Aron England, Chief Product & Technology Officer at Accruent – Haastattelusarja

Aron England, Accruentin Chief Product and Technology Officer, on kokenut teknologia- ja tuotejohtaja, joka tunnetaan globaalien tiimien rakentamisesta ja skaalauksesta, jotka toimittavat SaaS- ja agentic-ratkaisuja varhaisesta tutkimuksesta korkean kasvun, asiakaslähtöisiin tuotteisiin. Hän yhdistää syvän asiantuntemuksen kuluttajamarkkinoilla, B2B SaaS, e-commerce ja kaupallisen teknologian vahvaan johtajuuteen, jossa innovaatio yhdistyy terävään ymmärrykseen asiakasongelmiin, jotta voidaan saavuttaa kestävä tuote-markkinasuoritus ja mitattavissa olevat liiketoimintatulokset, mukaan lukien kasvu yritysostojen ja IP-johtuvan strategian kautta.

Accruent tarjoaa ohjelmistoja, jotka auttavat organisaatioita hallitsemaan liiketoimintansa fyysistä puolta tehokkaammin, yhdistämällä työkalut tiloille, varastoille, tilaan ja työtilojen toiminnalle yhtenäiseen järjestelmään. Sen alusta on suunniteltu vähentämään fragmentaatiota, parantamaan näkyvyyttä ja päätöksentekoa sekä auttamaan tiimejä suunnittelemaan, ylläpitämään ja optimoimaan rakennuksia ja laitteita laajalla alojen kirjolla.

Olet rakentanut ja johtanut korkean suorituskyvyn omaavia globaaleja tiimejä yli 25 vuoden ajan. Katsomalla taaksepäin startupien, suurten yritysten ja nyt Accruentin kautta, mikä ratkaiseva kokemus on muovannut ajattelutapasi luotettavan teknologian rakentamisesta laajassa mittakaavassa?

Olen saanut laajan kokemuksen digitalisaation edistämisestä eri aloilla työskennellessäni Fortune 50 -yrityksissä ja teknologiajohtajana alkuvaiheen startupien, keskisuurten ja suurempien julkisten ja yksityisten yritysten parissa. Merkittävin kokemus on ollut työskentely DocuSignissa, jossa olimme kohdistamassa markkinaa, joka tarvitsi todellisen muutoksen. Siirtymisen analogisesta sopimustoiminnasta täysin digitaaliseen muotoon edellytti sekä markkinoiden luottamusta että lainsäädännöllistä turvallisuutta. On paljon oppeja, jotka voidaan soveltaa nykyiseen markkinaan LLM- ja AI-työkaluille.

Yleisellä tasolla kokemukseni on osoittanut, että luotettavat järjestelmät eivät synty sattumalta. Ne tulevat tarkoituksenmukaisesta arkkitehtuurista, tietojen johdonmukaisuudesta, avoimuudesta ja syvää ymmärrystä siitä, miten todelliset ihmiset käyttävät teknologiaa.

Olet varoittanut, että vuoteen 2026 mennessä tekniset asiantuntijat eivät enää hyväksy AI-järjestelmiä, jotka sanovat vain “luota minuun”. Mitä odotuksia eteenpäin teknisten asiantuntijoiden ja kenttäpalvelun ammattilaisten joukossa Accruentin näkökulmasta?

Ympäristöissä, joissa tilanhoitajat ja tekniset asiantuntijat käyttävät AI:ta laitteiden vikojen diagnosointiin ja monimutkaisten korjausten ohjaamiseen, virheellinen tai epätarkka suositus voi aiheuttaa merkittäviä liiketoimintaa ja turvallisuusriskejä.

