Ali Sarrafi, Kovantin CEO ja perustaja – Haastattelusarja

Ali Sarrafi, Kovantin CEO ja perustaja, on kokenut teknologia- ja tekoälyjohtaja Tukholmassa, jolla on tausta rakentamisesta ja skaalautumisesta korkean kasvun tekoälyyrityksistä. Kovantin perustamisesta lähtien hän on hyödyntänyt syvää kokemusta yritysten tekoälystrategiassa, markkinointivaiheessa ja toiminnan skaalautumisessa. Aikaisemmin hän toimi strategian varapuheenjohtajana Silo AI:ssa sen jälkeen, kun AMD oli ostanut sen, ja hän oli vastuussa yritysten tekoälystrategian muotoilemisesta ja laajan käytön edistämisestä. Uransa alussa hän perusti Combient Mixin ja johti yritystä nopeaan kasvuun ja onnistuneeseen omistukseen Silo AI:lle, ja on sen jälkeen toiminut neuvonantajana ja hallituksen jäsenenä koulutuksen ja tekoälystartuppien parissa, mikä heijastaa johdonmukaista painopistettä kääntää edistynyttä tekoälyä liiketoiminnan vaikutukseen.

Kovant on tekoälyyritys, joka keskittyy siihen, että yritykset voivat siirtyä kokeellisesta tekoälykäytöstä täysin toiminnallisiin, itsenäisiin liiketoimintaprosesseihin. Yritys kehittää agenttipohjaista alustaa, joka on suunniteltu orkestroimaan tekoälyagentteja monimutkaisilla toiminnan aloilla, kuten hankinnassa, toimitusketjuissa, vaatimustenmukaisuudessa ja asiakaspalvelussa. Korostamalla turvallista, yritysten luokan käyttöönottoa ja nopeaa arvon saavuttamista, Kovant asettaa itsensä siltaksi strategisen tekoälyambition ja päivittäisen toiminnan toteutuksen välille, auttaen suuria organisaatioita upottamaan tekoälysuoraan keskeisiin työnkulkuun eikä käsittele sitä erillisenä työkaluna tai pilottiprojektina.

Olet johtanut suuria tekoälyhankkeita Spotifyssa, skaalannut ja myynyt Combient Mixin, ja myöhemmin muotoiltu yritysten tekoälystrategiaa Silo AI:ssa ennen Kovantin perustamista. Mitkä tarkat aukot tai pettyneisyydet kohtasit näissä rooleissa, jotka vakuuttivat sinut siitä, että on aika rakentaa itsenäinen yritysten tekoälyalusta, ja miten tuo historia muotoili Kovantin ydinsuunnittelufilosofian?

Edellisissä rooleissani useat johdonmukaiset aukot ilmenivät jatkuvasti. Ensinnäkin useimmat “pysty”-tekoälytyökalut ovat tehokkaita vain yhden ohjelmistopinon sisällä: ne tekevät yhden asian hieman paremmin kyseisen rajoituksen sisällä, mutta kamppailevat heti, kun työnkulku vaatii useita järjestelmiä. Samalla yritysten data on hajallaan useissa työkaluissa, ja monet automaatio-ratkaisut eivät pysty edes käsittelemään sitä. Lisää siihen vuosien mittaiset pistekohtaiset integraatiot, ja saat klassisen spagettirakenteen: monimutkaisuus kasvaa, muutokset hidastuvat, ja tiimit päätyvät automatisoimaan yksittäisiä askelia työnkulun sijaan uudelleenmuokkaamisesta päättyväksi. Seurauksena on, että tuotto saapuu usein hitaammin – ja pienemmässä määrin – kuin organisaatiot odottavat.

Kovant on suunniteltu vastaukseksi tälle todellisuudelle. Meidän ydinsuunnittelufilosofiamme on, että agentit tulisi toimia enemmän kuin työntekijät: ne työskentelevät useiden työkalujen yli, ne “palkataan” tekemään töitä, eivät automatisoimaan yhtä kerran kirjoitettua skriptiä. Siksi integraatiot ja orkestraatio ovat sisäänrakennettuja, ja oletamme, että yritysten data on usein epäjärjestynyttä ja rakenteetonta – se tarvitsee enemmän inhimillistä lähestymistapaa poikkeusten ja epävarmuuden käsittelyyn.

