Afsheen Afshar, Pilot Wave Holdingsin perustaja – Haastattelusarja

Afsheen Afshar, Pilot Wave Holdingsin perustaja, on kokenut data science ja sijoittamisen johtaja, jonka ura kattaa senioriroolit Goldman Sachsissa, J.P. Morganissa ja Cerberus Capital Managementissa, missä hän auttoi kehittämään laajamittaisia data science- ja tekoälyaloitteita rahoituslaitoksissa. Neurotieteellisen ja koneoppimisen tutkimuksen pohjalta Stanfordin yliopistossa Afshar on rakentanut uransa edistyneen analytiikan, yksityisen pääoman ja operatiivisen muutoksen risteyksessä, lopulta keskittyen tekoälyn soveltamiseen liiketoiminnan todelliseen suorituskykyyn. Pilot Wave Holdingsissa hän yhdistää sijoittamisosaamisen, operatiivisen johdon ja syvän teknisen tietämyksen tunnistamaan, hankkimaan ja kasvattamaan yrityksiä dataohjattujen strategioiden ja modernin teknologian avulla.

Pilot Wave Holdings on hankinta- ja kasvualusta, joka keskittyy muuttaa pieniä ja keskisuuria yrityksiä tekoälyn ja edistyneen teknologian avulla. Yritys hyödyntää omia tekoälyjärjestelmiä analysoimaan toimintoja, paljastamaan tehokkuusongelmia ja ajamaan suorituskyvyn parantamisia portfolion yrityksissä. Yhdistämällä käytännön operatiivisen osallistumisen moderniin data-infrastruktuuriin Pilot Wave pyrkii modernisoimaan perinteisiä liiketoimintoja, jotka ovat historiallisesti jääneet ilman pääsyä edistyneisiin työkaluihin, ja asettaa ne skaalautuvan, pitkän aikavälin kasvun asentoon yhä enenevössä teknologiajohtoisessa taloudessa.

Olet toiminut uranuurtajana tekoälyjohtajana yrityksissä kuten JPMorgan ja Cerberus, ja myöhemmin perustit Pilot Wave Holdingsin, jotta voit tuoda tekoälyn perinteisiin teollisuuksiin. Mikä oli keskeinen oivallus tai frustraatio, joka johti sinut siirtymään tekoälyn rakentamisesta suurten laitosten sisällä yritysten hankkintaan ja muuttamiseen suoraan?

Keskeinen ongelma oli tarve valtuutukseen toimia nopeasti. Suurten laitosten sisällä, vaikka ihmiset ovat yhtä mieltä mahdollisuuksista, on usein liian monta kerrosta ongelman tunnistamisen ja sen ratkaisemisen välillä. Tekoäly ei yleensä epäonnistu, koska tekninen työ on mahdotonta, se epäonnistuu, koska organisaatio on liian hidas, liian poliittinen tai liian hajanainen toimia kiireellisesti. Halusin toimia ympäristössä, jossa strategia, toiminta ja teknologia voivat olla nopeasti linjassa. Yritysten hankkinta ja rakentaminen suoraan luo tämänkaltaisen valtuutuksen. Jos haluat todella muuttaa sitä, miten liiketoiminta toimii nopeasti ja vapaaehtoisesti, omistajuus on tärkeää.

Monet alan yritykset yhä juhlistavat onnistuneita koekäyttöjä, vaikka todellinen arvo tulee tuotantojärjestelmistä. Miksi tekoälyaloitteet usein menevät pieleen siirtymävaiheessa, ja mitä erottaa organisaatiot, jotka onnistuvat tekoälyn operatiivisessa toiminnassa, niistä, jotka jäävät jumiin?

Monet koekäytöt on suunniteltu onnistumaan, mikä on tärkein syy siihen, että monet yritykset pettävät itsensä. Ne tapahtuvat puhdistetuissa ympäristöissä, joissa on erityistä huomiota, rajoitettu laajuus ja ei kitkaa, joka ilmenee tuotannossa. Syvempi ongelma on usein empaattinen aukko. Teknologit eivät usein ottaa aikaa tai eivät frankasti halua oppia operatiivisen kokemuksen, joten he rakentavat jotain, mikä toimii teoriassa tai demossa, mutta ei todellisuudessa. Yritykset, jotka onnistuvat tekoälyn operatiivisessa toiminnassa, ovat niitä, jotka ottaa vakavasti ihmisen työnkulun alusta alkaen ja rakentavat sen epäjärjestyksen mukaisesti, sen sijaan, että yrittävät välttää sitä. Kaikki sanovat, että he haluavat tuotantoon perustuvaa arvoa, mutta monet tiimit ovat edelleen optimoimassa koekäytön suosion.

Työsi keskittyy tekoälyn upottamiseen aloihin kuten infrastruktuuriin, valmistukseen ja elektroniikkakauppaan. Miten tekoälyn käyttöönotto näissä ympäristöissä eroaa perustavasti siitä, miten se käytetään digitaalisissa yrityksissä tai ohjelmistoa edeltävissä yrityksissä?

