Aron England, Director de Producto y Tecnología en Accruent – Serie de Entrevistas

Aron England, Director de Producto y Tecnología en Accruent, es un experimentado líder en tecnología y productos conocido por construir y escalar equipos globales que entregan soluciones de SaaS y agencias desde la investigación inicial hasta productos de crecimiento alto y orientados al cliente. Combina una profunda experiencia en mercados de consumo, SaaS B2B, comercio electrónico y tecnología comercial con un fuerte liderazgo de personas, emparejando la innovación con una comprensión aguda de los problemas de los clientes para impulsar una duradera coincidencia de producto-mercado y resultados comerciales medibles, incluido el crecimiento a través de adquisiciones y estrategia impulsada por la propiedad intelectual.

Accruent proporciona software que ayuda a las organizaciones a administrar el lado físico de su negocio de manera más eficiente, reuniendo herramientas para instalaciones, activos, espacio y operaciones de lugares de trabajo en un sistema conectado. Su plataforma está diseñada para reducir la fragmentación, mejorar la visibilidad y la toma de decisiones, y ayudar a los equipos a planificar, mantener y optimizar edificios y equipos en una amplia gama de industrias.

Ha construido y liderado equipos de alto rendimiento a nivel global durante más de 25 años. Mirando hacia atrás en startups, grandes empresas y ahora Accruent, ¿qué experiencia crucial más ha moldeado su forma de pensar sobre la construcción de tecnología confiable a gran escala?

Desde pasar tiempo en empresas Fortune 50 y trabajar en el liderazgo tecnológico en startups en etapas tempranas, medianas y grandes, públicas y privadas, he ganado una amplia experiencia en cuanto a la promoción de la adopción de la transformación digital en diferentes industrias. Lo más notable es que fui el empleado número nueve en DocuSign y estábamos apuntando a un mercado que necesitaba un verdadero cambio de paradigma. Empujar la industria de la contratación analógica a través de una transformación digital total no solo requería construir confianza en el mercado, sino también legislación para hacer que el cambio fuera seguro. Hay muchas lecciones relacionadas con mi tiempo allí que se pueden aplicar al mercado actual de herramientas de LLM y AI.

En general, el patrón a lo largo de mi experiencia ha permanecido consistente: los sistemas confiables no surgen por accidente. Surgen de una arquitectura intencional, la coherencia de los datos, la transparencia y una comprensión profunda de cómo las personas reales están utilizando la tecnología.

Ha advertido que para 2026 los técnicos ya no aceptarán sistemas de AI que simplemente digan “confíen en mí”. Desde su perspectiva en Accruent, ¿qué está impulsando este cambio en las expectativas entre los profesionales de primera línea y los profesionales de servicio en el campo?

En entornos donde los gerentes de instalaciones y los técnicos están utilizando AI para diagnosticar fallas de equipo y guiar reparaciones complejas, un paso en falso de una recomendación falsa o inexacta puede causar riesgos comerciales y de seguridad importantes.

A menudo, los LLM crean respuestas combinadas de múltiples páginas, sin citar hacia atrás a la evidencia subyacente. Como resultado, si un técnico sigue un paso generado por AI que nunca existió directamente en el manual del fabricante, una organización podría enfrentar una importante reacción de cumplimiento, ya que no tendrán una cadena de evidencia defensible para auditorías o revisiones de seguridad. A medida que el AI se convierte en algo común y más “invisible” en el software, la importancia de la trazabilidad crecerá.

Las alucinaciones de AI pueden ser más que una incomodidad en industrias reguladas — pueden crear riesgos reales de seguridad, cumplimiento y operativos. ¿Qué escenarios de alucinación le preocupan más cuando se trata de mantenimiento, gestión de instalaciones o operaciones de activos?

En la fabricación, si una sugerencia generada por AI le dice a un trabajador de la fábrica que tome la acción incorrecta en un equipo crítico, podría resultar en un tiempo de inactividad no planificado, material desperdiciado, productos finales defectuosos o máquinas dañadas. Estos pueden ser errores de millones de dólares mientras las líneas de fabricación se detienen o incluso daño a la reputación si más tarde conduce a llamadas de retorno.

