Afsheen Afshar, Ιδρυτής της Pilot Wave Holdings – Σειρά Συνεντεύξεων

Afsheen Afshar, Ιδρυτής της Pilot Wave Holdings, είναι ένας βετεράνος ηγέτης της επιστήμης των δεδομένων και των επενδύσεων, ο οποίος έχει διατελέσει σε υψηλά πόστα στη Goldman Sachs, J.P. Morgan και Cerberus Capital Management, όπου βοήθησε να πioneer grandes κλίμακας πρωτοβουλίες επιστήμης των δεδομένων και τεχνητής νοημοσύνης внутри των χρηματοοικονομικών ιδρυμάτων. Με μια τεχνική βάση που έχει τις ρίζες της στην νευροεπιστήμη και την έρευνα της μηχανικής μάθησης στο Πανεπιστήμιο του Στάνφορντ, ο Afshar έχει χτίσει μια καριέρα στο σημείο τομής των προηγμένων αναλυτικών, ιδιωτικών επενδύσεων και λειτουργικής μετασχηματισμού, με τελικό στόχο την εφαρμογή της τεχνητής νοημοσύνης στην πραγματική επιχειρηματική απόδοση. Στη Pilot Wave, συνδυάζει την εμπειρία επενδύσεων, την ηγετική λειτουργική και την sâuιά τεχνική γνώση για να αναγνωρίσει, να αποκτήσει και να κλιμακώσει εταιρείες χρησιμοποιώντας στρατηγικές βασισμένες σε δεδομένα και σύγχρονη τεχνολογία.

Pilot Wave Holdings είναι μια πλατφόρμα απόκτησης και ανάπτυξης που επικεντρώνεται στη μετασχηματισμό των μικρών και μεσαίων επιχειρήσεων μέσω της τεχνητής νοημοσύνης και της προηγμένης τεχνολογίας. Η εταιρεία αξιοποιεί ιδιοκτητικά συστήματα τεχνητής νοημοσύνης για να αναλύσει τις λειτουργίες, να ανακαλύψει τις ανεπάρκειες και να οδηγήσει βελτιώσεις της απόδοσης σε όλες τις εταιρείες του χαρτοφυλακίου της. Συνδυάζοντας την ενεργή λειτουργική συμμετοχή με τη σύγχρονη υποδομή δεδομένων, η Pilot Wave στοχεύει να εκμοντερνίσει τις παραδοσιακές επιχειρήσεις που ιστορικά έλλειψαν πρόσβαση σε προηγμένα εργαλεία, τοποθετώντας τες σε μια θέση για κλιμακωτή, μακροπρόθεσμη ανάπτυξη σε μια ολοένα και περισσότερο τεχνολογικά οδηγούμενη οικονομία.

Έχετε κατέχει πρωτοποριακούς ρόλους ηγεσίας της τεχνητής νοημοσύνης σε εταιρείες όπως η JPMorgan και η Cerberus, και αργότερα ιδρύσατε την Pilot Wave Holdings για να φέρετε την τεχνητή νοημοσύνη στις παραδοσιακές βιομηχανίες. Ποια είναι η βασική έμπνευση ή η απογοήτευση που σας οδήγησε να μεταβείτε από την κατασκευή της τεχνητής νοημοσύνης μέσα στις μεγάλες εταιρείες στην απόκτηση και τη μετασχηματισμό εταιρειών άμεσα;

Το βασικό ζήτημα ήταν η ανάγκη για ενδυνάμωση για να κινούμαστε με ταχύτητα. Μέσα στις μεγάλες εταιρείες, ακόμη και όταν οι άνθρωποι συμφωνούν στην ευκαιρία, υπάρχουν συνήθως πολλά επίπεδα μεταξύ της αναγνώρισης του προβλήματος και της πραγματικής λήψης ενεργειών. Η τεχνητή νοημοσύνη δεν αποτυγχάνει συνήθως λόγω του ότι η τεχνική εργασία είναι αδύνατη, αλλά λόγω του ότι η οργάνωση είναι πολύ αργή, πολύ πολιτική ή πολύ κατακερματισμένη για να ενεργήσει με επείγοντα. Ήθελα να εργαστώ σε ένα περιβάλλον όπου η στρατηγική, οι λειτουργίες και η τεχνολογία θα μπορούσαν να ευθυγραμμιστούν γρήγορα. Η απόκτηση και η κατασκευή εταιρειών άμεσα δημιουργεί αυτό το είδος ενδυνάμωσης. Αν θέλετε πραγματικά να αλλάξετε τον τρόπο με τον οποίο μια επιχείρηση λειτουργεί με ταχύτητα και βούληση, είναι σημαντικό να είστε ο ιδιοκτήτης.