Usein LLM:t luo sekoitetuista vastauksista useilta sivuilta ilman viittauksia alkuperäisiin todisteisiin. Tämän seurauksena, jos tekninen asiantuntija seuraa AI:n luomaan askeltavasti, jota ei ole suoraan olemassa alkuperäisessä käyttöohjeessa, organisaatio voi kohtailla merkittäviä vaatimuksia, koska heillä ei ole puolustettavaa todistusketjua tarkastuksille tai turvallisuuskatsauksille. Koska AI tulee yleiseksi ja “näkymättömäksi” ohjelmistoissa, jäljittämisen merkitys kasvaa.

AI-harhat voivat olla enemmän kuin vain vaivanhaku säännellyissä aloilla — ne voivat luoda todellisia turvallisuus-, vaatimuksetaso- ja operatiivisia riskejä. Mitä harhakuvia AI-työkaluissa sinä eniten huomioit, kun on kyse huollosta, tilanhoidosta tai varastotoiminnasta?

Teollisuudessa, jos AI:n antama ehdotus kertoo tehtaan työntekijälle väärän toimenpiteen kriittiselle laitteelle, se voi johtaa suunnittelemattomaan pysähtymiseen, hukkaan menevään materiaaliin, viallisiin lopputuotteisiin tai vahingoittaa laitteita. Nämä virheet voivat olla miljoonien dollarien virheitä, kun tuotantolinjat pysähtyvät tai jopa mainevahinkoja, jos se myöhemmin johtaa takaisinvedetyksiin.

Nämä AI-työkalujen harhakuvat ovat myös erittäin haitallisia aloille, kuten terveydenhuoltoon, jossa vastuut ja potilaiden elämät ovat vaarassa, kun laitteiden vika ei ole ollut asianmukaisesti ylläpidetty tai korjattu ajoissa. Kun käsitellään aloja, jotka vuorovaikuttavat todellisen maailman kanssa, virheiden korjaaminen ei ole yhtä yksinkertaista kuin poistaa ja aloittaa uudelleen.

Olet korostanut, että jokaisen AI-tuloksen on osoitettava alkuperäisiin lähteisiin — käyttöohjeisiin, tietotauluihin, kaavioihin, historiatilastoihin. Miten Accruent suunnittelee järjestelmiä, jotka varmistavat jäljittämisen ja poistavat “mustan laatikon” vastaukset?

Varmistamme, että AI-suositukset voidaan jäljittää takaisin merkittäviin tuloksiin alkuperäisessä lähdeaineistossa, kuten tietyn käyttöohjeen sivulle, kaavioon, tietotaulukkoon tai lokimerkintään, joka antoi suosituksen. Esimerkiksi, jos AI-suositukset kertovat terveydenhuollon tilanhoitajalle, miten kompressoria on huollettava, heidän pitäisi pystyä seuraamaan takaisin tarkkaan kohtaan, joka tukee sitä askelta yhdellä klikkauksella, varmistaakseen tarkin.

Monet yritysten AI-työkalut priorisoivat nopeuden, mutta säännellyissä ympäristöissä vaaditaan tarkastuspolkuja, asiakirjojen tarkin ja verifioiden päättelyn. Miten tasapainotat innovaation tarpeen ja avoimuuden sekä vaatimustenmukaisuuden tarpeen?

AI:n upottaminen olemassa oleviin työnkulkuihin on avain. Tämä yksinkertaistaa prosessin, jossa hyväksynnät, asiakirjat, huoltorutiinit ja vaatimustenmukaisuustarkastukset voidaan lisätä tunnettuun käytäntöön, sen sijaan, että otettaisiin käyttöön uusi erillinen työkalu. Tämä tarkoittaa, että operaatioiden täydellistä uudelleenjärjestelyä voidaan välttää, ja työntekijät voivat jatkaa työskentelyä tavalla, jota he ovat tottuneet, mutta manuaaliset, aikaa vievät prosessit automatisoidaan.

Teknikot kenttätyössä luottavat tarkkiin ohjeisiin. Miten Accruent lähestyy haasteen, jossa AI-tulokset perustuvat auktoritatiiviseen lähdeaineistoon, jotta riski voidaan vähentää ja teknikon luottamus voidaan parantaa?

