Adam Field, Chief AI Officer bei Tungsten Automation – Interview-Serie

Adam Field, Chief AI Officer bei Tungsten Automation, ist ein langjähriger Führungskraft im Bereich Unternehmens-Technologie mit tiefgreifender Expertise in künstlicher Intelligenz, intelligenter Automatisierung und Produktstrategie. In seiner aktuellen Rolle leitet er die globalen AI-Transformationsbemühungen des Unternehmens, überwacht die Integration von AI in das gesamte Produktportfolio von Tungsten, leitet das Tungsten AI Lab und etabliert Governance-Rahmen für die verantwortungsvolle Einführung von AI. Vor seiner Ernennung zum Chief AI Officer war er als Chief Product Officer tätig und verantwortete ein Portfolio, das mehr als 550 Millionen US-Dollar an jährlichem Umsatz generierte. Bevor er zu Tungsten kam, verbrachte Field fast 17 Jahre bei Pegasystems, wo er Innovations- und Kunden-Erfahrungs-Initiativen leitete, half, die Strategie für aufkommende Technologien zu gestalten, und für die Lieferung großer Produkt-Präsentationen und Unternehmens-Innovationsprogramme bekannt wurde. Zu Beginn seiner Karriere hatte er technische und beratende Rollen bei Staples, Publicis Sapient und Fidelity Investments.

Tungsten Automation, vormals bekannt als Kofax, ist ein Unternehmen für Unternehmens-Software, das sich auf AI-gesteuerte Workflow-Automatisierung, intelligente Dokumentenverarbeitung, Robotic Process Automation (RPA) und Geschäftsprozess-Orchestrierung konzentriert. Das Unternehmen bietet Automatisierungstools, die von Organisationen in verschiedenen Branchen wie Finanzen, Gesundheitswesen, Versicherungen und Regierung verwendet werden, um dokumentenintensive Betriebe zu rationalisieren und die Effizienz zu verbessern. Die Plattform kombiniert AI, Low-Code-Automatisierung und Dokumenten-Intelligenz-Technologien, um Unternehmen dabei zu helfen, wiederkehrende Aufgaben zu automatisieren, Erkenntnisse aus unstrukturierten Daten zu gewinnen und Geschäftsprozesse im großen Maßstab zu modernisieren.

Sie haben Jahre damit verbracht, Produktstrategie und Innovation zu leiten, einschließlich der Einrichtung von Innovationslabors und der Skalierung eines Produktportfolios im Wert von über 500 Millionen US-Dollar, bevor Sie in die Rolle des Chief AI Officer bei Tungsten Automation eintraten. Was hat Sie davon überzeugt, dass jetzt der richtige Moment war, sich voll und ganz auf die AI-Führung zu konzentrieren, und wie hat Ihre frühere Erfahrung diese Entscheidung beeinflusst?

Ich habe einen großen Teil meiner Karriere damit verbracht, neue Technologien in etwas zu verwandeln, das tatsächlich in Unternehmensumgebungen funktioniert. In den letzten Jahren wurde klar, dass AI nicht nur eine weitere Fähigkeit ist, die in Produkte integriert werden kann. Es verändert, wie Software entwickelt wird und wie Entscheidungen in Unternehmen getroffen werden, und es scheint, dass es alles, was davor kam, überlagert und stört. Diese Veränderung von der Experimentierung zu realen Erwartungen an Ergebnisse, verbunden mit der zunehmend unbestreitbaren Tatsache, dass AI hier, um zu bleiben, ist, machte es zum richtigen Zeitpunkt, sich voll und ganz auf eine AI-Führungsrolle zu konzentrieren.

Es wurde auch offensichtlich, dass AI nicht das Allheilmittel war, als das es von vielen beworben wurde. AI-Erfolg erfordert Menschen, die technische Expertise und Branchen-Know-how kombinieren. Tungsten möchte Unternehmen helfen, AI auf die richtige Weise zu nutzen und echte Erträge zu erzielen, und deshalb hat Tungsten das AI-Büro und meine Rolle innerhalb davon geschaffen.

Tungsten hat sich von der frühen Dokumentenerfassung und OCR zu einer vollständigen intelligenten Automatisierungsplattform entwickelt, die mission-kritische Workflows für Tausende von Organisationen antreibt. Wie sehen Sie, dass diese Vergangenheit Ihre Herangehensweise an agierende AI heute beeinflusst?

