Adam Field, Director de Inteligencia Artificial en Tungsten Automation – Serie de Entrevistas

Adam Field, Director de Inteligencia Artificial en Tungsten Automation, es un líder de tecnología empresarial con experiencia profunda en inteligencia artificial, automatización inteligente y estrategia de producto. En su actual cargo, lidera los esfuerzos globales de transformación de inteligencia artificial de la empresa, supervisando la integración de la inteligencia artificial en todo el portafolio de productos de Tungsten, guiando el Laboratorio de Inteligencia Artificial de Tungsten y estableciendo marcos de gobernanza para la adopción responsable de la inteligencia artificial. Antes de convertirse en Director de Inteligencia Artificial, se desempeñó como Director de Producto, gestionando un portafolio que generaba más de 550 millones de dólares en ingresos anuales. Antes de unirse a Tungsten, Field pasó casi 17 años en Pegasystems, donde lideró iniciativas de innovación y experiencia del cliente, ayudó a dar forma a la estrategia de tecnología emergente y se convirtió en conocido por entregar grandes presentaciones de productos y programas de innovación empresarial. Al comienzo de su carrera, ocupó puestos de tecnología y consultoría en Staples, Publicis Sapient y Fidelity Investments.

Tungsten Automation, anteriormente conocida como Kofax, es una empresa de software empresarial centrada en la automatización de flujos de trabajo impulsada por inteligencia artificial, procesamiento de documentos inteligentes, automatización de procesos robóticos (RPA) y orquestación de procesos empresariales. La empresa proporciona herramientas de automatización utilizadas por organizaciones de diversas industrias, como finanzas, atención médica, seguros y gobierno, para racionalizar operaciones intensivas en documentos y mejorar la eficiencia. Su plataforma combina tecnologías de inteligencia artificial, automatización de código bajo y documentación para ayudar a las empresas a automatizar tareas repetitivas, extraer información de datos no estructurados y modernizar flujos de trabajo empresariales a gran escala.

Pasaste años liderando la estrategia de producto y la innovación, incluyendo la creación de laboratorios de innovación y la ampliación de un portafolio de productos de más de 500 millones de dólares, antes de asumir el cargo de Director de Inteligencia Artificial en Tungsten Automation. ¿Qué te convenció de que ahora era el momento de cambiar completamente a un liderazgo en inteligencia artificial, y cómo influyó tu experiencia anterior en esa decisión?

He pasado una gran parte de mi carrera centrada en convertir nuevas tecnologías en algo que realmente funcione a gran escala en entornos empresariales. En los últimos años, se ha vuelto claro que la inteligencia artificial no es solo otra capacidad para integrar en los productos. Está cambiando la forma en que se construye el software y se toman decisiones en toda la empresa, eclipsando y perturbando todo lo que vino antes. Este cambio de experimentación a expectativas reales de resultados, junto con el hecho cada vez más innegable de que la inteligencia artificial está aquí para quedarse, hizo que fuera el momento adecuado para asumir completamente un cargo de liderazgo en inteligencia artificial.

También se hizo obvio que la inteligencia artificial no resultó ser el remedio que muchos la promocionaron. El éxito de la inteligencia artificial requiere personas que combinen experiencia técnica y conocimientos de la industria. Tungsten quiere ayudar a las empresas a hacer que la inteligencia artificial funcione de la manera correcta y experimentar resultados reales, por lo que Tungsten creó la Oficina de Inteligencia Artificial y mi cargo dentro de ella.

Tungsten ha evolucionado desde la captura de documentos y OCR hasta una plataforma de automatización inteligente completa que impulsa flujos de trabajo críticos para miles de organizaciones. ¿Cómo ves que ese legado influya en tu enfoque de la inteligencia artificial agente hoy en día?

La historia de Tungsten está profundamente ligada a la forma en que operan las empresas. Hemos pasado décadas trabajando con documentos y flujos de trabajo que se encuentran en el centro de procesos empresariales críticos. Eso significa que entendemos cómo complejos y a menudo no estructurados pueden ser esa información.

Esta base es muy relevante para la inteligencia artificial agente. Estos sistemas necesitan operar en entornos reales, no solo interpretar información en aislamiento. Nuestro trasfondo en inteligencia documental nos permite centrarnos en el contexto y asegurarnos de que la inteligencia artificial actúe de manera consistente con la forma en que opera la empresa. Se trata de construir sistemas que puedan ser confiables en producción, no solo explorados en teoría.

Es por eso que esta última evolución de la inteligencia artificial es tan emocionante. Lleva el Procesamiento de Documentos Inteligentes a lugares a los que nunca podríamos haber llegado antes, resolviendo problemas que eran demasiado costosos o imposibles de abordar en el pasado.

Has enfatizado la importancia de integrar la inteligencia artificial en todo el portafolio de productos en lugar de tratarla como una característica independiente. ¿Qué significa realmente la transformación “nativa en inteligencia artificial” en una plataforma de software establecida y grande?