Estas alucinaciones de herramientas de AI también son especialmente perjudiciales para industrias como la atención médica, ya que las responsabilidades y las vidas de los pacientes están en riesgo cuando hay una falla de máquina que no se mantuvo o reparó a tiempo. Cuando se trata de industrias que interactúan con el mundo real, arreglar errores no es tan simple como presionar delete y empezar de nuevo.

Ha enfatizado que cada salida de AI debe señalar hacia fuentes originales — manuales, tablas de datos, diagramas, registros históricos. ¿Cómo está diseñando Accruent sistemas que aseguren la trazabilidad y eliminen las respuestas “caja negra”?

Garantizamos que las recomendaciones de AI puedan rastrearse hasta puntos de salida significativos en su material de origen, como la página específica del manual, el diagrama, la tabla de datos o la entrada de registro que informó la sugerencia. Por ejemplo, si las recomendaciones de AI le dicen a un gerente de instalaciones en la atención médica cómo servir un compresor, deberían poder rastrear hacia atrás hasta el párrafo exacto que apoya ese paso en un solo clic, para asegurar la precisión. Para cerrar la creciente brecha de confianza en los sistemas de AI empresariales de hoy, es importante que estos sistemas también puedan revelar qué puntos o páginas fueron evaluados, para que los usuarios sepan si el AI revisó todos los documentos relevantes o solo un subconjunto.

Muchas herramientas de AI empresariales priorizan la velocidad, pero los entornos regulados requieren registros de auditoría, precisión de la documentación y razonamiento verificable. ¿Cómo equilibra la innovación con la necesidad de transparencia y cumplimiento?

Integrar el AI en flujos de trabajo existentes es la clave. Esto simplifica el proceso de agregar aprobaciones, documentación, rutinas de mantenimiento y controles de cumplimiento para aumentar las prácticas conocidas, en lugar de implementar una herramienta aislada nueva. Esto significa evitar un cambio completo de las operaciones y permitir que los empleados sigan trabajando de la manera en que lo han hecho, pero con procesos manuales y consumidores de tiempo que se vuelven automatizados.

Los técnicos en el campo confían en instrucciones precisas. ¿Cómo está abordando Accruent el desafío de basar las salidas de AI en material de origen autorizado para reducir el riesgo y mejorar la confianza del técnico?

Nuestro enfoque comienza con la captura y organización de manuales, diagramas, dibujos, contratos de arrendamiento y órdenes de trabajo históricas para asegurarnos de que el AI esté proporcionando respuestas a partir del contenido específico de una empresa, y no de datos de entrenamiento genéricos. Cuando se generan procedimientos, recomendaciones o listas de verificación, nuestros sistemas están diseñados para que cada paso sea rastreable hacia la documentación original.

Sin esta función, los técnicos que ya están ajustados en recursos tendrían que pasar aún más tiempo excavando manualmente a través de los documentos para verificar la precisión, lo que retrasaría aún más los procesos y las órdenes de trabajo.

Entregar AI transparente y lista para auditoría requiere grandes volúmenes de datos estructurados. ¿Qué desafíos de datos — desde documentos legados no estructurados hasta historias de activos inconsistentes — necesitan ser resueltos para hacer que esta visión sea real?

Entregar AI lista para auditoría comienza con datos confiables y bien organizados. Sin embargo, la mayoría del entorno construido todavía vive en procesos analógicos, con entradas de datos manuales, PDF escaneados y hojas de cálculo aisladas. Cuando hay brechas en los datos y las historias de los activos que son incompletas o inconsistentes, los riesgos de alucinación de AI aumentan. Para hacer que las salidas de AI sean confiables en entornos regulados, las empresas deben resolver primero los obstáculos de datos heredados, desde formatos no estructurados hasta historias inconsistentes, hasta la falta de gobernanza, migrando a sistemas de documentos y datos de activos estructurados, controlados por versiones y centralizados.

Nuestro sistema de gestión de documentos de ingeniería (EDMS) puede hacer eso para múltiples industrias, incluyendo minería, servicios públicos, fabricación y más. Estas industrias a menudo confían en dibujos de ingeniería y documentación física, lo que puede crear pesadillas de control de versiones. Utilizar nuestra solución de EDMS para digitalizar estos documentos es el primer paso. Desde allí, el software ayuda a gestionar el control de versiones, la gobernanza del flujo de trabajo y los registros de auditoría para asegurar que se eliminen las inconsistencias.

