Fred Laluyaux, Co-Fundador y CEO de Aera Technology – Serie de Entrevistas

Fred Laluyaux, Co-Fundador, Presidente y CEO de Aera Technology, es un experimentado ejecutivo de software empresarial que ha construido y liderado empresas en la intersección de análisis, automatización y toma de decisiones. Antes de fundar Aera, se desempeñó como CEO de Anaplan y ocupó varios puestos de liderazgo senior en SAP, abarcando finanzas, gestión del rendimiento, riesgo, ventas y desarrollo corporativo. Al comienzo de su carrera, trabajó en puestos ejecutivos en Business Objects y ALG Software, y fundó Transcribe Technologies, lo que le dio décadas de experiencia en la escalabilidad de organizaciones de software globales y la traducción de datos complejos en resultados comerciales.

Aera Technology desarrolla software de inteligencia de decisiones impulsado por IA diseñado para ayudar a las grandes empresas a operar con mayor velocidad y precisión. La plataforma de la empresa analiza continuamente los datos de toda la organización y su entorno externo, convirtiendo los conocimientos en acciones recomendadas y automatizadas en tiempo real. Al centrarse en las decisiones en lugar de los paneles de control, Aera busca ayudar a las organizaciones a pasar de un análisis reactivo a operaciones proactivas y continuamente mejoradas.

Ha fundado y liderado múltiples empresas de software empresarial, desde sus primeros días construyendo Transcribe Technologies hasta dirigir Anaplan y ahora co-fundar Aera Technology. ¿Qué problema vio en las grandes empresas que lo convenció de que la inteligencia de decisiones necesitaba existir como su propia categoría, y por qué 2017 fue el momento adecuado para construir Aera?

He estado trabajando en este problema durante más de una década, mucho antes de que Aera existiera. En 2010, mientras estaba en SAP, escribí un documento sobre lo que creía que se convertiría en el mayor desafío para las grandes empresas: tomar y ejecutar decisiones lo suficientemente rápido como para mantener el ritmo de la digitalización de la economía.

Se estaban produciendo tres fuerzas: volumen, complejidad y velocidad. Las decisiones se estaban trasladando a un grano mucho más fino, más cerca del punto de impacto, pero las empresas todavía estaban estructuradas como pirámides profundas de personas, herramientas y procesos que simplemente no podían escalar.

La verdadera pregunta se convirtió en: ¿cómo se puede llevar el poder de la tecnología al nivel transaccional? No solo conocimientos o paneles de control, sino máquinas que ejecuten decisiones, aprendan continuamente de todas las decisiones tomadas y con los humanos en control.

En cuanto a 2017, estábamos temprano. El mercado no estaba completamente listo, y tampoco lo estábamos nosotros. Esa es la naturaleza de una startup: comienzas con una visión clara y construyes temprano para que estés listo cuando el mercado madure. En el caso de Aera, tomó unos años. Y COVID-19 no ayudó. Pero ha sido fascinante ver que nuestra visión central ha permanecido fiel a su formulación inicial, mientras que tanto la plataforma como el mercado evolucionaron hasta el punto en que Aera ahora lidera la categoría de inteligencia de decisiones y trabaja con algunas de las organizaciones más grandes del mundo.

Hoy en día, hay mucha discusión sobre agentes de IA, pero ha sido claro que los conocimientos por sí solos no son suficientes. ¿Cómo explica la diferencia entre análisis, recomendaciones asistidas por IA y verdadera inteligencia de decisiones a los CIO que intentan cortar el ruido?

Las herramientas tradicionales de análisis y inteligencia empresarial te dicen qué sucedió. La IA puede ayudar a predecir qué puede suceder. Las recomendaciones asistidas por IA sugieren opciones, pero todavía dependen de los humanos para decidir y actuar.

La inteligencia de decisiones va más allá de los paneles de control estáticos o recomendaciones de una sola vez. Opera como un bucle de aprendizaje continuo para acelerar y mejorar las decisiones, utilizando datos, análisis, IA y automatización para evaluar compensaciones, simular escenarios y ejecutar y monitorear acciones en tiempo real, alineadas con los objetivos comerciales.

Mientras que la IA puede ayudar a los equipos a predecir la demanda u optimizar los flujos de trabajo, la inteligencia de decisiones determina cómo actuar sobre esos conocimientos. Equilibra el costo, el riesgo, los niveles de servicio y las restricciones operativas en toda la empresa a escala.

Aera a menudo se describe como la habilitación de la empresa autónoma. En términos prácticos, ¿qué aspecto tiene esto dentro de una gran organización, y qué decisiones están realistamente listas para este nivel de automatización hoy en día?

Cuando hablamos de la empresa autónoma, esto no es autonomía sin control. Desde el primer día, nuestra visión fue pasar de personas que toman y ejecutan decisiones apoyadas por máquinas a máquinas que ejecutan decisiones guiadas por personas, con intención clara, restricciones y rendición de cuentas.