Se hizo claro desde el principio que las características y los productos impulsados por la inteligencia artificial generativa y agente pronto se convertirían en algo común, lo que significa que los clientes no siempre estaban dispuestos a pagar extra por ellos. También nos dimos cuenta de que estas tecnologías nos permitían modernizar lo que Tungsten había estado haciendo durante años: ayudar a las empresas a dar sentido a sus datos de documentos.

No cambiamos nuestra promesa de marca. No creamos productos ni características independientes. Reestructuramos la forma en que se utiliza el producto, y cuando se establece esa base, la inteligencia artificial puede operar de manera natural dentro del producto en lugar de separada de él. Y los casos de uso que nuestros clientes comenzaron a abordar se movieron de documentos estructurados a fuentes de información no estructuradas. Y, redefinimos qué es un “documento” en el camino. Ya no es solo una imagen de papel o un archivo digital. Los datos no estructurados viven en cosas como notas de ajustadores de reclamos, transcripciones de llamadas de centros de contacto, publicaciones en redes sociales, artículos de la web y mucho más.

Este enfoque permite a nuestros clientes ampliar la base y los modelos con sus propios datos, que es el verdadero diferenciador.

Como el primer Director de Inteligencia Artificial de la empresa, ¿cómo equilibras la velocidad de innovación con la necesidad de gobernanza, seguridad y despliegue responsable de la inteligencia artificial a gran escala?

Siempre hay un impulso para moverse rápidamente con la inteligencia artificial, pero en entornos empresariales, la confianza es tan importante como la velocidad. La gobernanza y la seguridad no pueden tratarse como un pensamiento posterior. Deben estar integradas en el sistema desde el principio.

La forma en que lo hacemos es estableciendo expectativas desde el principio, educando a los usuarios finales. Por ejemplo, la mitad de mi cargo se centra en la estrategia de inteligencia artificial interna, el evangelismo y la gobernanza. Reunimos un consejo asesor interfuncional muy temprano. Fomentamos el intercambio, la experimentación y la comunicación. Hubo momentos en que la tecnología estaba lista para implementarse en todos los empleados conectados a varios sistemas internos. Los prototipos eran poderosos y entusiasmaron a todos, pero les informamos a nuestro equipo asesor cuando nos encontramos con posibles obstáculos de seguridad o regulatorios. Aprecian la información y a menudo participan en la solución.

Creo que también es importante no dejar que la perfección se interponga en el camino del progreso. Establecimos la expectativa con nuestro personal de que deben esperar cambios, y muchos de ellos. Deben esperar que lancemos herramientas y características a medida que estén listas, obtengamos retroalimentación, cambiemos de curso si es necesario y luego lancemos más.

La inteligencia artificial agente está convirtiéndose rápidamente en un enfoque importante en toda la industria. En tu opinión, ¿qué separa a los sistemas de inteligencia artificial agente de empresa de verdad de las implementaciones experimentales u overhyped?

La diferencia clave es cómo funcionan los sistemas en condiciones reales. Muchos enfoques experimentales funcionan bien en entornos controlados, pero luchan cuando se enfrentan a datos desordenados o flujos de trabajo complejos. Los sistemas de empresa necesitan manejar esa variabilidad y seguir entregando resultados consistentes.

La mayoría de los sistemas construidos en los últimos 30 años se crearon para la interacción humana o a través de acceso API muy controlado. La integración de sistemas debe replantearse en la era de la inteligencia artificial agente. Todo, desde cómo manejar excepciones, errores y auditorías, es diferente cuando los agentes interactúan en lugar de un humano a través de una interfaz de usuario tradicional.

Otro factor importante es la rendición de cuentas. Las organizaciones necesitan entender cómo se toman las decisiones y deben poder confiar en los resultados. Ese nivel de transparencia es lo que permite a los sistemas de inteligencia artificial agente moverse de demostraciones interesantes a un uso operativo real.

Estás liderando el Laboratorio de Inteligencia Artificial de Tungsten como un centro de investigación y innovación aplicada. ¿Cómo te aseguras de que el trabajo experimental de inteligencia artificial se traduzca en resultados comerciales medibles para los clientes?

En realidad, adopté un enfoque algo opuesto con el Laboratorio de Inteligencia Artificial de Tungsten. Les dije al equipo desde el principio que estaba bien experimentar, aprender y probar nuevos enfoques, incluso si los resultados nunca se incorporaran a nuestros productos. A menudo es mejor aprender qué no hacer. Creo que esto les ha dado la libertad de pensar libremente y experimentar nuevas formas de hacer las cosas.

Como ejemplo, aunque no puedo revelar la característica exacta, una de nuestras actuales carreras de investigación implica un enfoque completamente nuevo para un componente de producto existente. Los investigadores encontraron nuevos métodos para resolver un problema, lo que llevó a un momento de “iluminación” en el que podríamos ofrecer una solución de complemento completamente nueva a nuestros clientes. Si solo hubiéramos investigado cómo implementar lo que ya estaba en la hoja de ruta, nunca habríamos llegado aquí.