Ero on siinä, että perinteisemmissä liiketoimissa, empaattinen ja inhimillinen elementti ovat tärkeämpiä kuin mitä tekoälymaailmassa usein myönnetään. Ohjelmistoa edeltävissä ympäristöissä tiimit voivat usein toimia nopeasti ja korjata ongelmia myöhemmin. Infrastruktuurissa, valmistuksessa ja elektroniikkakaupassa työ on sidottu fyysisiin järjestelmiin, todellisiin rajoituksiin ja ihmisiin, jotka tietävät heti, kun jotain ei ole tehty oikein. Tämä tarkoittaa, että et voi vain tulla paikalle teknisesti elegantilla ratkaisulla ja odottaa sen omaksumista. Jos et ymmärrä operatiivista kokemusta, tekoälystrategiasi on todennäköisesti jo rikki. Nämä ympäristöt paljastavat heikkojen ajatusten nopeasti, mikä on osa siitä, miksi ne ovat niin tärkeitä.

Olet väittänyt, että tekoälyn omaksuminen tulisi aloittaa liiketoiminnan tavoitteista eikä työkaluista. Mitä tämä tarkoittaa käytännössä, ja miten johtoryhmien tulisi uudelleenmuotoilla lähestymistapaansa tekoälymuutokseen?

Useimmat johtoryhmät aloittavat väärästä paikasta. He alkavat keskustelulla siitä, mitä teknologia voi tehdä heidän puolestaan, koska se kuulostaa jännittävältä ja ajantasaiselta, vaikka oikea paikka aloittaa on määritellä, mitkä ovat heidän tärkeimmät liiketoimintatavoitteensa. Kun tiedät sen, voit keskustella rehellisesti siitä, mitkä ovat parhaat työkalut näiden tavoitteiden saavuttamiseksi, ja se ei aina tarvitse olla tekoäly. Tämä kuulostaa ilmeiseltä, mutta useimmat yritykset ovat edelleen mukana teknologian metsästysretkellä ja toivovat, että liiketoimintatapaus ilmestyy jossain vaiheessa. Se on väärä tapa, ja se johtaa paljon hukkaan menevään liiketoimintaan. Jos johto haluaa todellisia tuloksia, heidän on loputtava tekoälystrategian käsittely teknologiaostoksena.

Pilot Wave Holdingsissa et ainoastaan neuvoo yrityksiä, vaan muokkaat niitä hankinnan jälkeen. Mitkä ovat ensimmäiset rakenteelliset tai kulttuuriset muutokset, joita toteutat, jotta tekoälyn omaksuminen todella onnistuu?

Ensimmäinen asia on löytää sekä seniori- että juniorisponsoreita. Juniorisponsoreilla on tietämys arjesta, ja he voivat varmistaa, että työntekijät tekevät tarvittavat toimenpiteet. Seniorisponsoreilla on valtuudet minimoida politiikkaa ja varmistaa, että ponnistelu ei jää tyngelle. Monet yritykset nojaavat liikaa ylhäältä tulevaan tukeen ja ihmettelevät, miksi mitään ei muutu käytännössä. Totuus on, että tekoälyn omaksuminen usein epäonnistuu joko siksi, että organisaatio vastustaa sitä, tai siksi, että johto antaa esteiden kasaantua. Tarvitaan molempia tukimuotoja paikalla aikaisin. Muuten aloite muuttuu toiminnon, josta puhutaan, mutta joka ei todella toteudu.

Kun tekoälyagentit tulevat yhä kykeneviksi ja infrastruktuuri tulee yhä abstraktimmaksi, mitkä strategiset riskit nousevat yrityksille, jotka eivät hallitse omaa dataa ja tekoälyominaisuuksiaan?

Väitän, että yritysten on aina oltava perustavanlaatuinen valvonta. Tämä edellyttää järjestelmien instrumentointia, mikä on tapa, jolla Pilot Wave lähestyy järjestelmien suunnittelua, koska jos et voi nähdä, mitä tapahtuu, mitata sitä ja asettaa rajoituksia, otat riskin, jota et ymmärrä. Tämä ei tarkoita, ettei tehtävien delegoimista voisi tehdä, koska delegoiminen tulee edelleen tapahtumaan laajamittaisesti, mutta delegoiminen ilman mittauksia ei ole toteutettavissa. Paljon markkinaa houkuttelee abstraktiota, koska se tekee asioiden tuntumisen helpommaksi ja nopeammaksi, mutta tämä helppous voi piilottaa todellisen järjestelmällisen haavoittuvuuden. Jos oikea instrumentointi, mittaus ja rajoitukset ovat paikalla, potentiaalinen järjestelmällinen riski voidaan minimoida. Jos ne eivät ole, olet rakentamassa riippuvuutta ennen kuin olet ansainnut luottamuksen.

