90 dage til at udvikle en AI‑strategi eller risikere at blive erstattet. Hvorfor valgte I en forretningsfabel i stedet for en traditionel ledelsesbog til at undersøge, hvordan ledere bør reagere på AI‑drevet forstyrrelse?

Jeg er stor fan af forretningsfabelgenren og forfattere som Patrick Lencioni, en legende inden for området. Vi valgte at skrive denne bog som en fabel, fordi det hjalp os med at udforske nuancerede emner som lederes psykologi på en let og tilgængelig måde, hvilket ville have været meget sværere i en traditionel forretningsbog.

Vi mener, at bogen virkelig har opnået noget, som vi er meget begejstrede for, nemlig at undervise i virkelig substantielt og relevant materiale på en måde, der er hurtig, sjov og engagerende for travle ledere. Læringerne i den, inklusive de 11 originale rammer, er ting, som læserne kan tage med sig i arbejdet og anvende med det samme.

Et centralt tema i Wayfinding er at træffe væsentlige beslutninger, når teknologien udvikler sig hurtigt, og sikkerhed er umulig. Hvilken ramme bør ledere bruge til at afgøre, hvornår de har tilstrækkelig information til at handle, især når venten på større klarhed i sig selv kan skabe konkurrencerisiko?

En af de rammer, vi udviklede og deler i bogen, hedder faktisk Wayfinding. Det er en tilpasning af Agile til AI. Det er en hypotese‑drevet, struktureret proces for at udforske data og validere en løsnings gennemførlighed, før man forpligter sig til en fuld produktionsbygning. Formålet er at besvare, om en AI‑løsning både er værd at bygge, og om den vil fungere. Det er en væsentlig årsag til, at vores firma har en succesrate på over 95 % for at bringe proof‑of‑concepts i produktion, som har leveret reel, målbar forretningsværdi, og vi har gjort det over 50 gange for vores kunder.

Hvis du igen påtager dig venturekapitalist‑hatten, hvad fortæller de signaler dig, når du ser på nutidens generation af AI‑virksomheder, om en startup bygger en holdbar konkurrencemæssig fordel i stedet for et produkt, der hurtigt kan blive en funktion i en grundmodel eller en større platform?

Jeg har virkelig ingen anelse og er, ærligt talt, meget glad for, at jeg ikke er i den forretning i dag. Jeg har stor empati for nutidens ventureinvestorer. De skal tage store, dristige risici, hvis de vil opnå top‑afkast for deres investorer. Men fordi teknologien udvikler sig så hurtigt og på en ret uforudsigelig måde, må det være meget svært at skelne de langsigtede vindere fra taberne.

Jeg understreger langsigtet, for medmindre en virksomhed er heldig og rammer en vigtig mulighed og bliver fjernet tidligt, vil der være mange virksomheder, der ser ud til at have potentiale for succes, men som ender uden succes på grund af den måde, markedet udvikler sig på, hvilket igen er meget svært at forudsige. Bundlinjen: ligesom i dot‑com‑æraen vil der være nogle virkelig store vindere samt mange tabte penge.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge KUNGFU.AI.