Tungstens Geschichte ist tief mit der Art und Weise verbunden, wie Unternehmen tatsächlich operieren. Wir haben Jahrzehnte damit verbracht, mit Dokumenten und Workflows zu arbeiten, die im Zentrum kritischer Geschäftsprozesse stehen. Das bedeutet, dass wir verstehen, wie komplex und oft unstrukturiert diese Informationen sein können.

Diese Grundlage ist sehr relevant für agierende AI. Diese Systeme müssen in realen Umgebungen funktionieren, nicht nur Informationen in Isolation interpretieren. Unser Hintergrund in Dokumenten-Intelligenz ermöglicht es uns, uns auf Kontext und darauf zu konzentrieren, sicherzustellen, dass AI auf eine Weise handelt, die konsistent mit der Art und Weise ist, wie das Unternehmen läuft. Es geht darum, Systeme zu bauen, die in der Produktion vertrauenswürdig sind, nicht nur in der Theorie erforscht werden.

Dies ist der Grund, warum diese neueste AI-Entwicklung so aufregend ist. Sie bringt intelligente Dokumentenverarbeitung an Orte, die wir zuvor nicht erreichen konnten – Probleme lösen, die in der Vergangenheit zu teuer oder unmöglich zu lösen waren.

Sie haben betont, AI über das gesamte Produktportfolio hinweg zu integrieren, anstatt sie als eigenständige Funktion zu behandeln. Was bedeutet “AI-nativer” Wandel in einer großen, etablierten Software-Plattform?

Es wurde früh klar, dass generierende und agierende AI-gesteuerte Funktionen schnell zu einem Muss wurden, was bedeutet, dass Kunden nicht immer bereit waren, extra dafür zu bezahlen. Wir haben auch erkannt, dass diese Technologien es uns ermöglichen, das zu modernisieren, was Tungsten seit Jahren tut: Unternehmen helfen, Sinn aus ihren Dokumentendaten zu machen.

Wir haben unser Markenversprechen nicht geändert. Wir haben keine Einmal-Produkte oder aufgesetzte Funktionen erstellt. Wir haben die Art und Weise, wie das Produkt verwendet wird, neu gestaltet, und wenn diese Grundlage vorhanden ist, kann AI auf eine Weise funktionieren, die sich innerhalb des Produkts natürlich anfühlt, anstatt getrennt davon. Und die Anwendungsfälle, die unsere Kunden begannen, anzusprechen, bewegten sich von strukturierten Dokumenten zu unstrukturierten Informationsquellen. Und wir haben “Dokument” neu definiert. Ein Dokument ist nicht länger nur ein Bild von Papier oder eine digitale Datei. Unstrukturierte Daten leben in Dingen wie Schadensregulierungs-Notizen, Transkripten von Kontaktzentren, Social-Media-Beiträgen, Web-Artikeln und vielem mehr.

Diese Herangehensweise ermöglicht es unseren Kunden, die Grundlage und offene Modelle mit ihren eigenen, proprietären Daten zu erweitern, was der wahre Differenzierer ist.

Als erster Chief AI Officer des Unternehmens, wie balancieren Sie Innovationsgeschwindigkeit mit der Notwendigkeit von Governance, Sicherheit und verantwortungsvoller AI-Einführung im großen Maßstab?

Es gibt immer einen Druck, schnell mit AI voranzukommen, aber in Unternehmensumgebungen zählt Vertrauen ebenso wie Geschwindigkeit. Governance und Sicherheit können nicht als Nachgedanke behandelt werden. Sie müssen von Anfang an in das System integriert werden.

Wir tun dies, indem wir Erwartungen von Anfang an setzen, indem wir unsere Endbenutzer schulen. Zum Beispiel ist die Hälfte meiner Rolle auf interne AI-Strategie, Evangelisation und Governance fokussiert. Wir haben frühzeitig einen cross-funktionellen Beratungsrat zusammengestellt. Wir fördern das Teilen, das Experimentieren und die Kommunikation. Es gab Zeiten, als die Technologie bereit war, an alle Mitarbeiter in Verbindung mit mehreren internen Systemen ausgerollt zu werden. Die Prototypen waren leistungsstark und begeisterten jeden, aber wir ließen unseren Beratungs-Team wissen, wenn wir auf potenzielle Sicherheits- oder regulatorische Hürden stießen. Sie schätzen die Einsicht und nehmen oft am Lösungsprozess teil.