Esto dicho, no es un libre albedrío. Somos cuidadosos con dónde gastamos tiempo y cuánto de él gastamos en cada proyecto de investigación.

Muchas organizaciones todavía luchan por moverse desde pilotos de inteligencia artificial hasta la producción. ¿Cuáles son las barreras más grandes que estás viendo, y cómo pueden superarlas las empresas?

Una de las barreras más grandes es los datos oscuros. La mayoría de las organizaciones tienen acceso a enormes volúmenes de información, pero una gran parte de ella vive en documentos, correos electrónicos, PDF y otros formatos no estructurados que son difíciles para los sistemas de inteligencia artificial interpretar. Eso significa que incluso los modelos bien diseñados a menudo trabajan con una visión incompleta e inconsistente de la empresa, lo que conduce a salidas poco fiables y proyectos estancados.

Para superar eso, las empresas necesitan centrarse en convertir los datos oscuros en algo utilizable. Eso implica no solo extraer información, sino crear estructura, contexto y gobernanza alrededor de ella para que los sistemas de inteligencia artificial puedan actuar sobre ella con confianza. Una vez que se establece esa base, la inteligencia artificial se vuelve mucho más confiable y fácil de escalar desde entornos de prueba aislados a entornos de producción reales.

Tungsten trabaja en industrias intensivas en documentos y flujos de trabajo. ¿Cómo está cambiando la inteligencia artificial la forma en que las empresas piensan sobre los datos no estructurados y la toma de decisiones?

La inteligencia artificial está cambiando la forma en que las organizaciones piensan sobre el valor de la información que ya poseen. Durante años, grandes cantidades de conocimiento empresarial se sentaron dentro de documentos, correos electrónicos, PDF y otros contenidos no estructurados que eran difíciles de acceder o operacionalizar. Ahora, las organizaciones se dan cuenta de que estos datos contienen el contexto y la lógica empresarial que los sistemas de inteligencia artificial necesitan para producir resultados confiables. Los modelos en sí son genéricos; la información propia de las organizaciones combinada con estos modelos es el diferenciador.

Al mismo tiempo, hay una creciente conciencia sobre la soberanía de los datos, la gobernanza y hacia dónde fluye la información empresarial. Muchas empresas están compitiendo por incorporar más datos externos o experimentar con un amplio acceso a modelos, cuando en realidad ya están sentadas sobre enormes cantidades de inteligencia no estructurada dentro de su propia organización. El enfoque está comenzando a cambiar hacia la activación de esos datos no estructurados internos de manera segura y gobernada para que la inteligencia artificial pueda apoyar mejores decisiones sin crear riesgos innecesarios.

Has construido Consejos Asesores de Clientes y has trabajado en estrecha colaboración con clientes empresariales a lo largo de tu carrera. ¿Qué tan importante es la retroalimentación de los clientes en la configuración de la estrategia de inteligencia artificial, especialmente cuando la tecnología está evolucionando tan rápidamente?

La retroalimentación de los clientes es un regalo, especialmente en un espacio que se mueve tan rápido como la inteligencia artificial. Ayuda a asegurarse de que la estrategia permanece anclada en necesidades empresariales reales en lugar de posibilidades teóricas.

También ayuda con la priorización. Hay muchas direcciones que la inteligencia artificial puede tomar, pero la entrada del cliente proporciona claridad sobre dónde se puede crear el mayor valor. Eso mantiene el enfoque en resultados que importan y asegura que la innovación permanece alineada con la forma en que operan las organizaciones.

Recuerdo que en los primeros días de la inteligencia artificial generativa, un cliente de nuestro consejo asesor me dijo que, aunque le gustaba la dirección del producto, nunca pagaría extra por una nueva característica de inteligencia artificial impulsada por LLM en nuestra hoja de ruta. Fue revelador porque estaba alineado con el resto de la industria.

Mirando hacia adelante, ¿dónde ves la mayor oportunidad para la automatización impulsada por inteligencia artificial en los próximos 3 a 5 años, y qué deben prepararse las empresas para hacer ahora?

La mayor oportunidad está en conectar la inteligencia artificial más profundamente a los flujos de trabajo de extremo a extremo. En lugar de centrarse en tareas aisladas, las organizaciones buscarán cómo la inteligencia artificial puede apoyar procesos enteros y mejorar la forma en que el trabajo fluye a través del negocio. Ahora, muchos sistemas de inteligencia artificial agente se dirigen a tareas discretas, pero los negocios operan en procesos de extremo a extremo que cumplen con las normas.

Para prepararse para ese cambio, las empresas necesitan invertir en sus fundamentos de datos y en sistemas que apoyen la transparencia y el control. Y deben estar pensando en “construir versus asociarse” en lugar de “construir versus comprar”. Hemos visto que la inteligencia artificial hecha por uno mismo desde cero falla demasiado a menudo. Las organizaciones que más se beneficiarán serán aquellas que encuentren los socios impulsados por inteligencia artificial adecuados para acelerar sus soluciones en lugar de intentar reconstruir todo desde cero.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Tungsten Automation.