Aron England, Chief Product & Technology Officer at Accruent – Interview Series

Aron England, Chief Product and Technology Officer at Accruent, είναι ένας έμπειρος ηγέτης τεχνολογίας και προϊόντος, γνωστός για την κατασκευή και την κλιμάκωση των全球 ομάδων που παρέχουν λύσεις SaaS και agent από την πρώιμη έρευνα έως τα προϊόντα που αντιμετωπίζουν τους πελάτες με υψηλή ανάπτυξη. Συνδυάζει βαθιά εξειδίκευση σε καταναλωτικές αγορές, B2B SaaS, e-commerce και εμπορική τεχνολογία με ισχυρή ηγεσία ανθρώπων, ζευγνώντας την καινοτομία με μια οξεία κατανόηση των προβλημάτων των πελατών για να οδηγήσει μια ανθεκτική σχέση προϊόντος-αγοράς και μετρήσιμα επιχειρηματικά αποτελέσματα, συμπεριλαμβανομένης της ανάπτυξης μέσω αγορών και στρατηγικής με δραστηριότητες IP.

Accruent παρέχει λογισμικό που βοηθά τις οργανώσεις να εκτελέσουν την φυσική πλευρά της επιχείρησής τους με μεγαλύτερη αποτελεσματικότητα, συνδυάζοντας εργαλεία για εγκαταστάσεις, περιουσιακά στοιχεία, χώρο και λειτουργίες εργασίας σε ένα συνδεδεμένο σύστημα. Η πλατφόρμα του σχεδιάστηκε για να μειώσει την κατακερματισμός, να βελτιώσει την ορατότητα και τη λήψη αποφάσεων και να βοηθήσει τις ομάδες να σχεδιάσουν, να διατηρήσουν και να βελτιώσουν τα κτήρια και τον εξοπλισμό σε eine ευρεία γκάμα βιομηχανιών.

Έχετε κατασκευάσει και ηγηθεί υψηλής απόδοσης ομάδων για περισσότερα από 25 χρόνια. Μαζί με startups, μεγάλες επιχειρήσεις και τώρα Accruent, ποια κρίσιμη εμπειρία διαμόρφωσε τον τρόπο σκέψης σας για την κατασκευή αξιόπιστων τεχνολογιών σε κλίμακα;

Από το να περνάτε χρόνο σε εταιρείες Fortune 50 και να εργάζεστε στην ηγεσία της τεχνολογίας σε startups, μεσαίες και μεγαλύτερες δημόσιες και ιδιωτικές εταιρείες, έχω κερδίσει eine ευρεία γκάμα εμπειριών όταν πρόκειται για την προώθηση της ψηφιακής μεταμόρφωσης σε διαφορετικές βιομηχανίες. Το πιο αξιοσημείωτο, ήμουν ο εννιάτος εργαζόμενος στη DocuSign και στοχεύαμε σε μια αγορά που χρειαζόταν μια αληθινή αλλαγή. Η οδηγία της αναλογικής βιομηχανίας συμβάσεων μέσω μιας ολικής ψηφιακής μεταμόρφωσης, όχι μόνο απαιτούσε την κατασκευή εμπιστοσύνης στην αγορά, αλλά και νομοθεσία για να κάνει την αλλαγή ασφαλή. Υπάρχουν πολλά μαθήματα σχετικά με τον χρόνο μου εκεί που μπορούν να εφαρμοστούν στην τρέχουσα αγορά για LLMs και εργαλεία AI.

Σε υψηλό επίπεδο, το πρότυπο σε όλη την εμπειρία μου έχει παραμείνει συνεπές: αξιόπιστες συστήματα δεν προκύπτουν τυχαία. Προέρχονται από προμελετημένη αρχιτεκτονική, συνεχή δεδομένα, διαφάνεια και μια βαθιά κατανόηση του τρόπου με τον οποίο οι πραγματικοί άνθρωποι χρησιμοποιούν την τεχνολογία.