On kasvava kuilu siinä, miten tekoäly markkinoidaan ja miten se toimii todellisissa ympäristöissä. Mitkä signaalit tekniset johtajat ja operatiiviset johtajat tulisi etsiä, jotta voidaan erottaa merkittävät tekoälyominaisuudet pinnallisista väittämistä?

Aina kysy todellista arvon mittauksesta. Olen ollut uskollinen arvon mittaukselle koko urani ajan, aina yksittäisiin projekteihin asti, koska ilman tätä kuria on helppo sekoittaa jännitys tuloksiin. Jokaisen ponnistelun on oltava sidottu ROI:hin ja seurattava. Jos joku ei voi selittää selvästi, miten järjestelmä vaikuttaa liikevaihtoon, kustannuksiin, tuotantoon, työtehokkuuteen tai johonkin muuhun todelliseen liiketoimintaindikatoriiin, on hyvä mahdollisuus, että he myyvät teatteria. Alan on tullut liian mukavaksi palkitsemaan hienot demon ja epämääräisiä väittämiä. Ilman tiukkaa arvon mittaukseen perustuvaa lähestymistapaa on olemassa todellinen riski heittää hukkaan aikaa ja rahaa.

Olet rakentanut ja johtanut laajamittaisia data science -organisaatioita. Miten näet tekoälytiimien roolin kehittyvän, kun automaatio lisääntyy ja agenttipohjaiset järjestelmät ottavat vastuun?

Tekoäly ottaa yhä korkeampia tehtäviä. Pilot Wave Holdingsissa kehitämme jo tekoälyä, joka voi ottaa syötteenä jotain, kuten “kasvata liikevaihtoani 10 prosentilla” sen sijaan, että “uudelleen tee verkkosivuani”, mikä on lähempänä siitä, missä moni tekoäly edelleen on tänään. Tämä muutos muuttaa tekoälytiimien roolia merkittävästi, koska työ muuttuu eristyneistä tehtävistä kohti järjestelmien päättelyä todellisten liiketoimintatavoitteiden yli. Monet tiimit ajattelevat edelleen liian kapeasti automaatiosta ja aliarvioivat, kuinka nopeasti teknologia on siirtymässä ylöspäin pinossa. Painopiste siirtyy tehtävien suorittamisesta liiketoimintadelegaatioon. Se on paljon suurempi muutos, kuin mitä useimmat yritykset ovat valmistautuneet.

Monet yritykset panostavat voimakkaasti tekoälyyn, mutta kamppailevat mittaamattoman ROI:n kanssa. Mitkä ovat yleisimmät epäonnistumismallit, joita olet havainnut, ja miten niitä voidaan välttää?

Useimmat tekoälyponnistelut, erityisesti suurissa yrityksissä, ovat edelleen liian keskittyneitä näyttäviin kojuihin, buuzzan sanoihin ja asioihin, jotka ovat helppoja esittää sisäisesti, mutta vaikeita kytkemään todelliseen arvoon. Yritykset viettävät paljon aikaa tehdäkseen työn näyttävän sofistikoituneelta, sen sijaan, että tekisivät siitä hyödyllistä. Epäonnistumismalli ei yleensä ole mystinen, se on vain tavanomaista arvonluomisen kurin puute. Jos ei ole selvää taloudellista tavoitetta, ei omistajaa eikä mittauskehykstä, ponnistelun ei pitäisi edetä. Oltava uskollinen arvonluomiselle joka vaiheessa on kriittinen. Muuten yritysten tekoäly muuttuu kalliiksi brändäysharjoitukseksi.

Edelleen katsoen, mitkä tekoälyominaisuudet tai järjestelmätasoiset läpimurrot ovat todennäköisesti vaikuttavat eniten fyysiseen maailmaan liiketoimintaan seuraavien viiden-kymmenen vuoden aikana?

Kyky antaa tekoälyjärjestelmille hyvin korkean tason tavoitteita ja delegoida suuria osia liiketoiminnasta on tulossa todelliseksi hyvin pian. Se on kyky, joka tulee olemaan tärkein, koska se siirtää tekoälyn kapeasta tehtävän suorittamisesta todelliseen operatiiviseen vaikutukseen. Seurauksena ihmiset tulevat keskittymään enemmän suhteiden ja luottamuksen aspekteihin liiketoiminnassa, sekä itse työn fyysiseen luonteeseen, olipa se sitten rakennus- tai jokin muu kenttäteollisuus. Monet puhuvat edelleen tekoälystä tuottavuuden kerroksena, joka on sivussa, mutta tämä näkemys on jo alkanut tuntua vanhanaikaiselta. Järjestelmät tulevat olemaan kykeneviä ottamaan vastuun laajempaa vastuuta. Tulevaisuus on hyvin jännittävä, mutta se tulee myös olemaan paljon disruptiivisempi, kuin mitä monet vakiintuneet toimijat haluavat myöntää.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Pilot Wave Holdings:ssa.