Adam Field, Tungsten Automationin Chief AI -upseeri – Haastattelu

Adam Field, Tungsten Automationin Chief AI -upseeri, on pitkäaikainen yritysten teknologiapäällikkö, jolla on syvä osaaminen tekoälystä, älykkäästä automaatiosta ja tuotestrategiasta. Nykyisessä roolissaan hän johtaa yrityksen globaaleja tekoälymuutoksen pyrkimyksiä, valvoo Tungstenin tuoteportfolion tekoälyintegroitumista, ohjaa Tungsten AI Labia ja perustaa vastuullisen tekoälyadop­tion hallintorakenteita. Ennen Chief AI -upseerin roolia hän toimi Chief Product Officerina, jossa hän hallinnoi yli 550 miljoonan dollarin vuosittaisen liikevaihdon tuoteportfoliota. Ennen liittymistään Tungsteniin Field työskenteli lähes 17 vuotta Pegasystemsissä, jossa hän johti innovaatio- ja asiakaskokemusaloitteita, auttoi muotoilemaan uuden teknologian strategiaa ja tuli tunnetuksi suurten tuote-esittelyjen ja yritysten innovaatio-ohjelmien toimittajana. Uransa alussa hän työskenteli teknologia- ja konsulttirooleissa Staplesissa, Publicis Sapientissa ja Fidelity Investmentsissa.

Tungsten Automation, joka tunnettiin aiemmin nimellä Kofax, on yritysohjelmistoyritys, joka keskittyy tekoälyvoimaiseen prosessiautomaatioon, älykkääseen asiakirjanprosessointiin, robotti-prosessiautomaatioon (RPA) ja liiketoimintaprosessien orkesterointiin. Yritys tarjoaa automaatio-työkaluja, joita organisaatiot eri aloilla, kuten rahoitus, terveydenhuolto, vakuutus ja hallinto, käyttävät asiakirjojen kanssa painittujen toimintojen sujuvoittamiseen ja tehokkuuden parantamiseen. Sen alusta yhdistää tekoäly-, low-code-automaatio- ja asiakirjatietoteknologioita auttamaan yrityksiä automatisoimaan toistuvia tehtäviä, poimimaan oivalluksia rakenteettomista tietoista ja modernisimaan liiketoimintaprosesseja laajassa mittakaavassa.

Olet viettänyt vuosia johtamassa tuote-strategiaa ja innovaatioita, mukaan lukien innovaatiolaboratorioiden rakentamisen ja yli 500 miljoonan dollarin tuoteportfolion skaalaamisen, ennen siirtymistäsi Chief AI -upseerin rooliin Tungsten Automationiin. Mikä vakuutti sinut siitä, että nyt on oikea hetki siirtyä täysin tekoälyjohtajuuteen, ja miten aikaisempi kokemus vaikutti tähän päätökseen?

Olen viettänyt suuren osan uraani keskittymällä uusien teknologioiden muuttamiseen toimivaksi suurissa yritysympäristöissä. Viime vuosina on tullut selväksi, että tekoäly ei ole vain yksi ominaisuus, joka voidaan integroida tuotteisiin. Se muuttaa, miten ohjelmistoja kehitetään ja miten päätöksiä tehdään liiketoiminnassa, ja se näyttää syrjäyttävän ja hävittävän kaiken, mitä on ennen. Tämä siirtymä kokeilusta odotuksiin, yhdistettynä siihen, että tekoäly on täällä pysyvästi, teki siitä oikean hetken siirtyä täysin tekoälyjohtajuuteen.

Myös kävi ilmi, että tekoäly ei ollut se parantaja, jona sitä markkinoitiin. Tekoälymenestyminen vaatii ihmisiä, jotka yhdistävät teknisen asiantuntemuksen ja alan tietämyksen. Tungsten haluaa auttaa yrityksiä tekemään tekoälyä oikein ja saamaan todellisia tuloksia, ja siksi Tungsten loi tekoälyosaston ja minun roolini siinä.

Tungsten on kehittynyt alkuperäisestä asiakirjankäsittelystä ja OCR:stä täysimittaiseksi älykkääksi automaatioalustaksi, joka mahdollistaa tehtäväkriittisiä prosesseja tuhansille organisaatioille. Miten näet tämän perinnön vaikuttavan lähestymistapaasi agenssitekoälyyn tänään?