Πολύ της βιομηχανίας ακόμη γιορτάζει επιτυχημένα πιλότα, ενώ η πραγματική αξία προέρχεται από τα συστήματα παραγωγής. Γιατί οι πρωτοβουλίες της τεχνητής νοημοσύνης συχνά αποτυγχάνουν σε αυτό το σημείο μετάβασης, και τι διακρίνει τις οργανώσεις που επιτυγχάνουν την επιχειρησιακή εφαρμογή της τεχνητής νοημοσύνης από αυτές που σταματούν;

Πολλοί πιλότοι σχεδιάζονται για να επιτύχουν, που είναι ακριβώς το λόγο για τον οποίο πολλές εταιρείες εξαπατούν τον εαυτό τους. Συμβαίνουν σε καθαρές περιβαλλοντικές συνθήκες, με πρόσθετη προσοχή, περιορισμένο πεδίο και κανένα από το τριβή που εμφανίζεται στην παραγωγή. Το βαθύτερο ζήτημα είναι συχνά ένας hiatus της εмпάθειας. Οι τεχνολόγοι συχνά δεν αφιερώνουν τον χρόνο ή δεν έχουν την επιθυμία να μάθουν την εμπειρία του χειριστή, οπότε κατασκευάζουν κάτι που λειτουργεί στη θεωρία ή σε μια επίδειξη αλλά δεν ταιριάζει στην πραγματικότητα της δουλειάς. Οι εταιρείες που επιτυγχάνουν την επιχειρησιακή εφαρμογή της τεχνητής νοημοσύνης είναι αυτές που λαμβάνουν σοβαρά την εργασία του ανθρώπου από την αρχή και κατασκευάζουν για τη ρυπαρότητα των πραγματικών λειτουργιών αντί να προσπαθούν να την αποφύγουν. Όλοι λένε ότι θέλουν αξία παραγωγής, αλλά πολλές ομάδες εξακολουθούν να βελτιώνουν για τους χειροκροτήματα του πιλότου.

Η δουλειά σας επικεντρώνεται στην ενσωμάτωση της τεχνητής νοημοσύνης σε τομείς όπως η υποδομή, η βιομηχανία και ο ηλεκτρονικός εμπορίου. Πώς διαφέρει η ανάπτυξη της τεχνητής νοημοσύνης σε αυτά τα περιβάλλοντα ουσιαστικά από την ανάπτυξη σε ψηφιακές εταιρείες ή εταιρείες που βασίζονται στο λογισμικό;

Η διαφορά είναι ότι στις παραδοσιακές επιχειρήσεις του Main Street, η εмпάθεια και το ανθρώπινο στοιχείο είναι ακόμη πιο σημαντικά από ό,τι οι άνθρωποι στον κόσμο της τεχνητής νοημοσύνης συνήθως θέλουν να παραδεχτούν. Σε περιβάλλοντα που βασίζονται στο λογισμικό, οι ομάδες μπορούν συχνά να κινούνται γρήγορα και να επιδιορθώνουν προβλήματα αργότερα. Στην υποδομή, τη βιομηχανία και τον ηλεκτρονικό εμπορίου, η δουλειά είναι συνδεδεμένη με φυσικά συστήματα, πραγματικές περιορισμοί και ανθρώπους που γνωρίζουν αμέσως όταν κάτι δεν ταιριάζει στον τρόπο με τον οποίο λειτουργεί η επιχείρηση. Αυτό σημαίνει ότι δεν μπορείτε να εμφανιστείτε με μια τεχνικά εύγλωττη λύση και να περιμένετε υιοθέτηση. Αν δεν κατανοήσετε την εμπειρία του χειριστή, η στρατηγική της τεχνητής νοημοσύνης σας είναι πιθανό να είναι已经 σπασμένη. Αυτά τα περιβάλλοντα εκθέτουν το ρηχό σκέψιμο πολύ γρήγορα, που είναι μέρος του λόγου για τον οποίο έχουν τόσο μεγάλη σημασία.