Lähestymistapamme alkaa käyttöohjeiden, kaavioitten, piirustusten, vuokrasopimusten ja historiallisten työtapahtumien tallentamisella ja järjestämisellä, jotta voidaan varmistaa, että AI antaa vastauksia yrityksen omasta sisällöstä, eikä yleisestä koulutusaineistosta. Kun luodaan menettelyjä, suosituksia tai tarkastuslistoja, järjestelmämme on suunniteltu siten, että jokainen askel voidaan jäljittää takaisin alkuperäiseen asiakirjaan.

Ilman tätä ominaisuutta teknikoille, jotka ovat jo resursseja, olisi vietävä vielä enemmän aikaa manuaaliseen asiakirjojen läpikäynnissä, jotta he voivat varmistaa tarkin, mikä edelleen viivästyttäisi prosesseja ja työtapahtumia.

Toimittavaan, tarkastettavaan AI:lle vaaditaan suuria määriä rakennettua dataa. Mitä tietohaussa — epäjohdonmukaisista legacy-asiakirjoista epätasaisiin varastohistorioihin — on ratkaistava, jotta tämä visio voidaan tehdä todeksi?

Tarkastettavan AI:n toimittaminen alkaa luotettavasta ja hyvin järjestetystä datasta. Kuitenkin suurin osa fyysisestä ympäristöstä elää edelleen analogisissa prosesseissa, manuaalisissa tietokantatapahtumissa, skannattujen PDF-tiedostojen ja eristettyjen taulukoiden kanssa. Kun on aukkoja tiedoissa ja varastohistorioissa, jotka ovat epätäydellisiä tai epäjohdonmukaisia, AI-harhakuvien riski kasvaa. Jotta AI-tulokset voidaan tehdä luotettaviksi säännellyissä ympäristöissä, yritysten on ratkaistava legacy-tietohaussa, kuten epäjohdonmukaisista tiedostomuodoista, epätäydellisiin historiaan, puutteelliseen hallintaan, siirtymällä rakennettuihin, versio-ohjattuihin, keskitettyihin asiakirja- ja varastotietojärjestelmiin.

Meidän EDMS (Engineering Document Management System) voi tehdä sen useille aloille, kuten kaivosteollisuudelle, sähköyhtiöille, valmistajille ja monille muille. Nämä alat usein luottavat fyysisten insinöörien piirustuksiin ja asiakirjoihin, mikä voi luoda versio-ohjauksen painajaisia. Käyttämällä meidän EDMS-ratkaisua näiden asiakirjojen digitalisointiin on ensimmäinen askel. Siitä lähtien ohjelmisto auttaa hallitsemaan versio-ohjausta, työnkulkua, hallintaa ja tarkastuspolkuja, jotta epäjohdonmukaisuudet voidaan poistaa.

Kun AI uppoaa ylläpitoon, tilanhallintaan ja varastojen elinkaaren hallintaan, missä ovat suurimmat mahdollisuudet parantaa tuottavuutta ilman turvallisuuden tai sääntelyn vaatimusten heikentämistä?

Yksi suurimmista mahdollisuuksista on automatisoida arkiset, arvotonta lisäävät tehtävät työntekijöiltä, kuten manuaalinen tietojen syöttäminen ja työtapahtumien aikatauluttaminen teknikoille. Ulkopuolelta näyttää siltä, että se on suhteellisen helppo, mutta aikaa vievä tehtävä. Kuitenkin AI voi lähestyä tehtävää strategisemmin.

Ensinnäkin, jos laitteessa on sensorit, työtapahtuma voidaan käynnistää poikkeaman havaitsemisen perusteella ennen kuin todellinen vika ilmaantuu. Toiseksi, AI voi auttaa priorisoimaan työtapahtumia automaattisesti perustuen kiireellisyyteen ja aikatauluttaa korjauksia ajankohtiin, jotka aiheuttavat vähiten häiriötä liiketoiminnalle — se voi myös punnita useita samanaikaista ongelmaa, kustannuksia, turvallisuutta ja tuottoa yhteen paras mahdollinen etenemissuunta.