En la práctica, Aera opera como un agente de decisión. Continuamente comprende los datos, detecta desencadenantes, evalúa compensaciones, recomienda acciones y ejecuta decisiones directamente en los sistemas empresariales. Usando Aera, los humanos no gestionan paneles de control; gobiernan decisiones, a menudo a través de una simple interacción de acuerdo o desacuerdo.

Las decisiones listas para este nivel de automatización hoy en día son de alto volumen y repetibles, como el reequilibrio de inventario, la priorización de pedidos de compra, los cambios de parámetros, donde la velocidad es importante y la coordinación manual crea la mayor ineficiencia.

Ha trabajado estrechamente con empresas globales en cadena de suministro, finanzas y operaciones. ¿Dónde ven los CIO los retornos más rápidos y tangibles de la inteligencia de decisiones, ya sea en capital de trabajo, niveles de servicio o reducción de residuos?

Los CIO ven los retornos más rápidos y tangibles de la inteligencia de decisiones donde las decisiones son de alto volumen, repetibles y restringidas por compensaciones de costo, capacidad o servicio. En la cadena de suministro y las operaciones, esto a menudo incluye el reequilibrio de inventario, la priorización de pedidos de compra y la logística. Esto es donde la ejecución automatizada a escala impulsa ganancias medibles en capital de trabajo, niveles de servicio y reducción de residuos.

Por ejemplo, una empresa global de ciencias de la vida utiliza la inteligencia de decisiones para monitorear continuamente la demanda y ajustar los pedidos de compra, solicitando automáticamente la cancelación o reducción de los proveedores, validando las respuestas y confirmando los cambios. Esta capacidad está entregando más de millones en reducción anualizada de residuos, mientras también reduce los kilómetros recorridos por camión y las emisiones de gases de efecto invernadero (GEI) asociadas.

Muchas empresas ya luchan por operacionalizar modelos de IA a escala. ¿Cuáles son los bloqueadores más comunes que ve cuando las organizaciones intentan pasar de la generación de conocimientos a la ejecución automatizada de decisiones?

Los desafíos a menudo surgen cuando los equipos comienzan experimentando con herramientas de IA independientes. Pueden automatizar un solo flujo de trabajo, pero luchan por operacionalizar decisiones consistentemente en toda la empresa. Sin una plataforma de decisión componible y con un propósito, estos esfuerzos son difíciles de gobernar, escalar o adaptar a medida que cambian las condiciones.

Otro bloqueador común es la falta de claridad sobre dónde se está rompiendo la toma de decisiones. Las empresas invierten en IA y predicción, pero no identifican por qué se acumula el inventario, se pierden los pronósticos o se subestiman los costos logísticos. La visibilidad fragmentada de las decisiones complica el problema.

Los equipos que tienen éxito comienzan con un caso de uso de alto impacto claro, donde se comprenden las compensaciones, construyen la confianza a través de recomendaciones y ejecución, y automatizan gradualmente. A partir de ahí, pueden escalar a medida que las decisiones se adaptan y mejoran continuamente con el tiempo.

La IA agente se está convirtiendo en un término de moda en la industria. ¿Cómo ve los agentes encajando en las plataformas de inteligencia de decisiones, y dónde cree que las empresas necesitan ser cautelosas sobre la autonomía versus la supervisión humana?

En la inteligencia de decisiones, los agentes agregan más valor cuando se incorporan en un sistema de decisión supervisado, no operando en aislamiento. Con la plataforma Aera Decision Cloud, los agentes trabajan como equipos coordinados, cada uno contribuyendo con una capacidad específica: simulación de escenarios, integración de señales en tiempo real, validación de viabilidad, evaluación del impacto financiero y ejecución de acciones, todas orquestadas alrededor de una decisión única.

Dónde las empresas necesitan ser cautelosas es en la autonomía sin gobernanza. En la práctica, las decisiones agentes siempre están guiadas por personas. Los equipos humanos establecen los parámetros y los objetivos, monitorean el rendimiento, prueban las suposiciones y gestionan la calidad de los datos desde un entorno de control. El sistema puede ejecutarse continuamente, pero los humanos gobiernan cómo evolucionan las decisiones. Ese equilibrio es lo que hace que la IA agente sea escalable, confiable y segura en la empresa.

La confianza es crítica cuando las decisiones afectan los ingresos, los clientes o el cumplimiento. ¿Cómo garantiza Aera que las decisiones sean explicables, auditables y defendibles, especialmente en entornos regulados?

La confianza comienza con la transparencia. Para cada decisión, Aera captura el contexto completo: los datos utilizados, la recomendación, la lógica detrás de ella, la decisión tomada y el resultado. A medida que el sistema se ejecuta y se actualiza, monitorea y mide los resultados de las decisiones para mejorar continuamente la toma de decisiones.