Έχετε υποστηρίξει ότι η υιοθέτηση της τεχνητής νοημοσύνης πρέπει να αρχίσει με τις επιχειρηματικές προτεραιότητες και όχι με τα εργαλεία. Τι σημαίνει αυτό στην πράξη, και πώς πρέπει οι ηγετικές ομάδες να αναδιαμορφώσουν την προσέγγισή τους στην μετασχηματισμό της τεχνητής νοημοσύνης;

Οι περισσότερες ηγετικές ομάδες αρχίζουν από το λάθος σημείο. Ξεκινούν με μια συζήτηση για το τι μπορεί να κάνει η τεχνολογία για εμάς, επειδή ακούγεται ενθουσιώδες και σύγχρονο, όταν το σωστό σημείο για να αρχίσετε είναι ποίες είναι οι πιο σημαντικές επιχειρηματικές προτεραιότητές μας. Μόλις γνωρίσετε αυτό, τότε μπορείτε να μιλήσετε ειλικρινά για τα καλύτερα εργαλεία για να αντιμετωπίσουν αυτές τις προτεραιότητες, και δεν πρέπει πάντα να είναι η τεχνητή νοημοσύνη. Αυτό ακούγεται προφανές, αλλά οι περισσότερες εταιρείες εξακολουθούν να κυνηγούν την τεχνολογία πρώτα και να ελπίζουν ότι η επιχειρηματική περίπτωση θα εμφανιστεί κάπως αργότερα. Είναι ανάποδο και οδηγεί σε πολλή σπατάλη κινήσεων. Αν οι ηγετικές ομάδες θέλουν πραγματικά αποτελέσματα, πρέπει να σταματήσουν να αντιμετωπίζουν την στρατηγική της τεχνητής νοημοσύνης σαν μια αγορά.

Στη Pilot Wave, δεν συμβουλεύετε μόνο εταιρείες, αλλά και τις μετασχηματίζετε μετά την απόκτηση. Ποια είναι οι πρώτες δομικές ή πολιτιστικές αλλαγές που εφαρμόζετε για να κάνετε την υιοθέτηση της τεχνητής νοημοσύνης να σταθεί;

Το πρώτο πράγμα είναι να βρείτε και τους ανώτερους και τους κατώτερους χορηγούς. Οι κατώτεροι χορηγοί γνωρίζουν την καθημερινή πραγματικότητα και μπορούν να διασφαλίσουν ότι η βάση των εργαζομένων θα κάνει πραγματικά ό,τι χρειάζεται να γίνει, ενώ οι ανώτεροι χορηγοί διασφαλίζουν ότι η πολιτική είναι ελαχιστό και η προσπάθεια δεν θα πνιγεί σιωπηλά. Πολλές εταιρείες βασίζονται πολύ στην υποστήριξη από την κορυφή και μετά αναρωτιούνται γιατί τίποτα δεν αλλάζει στην πράξη. Η αλήθεια είναι ότι η υιοθέτηση της τεχνητής νοημοσύνης συνήθως αποτυγχάνει είτε因为 η οργάνωση αντιστέκεται σε αυτό στο επίπεδο του εδάφους είτε因为 η ηγεσία αφήνει την παρέμβαση να συσσωρευτεί γύρω της. Χρειάζεστε και τις δύο μορφές υποστήριξης από την αρχή. Αλλοιώς, η πρωτοβουλία γίνεται ένα άλλο σημείο της εκτελεστικής ομιλίας που δεν πραγματοποιείται ποτέ.

