Chetan Alsisaria, CEO y Co-Fundador, Polestar Analytics – Serie de Entrevistas

Chetan Alsisaria, CEO y Co-Fundador es un líder de tecnología empresarial especializado en datos, análisis y transformación impulsada por IA. Después de roles iniciales en Deloitte, PwC y EY, cofundó Polestar Analytics en 2012 y desde entonces la ha escalado a una empresa global de IA y datos. Lidera las ventas, alianzas estratégicas, desarrollo de servicios y entrega técnica, y también se desempeña como Presidente de CAIO Circle, una comunidad para líderes de IA enfocada en avanzar en la adopción responsable y práctica de la IA. Además, cofundó Xumane Equity, reflejando su enfoque más amplio en la innovación en sistemas y plataformas empresariales.

Polestar Analytics es una empresa global de convergencia de IA y datos que ayuda a las empresas a convertir datos fragmentados en conocimientos accionables a través de su plataforma 1Platform. Al unificar la ingeniería de datos, análisis, IA y flujos de trabajo empresariales en un solo ecosistema, la empresa permite a las organizaciones mejorar la toma de decisiones, optimizar las operaciones y escalar la adopción de IA. Con un enfoque sólido en casos de uso específicos de la industria y resultados medibles, Polestar ha evolucionado de una empresa de consultoría a una empresa impulsada por plataformas que entrega soluciones simplificadas y basadas en la inteligencia a escala empresarial.

Co-fundaste Polestar Analytics en 2012 después de roles en Deloitte, PwC y EY. ¿Qué brecha en los datos y análisis empresariales viste en ese momento, y cómo ha evolucionado esa visión original en la plataforma de IA de hoy?

Sabes, cuando Ajay, Amit y yo comenzamos Polestar Analytics en 2012, la ironía era impactante; las empresas se estaban ahogando en datos pero muriendo de hambre de decisiones. Todos estaban recopilando todo, pero la brecha entre tener datos y hacer algo significativo con ellos era enorme. Ese es el problema que nos propusimos resolver.

Avanzando hacia hoy, y honestamente, el problema no ha desaparecido, solo ha cambiado de forma. El volumen es mayor, las apuestas son más altas, y ahora tienes agentes en la mezcla junto con humanos que necesitan dar sentido a todo. Eso en realidad ha aclarado nuestra visión original, no la ha empañado.

Nuestro lema, Datos a Resultados, Simplificados!, es realmente el hilo que conecta 2012 con hoy. Comenzamos con la entrega de datos; obtener los datos correctos para las personas correctas en el momento correcto. Luego, la IA llegó y amplificó lo que era posible. Ahora, con 1Platform, estamos empujando más allá; simplificando y maximizando los resultados no solo para humanos, sino también para los agentes que cada vez más están tomando o informando decisiones.

Lo emocionante es cómo nuestro ecosistema ha madurado para apoyar esto. Nuestras profundas integraciones con Microsoft (MSFT ), Databricks y Anaplan ayudan a unir los datos, los casos de uso empresariales y la planificación. Y 1Platform se sitúa en todo esto, nativo en estos entornos, no agregado.

Así que la evolución realmente se ve así: entrega de datos → conocimientos mejorados con IA → resultados simplificados y listos para los agentes. La búsqueda de la excelencia es la misma. La velocidad a la que podemos llegar allí es lo que ha cambiado exponencialmente.

Polestar Analytics se posiciona como una empresa de convergencia de datos y IA. ¿Cómo se ve la convergencia en la práctica para las grandes empresas que lidian con sistemas fragmentados y datos siloeados?

La mayoría de las veces, la fragmentación no es un problema de tecnología, es un problema de personas y procesos. Es como si tuvieras un equipo de finanzas que funciona en Anaplan, un equipo de operaciones que vive en Excel, un equipo de ingeniería de datos que construye pipelines en Azure, y todos tiran en diferentes direcciones con diferentes definiciones de la misma métrica. No hay cantidad de IA que arregle un problema de confianza si la base está rota.

Así que, cuando hablamos de convergencia, nos referimos a resolver esa base primero. Antes de que puedas agregar inteligencia encima, necesitas datos que estén limpios, gobernados y críticamente accesibles. No solo para tus analistas, sino cada vez más para tus agentes también.

En la práctica, la convergencia con 1Platform se ve así: no estamos reemplazando lo que las empresas han construido. Nos integramos de forma nativa en los entornos en los que ya viven, como Databricks, Microsoft y Anaplan, y cosimos la capa de datos y inteligencia a través de ellos. Tus datos de planificación en Anaplan hablan con tus datos operativos en Databricks, y tu ecosistema de Microsoft es donde las decisiones realmente se presentan para que las personas y los agentes actúen.

