Chetan Alsisaria, Polestar Analyticsin CEO ja Co-Perustaja – Haastattelusarja

Chetan Alsisaria, CEO ja Co-Perustaja on yritysten teknologiajohtaja, joka on erikoistunut dataan, analytiikkaan ja tekoälyyn perustuvaan muutokseen. Deloitten, PwC:n ja EY:n alkuvaiheiden jälkeen hän perusti Polestar Analyticsin vuonna 2012 ja on sen jälkeen laajentanut sen globaaliksi tekoäly- ja data-yritykseksi. Hän johtaa myyntiä, strategisia liittoumia, palvelukehitystä ja teknistä toimittamista, ja toimii myös CAIO Circle:n puheenjohtajana, joka on tekoälyjohtajien yhteisö, joka keskittyy vastuullisen ja käytännöllisen tekoälyn omaksumiseen. Lisäksi hän on perustanut Xumane Equityn, joka heijastaa laajempaa keskittymistä innovaatioon yritysjärjestelmissä ja -alustoissa.

Polestar Analytics on globaali tekoäly- ja data-yhtiö, joka auttaa yrityksiä muuttamaan sirpaleisen datan toimintatiedoksi sen omalla 1Platformilla. Yhdistämällä data-insinöörit, analytiikka, tekoäly ja liiketoimintaprosessit yhteen, yhtiö mahdollistaa organisaatioiden parantaa päätöksentekoa, optimoida toimintoja ja laajentaa tekoälyn käyttöä. Vahvan painopisteen ollessa toimialakohtaisissa käyttötarkoituksissa ja mitattavissa tuloksissa, Polestar on kehittynyt konsultoivasta yrityksestä alustapohjaiseksi liiketoiminnaksi, joka tarjoaa yksinkertaisia, älykkäitä ratkaisuja yrityskohtaisesti.

Perustit Polestar Analyticsin vuonna 2012 Deloitten, PwC:n ja EY:n jälkeen. Mikä aukko yritysten datassa ja analytiikassa näkyi silloin, ja miten se alkuperäinen visio on kehittynyt tänään olevaksi tekoälypohjaiseksi 1Platformiksi?

Tiedät, kun Ajay, Amit ja minä perustimme Polestar Analyticsin vuonna 2012, ironia oli iskevä; yritykset hukkuivat dataan, mutta nälkä päätöksiin oli valtava. Jokainen keräsi kaiken, mutta ero datan ja mielekkään tekemisen välillä oli valtava. Se ongelma, johon ryhdyimme ratkaisemaan.

Eteenpäin siirryttäessä ja rehellisesti, ongelma ei ole hävinnyt, se on muuttunut. Tilavuus on suurempi, panokset ovat korkeammat, ja nyt sinulla on agentteja ihmisten rinnalla, jotka tarvitsevat ymmärtää kaikkea. Se on tehostanut alkuperäistä visiotaamme, ei sumennuttanut sitä.

Meidän motto, Data to Outcomes, Simplified!, on todella se side, joka yhdistää vuoden 2012 ja tänään. Aloimme data-toimituksella; saada oikea data oikeille ihmisille oikeaan aikaan. Sitten tekoäly tuli ja tehosti mahdollisuuksia. Nyt 1Platformilla pyrimme eteenpäin; yksinkertaistamaan ja maksimoimaan tuloksia ei vain ihmisille, vaan myös agenteille, jotka tekevät tai vaikuttavat päätöksiin.

Mitä on jännittävää, on se, miten ekosysteemi on kehittynyt tukemaan tätä. Meidän syvät integraatiot Microsoftin, Databricksin ja Anaplanin kanssa auttavat tuomaan datan, liiketoimintatapaukset ja suunnittelun yhteen. Ja 1Platform sijaitsee kaiken tämän yläpuolella, luonnollisesti näihin ympäristöihin, ei kiinni niissä.

Joten, evoluutio näyttää tältä: data-toimitus → tekoälylliset näkymät → yksinkertaiset, agenttivalmiit tulokset. Erittäin hyvä suoritus on sama. Nopeus, jolla pääsemme sinne, on se, mikä on muuttunut eksponentiaalisesti.

Polestar Analytics asettaa itsensä data- ja tekoälykonvergenssiyhtiöksi. Mitä konvergenssi todella tarkoittaa käytännössä suurten yritysten osalta, jotka käsittelevät sirpaleisia järjestelmiä ja eristettyjä tietoja?

