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, με καριέρα που εκτείνεται σε υψηλές θέσεις στο Goldman Sachs (GS ), J.P. Morgan και Cerberus Capital Management, όπου βοήθησε να πυροδοτήσει μεγάλης κλίμακας πρωτοβουλίες επιστήμης των δεδομένων και τεχνητής νοημοσύνης μέσα στις χρηματοοικονομικές ιδρύματα. Με μια τεχνική βάση που έχει τις ρίζες της στην έρευνα νευροεπιστήμης και μηχανικής μάθησης στο Πανεπιστήμιο του Στάνφορντ, ο Afshar έχει χτίσει μια καριέρα στο σημείο τομής των προηγμένων αναλύσεων, ιδιωτικών επενδύσεων και λειτουργικής μετασχηματισμού, με τελικό στόχο την εφαρμογή της τεχνητής νοημοσύνης στην πραγματική επιχειρηματική απόδοση. Στην Pilot Wave, ενώνει την εμπειρία των επενδύσεων, την λειτουργική ηγεσία και τη βαθιά 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 αγοράς και ανάπτυξης που επικεντρώνεται στη μετασχηματίωση μικρών και μεσαίων επιχειρήσεων μέσω της τεχνητής νοημοσύνης και της προηγμένης τεχνολογίας. Η εταιρεία αξιοποιεί ιδιοκτησιακά συστήματα τεχνητής νοημοσύνης για να αναλύσει τις επιχειρηματικές διεργασίες, να ανακαλύψει τις ανεπάρκειες και να οδηγήσει τις βελτιώσεις της απόδοσης σε όλη την εταιρεία. Συνδυάζοντας την πρακτική εμπλοκή με τη σύγχρονη υποδομή δεδομένων, η Pilot Wave στοχεύει να εκσυγχρονίσει τις παραδοσιακές επιχειρήσεις που ιστορικά έλειψαν πρόσβασης σε προηγμένα εργαλεία, τοποθετώντας τες σε μια θέση για μακροπρόθεσμη, ανεξάρτητη ανάπτυξη σε μια οικονομία που γίνεται ολοένα και πιο τεχνολογική.

Έχετε κατέχει πρωτοπόρες θέσεις ηγεσίας στην τεχνητή νοημοσύνη σε εταιρείες όπως η JPMorgan και η Cerberus, και αργότερα ίδρυσε την Pilot Wave Holdings για να φέρει την τεχνητή νοημοσύνη στις παραδοσιακές βιομηχανίες. Ποια είναι η βασική εντύπωση ή η απογοήτευση που σας οδήγησε να μεταβείτε από την κατασκευή της τεχνητής νοημοσύνης μέσα στις μεγάλες εταιρείες στην απόκτηση και τη μετασχηματίωση εταιρειών άμεσα;

Το βασικό ζήτημα ήταν η ανάγκη για ενδυνάμωση για να κινηθούμε με ταχύτητα. Μέσα στις μεγάλες εταιρείες, ακόμη και όταν οι άνθρωποι συμφωνούν στην ευκαιρία, υπάρχουν συνήθως πολλά στρώματα μεταξύ της αναγνώρισης του προβλήματος και της πραγματικής λήψης δράσης. Η τεχνητή νοημοσύνη δεν αποτυγχάνει συνήθως επειδή το τεχνικό έργο είναι αδύνατο, αλλά επειδή 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 επιχειρηματικές διεργασίες 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 που μια επιχείρηση λειτουργεί με ταχύτητα και βούληση, είναι σημαντικό να είστε ο ιδιοκτήτης.

Πολλοί στο κλάδο ακόμη γιορτάζουν επιτυχημένα πιλοτικά προγράμματα, ενώ η πραγματική αξία έρχεται 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 τρίβημα που εμφανίζεται στην παραγωγή. Το βαθύτερο ζήτημα είναι συχνά ένα κενό εστοιχείοάθειας. Οι τεχνολόγοι συχνά δεν αφιερώνουν τον χρόνο, ή να μην 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 ανθρώπινη ροή εργασιών από την αρχή και κατασκευάζουν για τη δυσκολία των πραγματικών επιχειρηματικών διεργασιών αντί να προσπαθούν να την αποφύγουν. Όλοι λένε ότι θέλουν αξία παραγωγής, αλλά πολλές ομάδες εξακολουθούν να βελτιώνουν για το χειροκρότημα του πιλότου.