La magia no está en ninguna de esas integraciones. Está en la capa conectiva de 1Platform que hace que todo parezca un sistema coherente en lugar de herramientas desconectadas. Eso es lo que la convergencia se ve en la práctica, una simplificación deliberada hasta que la complejidad se vuelve invisible para el negocio.

Su plataforma 1Platform tiene como objetivo unificar los datos, la IA y los flujos de trabajo en un solo sistema. ¿Cómo se diferencia este enfoque de las pilas de BI tradicionales o de las plataformas de datos modernas como Databricks o Snowflake?

Databricks y Snowflake son plataformas poderosas, no estamos compitiendo con ellas, estamos construidas sobre ellas. Esa distinción es importante. Databricks te da infraestructura y cómputo. Nosotros nos sentamos encima y hacemos una pregunta diferente: ¿y ahora qué?

Las pilas de BI tradicionales obtuvieron muchas cosas bien para su época, pero la inteligencia empresarial ha evolucionado. Hoy en día, los usuarios empresariales necesitan más que paneles de control. Puedes tener un panel de control con quince gráficos hermosamente diseñados, y alguien todavía tiene que interpretar qué significa y decidir qué hacer a continuación. Esa brecha entre la perspicacia y la acción es exactamente donde 1Platform opera.

1Platform no es estático, evoluciona continuamente. No solo responde a las preguntas que planteas; presenta preguntas que ni siquiera pensaste en hacer. Eso cambia la relación entre los usuarios empresariales y sus datos.

Hemos construido interfaces de bajo código y sin código sobre Databricks y Azure que permiten que los pipelines se activen en segundos. Tareas que antes tomaban días para los ingenieros de datos ahora pueden ser activadas por los usuarios empresariales. Y sobre eso, Agenthood AI permite a los usuarios crear y orquestar agentes a través de interfaces de arrastrar y soltar simples sin experiencia técnica profunda.

Pero la verdadera diferencia es la experiencia del usuario final. En lugar de saltar entre múltiples paneles de control, los usuarios reciben conocimientos en lenguaje natural, recomendaciones contextuales y narrativas impulsadas por agentes. Los KPI no solo se sientan en una pantalla; los agentes los monitorean activamente, señalanan lo que importa y explican por qué. La diferenciación no está en la plataforma de datos en sí, sino en todo lo que sucede después de que los datos están listos.

Muchas empresas siguen atascadas en lo que a menudo se llama el purgatorio de los pilotos de IA. ¿Cuáles son las barreras estructurales u organizativas más grandes que impiden que la IA alcance la producción a gran escala?

Lo llamo el cementerio de pilotos porque la mayoría de los proyectos no solo se estancan, sino que mueren silenciosamente. Las barreras más grandes no son técnicas, son organizativas. Personas, procesos y datos.

La gestión del cambio es consistentemente subestimada. Cuando se rediseña la forma en que la gente trabaja, se desafía cómo derivan valor. Las organizaciones que tienen éxito son aquellas donde el liderazgo hace que la competencia en IA sea visiblemente importante. Cuando la capacitación es recompensada y el rediseño del proceso es apoyado estructuralmente, la adopción se acelera.

Luego está el problema de la curva en J. Las inversiones en IA a menudo disminuyen antes de aumentar. Muchas organizaciones esperan un ROI dentro de 90 días, no lo ven y abandonan el esfuerzo. Las que tienen éxito se comprometen con la curva completa.

La preparación de los datos es otro factor crítico. Los malos datos llevan a decisiones confiadamente incorrectas. Hasta que la base de datos sea de confianza, la IA a gran escala se convierte en una responsabilidad en lugar de un activo.

Finalmente, la disciplina del caso de uso es importante. En lugar de intentar hacer todo con IA, las organizaciones necesitan centrarse en casos de uso que muevan métricas comerciales reales, probarlos y luego escalar.

En Polestar Analytics, al traer los datos, la IA y los flujos de trabajo a un solo lugar, se acelera tanto el descubrimiento de problemas como la identificación de oportunidades, convirtiendo la convergencia en un catalizador del cambio.

La IA agente se está convirtiendo en un tema importante en la industria. ¿Cómo está pensando Polestar Analytics sobre los agentes de IA dentro de los flujos de trabajo empresariales, y qué casos de uso del mundo real están ganando tracción?

Para nosotros, los agentes deben estar incrustados tanto en la capa de datos como en los flujos de trabajo empresariales para crear valor real. Un agente de precios, por ejemplo, no es solo un LLM sentado en un panel de control; está integrado en la infraestructura de datos, entiende el contexto y apoya la toma de decisiones real.

Entre nuestros más de 100 agentes, algunos actúan como asistentes mientras que otros están completamente automatizados. La tracción más fuerte está en la gestión del crecimiento de ingresos, incluidos los precios, las promociones y la mezcla de medios, donde las decisiones son frecuentes e intensivas en datos.