Tungstenin historia on syvällisesti kytköksissä siihen, miten yritykset toimivat. Olemme viettänyt vuosikymmeniä asiakirjojen ja prosessien parissa, jotka sijaitsevat liiketoiminnan keskiössä. Tämä tietämys on erittäin relevantti agenssitekoälylle. Nämä järjestelmät tarvitsevat toimintaympäristöä, eivätkä ne voi tulkita tietoa eristyneisyydessä. Taustamme asiakirjatiedosta mahdollistaa meille keskittyä asiayhteyteen ja varmistaa, että tekoäly toimii tapa, joka on yhdenmukainen liiketoiminnan kanssa. On kyse järjestelmien luomisesta, joita voidaan luottaa tuotantoon, eikä vain tutkia teoreettisesti.

Tämä uusin tekoälykehitys on erittäin jännittävää. Se vie Älykkään Asiakirjanprosessoinnin paikkoihin, joissa emme aiemmin voineet mennä — ratkaisemalla ongelmia, jotka olivat aiemmin liian kalliita tai mahdottomia.

Olet korostanut tekoälyn upottamista koko tuoteportfolioon sen sijaan, että se kohdeltiin erillisenä ominaisuutena. Mitä tarkoittaa ”tekoälyalkuperäinen” muutos suuressa, vakiintuneessa ohjelmistoplatfornissa?

Se selvisi alussa, että generatiiviset ja agenssitekoälyominaisuudet olivat nopeasti muuttumassa pakollisiksi, mikä tarkoitti, että asiakkaat eivät aina olleet valmiit maksamaan niistä lisää. Myös ymmärsimme, että nämä teknologiat antoivat meille mahdollisuuden modernisoida sitä, mitä Tungsten on vuosia tehnyt: auttamaan yrityksiä ymmärtämään asiakirjatietojaan.

Emme muuttaneet brändilupauksemme. Emme luoneet yksittäisiä tuotteita tai kiinnitysohjauksia. Muokkasimme, miten tuotetta käytetään, ja kun tämä perusta on paikallaan, tekoäly voi toimia luonnollisella tavalla tuotteen sisällä eikä erillään siitä. Ja asiakkaiden käsittelykohteet siirtyivät rakenteellisista asiakirjoista rakenteettomiin tietolähteisiin. Ja määrittelimme uudelleen, mitä ”asiakirja” tarkoittaa. Se ei enää ole pelkästään paperin kuva tai digitaalinen tiedosto. Rakenteettomat tiedot elävät esimerkiksi vahingonkäsittelymuistiinpanoissa, asiakaspalvelukeskusten transkripteissa, sosiaalisen median julkaisuissa, verkkotutkimuksissa ja paljon muussa.

Tämä lähestymistapa mahdollistaa asiakkaiden täydentää perustaa omalla omistusdatalla, mikä on todellinen erottautumisen tekijä.

Yrityksen ensimmäisenä Chief AI -upseerina, miten tasapainotat innovaation nopeuden tarpeen hallinnan, turvallisuuden ja vastuullisen tekoälykäytön kanssa laajassa mittakaavassa?

On aina paine liikuttaa nopeasti tekoälyllä, mutta yritysympäristöissä luottamus on yhtä tärkeää kuin nopeus. Hallinto ja turvallisuus eivät voi olla jälkikäteen mietittyjä. Ne tarvitsevat oltava sisäänrakennettuja järjestelmään alusta alkaen.

Teeämme tämän asettamalla odotukset etukäteen kouluttamalla loppukäyttäjiämme. Esimerkiksi puolet roolistani on keskittynyt sisäiseen tekoälystrategiaan, evankeliumiin ja hallintoon. Kokosimme monialaisen neuvonantajaryhmän hyvin varhain. Kannustamme jakamista, kokeilua ja viestintää. Oli kertoja, jolloin teknologia oli valmis käyttöönottoon kaikille työntekijöille, jotka olivat kytketty useisiin sisäisiin järjestelmiin. Prototyypit olivat voimakkaita ja saivat kaikki innoissaan, mutta ilmoitimme neuvonantajaryhmällemme aina, kun törmäsimme potentiaalisiin turvallisuuden tai sääntelyn esteisiin. He arvostavat tietoa ja usein osallistuvat ratkaisuihin.