Käytämme perusagentteja saavuttamaan nopeutta ja skaalautuvuutta, samalla pitäen datan omistajuuden etusijalla: yritykset voivat käyttää ja käsitellä omaa dataa vaakasuoraan ilman, että se poistuu heidän tiloistaan.

Kovant asettaa itsensä itsenäiseksi yritysten tekoälyalustaksi, joka pystyy hallitsemaan koko toimintaa ja osastoja tekoälyagentteja käyttäen. Miten määrittelet “itsenäisen” yrityksen kontekstissa, ja miten se eroaa automaatio- ja agenttityökaluista, joita yritykset ovat jo kokeilleet tänään?

Yrityksen kontekstissa, kun puhumme “itsenäisyydestä”, emme tarkoita “valvomattomuutta”. Tarkoitan, että tekoälyagentit voivat tehdä todellisia toimia päättyväksi työnkulun yli selkeiden tavoitteiden ja rajoitusten kanssa, ja ne eskaloivat ihmisille, kun valvontaa tarvitaan.

Se, mikä tekee Kovantista erilaisen, on meidän perusagenttimme. Sen sijaan, että automatisoimme yksittäistä kiinteää prosessia tai seuraamme ennalta määriteltyä järjestystä, Kovantin agentit voivat toimia joukkona (tai parvina) toiminnan yli vain ohjeiden ja toimintakuvauksen, jonka kutsumme “suunnitelman”, avulla. Ne eivät ole suunniteltu yhdelle kapealle tehtävälle; ne yhteistyössä monimutkaisia työnkulkuja, sopeutuvat muuttuvissa olosuhteissa, ja luovuttavat ihmisille, kun tilanne vaatii valvontaa.

Esimerkiksi varastoinventoinnin agenttitiimi voi suorittaa seuraavat tehtävät ilman, että ne olisi rakennettava alusta alkaen, mukaan lukien: viestintä toimittajien kanssa sähköpostitse, varastotason valvonta ja loppumisen valvonta, toimitusten ja ostotilauksien seuranta, tilastojen päivittäminen järjestelmissä, poikkeamalippujen luominen varastosuunnittelijoille hyväksymistä varten, varastojen uudelleenjako, ja varastoraporttien konsolidointi.

Näin ollen siirrymme “chat-työkaluista” tai haurasta automaatiosta, joka murtuu skaalautumisessa, yritykset siirtyvät agenttien rakentamisesta niiden suorittamiseen skaalautuvasti.

Vaikka agenoiden tekoälyyn on suuri mielenkiinto, monet organisaatiot ovat edelleen juuttuneet kokeiluvaiheeseen. Mitkä ovat pääsyyt, jotka estävät yrityksiä siirtymästä kokeilusta tuotantoon, mitä olet havainnut todellisissa käyttöönotoissa?

Se, mitä havaitsemme, on, että useimmat organisaatiot eivät jää juuttuneiksi kokeiluvaiheeseen, koska idea on väärä; he jäävät juuttuneiksi, koska ympäristö on vihamielinen skaalautumiselle.

Ensimmäinen este on fragmentoitu yritysten teknologiamaisema. Työnkulut ulottuvat useiden järjestelmien yli, data sijaitsee useissa paikoissa, ja kaiken yhdistäminen luotettavasti on vaikeaa. Ja agenoiden tekoäly on usein käytössä olemassa olevien työkalujen lisäksi, eikä sitä ole suunniteltu uudelleenajatteluun työnkulun toimimisesta päättyväksi.

On myös oikea arkkitehtuuri- ja datongelma. Monet SaaS-toimittajat yrittävät edelleen lukita datan sisään, mikä luo yhteensopimattomuutta ja rajoittaa sitä, mitä agentit voivat tehdä järjestelmien yli. Ja monissa tiimeissä aliarvioidaan sitä, että useimmat yritysten datat ovat rakenteettomia (sähköposteja, asiakirjoja, lippuja, PDF-tiedostoja, chat-lokeja). Jos lähestymistapa olettaa puhdasta, rakenteista dataa, arvon saavuttaminen muuttuu pitkäksi, vaikeaksi ja hankalaksi toistaa pilotin ulkopuolella.