Llamamos a esto aprendizaje de decisión automático. En función del rendimiento de la decisión, Aera calcula puntuaciones de confianza para las recomendaciones, explicando las causas raíz, las compensaciones y el impacto esperado. Un usuario puede ver una recomendación con una razón clara y una puntuación de confianza del 92%.

Este enfoque es autónomo pero supervisado. A través de la Red de Inteligencia de Decisiones de la plataforma, que sirve como una sala de control centralizada, los usuarios tienen visibilidad completa en las decisiones, las acciones y los resultados. Pueden monitorear el rendimiento, probar suposiciones, gestionar la calidad de los datos y ajustar la lógica con el tiempo.

Basándose en sus conversaciones con CIO, ¿cómo está evolucionando el papel de los humanos a medida que las plataformas de inteligencia de decisiones maduran, y qué habilidades se vuelven más importantes a medida que las máquinas asumen más decisiones operativas?

A medida que la inteligencia de decisiones madura, el papel de los humanos no desaparece, se mueve hacia la cadena de valor. Estamos viendo un cambio de personas que ejecutan manualmente las decisiones a personas que diseñan, gobiernan y mejoran las decisiones.

En muchas empresas de productos de consumo, los roles tradicionales de planificación ya están evolucionando hacia analistas de decisiones que se centran en monitorear los resultados, comprender las compensaciones y mejorar la lógica de decisión con el tiempo. Junto a ellos, los arquitectos de decisiones definen la intención, las restricciones y las barreras que guían cómo actúan las máquinas.

Las habilidades más importantes se convierten en juicio, pensamiento de sistemas y la capacidad de enmarcar las decisiones correctas. Los humanos permanecen firmemente en control, gobernando cómo se toman las decisiones por las máquinas, pero no cada acción individual.

El primer Cuadrante Mágico de Gartner para Plataformas de Inteligencia de Decisiones señala que esta categoría está entrando en la corriente principal. ¿Qué capacidades cree que separarán a los proveedores líderes de los rezagados en los próximos años?

Habiendo sido nombrado Líder en el Cuadrante Mágico inaugural de Gartner para Plataformas de Inteligencia de Decisiones, vemos que el liderazgo se define por una sólida ejecución y la capacidad de entregar capacidades comprehensivas y componibles en todo el ciclo de vida de la decisión. En la investigación de Capacidad Crítica companion de Gartner, Aera también fue reconocida por su rendimiento en casos de uso de decisión clave, incluyendo análisis de decisión, ingeniería de decisión, ciencia de decisión y administración de decisiones, evaluando cómo pueden modelar, operacionalizar, gobernar y mejorar continuamente las decisiones a escala empresarial.

Creamos que los proveedores líderes también serán distinguidos por cómo integran efectivamente técnicas de IA avanzadas, incluyendo IA generativa y agente, en sistemas de decisión supervisados y listos para la empresa. Esto requiere plataformas con un propósito, componibles, accesibles para el negocio a través de interfaces de bajo código y lenguaje natural, y gobernadas a escala para cumplir con los requisitos de seguridad y regulación. En última instancia, los proveedores más fuertes incrustarán la inteligencia de decisiones como una capa de operación que aprende y mejora continuamente, no solo otra aplicación que los equipos tienen que gestionar.

Para las organizaciones que reconocen la brecha entre los conocimientos y la acción, ¿cómo ayuda la plataforma de Aera a cerrar ese bucle en la práctica, y qué aspecto tiene una implementación exitosa para un CIO que busca impulsar un impacto comercial medible?

Cerrar la brecha entre el conocimiento y la acción comienza operacionalizando las decisiones en las operaciones diarias. La plataforma de Aera permite a los CIO tratar las decisiones como procesos continuos: monitorear los resultados, probar compensaciones y mejorar el rendimiento con el tiempo. Esto a menudo se ancla en un centro de excelencia de decisión, virtual o físico, donde los equipos gobiernan y perfeccionan cómo se toman y ejecutan las decisiones.

Aera unifica los datos, el análisis, las reglas comerciales, la IA y la automatización en una plataforma componible única para impulsar las decisiones que fluyen desde el conocimiento hasta la ejecución y el aprendizaje. Su arquitectura componible permite a TI mantener la supervisión y la seguridad, mientras permite a los equipos comerciales definir, adaptar y evolucionar los flujos de decisión. A medida que se capturan los resultados, las decisiones se mejoran continuamente y liberan a los equipos para centrarse en el juicio, la estrategia y las excepciones.

Una implementación exitosa a menudo demuestra resultados medibles en un caso de uso de decisión de alto impacto en 10-12 semanas, ejecutando y mejorando continuamente las decisiones de extremo a extremo. Esto crea una plantilla repetible para la escala empresarial.

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