Ich denke, es ist auch wichtig, nicht zuzulassen, dass Perfektion den Fortschritt behindert. Wir setzen die Erwartung bei unserem Personal, dass sie Veränderungen erwarten sollten, und viele davon. Sie sollten erwarten, dass wir Tools und Funktionen ausrollen, sobald sie bereit sind, Feedback erhalten, den Kurs ändern, wenn nötig, und dann weitere ausrollen.

Agierende AI wird schnell zu einem wichtigen Schwerpunkt in der Branche. Was unterscheidet Ihrer Meinung nach echte Unternehmens-Grade-Agentic-Systeme von experimentellen oder überbeworbenen Implementierungen?

Der Schlüsselunterschied liegt darin, wie Systeme in realen Bedingungen funktionieren. Viele experimentelle Ansätze funktionieren gut in kontrollierten Umgebungen, aber sie haben Schwierigkeiten, wenn sie auf unordentliche Daten oder komplexe Workflows stoßen. Unternehmens-Grade-Systeme müssen mit dieser Variabilität umgehen und dennoch konsistente Ergebnisse liefern.

Die meisten Systeme der letzten 30 Jahre wurden für menschliche Interaktion oder über sehr kontrollierten API-Zugriff gebaut. Systemintegration muss in der agierenden Ära neu gedacht werden. Alles, von der Behandlung von Ausnahmen, Fehlern und Auditing, ist anders, wenn Agenten interagieren, anstatt ein Mensch durch eine traditionelle Benutzeroberfläche.

Ein weiterer wichtiger Faktor ist Rechenschaftspflicht. Organisationen müssen verstehen, wie Entscheidungen getroffen werden, und sie müssen den Ergebnissen vertrauen können. Diese Transparenz-Ebene ist es, die es agierenden Systemen ermöglicht, von interessanten Demonstrationen zu realen operativen Anwendungen überzugehen.

Sie leiten das Tungsten AI Lab als Zentrum für Forschung und angewandte Innovation. Wie stellen Sie sicher, dass experimentelle AI-Arbeit in messbare Geschäftsergebnisse für Kunden übersetzt wird?

Ich habe tatsächlich den entgegengesetzten Ansatz mit dem Tungsten AI Lab verfolgt. Ich ließ das Team frühzeitig wissen, dass es okay war, zu experimentieren, zu lernen und neue Ansätze auszuprobieren, auch wenn die Ergebnisse nie in unsere Produkte einfließen würden. Oft ist es besser, zu lernen, was nicht zu tun ist. Ich glaube, dass dies ihnen die Freiheit gegeben hat, frei zu denken und auf neue Weise Dinge zu tun.

Als Beispiel kann ich nicht die genaue Funktion preisgeben, aber einer unserer aktuellen Forschungssprints beinhaltet einen völlig neuen Ansatz für ein bestehendes Produkt-Komponente. Die Forscher fanden neue Methoden, ein Problem zu lösen, was zu einem “Lichtbulb”-Moment führte, dass wir möglicherweise eine komplette neue Add-on-Lösung für unsere Kunden anbieten könnten. Wenn wir nur erforscht hätten, wie man das, was bereits im Roadmap war, umsetzen konnte, wären wir nie hierher gelangt.

Dabei ist es jedoch nicht ein Freifahrtschein. Wir sind bedacht, wo wir Zeit aufwenden und wie viel davon wir für jedes Forschungsprojekt aufwenden.

Viele Organisationen haben immer noch Schwierigkeiten, von AI-Piloten zu Produktionsumgebungen überzugehen. Was sind die größten Barrieren, die Sie sehen, und wie können Unternehmen sie überwinden?

Eine der größten Barrieren ist dunkle Daten. Die meisten Organisationen haben Zugang zu enormen Mengen an Informationen, aber ein großer Teil davon lebt in Dokumenten, E-Mails, PDFs und anderen unstrukturierten Formaten, die für AI-Systeme schwer zu interpretieren sind. Das bedeutet, dass sogar gut gestaltete Modelle oft mit einer unvollständigen und inkonsistenten Sicht des Unternehmens arbeiten, was zu unzuverlässigen Ausgaben und gestoppten Initiativen führt.

Um darüber hinaus zu kommen, müssen Unternehmen sich auf die Umwandlung von dunklen Daten in etwas Nutzbares konzentrieren. Dazu gehört nicht nur die Extraktion von Informationen, sondern auch die Schaffung von Struktur, Kontext und Governance um sie herum, damit AI-Systeme tatsächlich mit Vertrauen darauf handeln können. Sobald diese Grundlage vorhanden ist, wird AI viel zuverlässiger und einfacher zu skalieren von isolierten Piloten in reale Produktionsumgebungen.