A medida que el AI se integra en el mantenimiento, las instalaciones y la gestión del ciclo de vida de los activos, ¿dónde ve las mayores oportunidades para mejorar la productividad sin comprometer la seguridad o los requisitos regulatorios?

Una de las mayores oportunidades es la automatización de tareas mundanas y no valoradas para los empleados, como la entrada de datos manual y la programación de órdenes de trabajo para los técnicos. Desde afuera parece una tarea relativamente fácil, pero consume tiempo. Sin embargo, el AI puede abordar la tarea de manera más estratégica.

Primero, si el equipo en cuestión se monitorea con sensores, una orden de trabajo puede activarse en función de la detección de anomalías, antes de que ocurra cualquier falla real. Segundo, el AI puede ayudar a priorizar automáticamente las órdenes de trabajo en función de la urgencia y programar reparaciones en momentos que causen la menor cantidad de interrupciones para un negocio; también puede sopesar múltiples problemas simultáneos, costos, seguridad y ingresos al mismo tiempo para el mejor camino hacia adelante.

El AI tiene el potencial de no solo “asistir” a los equipos de mantenimiento y instalaciones, sino que cada vez más actuará como un operador digital.

La confianza se está convirtiendo en el nuevo estándar para las herramientas de AI empresariales. ¿Qué cree que los proveedores necesitarán hacer de manera diferente en los próximos dos años para ganar — y mantener — esa confianza?

Los proveedores deben dejar de asumir que los clientes simplemente “confiarán en el modelo” cuando se trata de herramientas de AI empresariales. Las recomendaciones de AI necesitan mostrar pruebas de cómo se generaron. Una forma de abordar esto es en la forma de citas y descripciones claras de qué documentos el AI sí y no examinó. Por ejemplo, si un empleado le pide al AI que analice 1,000 contratos de arrendamiento, deberían saber explícitamente si evaluó todos los 1,000 o solo 700, y por qué o por qué no.

Como parte de esto, el factor principal que los proveedores deben priorizar es la transparencia en el uso de los datos. Eso incluye la claridad sobre quién ve los datos, cómo se están utilizando (incluyendo cualquier implicación de entrenamiento), y cómo se segregan o aíslan de los entornos de otros clientes.

En los próximos dos años, ganar confianza será fundamental, y los proveedores pueden obtener una ventaja al ser explícitos sobre las limitaciones de las herramientas de AI, mantener a los humanos en el bucle para decisiones de alto riesgo y comenzar con casos de uso estrechos y bien definidos que entreguen un valor tangible sin poner a los clientes en una situación de “caja negra”.

Mirando hacia adelante, ¿cómo ve el AI evolucionando dentro de las operaciones críticas de la misión, y qué papel espera que Accruent juegue en la configuración de los estándares de la industria para AI confiable y transparente?

El AI en operaciones críticas de la misión está evolucionando rápidamente desde automatizaciones de tareas individuales aisladas hasta sistemas de agentes inteligentes múltiples que pueden coordinar y optimizar flujos de trabajo completos. En lugar de simplemente asistir a los usuarios, el AI proporcionará soporte de decisión autónomo, monitoreará continuamente las condiciones operativas, predecirá riesgos y recomendará acciones con total transparencia y trazabilidad. A medida que el AI aprende a combinar documentos no estructurados, datos operativos estructurados y señales en tiempo real, se integrará directamente en los procesos diarios, impulsando resultados más rápidos, seguros y confiables.

Con el tiempo, esto permitirá un cambio hacia operaciones autónomas, donde los sistemas puedan autorregularse y autocorregirse, mientras que los humanos se centran en la supervisión y la toma de decisiones estratégicas. Como líder del mercado, Accruent ayudará a establecer los estándares de la industria para AI confiable y transparente al integrar la auditoría, la explicabilidad y la gobernanza sólida en su plataforma y colaborando con clientes, socios y organismos regulatorios para definir las mejores prácticas para la implementación segura en entornos críticos de la misión.

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