Όταν οι πράκτορες της τεχνητής νοημοσύνης γίνονται πιο ικανοί και η υποδομή γίνεται ολοένα και πιο αφηρημένη, ποια στρατηγικά рисκ εμφανίζονται για τις εταιρείες που δεν ελέγχουν το δικό τους σύστημα δεδομένων και τεχνητής νοημοσύνης;

Θα επιχειρήσω να πω ότι οι εταιρείες luôn χρειάζονται θεμελιώδη έλεγχο. Αυτό απαιτεί να οργανώσετε κάθε σύστημα, που είναι το πώς η Pilot Wave προσεγγίζει το σχεδιασμό του συστήματος, επειδή αν δεν μπορείτε να δείτε τι συμβαίνει, να το μετρήσετε και να τοποθετήσετε φραγμούς γύρω του, τότε παίρνετε ρίσκο που δεν κατανοείτε. Αυτό δεν σημαίνει ότι δεν πρέπει να αναθέσετε καθήκοντα, επειδή η αναθέτηση θα συνεχίσει να συμβαίνει σε κλίμακα, αλλά η αναθέτηση χωρίς μέτρηση δεν είναι μια εκτελέσιμη στρατηγική. Πολύ της αγοράς γίνεται σαγηνευμένη από την αφαίρεση επειδή κάνει τα πράγματα να cảmθούν πιο εύκολα και γρήγορα, αλλά αυτή η ευκολία μπορεί να κρύψει πραγματική συστημική ευστάθεια. Αν τα σωστά όργανα, μέτρηση και φραγμοί είναι στη θέση τους, το πιθανό συστημικό ρίσκο μπορεί να ελαχιστοποιηθεί. Αν δεν είναι, κτίζετε εξάρτηση πριν από το να κερδίσετε την εμπιστοσύνη.

Υπάρχει μια αυξανόμενη διαφορά μεταξύ του πώς η τεχνητή νοημοσύνη προωθείται και του πώς εκτελείται σε πραγματικά περιβάλλοντα. Ποια σήματα πρέπει οι τεχνικοί ηγέτες και οι χειριστές να ψάξουν για να διακρίνουν τις σημαντικές ικανότητες της τεχνητής νοημοσύνης από τις επιφανειακές αξιώσεις;

Να ζητήσετε πάντα πραγματική μέτρηση της αξίας. Έχω sido θρησκευτικός σχετικά με τη μέτρηση της αξίας καθ’ όλη τη διάρκεια της καριέρας μου, μέχρι και τα μεμονωμένα έργα, επειδή χωρίς αυτή τη дисциплина γίνεται πολύ εύκολο να συγχέετε την ενθουσιασμό με τα αποτελέσματα. Κάθε προσπάθεια πρέπει να υποβληθεί σε μια απόδοση επενδύσεων και να παρακολουθηθεί. Αν κάποιος δεν μπορεί να εξηγήσει σαφώς πώς το σύστημα επηρεάζει τα έσοδα, το κόστος, την απόδοση, την εργασιακή αποτελεσματικότητα ή κάποιο άλλο πραγματικό επιχειρηματικό μέτρο, τότε υπάρχει μια καλή πιθανότητα ότι πουλάνε θέατρο. Η βιομηχανία έχει γίνει πολύ άνετη με το να ανταποδίδει τους γυαλιστερους δемо και τις αόριστες αξιώσεις. Χωρίς τη σκληρή μέτρηση της αξίας, υπάρχει πραγματικό ρίσκο να ρίχνετε χρόνο και χρήματα.

Έχετε χτίσει και ηγηθεί μεγάλης κλίμακας οργανισμών επιστήμης των δεδομένων. Πώς βλέπετε τον ρόλο των ομάδων της τεχνητής νοημοσύνης να εξελίσσεται καθώς η αυτοματοποίηση αυξάνεται και τα συστήματα με βάση τους πράκτορες αναλαμβάνουν περισσότερες ευθύνες;