En el lado de la ingeniería, los agentes de monitoreo de pipelines y resolución de errores ya están en uso. Los agentes de FinOps han reducido los costos de nube no utilizados en un 35 por ciento. También hay una fuerte adopción en la gestión de patrimonio.

Apoyamos tanto el ecosistema de Microsoft como el de Databricks y proporcionamos una plataforma personalizada para la creación de agentes. No todos los agentes necesitan ser basados en LLM; la arquitectura debe coincidir con el caso de uso para equilibrar la escala y el costo.

La gobernanza es esencial. Con agentes que interactúan con sistemas financieros o datos de clientes, se han incorporado barreras sólidas y una supervisión humana para garantizar la confiabilidad a escala empresarial.

Con su reciente financiamiento, están doblando la apuesta en el desarrollo de IP. ¿Cuán importante es poseer plataformas propietarias en comparación con la construcción sobre ecosistemas existentes en el paisaje actual de IA?

Estamos profundamente integrados con plataformas como Databricks, Microsoft y Anaplan, que proporcionan infraestructura y escala. No estamos tratando de reemplazarlos.

Nuestro enfoque está en poseer la capa de inteligencia en la parte superior. La IP propietaria nos permite controlar la experiencia, incrustar conocimientos de dominio y entregar valor consistente a escala.

Nuestra diferenciación proviene del conocimiento de la industria. Ya sea que se trate de PromoPulse AI para la gestión del crecimiento de ingresos o de WealthPulse para servicios financieros, el valor radica en comprender casos de uso y decisiones del mundo real.

La IP propietaria, para nosotros, es la codificación de esa experiencia. Es lo que hace que la plataforma sea defensiva y genuinamente útil.

Ha trabajado estrechamente con empresas del Fortune 1000. ¿Cómo están cambiando las expectativas sobre el ROI de la IA a medida que los ejecutivos exigen resultados medibles en lugar de experimentación?

El cambio es real, pero la experimentación no ha desaparecido. Simplemente se espera que se mueva más rápido y se conecte a resultados tangibles.

Los ejecutivos ahora evalúan el ROI a través de lentes más amplias, como la velocidad de la toma de decisiones, la lealtad del cliente, la capacidad de innovación y la resiliencia.

El ROI de la IA ya no es propiedad de un solo líder. El CTO se centra en la infraestructura y los datos, el CFO mira el impacto financiero y el COO enfatiza la eficiencia operativa.

Las organizaciones que tienen éxito alinean estas perspectivas temprano y se comprometen con resultados a largo plazo.

Su estrategia de expansión incluye América del Norte y Europa. ¿Qué diferencias está viendo en la madurez de la adopción de IA y la preparación empresarial en estas regiones?

La diferencia es más sobre la mentalidad que la capacidad.

América del Norte prioriza la velocidad y la experimentación, impulsada por la presión competitiva.

Europa enfatiza la gobernanza y la IA ética desde el principio. Sin embargo, esto no significa una adopción más lenta. Las empresas están equilibrando la estructura con la aceleración.

Ambas regiones están convergiendo hacia una IA escalable y responsable incrustada en las operaciones básicas.

Recientemente fundó el CAIO Circle para reunir a los líderes de IA. ¿Cuáles son las conversaciones más urgentes que están sucediendo entre los Oficiales de IA en este momento, especialmente alrededor de la gobernanza y la ética?

CAIO Circle fue creado para dar a los líderes de IA un espacio para discusiones abiertas.

El desafío central es equilibrar la velocidad con el riesgo a largo plazo. La confianza y la explicabilidad son preocupaciones importantes, especialmente a medida que los sistemas de IA influyen en decisiones críticas.

La gobernanza está cambiando de documentos de política a prácticas operativas incorporadas. Al mismo tiempo, muchas organizaciones todavía carecen de modelos de ejecución para entregar en sus estrategias de IA.

Las ideas más valiosas a menudo provienen de discusiones de pares francas en lugar de presentaciones formales.

Mirando hacia adelante tres a cinco años, ¿espera que la IA empresarial se consolide en plataformas unificadas como la suya, o permanecerá como un ecosistema fragmentado de herramientas y proveedores? ¿Dónde se posiciona Polestar Analytics en ese futuro?

La fragmentación probablemente continuará. Las principales plataformas como Databricks, Microsoft, Salesforce y Anaplan seguirán siendo actores centrales.

Lo que las empresas necesitan es una capa unificadora que conecte los datos, la inteligencia y los flujos de trabajo en algo accionable. Ese es el papel que 1Platform está diseñado para desempeñar.

El futuro favorecerá a las plataformas con un profundo conocimiento vertical. Las soluciones horizontales genéricas lucharán por diferenciarse.

El valor real provendrá de comprender las necesidades específicas de la industria y de incrustar la inteligencia directamente en los flujos de trabajo de toma de decisiones.

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