AI:lla on potentiaalia ei ainoastaan “avustaa” ylläpito- ja tilanhallintatiimejä — se toimii yhä enemmän digitaalisena toimijana.

Luottamus on muuttumassa uudeksi vakioksi yritysten AI:ssa. Mitä toimittajien on tehtävä eri tavalla seuraavien kahden vuoden aikana, jotta he voivat ansaita — ja säilyttää — sen luottamuksen?

Toimittajien on loputtava oletuksella, että asiakkaat “luottavat malliin”, kun on kyse yritysten AI:sta. AI-suositusten on osoitettava todisteita siitä, miten ne on generoitu. Yksi tapa ratkaista tämä on viittauksien ja selkeiden kuvausten muodossa, jotka kertovat, mitä asiakirjoja AI on tarkastanut ja mitä ei. Esimerkiksi, jos työntekijä pyytää AI:ta analysoimaan 1 000 vuokrasopimusta, heidän pitäisi tietää selvästi, onko se arvioinut kaikki 1 000 vai ainoastaan 700, ja miksi tai miksi ei.

Osana tätä, tärkein tekijä, jota toimittajien on priorisoitava, on avoimuus tietojen käytössä. Se sisältää selkeän tiedon siitä, kuka näkee tiedot, miten niitä käytetään (mukaan lukien koulutusvaikutukset) ja miten ne eristetään tai erotetaan muiden asiakkaiden ympäristöistä.

Seuraavien kahden vuoden aikana luottamuksen ansaitseminen on olennaisinta, ja toimittajat voivat saada yliotteen olemalla eksplisiittisiä AI-työkalujen rajoituksista, pitämällä ihmisiä silmällä korkean riskin päätöksissä ja aloittamalla kapeilla, hyvin määritellyillä käyttötavoilla, jotka toimittavat konkreettista arvoa ilman, että asiakkaat joutuvat “mustan laatikon” tilanteeseen.

Edelleen katsoen, miten näet AI:n kehittyvän kriittisissä operaatioissa, ja mitä roolia odotat Accruentin näyttelevän teollisuuden standardien asettamisessa luotettavalle, avoimelle AI:lle?

AI kriittisissä operaatioissa kehittyy nopeasti erillisten tehtävien automaatioista älykkäisiin, monien agenttien järjestelmiin, jotka voivat koordinoida ja optimoida koko työnkulkua. Sen sijaan, että se vain avustaisi käyttäjiä, AI toimittaa autonomisen päätöksenteon tuen, jatkuvaan operatiivisen tilan seurantaan, riskien ennustamiseen ja toimien suosittelemiseen täydellä avoimuudella ja jäljittämällä. Kun AI oppii yhdistämään rakenteettomat asiakirjat, rakenteisen operatiivisen datan ja reaaliaikaiset signaalit, se uppoaa päivittäisiin prosesseihin, ajamalla nopeampia, turvallisempia ja luotettavampia tuloksia.

Ajan myötä tämä mahdollistaa siirtymisen autonomisiin operaatioihin, joissa järjestelmät voivat itseoptimoida ja itsekorjata, kun ihmiset keskittyvät valvontaan ja strategiseen päätöksentekoon. Markkinajohtajana Accruent auttaa asettamaan teollisuuden standardeja luotettavalle ja avoimelle AI:lle upottamalla tarkastettavuuden, selkeän ja vahvan hallinnan alustaan ja yhteistyössä asiakkaiden, kumppaneiden ja sääntelyelinten kanssa määrittelemään parhaiden käytäntöjen turvalliseen käyttöön kriittisissä ympäristöissä.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Accruent:issa.