Έχετε προειδοποιήσει ότι μέχρι το 2026 οι τεχνικοί δεν θα αποδεχτούν πλέον συστήματα AI που απλώς λένε “εμπιστευτείτε με”. Από την οπτική σας στο Accruent, τι οδηγεί αυτή την αλλαγή στις προσδοκίες μεταξύ των τεχνικών και των επαγγελματιών υπηρεσιών;

Σε περιβάλλοντα όπου οι διευθυντές εγκαταστάσεων και οι τεχνικοί χρησιμοποιούν AI για να διαγνώσουν αποτυχίες εξοπλισμού και να οδηγήσουν σύνθετες επισκευές, ένα λάθος από μια ψευδή ή ανακριβή σύσταση μπορεί να προκαλέσει σημαντικά επιχειρηματικά και ασφαλειακά рисks.

Συχνά, τα LLMs δημιουργούν αναμεμειγμένες απαντήσεις από πολλές σελίδες, χωρίς να αναφέρουν πίσω στην υποκείμενη απόδειξη. Ως αποτέλεσμα, αν ένας τεχνικός ακολουθήσει ένα βήμα που δημιουργήθηκε από το AI που δεν υπήρχε ποτέ直接 στην εγχειρίδιο του OEM, μια οργάνωση μπορεί να αντιμετωπίσει σημαντική πίεση συμμόρφωσης, поскольку δεν θα έχουν μια αμυντική αλυσίδα απόδειξης για ελέγχους ή αναθεωρήσεις ασφαλείας. Όσο το AI γίνεται τραπέζι και πιο “αόρατο” στο λογισμικό, η σημασία της αναλυσιμότητας θα αυξηθεί.

Οι ψευδαισθήσεις του AI μπορούν να είναι περισσότερο από ένα ελάττωμα στις ρυθμιζόμενες βιομηχανίες — μπορούν να δημιουργήσουν πραγματικά рисks ασφαλείας, συμμόρφωσης και λειτουργικών. Ποια σενάρια ψευδαισθήσεων σας ανησυχούν περισσότερο όταν πρόκειται για συντήρηση, διαχείριση εγκαταστάσεων ή λειτουργίες περιουσιακών στοιχείων;

Στη βιομηχανία, αν μια πρόταση που δημιουργήθηκε από το AI λέει σε einen εργάτη να κάνει λάθος ενέργεια σε κρίσιμο εξοπλισμό, μπορεί να οδηγήσει σε μη προγραμματισμένες διακοπές, σπατάλη υλικών, ελαττωματικά τελικά προϊόντα ή ζημιές σε μηχανήματα. Αυτά μπορούν να είναι λάθη εκατομμυρίων δολαρίων, καθώς οι γραμμές παραγωγής παραμένουν ακίνητες ή ακόμη και ζημιά στην εταιρική εικόνα, αν αργότερα οδηγήσει σε ανακλησεις.

Αυτές οι ψευδαισθήσεις από εργαλεία AI είναι επίσης ιδιαίτερα επιζήμιες για βιομηχανίες όπως η υγεία, όπου οι ευθύνες και οι ζωές των ασθενών είναι σε κίνδυνο όταν υπάρχει μια μηχανική αποτυχία που δεν επιδιορθώθηκε εγκαίρως. Όταν αντιμετωπίζετε βιομηχανίες που αλληλεπιδρούν με τον πραγματικό κόσμο, η διόρθωση λάθων δεν είναι τόσο απλή όσο το να πατάτε διαγραφή και να ξεκινάτε ξανά.

Έχετε τονίσει ότι κάθε έξοδος AI πρέπει να指 back στις αρχικές πηγές — εγχειρίδια, πίνακες δεδομένων, διαγράμματα, ιστορικά αρχεία. Πώς σχεδιάζει το Accruent συστήματα που διασφαλίζουν την αναλυσιμότητα και εξαλείφουν τις “μαύρες κουκκίδες” απαντήσεις;