Luulen, että on myös tärkeää ei antaa täydellisyyden estää edistystä. Asetamme odotuksen henkilöstölle, että heidän tulisi odottaa muutosta, ja paljon sitä. Heidän tulisi odottaa, että otamme työkaluja ja ominaisuuksia käyttöön, kun ne ovat valmiit, saamme palautetta, muutamme suuntaa, jos tarpeen, ja otamme käyttöön lisää.

Agenssitekoäly on nopeasti muuttumassa teollisuuden suureksi keskitykseksi. Miten näet sen, mitä erottaa todelliset yritysten tekoälyjärjestelmät kokeellisista tai yliarvioituista toteutuksista?

Avainero on, miten järjestelmät suoriutuvat todellisissa olosuhteissa. Monet kokeelliset lähestymistavat toimivat hyvin kontrolloiduissa ympäristöissä, mutta kamppailevat, kun ne kohtaavat epäjohdonmukaisia tietoja tai monimutkaisia prosesseja. Yritysten tekoälyjärjestelmien on kyettävä käsittelemään tämä muuttuvuus ja toimittamaan silti johdonmukaisia tuloksia.

Useimmat järjestelmät viimeisen 30 vuoden aikana on rakennettu ihmisten vuorovaikutusta varten tai hyvin kontrolloidun API-käytön kautta. Järjestelmien integrointi tarvitsee uudelleenajattelua agenssiaikakaudella. Kaikki poikkeuksista, virheistä ja auditoinnista on erilainen, kun agenssit vuorovaikuttavat ihmisten sijaan perinteisen käyttöliittymän kautta.

Toinen tärkeä tekijä on vastuu. Organisaatioiden on ymmärrettävä, miten päätökset tehdään, ja heidän on kyettävä luottamaan tuloksiin. Tämä läpinäkyvyys on se, mikä mahdollistaa agenssijärjestelmien siirtymisen mielenkiintoisista esittelyistä todelliseen toimintaan.

Johtaat Tungsten AI Labia tutkimuksen ja sovelletun innovaation keskuksena. Miten varmistat, että kokeellinen tekoälytyö kääntyy mitattaviksi liiketoimintatuloksiksi asiakkaille?

Otin itse vastakkaisen lähestymistavan Tungsten AI Labissa. Sanoin tiimille alusta alkaen, että on ok eksperimentoida, oppia ja kokeilla uusia lähestymistapoja, vaikka lopputulokset eivät välttämättä päätyisi tuotteisiimme. Usein on parempi oppia, mitä ei kannata tehdä. Uskon, että tämä on antanut heille vapauden ajatella vapaasti ja kokeilla uusia tapoja tekemiseen.

Esimerkiksi yksi nykyisistä tutkimussprinteistämme käsittelee uuden lähestymistavan olemassaolevaan tuotekomponenttiin. Tutkijat löysivät uusia tapoja ratkaista ongelmaa, mikä johti ”valokiilovaloon”, jossa huomasimme, että voimme tarjota asiakkaillemme täysin uuden lisäominaisuuden. Jos olisimme vain tutkineet, miten toteuttaa mitä oli jo suunnitelmissa, emme olisi päätyneet tänne.

Totta kai se ei ole vapaata peliä. Olemme tarkkoja siitä, mihin käytämme aikaa ja miten paljon sitä käytämme kussakin tutkimushankkeessa.

Monet organisaatiot kamppailevat edelleen siirtymisessä tekoälykokeiluista tuotantoon. Mitkä ovat suurimmat esteet, joita näet, ja miten yritykset voivat ylittää ne?

Yksi suurimmista esteistä on pimeä data. Useimmat organisaatiot ovat päässeet valtaviin tietomääriin, mutta suuri osa siitä elää asiakirjoissa, sähköposteissa, PDF-tiedostoissa ja muissa rakenteettomissa muodoissa, joita tekoälyjärjestelmien on vaikea tulkita. Tämä tarkoittaa, että jopa hyvin suunnitellut mallit usein toimivat epätäydellisellä ja epäjohdonmukaisella liiketoimintakuvalla, mikä johtaa epäluotettaviin tuloksiin ja pysähtyneisiin aloitteisiin.

Jotta voidaan siirtyä eteenpäin, yritysten on keskityttävä muuttamassa pimeää dataa käytettävissä olevaksi. Tämä vaatii ei vain tietojen poimimista, vaan myös rakenteen, asiayhteyden ja hallinnon luomista, jotta tekoälyjärjestelmät voivat toimia siitä varmuuden kanssa. Kun tämä perusta on paikalla, tekoäly muuttuu paljon luotettavammaksi ja helpommin skaalattavaksi eristetyistä kokeiluista todellisiin tuotantoympäristöihin.