Useimmiten sirpaleisuus ei ole teknologinen ongelma, vaan ihmisten ja prosessien ongelma. Se on kuin talousryhmällä on Anaplan, toimintaryhmällä on Excel, data-insinööreillä on Azure-pipeline ja jokainen vetää eri suuntiin eri mittareiden kanssa. Mikään tekoäly ei korjaa luottamusongelmaa, jos perusta on rikki.

Joten, kun puhumme konvergenssista, tarkoitan sen perustan ratkaisemista ensin. Ennen kuin voit lisätä älykkyyttä päälle, tarvitset datan, joka on puhdas, hallittu ja kriittisesti saatavilla. Ei vain analyytikoille, vaan myös agenteille.

Käytännössä konvergenssi 1Platformilla näyttää tältä: emme repi ja korvaa mitä yritykset ovat rakentaneet. Menemme luonnollisesti ympäristöihin, joissa he jo elävät, kuten Databricks, Microsoft (MSFT ) ja Anaplan, ja ompelemme datan ja älykkyyskerroksen niiden yli. Suunnitteludatasi Anaplanissa puhuu toimintadataasi Databricksissä, ja Microsoft-ekosysteemi on se, missä päätökset todella tulevat ihmisille ja agenteille toimia.

Magia ei ole missään näistä integraatioista. Se on 1Platformin yhdistävässä kerroksessa, joka tekee kaiken tuntumaan yhtenäiseltä järjestelmältä, ei erillisiltä työkaluilta. Se on se, miltä konvergenssi näyttää käytännössä, tietoinen yksinkertaisuus, kunnes monimutkaisuus tulee näkymättömäksi liiketoiminnalle.

Teidän omistautuneisuus 1Platformiin pyrkii yhdistämään datan, tekoälyn ja työnkulut yhteen järjestelmään. Miten tämä lähestymistapa eroaa perinteisistä BI-pinoista tai modernista data-alustoista, kuten Databricks tai Snowflake?

Databricks ja Snowflake ovat voimakkaita alustoja, emme kilpaile niiden kanssa, vaan olemme rakennettu niiden päälle. Se ero on tärkeä. Databricks antaa sinulle infrastruktuurin ja laskennan. Istumme siitä ylempänä ja kysymme toisenlaista kysymystä: mitä nyt?

Perinteiset BI-pinot saivat monia asioita oikein oman aikansa vuoksi, mutta liiketoimintatiedot ovat kehittyneet. Nykyään liiketoimintakäyttäjät tarvitsevat enemmän kuin kojut. Voit olla kauniisti suunniteltu koju 15 kaavalla, ja joku on silti tulkittava, mitä se tarkoittaa ja mitä tehdä seuraavaksi. Se ero näkymien ja toiminnan välillä on juuri siellä, missä 1Platform toimii.

1Platform ei ole staattinen, se kehittyy jatkuvasti. Se ei vastaa vain kysymyksiin, joita tuot, vaan tuo esille kysymyksiä, joita et edes ajatellut kysyä. Se muuttaa suhdetta liiketoimintakäyttäjien ja heidän datansa välillä.

Olemme rakentaneet matalan koodin ja koodittomat liittymät Databricksin ja Azuren päälle, jotka sallivat putkien käännön sekunneissa. Tehtävät, jotka aiemmin kestivät päiviä data-insinööreiltä, voidaan nyt laukaista liiketoimintakäyttäjien toimesta. Lisäksi Agenthood AI mahdollistaa käyttäjien luoda ja orkesteroida agenteja yksinkertaisilla raahaus- ja pudotusliittymillä ilman syvää teknistä osaamista.

mutta todellinen ero on loppukäyttäjän kokemus. Sen sijaan, että hypät hyppää useiden kojien välillä, käyttäjät saavat luonnollisen kielen näkymät, kontekstuaaliset suositukset ja agenttien ohjaamat kertomukset. KPI:t eivät vain ole näytöllä; agentit tarkkailevät niitä aktiivisesti, merkitsevät, mitä on tärkeää, ja selittävät, miksi. Ero on ei data-alusta itsessään, vaan kaikki, mitä tapahtuu, kun data on valmis.

Monet yritykset ovat edelleen jumiutuneita tekoälyn koekäyttöön, jota kutsutaan usein tekoälykoekäytön haudaksi. Mitkä ovat suurimmat rakenteelliset tai organisaatiot, jotka estävät tekoälyn pääsyn tuotantoon laajassa mittakaavassa?

Kutsun sitä koekäyttöhaudaksi, koska useimmat projektit eivät vain jää paikoilleen, vaan kuolevat hiljalleen. Suurimmat esteet eivät ole teknisiä, vaan organisaatiot. Ihmiset, prosessit ja data.