Βεβαιωνόμαστε ότι οι συστάσεις AI μπορούν να αναχθούν πίσω σε σημαντικά σημεία εξόδου στο υλικό τους, όπως η συγκεκριμένη σελίδα του εγχειριδίου, το διάγραμμα, ο πίνακας δεδομένων ή η καταχώρηση του ιστορικού που ενημέρωσε την πρόταση. Για παράδειγμα, αν οι συστάσεις AI λένε σε einen διευθυντή εγκαταστάσεων στη υγεία πώς να υπηρετήσει έναν συμπιεστή, πρέπει να能够 να ανατρέξουν πίσω στη συγκεκριμένη παράγραφο που υποστηρίζει αυτό το βήμα σε ένα κλικ, για να διασφαλίσουν την ακρίβεια. Για να κλείσετε το αυξανόμενο χάσμα εμπιστοσύνης στη σημερινή επιχειρηματική AI, είναι σημαντικό ότι αυτά τα συστήματα είναι επίσης能够 να αποκαλύψουν ποια σημεία ή σελίδες αξιολογήθηκαν πραγματικά, ώστε οι χρήστες να γνωρίζουν αν το AI αναθεώρησε όλα τα σχετικά έγγραφα ή μόνο ένα υποσύνολο.

Πολλές επιχειρηματικές εργαλεία AI προτεραιοποιούν την ταχύτητα, αλλά οι ρυθμιζόμενες περιβάλλοντες απαιτούν ιχνηλάτηση, ακρίβεια εγγράφων και έγκυρη λογική. Πώς ισορροπείτε την καινοτομία με την ανάγκη για διαφάνεια και συμμόρφωση;

Η ενσωμάτωση του AI στα υπάρχοντα ροές εργασίας είναι το κλειδί. Αυτό απλοποιεί τη διαδικασία της στρώσης εγκρίσεων, εγγράφων, ρουτινών συντήρησης και ελέγχων συμμόρφωσης για να αυξήσει τις γνωστές πρακτικές, αντί να εφαρμόζεται ένα νέο απομονωμένο εργαλείο. Αυτό σημαίνει την αποφυγή μιας πλήρης ανακαίνισης των λειτουργιών και την άδεια στους υπαλλήλους να συνεχίσουν να εργάζονται με τον τρόπο που έχουν, αλλά με χειροκίνητες, χρονοβόρες διαδικασίες που γίνονται αυτόματα.

Οι τεχνικοί στο πεδίο βασίζονται σε ακριβείς οδηγίες. Πώς προσεγγίζει το Accruent την πρόκληση της εναπόθεσης εξόδων AI σε αυθεντικές πηγές υλικού για να μειώσει τον κίνδυνο και να βελτιώσει την εμπιστοσύνη του τεχνικού;

Η προσέγγισή μας ξεκινά με την κατανάλωση και οργάνωση εγχειριδίων, διαγραμμάτων, σχεδίων, μισθώσεων και ιστορικών εντολών εργασίας για να διασφαλίσουμε ότι το AI παρέχει απαντήσεις από το συγκεκριμένο περιεχόμενο μιας εταιρείας, όχι γενικά δεδομένα εκπαίδευσης. Όταν παράγουμε διαδικασίες, συστάσεις ή λίστες ελέγχου, τα συστήματά μας σχεδιάζονται ώστε κάθε βήμα να είναι αναλυτικό πίσω στη αρχική τεκμηρίωση.

Χωρίς αυτή τη δυνατότητα, οι τεχνικοί που είναι ήδη πιεσμένοι για πόρους θα πρέπει να περάσουν ακόμη περισσότερο χρόνο ψάχνοντας χειροκίνητα στα έγγραφα για να επιβεβαιώσουν την ακρίβεια, καθυστερώντας ακόμη περισσότερο τις διαδικασίες και τις εντολές εργασίας.

Η παράδοση διαφανών, ελέγχου AI απαιτεί μεγάλες ποσότητες δομημένων δεδομένων. Ποια δεδομένα προκλήσεις — από μη δομημένα έγγραφα κληρονομιάς σε ασυνεπείς ιστορίες περιουσιακών στοιχείων — πρέπει να επιλυθούν για να κάνουν αυτή την όραση πραγματική;