Tungsten toimii asiakirjojen ja prosessien kanssa painittuvilla aloilla. Miten tekoäly muuttaa, miten yritykset ajattelevat rakenteettomista tiedoista ja päätöksenteosta?

Teckoäly muuttaa, miten organisaatiot ajattelevat tiedon arvosta, jonka he jo omistavat. Vuosien ajan suuret määrät yritysten tietoa ovat olleet asiakirjoissa, sähköposteissa, PDF-tiedostoissa ja muissa rakenteettomissa sisällöissä, joita on ollut vaikea käyttää tai ottaa käyttöön. Nyt organisaatiot ymmärtävät, että tämä data sisältää asiayhteyden ja liiketoimintalogiikan, joita tekoälyjärjestelmien tarvitsee tuottaa luotettavia tuloksia. Itse mallit ovat komodia, organisaatioiden omat tiedot yhdistettynä näihin malleihin on erottautumisen tekijä.

Samaan aikaan on kasvava tietoisuus datan omistajuudesta, hallinnosta ja siitä, mihin yritysten tieto virtaa. Monet yritykset kilpailevat saadakseen enemmän ulkoisia tietoja tai kokeilevat laajaa mallin käyttöä, kun todellisuudessa he ovat jo istumassa valtavien määrien käyttämättömän älyn päällä omassa organisaatiossaan. Fokus on siirtymässä kohti tämän sisäisen rakenteettoman datan aktivointia turvallisella ja hallitulla tavalla, jotta tekoäly voi tukea parempia päätöksiä ilman tarpeetonta riskiä.

Olet rakentanut asiakasneuvostoja ja työskennellyt läheisesti yritysasiakkaiden kanssa urasi aikana. Miten tärkeää on asiakaspalaute tekoälystrategian muotoilussa, erityisesti kun teknologia kehittyy nopeasti?

Asiakaspalaute on lahja, erityisesti alalla, joka kehittyy nopeasti kuin tekoäly. Se auttaa varmistamaan, että strategia pysyy juurtuneena todellisissa liiketoimintatarpeissa eikä teoreettisissa mahdollisuuksissa.

Se myös auttaa priorisoinnissa. On monia suuntia, joissa tekoäly voi kehittyä, mutta asiakaspalaute antaa selkeyttä siitä, missä suurin arvo voidaan luoda. Tämä pitää fokus tuloksissa, jotka merkitsevät, ja varmistaa, että innovaatio pysyy linjassa siinä, miten yritykset toimivat todella.

Muistan varhaisista päivistä gen-tekoälystä, kun asiakas neuvostossani sanoi, että vaikka hän piti tuotteen suunnasta, hän ei olisi valmis maksamaan lisää uudesta LLM-pohjaisesta ominaisuudesta suunnitelmassamme. Se oli silmäys, koska hän oli linjassa koko teollisuuden kanssa.

Katsoen eteenpäin, missä näet suurimman mahdollisuuden tekoälyvoimaiselle automaatiolle seuraavien 3-5 vuoden aikana, ja mitä yritysten tulisi valmistautua nyt?

Suurin mahdollisuus on tekoälyn syvemmässä yhdistämisessä loppupään prosesseihin. Sen sijaan, että keskitytään erillisiin tehtäviin, yritykset tarkastelevat, miten tekoäly voi tukea koko prosessia ja parantaa, miten työ liikkuu liiketoiminnassa. Tällä hetkellä monet agenssijärjestelmät on suunniteltu erillisiin tehtäviin, mutta yritykset toimivat sääntöjenmukaisissa loppupään prosesseissa.

Jotta voidaan valmistautua tähän muutokseen, yritysten on syytä investoida tietoperustoihinsa ja järjestelmiin, jotka tukevat läpinäkyvyyttä ja hallintaa. Heidän tulisi myös ajatella ”rakenna ja kumppani” eikä ”osta tai tee itse”. Olemme nähneet, miten tekoäly itse tehtynä on usein epäonnistunut. Yritykset, jotka hyötyvät eniten, ovat ne, jotka löytävät oikeat tekoälyvoimat, jotka nopeuttavat ratkaisujaan eivätkä yritä rakentaa kaikkea alusta alkaen.

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, suosittelemme vierailemaan Tungsten Automation -sivustolla.