Lyhykäisyydessä: fragmentaatio, lukituksellisuus ja rakenteeton data luovat kitkaa – ja pilotit eivät koskaan muutu tuotantoon, kunnes nämä todellisuudet on suunniteltu.

Luotettavuus mainitaan usein suurimpana esteenä tekoälyagenttien käyttöönotolle todellisessa maailmassa. Miksi monet agenttijärjestelmät epäonnistuvat, kun ne jättävät ohjatun ympäristön, ja miten Kovantin lähestymistapa vähentää ongelmia, kuten harhaluuloja ja ennalta arvaamattomia käyttäytymisiä?

Jotkut agenttijärjestelmät näyttävät hyvältä esittelyissä, mutta epäonnistuvat todellisessa maailmassa, koska ympäristö on sekava ja ennalta arvaamaton. Data on epätäydellistä tai epäjohdonmukaista, reunatapaukset ilmenevät jatkuvasti (hyvitykset, riidat, erityiset hyväksynnät). Työnkulut ulottuvat useiden työkalujen, alustojen ja integraatioiden yli, jotka muuttuvat ajan myötä, ja käyttöoikeudet vaihtelevat. Kun tekoälyagentilta pyydetään käsittelemään suurta tehtävää ja sille annetaan liikaa kontekstia kerran, riski harhaluuloista ja outoa käyttäytymistä kasvaa.

Kovant vähentää tätä suunnittelun kautta. Meidän ainutlaatuinen arkkitehtuuri karsii ongelman tilan, päätösten tilan ja kontekstin, jonka mallit työskentelevät, vähentääkseen harhaluuloja. Me myös jakamme toiminnat kapeisiin, fokusoituneisiin tehtäviin yksittäisille agenteille ja askelille. Se tekee käyttäytymisen ennalta arvattavammaksi ja lisää jäljitettävyyttä ja hallittavuutta järjestelmään ja voi hallita harhaluuloja paremmin. Voimme nähdä, mitä kunkin agentin teki, mistä epäonnistuminen alkoi, ja puutua tai eskaloida, kun tarve vaatii.

Harhaluulot eivät kadota maagisesti, mutta rajoittamalla, mitä kunkin agentin on vastuulla, ja rajoittamalla kontekstia, jolla se voi toimia, voimme vähentää niiden frekvenssiä ja rajoittaa niiden vaikutusta. Tämä “kapean tehtävän/kontekstin” lähestymistapa on myös saanut tukeaan Nvidian tutkimusryhmän viimeaikaisesta työstä, joka löysi samankaltaisia etuja agenttien päätöksenteon rajoittamisesta.

Tilitettävyys on suuri huolenaihe, kun tekoälyagentit alkavat tehdä todellisia toimia liiketoimintajärjestelmissä. Miten yksityiskohtaiset toimintalokit muuttavat keskustelun luottamuksen, vaatimustenmukaisuuden ja toiminnan riskin ympärillä?

Yksityiskohtaisilla toimintalokeilla voimme nähdä, mitä tapahtui, miksi se tapahtui ja mitä tapahtuu seuraavaksi.

Toimintalokit muuttavat agentin mystiseksi botiksi, joka toimii koneessa, järjestelmäksi, jota voidaan tarkastella.

Kovantissa jokaisen tekoälyagentin käyttöönotossa on riskikartta, jota organisaatio voi toimia, meillä on sisäänrakennettu portinvartijajärjestelmä ihmisille riskialttiille toimille, mikä tarkoittaa, että agentit voivat suorittaa vain ne tehtävät, jos ihminen tarkistaa ja hyväksyy päätöksen. Kaikki nämä ovat kirjattu samalla tavalla kuin järjestelmän kirjaamismerkinnät ja ovat jäljitettävissä.

Uskomme, että on tärkeää yhdistää toimintalokit ihmisten valvontaan ja havainnointiin vähentääksesi riskiä. Se tarkoittaa, että saat edelleen nopeuden ja skaalautuvuuden edut, kun agentit suorittavat todellisia toimia.