Η παράδοση ελέγχου AI ξεκινά με αξιόπιστη και καλά οργανωμένα δεδομένα. Ωστόσο, το μεγαλύτερο μέρος του κατασκευασμένου περιβάλλοντος vẫn ζει σε αναλογικές διαδικασίες, με χειροκίνητες εισαγωγές δεδομένων, σκαναρισμένα PDF και απομονωμένα φύλλα εργασίας. Όταν υπάρχουν κενά στα δεδομένα και ιστορίες περιουσιακών στοιχείων που είναι απλήρωτες ή ασυνεπείς, οι κίνδυνοι ψευδαισθήσεων AI αυξάνονται. Για να κάνουν τις εξόδους AI αξιόπιστες σε ρυθμιζόμενες περιβάλλοντες, οι εταιρείες πρέπει πρώτα να λύσουν τα εμπόδια δεδομένων κληρονομιάς, από μη δομημένες μορφές σε ασυνεπείς ιστορίες, σε έλλειψη διακυβέρνησης, μεταφέροντας σε δομημένα, έλεγχα δεδομένα και κεντρικά συστήματα εγγράφων και δεδομένων περιουσιακών στοιχείων.

Το σύστημά μας EDMS (Engineering Document Management System) μπορεί να το κάνει αυτό για πολλές βιομηχανίες, συμπεριλαμβανομένων ορυχείων, δημοσίων υπηρεσιών, κατασκευής και πολλών άλλων. Αυτές οι βιομηχανίες συχνά βασίζονται σε φυσικά μηχανικά σχέδια και τεκμηρίωση, τα οποία μπορούν να δημιουργήσουν νυχτερίδες ελέγχου εκδόσεων. Χρησιμοποιώντας τη λύση EDMS μας για να ψηφιοποιήσουμε αυτά τα έγγραφα είναι το πρώτο βήμα. Από εκεί, το λογισμικό βοηθά στη διαχείριση ελέγχου εκδόσεων, διακυβέρνησης ροής εργασίας και ιχνηλατών για να διασφαλίσουμε ότι οι ασυνεπείς απομακρύνθηκαν.

Όσο το AI γίνεται ενσωματωμένο στη συντήρηση, τις εγκαταστάσεις και τη διαχείριση του κύκλου ζωής περιουσιακών στοιχείων, πού βλέπετε τις μεγαλύτερες ευκαιρίες να βελτιώσετε την παραγωγικότητα χωρίς να επηρεάσετε την ασφάλεια ή τις ρυθμιστικές απαιτήσεις;

Μια από τις μεγαλύτερες ευκαιρίες είναι η αυτοματοποίηση των руτινών, μη προστιθέμενων εργασιών για τους υπαλλήλους, όπως η χειροκίνητη εισαγωγή δεδομένων και η προγραμματισμός εντολών εργασίας για τεχνικούς. Από την εξωτερική οπτική φαίνεται σαν μια σχετικά εύκολη, αλλά χρονοβόρα εργασία. Ωστόσο, το AI μπορεί να προσεγγίσει την εργασία με più στρατηγική.

Πρώτον, αν ο εξοπλισμός υπό συζήτηση παρακολουθείται με αισθητήρες, μια εντολή εργασίας μπορεί να ενεργοποιηθεί με βάση την ανίχνευση ανωμαλιών, πριν από οποιαδήποτε πραγματική αποτυχία. Δεύτερον, το AI μπορεί να βοηθήσει στην αυτόματη προτεραιότητα εντολών εργασίας με βάση την επείγουσα και να προγραμματίζει επισκευές σε ώρες που προκαλούν την ελάχιστη διαταραχή για μια επιχείρηση — μπορεί επίσης να ζυγίζει πολλαπλά同时 προβλήματα, κόστη, ασφάλεια και έσοδα για το καλύτερο δυνατό μονοπάτι προς τα εμπρός.

Το AI έχει το δυναμικό να μην “βοηθήσει” απλώς τις ομάδες συντήρησης και εγκαταστάσεων — θα ενεργεί όλο και περισσότερο ως ψηφιακός χειριστής.