Tungsten arbeitet in dokumentenintensiven und workflow-intensiven Branchen. Wie verändert AI die Art und Weise, wie Unternehmen über unstrukturierte Daten und Entscheidungsfindung denken?

AI verändert, wie Organisationen über den Wert der Informationen denken, die sie bereits haben. Seit Jahren lag ein großer Teil des Unternehmenswissens in Dokumenten, E-Mails, PDFs und anderen unstrukturierten Inhalten, die schwer zugänglich oder operativierbar waren. Jetzt erkennen Organisationen, dass diese Daten den Kontext und die Geschäftslogik enthalten, die AI-Systeme benötigen, um zuverlässige Ergebnisse zu produzieren. Die Modelle selbst sind ein Kommodität, die proprietären Informationen der Organisationen in Kombination mit diesen Modellen sind der Differenzierer.

Zugleich gibt es ein wachsendes Bewusstsein für Datenhoheit, Governance und den Fluss von Unternehmensinformationen. Viele Unternehmen sind bemüht, mehr externe Daten hereinzuholen oder mit breitem Modellzugriff zu experimentieren, wenn sie in Wirklichkeit bereits auf enorme Mengen an ungenutzter Intelligenz innerhalb ihrer eigenen Organisation sitzen. Der Fokus beginnt, sich auf die Aktivierung dieser internen unstrukturierten Daten in einer sicheren und geregelten Weise zu verlagern, damit AI bessere Entscheidungen unterstützen kann, ohne unnötige Risiken zu schaffen.

Sie haben Kundenbeiräte aufgebaut und eng mit Unternehmenskunden während Ihrer Karriere zusammengearbeitet. Wie wichtig ist Kunden-Feedback bei der Gestaltung der AI-Strategie, insbesondere wenn die Technologie so schnell entwickelt wird?

Kunden-Feedback ist ein Geschenk, insbesondere in einem Bereich, der so schnell wie AI bewegt wird. Es hilft sicherzustellen, dass die Strategie in realen Geschäftsanforderungen verwurzelt bleibt und nicht in theoretischen Möglichkeiten.

Es hilft auch bei der Priorisierung. Es gibt viele Richtungen, in die AI gehen kann, aber Kunden-Input liefert Klarheit darüber, wo der größte Wert geschaffen werden kann. Das hält den Fokus auf Ergebnisse, die zählen, und stellt sicher, dass Innovation mit der Art und Weise übereinstimmt, wie Unternehmen tatsächlich operieren.

Ich erinnere mich an die frühen Tage von gen AI, als ein Kunde in unserem Beirat mir sagte, dass er, obwohl er die Produkt-Richtung liebe, nie extra für ein neues LLM-gesteuertes Feature in unserem Roadmap bezahlen würde. Das war aufschlussreich, weil er mit dem Rest der Branche übereinstimmte.

Aufblickend, wo sehen Sie die größte Chance für AI-gesteuerte Automatisierung in den nächsten 3 bis 5 Jahren, und worauf sollten Unternehmen sich jetzt vorbereiten?

Die größte Chance liegt darin, AI tiefer in End-to-End-Workflows zu integrieren. Anstatt sich auf isolierte Aufgaben zu konzentrieren, werden Organisationen darauf schauen, wie AI ganze Prozesse unterstützen und die Art und Weise verbessern kann, wie Arbeit im Unternehmen fließt. Aktuell sind viele agierende Systeme auf diskrete Aufgaben ausgerichtet, aber Unternehmen operieren auf kompatiblen End-to-End-Prozessen.

Um sich auf diese Veränderung vorzubereiten, müssen Unternehmen in ihre Daten-Grundlagen und in Systeme investieren, die Transparenz und Kontrolle unterstützen. Und sie sollten über “Build vs. Partner” nachdenken, anstatt “Build vs. Buy”. Wir haben gesehen, dass AI-DIY von Grund auf zu oft fehlschlägt. Die Organisationen, die am meisten profitieren, werden diejenigen sein, die die richtigen AI-gesteuerten Partner finden, um ihre Lösungen zu beschleunigen, anstatt alles von Grund auf neu aufzubauen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Tungsten Automation besuchen.