Η δουλειά σας επικεντρώνεται στην ενσωμάτωση της τεχνητής νοημοσύνης σε τομείς όπως η υποδομή, η βιομηχανία και ο ηλεκτρονικός εμπορισμός. Πώς διαφέρει ο déployment της τεχνητής νοημοσύνης σε αυτά τα περιβάλλοντα από την ανάπτυξη σε ψηφιακά εγγενείς ή λογισμικά πρώτα εταιρείες;

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

Έχετε επιχειρηματολογήσει ότι η υιοθέτηση της τεχνητής νοημοσύνης πρέπει να αρχίζει με τις επιχειρηματικές προτεραιότητες αντί για με τα εργαλεία. Τι σημαίνει αυτό στην πράξη, και πώς πρέπει οι ηγετικές ομάδες να αναθεωρήσουν την προσέγγισή τους στην μετασχηματίωση της τεχνητής νοημοσύνης;

Οι περισσότερες ηγετικές ομάδες αρχίζουν από τον λάθος τόπο. Αρχίζουν με μια συζήτηση “τι μπορεί αυτή η τεχνολογία να κάνει για μας” επειδή ακούγεται ενθουσιώδως και τρέχον, όταν ο σωστός τόπος 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 πολλές εταιρείες εξακολουθούν να κυνηγούν την τεχνολογία πρώτα και να ελπίζουν ότι η επιχειρηματική περίπτωση θα εμφανιστεί κάπως μετά. Είναι ανάποδο και οδηγεί σε πολλή σπατάλη κίνησης. Αν οι ηγετικές ομάδες θέλουν πραγματικά αποτελέσματα, πρέπει να σταματήσουν να αντιμετωπίζουν την στρατηγική της τεχνητής νοημοσύνης σαν μια αγορά.

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

Το πρώτο πράγμα είναι να βρείτε και ανώτερους και κατώτερους χορηγούς. Οι κατώτεροι χορηγοί γνωρίζουν την καθημερινή πραγματικότητα και μπορούν να βεβαιωθούν ότι η βάση του προσωπικού κάνει πραγματικά ό,τι χρειάζεται να γίνει, ενώ οι ανώτεροι χορηγοί βεβαιώνουν ότι η πολιτική ελαχιστοποιείται και η προσπάθεια δεν θα πνιγεί σιωπηλά. Πολλές εταιρείες βασίζονται πολύ στην ανώτερη υποστήριξη και μετά αναρωτιούνται γιατί τίποτα δεν αλλάζει στην πράξη. Η αλήθεια είναι ότι η υιοθέτηση της τεχνητής νοημοσύνης συνήθως αποτυγχάνει είτε επειδή η οργάνωση αντιστέκεται σε αυτό στο επίπεδο του εδάφους είτε επειδή η ηγεσία αφήνει την παρέμβαση να συσσωρευτεί γύρω από αυτό. Χρειάζεστε και τους δύο τύπους υποστήριξης από νωρίς. Αλλιώς, η πρωτοβουλία γίνεται ένα ακόμη 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 κίνδυνοι εμφανίζονται για τις εταιρείες που δεν ελέγχουν τα δικά τους δεδομένα και τη στοίβα της τεχνητής νοημοσύνης;

Θα επιχειρηματολογήσω ότι οι εταιρείες πάντα χρειάζονται θεμελιώδες έλεγχο. Αυτό απαιτεί να ενεργοποιήσετε 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 φράγμες γύρω του, τότε παίρνετε ρίσκα που δεν κατανοείτε. Αυτό δεν σημαίνει ότι δεν πρέπει να αναθέσετε καθήκοντα, επειδή η αναθέτηση θα συνεχίσει να γίνεται σε κλίμακα, αλλά η αναθέτηση χωρίς μέτρηση δεν είναι μια εκτελέσιμη στρατηγική. Πολλοί στο αγορά γίνονται σαγηνευμένοι από την αφαίρεση επειδή κάνει τα πράγματα να φαίνονται πιο εύκολα και γρήγορα, αλλά αυτή η ευκολία μπορεί να κρύψει πραγματική συστημική ευθραυστότητα. Αν η σωστή ενεργοποίηση, μέτρηση και φράγματα είναι στη θέση τους, το πιθανό συστημικό ρίσκο μπορεί να ελαχιστοποιηθεί. Αν δεν είναι, κτίζετε εξάρτηση πριν από το να έχετε κερδίσει εμπιστοσύνη.