Η εμπιστοσύνη γίνεται το νέο τραπέζι για την επιχειρηματική AI. Τι πιστεύετε ότι οι προμηθευτές θα πρέπει να κάνουν διαφορετικά τα επόμενα δύο χρόνια για να κερδίσουν — και να διατηρήσουν — αυτή την εμπιστοσύνη;

Οι προμηθευτές πρέπει να σταματήσουν να υποθέτουν ότι οι πελάτες θα “εμπιστευτούν το μοντέλο” όταν πρόκειται για επιχειρηματική AI. Οι συστάσεις από το AI πρέπει να δείχνουν απόδειξη του πώς δημιουργήθηκαν. Ένας τρόπος για να αντιμετωπιστούν αυτά είναι με τη μορφή αναφορών και σαφών περιγραφών του τι έγγραφα το AI έδειξε και δεν έδειξε. Για παράδειγμα, αν ένας υπάλληλος ζητήσει από το AI να αναλύσει 1.000 μισθώσεις, πρέπει να γνωρίζουν ρητά αν το AI αξιολόγησε όλες τις 1.000 ή μόνο 700, και γιατί ή γιατί όχι.

Ως μέρος αυτού, ο κορυφαίος παράγοντας που οι προμηθευτές πρέπει να προτεραιοποιήσουν είναι η διαφάνεια στη χρήση δεδομένων. Αυτό περιλαμβάνει σαφήνεια στο ποιος βλέπει τα δεδομένα, πώς χρησιμοποιούνται (συμπεριλαμβανομένων των επιπτώσεων εκπαίδευσης), και πώς απομονώνονται ή απομονώνονται από τα περιβάλλοντα άλλων πελατών.

Τα επόμενα δύο χρόνια, η κέρδη της εμπιστοσύνης θα είναι परमούτ, και οι προμηθευτές μπορούν να κερδίσουν το πάνω χέρι με το να είναι ρητοί για τις περιορισμοί των εργαλείων AI, διατηρώντας τους ανθρώπους στη βρόχη για υψηλού κινδύνου αποφάσεων, και ξεκινώντας με στενές, καλά ορισμένες περιπτώσεις χρήσης που παρέχουν ουσιαστική αξία χωρίς να τοποθετήσουν τους πελάτες σε μια “μαύρη κουκκίδα” κατάσταση.

Προβλέποντας, πώς βλέπετε το AI να εξελίσσεται μέσα στις κρίσιμες λειτουργίες, και ποιο ρόλο περιμένετε το Accruent να παίξει στη θέσπιση βιομηχανικών προτύπων για αξιόπιστη, διαφανή AI;

Το AI στις κρίσιμες λειτουργίες εξελίσσεται γρήγορα από απομονωμένες αυτοματοποιήσεις σε ευφυείς, πολλαπλούς एजέντες που μπορούν να συντονίσουν και να βελτιώσουν ολόκληρες ροές εργασίας. Αντί να βοηθούν απλώς τους χρήστες, το AI θα παρέχει αυτόνομη υποστήριξη αποφάσεων, θα παρακολουθεί συνεχώς τις λειτουργικές συνθήκες, θα προβλέπει κινδύνους και θα συνιστά ενέργειες με πλήρη διαφάνεια και αναλυσιμότητα. Όσο το AI μαθαίνει να συνδυάζει μη δομημένα έγγραφα, δομημένα λειτουργικά δεδομένα και πραγματικά σήματα, θα ενσωματωθεί直接 στις καθημερινές διαδικασίες, οδηγώντας σε ταχύτερα, ασφαλέστερα και πιο αξιόπιστα αποτελέσματα.

Με τον καιρό, αυτό θα επιτρέψει μια μετατόπιση προς αυτόνομες λειτουργίες, όπου τα συστήματα μπορούν να αυτο-βελτιώνονται και να αυτο-διορθώνονται, ενώ οι άνθρωποι θα εστιάζουν στην εποπτεία και τη στρατηγική λήψη αποφάσεων. Ως ηγέτης της αγοράς, το Accruent θα βοηθήσει στη θέσπιση βιομηχανικών προτύπων για αξιόπιστη και διαφανή AI, ενσωματώνοντας την ελέγχου, την εξήγηση και τη ισχυρή διακυβέρνηση στην πλατφόρμα του και συνεργαζόμενο με πελάτες, συνεργάτες και ρυθμιστικά όργανα για να ορίσουν τις καλύτερες πρακτικές για ασφαλή ανάπτυξη σε κρίσιμες περιβάλλοντες.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Accruent.