Η τεχνητή νοημοσύνη θα αναλάβει υψηλότερα και υψηλότερα καθήκοντα. Στη Pilot Wave, αναπτύσσουμε ήδη τεχνητή νοημοσύνη που μπορεί να λάβει ως είσοδο κάτι σαν “αύξηση των εσόδων μου κατά 10%” αντί για “ανακαίνιση της ιστοσελίδας μου”, που είναι πολύ πιο κοντά σε εκεί που βρίσκεται πολλή της τεχνητής νοημοσύνης σήμερα. Αυτή η μετατόπιση αλλάζει τον ρόλο των ομάδων της τεχνητής νοημοσύνης με σοβαρό τρόπο επειδή η δουλειά γίνεται λιγότερο για τις απομονωμένες εργασίες και περισσότερο για το πώς τα συστήματα συλλογίζουν πραγματικά επιχειρηματικά στόχους. Πολλές ομάδες σκέφτονται ακόμη πολύ στενά για την αυτοματοποίηση και υποτιμούν πόσο γρήγορα κινείται η τεχνολογία προς τα πάνω. Το κέντρο βαρύτητας θα μετατοπιστεί από την εκτέλεση εργασιών προς την επιχειρηματική αντιπροσώπευση. Αυτή είναι μια πολύ μεγαλύτερη αλλαγή από ό,τι οι περισσότερες επιχειρήσεις προετοιμάζονται.

Πολυάριθμες επιχειρήσεις επενδύουν πολύ στην τεχνητή νοημοσύνη, αλλά δυσκολεύονται να παράγουν μετρήσιμη απόδοση επενδύσεων. Ποια είναι τα πιο συνηθισμένα μοτίβα αποτυχίας που έχετε παρατηρήσει, και πώς μπορούν να αποφευχθούν;

Οι περισσότερες προσπάθειες της τεχνητής νοημοσύνης, ιδιαίτερα στις μεγάλες επιχειρήσεις, εξακολουθούν να είναι πολύ επικεντρωμένες στις γυαλιστερές πίνακες ελέγχου, τα buzzwords και τα πράγματα που είναι εύκολο να παρουσιαστούν εσωτερικά αλλά δύσκολο να συνδεθούν με πραγματική αξία. Οι εταιρείες ξοδεύουν πολύ χρόνο για να κάνουν τη δουλειά να φαίνεται σοφιστικη, αντί να την κάνουν χρήσιμη. Το μοτίβο αποτυχίας δεν είναι συνήθως μυστηριώδες, είναι απλά η έλλειψη πειθαρχίας γύρω από τη δημιουργία αξίας. Αν δεν υπάρχει σαφής οικονομικός στόχος, kein ιδιοκτήτης και keine μέτρηση πλαισίου, η προσπάθεια δεν πρέπει να προχωρήσει. Να είστε θρησκευτικά εστιασμένοι στην δημιουργία αξίας σε κάθε στάδιο του δρόμου είναι κρίσιμο. Αλλοιώς, η επιχείρηση της τεχνητής νοημοσύνης γίνεται μια πολύ ακριβή άσκηση branding.

Κοιτάζοντας μπροστά, ποια ικανότητες της τεχνητής νοημοσύνης ή συστημικές прорωμές πιστεύετε ότι θα έχουν την μεγαλύτερη επίδραση στις φυσικές βιομηχανίες τις επόμενες πέντε έως δέκα χρόνια;

Η ικανότητα να δώσετε πολύ υψηλού επιπέδου στόχους σε ένα σύστημα τεχνητής νοημοσύνης και να αναθέσετε σημαντικά μέρη της επιχείρησης θα γίνει πολύ πραγματική πολύ σύντομα. Αυτή είναι η ικανότητα που θα έχει τη μεγαλύτερη σημασία, επειδή μεταφέρει την τεχνητή νοημοσύνη πέρα από την στενή εκτέλεση εργασιών και στην πραγματική λειτουργική Influence. Jako συνέπεια, οι άνθρωποι θα επικεντρωθούν περισσότερο στις σχέσεις και τις πτυχές της εμπιστοσύνης της επιχείρησης, μαζί με την πραγματική φυσική φύση της δουλειάς, είτε είναι κατασκευή ή άλλη βιομηχανία που βασίζεται στο πεδίο. Πολλοί άνθρωποι ακόμη μιλάνε για την τεχνητή νοημοσύνη ως ένα στρώμα παραγωγικότητας που κάθεται στο πλάι, αλλά αυτή η άποψη αρχίζει ήδη να feels outdated. Τα συστήματα γίνονται ικανά να αναλάβουν πολύ ευρύτερη ευθύνη. Το μέλλον είναι πολύ ενθουσιώδες, αλλά θα είναι επίσης πολύ πιο διαταρακτικό από ό,τι πολλοί incumbents θέλουν να παραδεχτούν.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Pilot Wave Holdings.