Υπάρχει μια αυξανόμενη διαφορά μεταξύ του πώς η τεχνητή νοημοσύνη διαφημίζεται 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 αξιώματα;

Ζητήστε πάντα τη μέτρηση της πραγματικής 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 πειθαρχία γίνεται πολύ εύκολο να συγχέετε την ενθουσιασμό με τα αποτελέσματα. Κάθε προσπάθεια πρέπει να κρατηθεί σε μια απόδοση επενδύσεων και να παρακολουθείται. 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 να πουλούν θέατρο. Η βιομηχανία έχει γίνει πολύ άνετη με την ανταμοιβή των γυαλιστερών demo και των αόριστων αξιώματος. Χωρίς τη σκληρή μέτρηση της αξίας, υπάρχει πραγματικό ρίσκο να ρίψετε χρόνο και χρήμα.

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

Η τεχνητή νοημοσύνη θα αναλάβει υψηλότερα και υψηλότερα καθήκοντα. Στην Pilot Wave, ήδη αναπτύσσουμε 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 εκείνη την περιοχή όπου πολλές τεχνητές νοημοσύνες ακόμη σήμερα. Αυτή η αλλαγή αλλάζει τον ρόλο των ομάδων της τεχνητής νοημοσύνης με σοβαρό τρόπο, επειδή η δουλειά γίνεται λιγότερο για μεμονωμένα καθήκοντα και περισσότερο για το πώς τα συστήματα συλλογίζουν πάνω σε πραγματικά επιχειρηματικά στόχους. Πολλές ομάδες σκέφτονται ακόμη πολύ στενά για την αυτοματοποίηση και υποτιμούν πόσο γρήγορα κινείται η τεχνολογία στην κορυφή. Το κέντρο βαρύτητας θα μεταφερθεί από την εκτέλεση της εργασίας προς την επιχειρηματική ανάθεση. 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 επικεντρώνονται πολύ στην εύγλωττη οθόνη, τα buzzwords και τα πράγματα που είναι εύκολα να παρουσιαστούν εσωτερικά αλλά δύσκολα να συνδεθούν με πραγματική αξία. Οι εταιρείες ξοδεύουν πολύ χρόνο για να κάνουν τη δουλειά να φαίνεται σοφιστική αντί να την κάνουν χρήσιμη. Το μοτίβο αποτυχίας δεν είναι συνήθως μυστήριο, 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. Η πειθαρχία της δημιουργίας αξίας σε κάθε στάδιο του δρόμου είναι κρίσιμη. Αλλιώς, η επιχειρηματική τεχνητή νοημοσύνη γίνεται μια πολύ ακριβή διαφημιστική άσκηση.

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

Η ικανότητα να δώσετε πολύ υψηλού επιπέδου στόχους σε ένα σύστημα της τεχνητής νοημοσύνης και να αναθέσετε σημαντικά μέρη της επιχείρησης θα γίνει πολύ πραγματική πολύ σύντομα. Αυτή είναι η ικανότητα που θα μετρήσει περισσότερο, επειδή μεταφέρει την τεχνητή νοημοσύνη πέρα από την εκτέλεση μεμονωμένων καθηκόντων και σε πραγματική επιχειρηματική απόδοση. Ως αποτέλεσμα, οι άνθρωποι θα εστιάσουν περισσότερο στις σχέσεις και στα στοιχεία εμπιστοσύνης της επιχείρησης, μαζί με την πραγματική φυσική φύση της εργασίας, είτε είναι κατασκευή ή άλλη βιομηχανία. Πολλοί άνθρωποι ακόμη μιλούν για την τεχνητή νοημοσύνη ως ένα στρώμα παραγωγικότητας που κάθεται στην πλευρά, αλλά αυτή η άποψη έχει ήδη αρχίσει να φαίνεται ξεπερασμένη. Τα συστήματα γίνονται ικανά να αναλάβουν 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 επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν Pilot Wave Holdings.