On kasvava keskustelu siitä, voivatko tekoälyagentit edes olla vakuutettavissa niiden epäselvän päätöksenteon vuoksi. Miten tekoälytyönkulun tekeminen tarkasteltavaksi ja toistettavaksi auttaa ratkaisemaan “mustan laatikon” ongelman ja avaamaan oven vakuutettavuuteen?

“Musta laatikko” -ongelma on se, mikä tekee vakuutettavuuden hankalaksi. Jos et voi selvästi osoittaa, mitä agentti teki, miksi se teki sen, ja mitkä valvontamekanismit olivat paikalla, on vaikea kenellekään, erityisesti vakuutusyhtiöille, hinata riskiä.

Meidän lähestymistapamme on periaatteessa laajennus edellisen vastauksen tilitettävyyssäädöksistä. Me jakamme päätöksen piiriin ja toimien vaikutuksen pienempiin osiin, jotta malli ei tee yhtä suurta, epäselvää päätöstä, joka voi vaikuttaa koko toimintaan. Kunkin askelen on kapeampi, ennalta arvattavampi ja helpompi arvioida.

Me lisäämme yksityiskohtaiset lokit, havainnointia ja ihmisten valvontaa. Tärkeimmille ja vaikuttavimmille päätöksille käytämme ihmisen portinvartijaa, jotta agentti voi jatkaa vain, kun henkilö on tarkistanut ja hyväksynyt sen. Se luo paljon enemmän näkyvyyttä siihen, miten työnkulku toimii käytännössä.

Toimintaprosessien tekeminen tarkasteltavaksi ja toistettavaksi on viimeinen osa. Jos jotain menee pieleen, voit toistaa, mitä tapahtui, tutkia nopeasti, vahvistaa korjauksia ja osoittaa, kuinka usein ihmisten hyväksyntä vaaditaan ja missä varmistukset sijaitsevat. Vakuutusyhtiöiden kannalta se muuttaa “salaperäisen tekoälykäyttäytymisen” lähemmäs standardia toiminnan riskiä.

Millaisia näkymistä sinulla on agenoiden tekoälyjärjestelmien tulevaisuudesta suurten organisaatioiden sisällä seuraavien vuosien aikana, ja mitkä tekijät erottavat yritykset, jotka onnistuvat agenoiden tekoälyssä, niistä, jotka kamppailevat?

Seuraavien vuosien aikana itsenäiset tekoälyagentit siirtyvät mielenkiintoisista kokeiluista todelliseksi toimintakerroksi suurten organisaatioiden sisällä. Niitä käytetään toiminnassa, asiakaspalvelussa, rahoituksessa ja HR:ssa. Kun luotettavuus, hallinto ja valvonta paranevat, näemme, miten yritykset siirtyvät eristetyistä piloteista agenttitiimien suorittamiseen päättyväksi työnkulkuun.

Suurin muutos on, että nopeus, joustavuus, skaalautuvuus, tehokkuus ja kustannukset muuttuvat suoremman kilpailuedun. Uskon, että “Uber-liike” on tulossa yritysten pariin. Yritykset, jotka todella hallitsevat agenoiden tekoälyä, voivat toimia perustavanlaatuisesti nopeammin kuin jälkeenjääjät, vallata markkinoita nopeammin ja reagoida muutokseen ilman tavallista toiminnan hidastumista.

Se, mikä erottaa voittajat, ei ole ainoastaan agenttien käyttöönotto, vaan niiden käyttöönotto hyvin. Hallittu itsenäisyys, vahva havainnointi ja toimintalokit, sekä arkkitehtuuri, joka karsii päätösten piiriin, ovat avainasia tässä. Yritykset, jotka käsittävät agenoiden tekoälyä perustoimintona, oikeilla valvontatoimilla, integraatiolla ja omistajuudella, käyttävät sitä enemmän, ei vähemmän. Se vapauttaa tiimit keskittymään kasvuun ja innovaatioon eikä viettämään päiväänsä haudattuna byrokratiaan. Lyhykäisyydessä: radikaali nopeus ja tehokkuus muuttuvat todelliseksi kilpailuedun yritysten mittakaavassa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Kovantissa.