Muutoksen hallinta on jatkuvasti aliarvioitu. Kun suunnittelet uudelleen, miten ihmiset työskentelevät, haastat, miten he saavat arvon. Organisaatiot, jotka onnistuvat, ovat niitä, joissa johtajuus tekee tekoälyosaamisen näkyväksi tärkeäksi. Kun uudelleenkoulutus on palkittua ja prosessin uudelleenmuotoilu on tuettu rakenteellisesti, omaksuminen kiihtyy.

Sitten on J-käyrän ongelma. Tekoälysijoitukset usein laskevat ennen kuin ne nousevat. Monet organisaatiot odottavat ROI:ta 90 päivän kuluessa, eivät näe sitä ja hylkäävät pyrkinnön. Ne, jotka onnistuvat, sitoutuvat koko käyrään.

Datavalmius on toinen kriittinen tekijä. Huono data johtaa itsevarmaan väärään päätöksiin. Kunnes datan perusta on luotettava, tekoäly laajassa mittakaavassa tulee liabilitetiksi eikä hyödyksi.

Lopulta, käyttötarkoituksen kurinpitävyys on tärkeää. Sen sijaan, että yrität tehdä kaikkea tekoälyllä, organisaatioiden on keskityttävä käyttötarkoituksiin, jotka liikuttavat todellisia liiketoimintamittareita, osoittavat ne ja sitten laajentavat.

Polestar Analyticsissa tuomalla datan, tekoälyn ja työnkulut yhteen paikkaan nopeuttaa sekä ongelman löytymistä että mahdollisuuksien tunnistamista, muuttaen konvergenssin muutoksen katalysaattoriksi.

Agenttitekoäly on tullut suureksi teemaksi koko alalla. Miten Polestar Analytics ajattelee tekoälyagentteja yritysten työnkulussa, ja mitkä ovat todelliset käyttötarkoitukset, jotka saavat jalansijaa?

Meille agenttien on oltava upotettuna sekä datakerrokseen että liiketoimintatyönkulkuun, jotta voidaan luoda todellista arvoa. Hinnan agentti, esimerkiksi, ei ole vain LLM, joka istuu kojussa; se on integroitu data-infrastruktuuriin, ymmärtää kontekstin ja tukee todellista päätöksentekoa.

Yli 100 agentistamme joitakin toimii avustajina, kun taas toiset ovat täysin automaattisia. Vahvin jalansija on tuloveron hallinnassa, mukaan lukien hinnoittelu, kampanjat ja media-sekoitus, joissa päätökset ovat usein ja data-intensiivisiä.

Tuotannon puolella pipeline-seuranta- ja virheenratkaisuagentit ovat jo käytössä. FinOps-agentit ovat vähentäneet käyttämättömien pilvipalvelujen kustannuksia 35 prosentilla. On myös vahva omaksuminen varallisuuden hallinnassa.

Tukeemme sekä Microsoftin että Databricksin ekosysteemejä ja tarjoamme mukautettavan agenttien rakennusohjelman. Ei kaikkien agenteiden tarvitse olla LLM-pohjaisia; arkkitehtuuri pitäisi vastata käyttötarkoitusta tasapainotakseen mittakaavaa ja kustannuksia.

Hallinto on olennaista. Kun agentit ovat vuorovaikutuksessa taloudellisten järjestelmien tai asiakastietojen kanssa, vahvat esteet ja ihmisten valvonta on sisäänrakennettu, jotta voidaan varmistaa luotettavuus yrityskohtaisesti.

Viimeisimmän rahoituksen myötä olet panostamassa IP-kehitykseen. Miten tärkeää on omistaa omia alustoja verrattuna rakentamiseen olemassa olevien ekosysteemien päälle nykyisessä tekoälymaisemassa?

Olemme syvasti integroituja alustojen kanssa, kuten Databricks, Microsoft ja Anaplan, jotka tarjoavat infrastruktuurin ja mittakaavan. Emme yritä korvata niitä.

Meidän fokus on omistaa älykkyyskerros päällä. Omistautunut IP sallii meidän hallita kokemusta, upottaa toimialatietämys ja toimittaa johdonmukaista arvoa mittakaavassa.

Meidän erottuvuus tulee toimialakohtaisesta asiantuntemuksesta. Olipa kyseessä PromoPulse AI tuloveron kasvun hallinnasta tai WealthPulse rahoituspalveluista, arvo piilee todellisten käyttötarkoituksien ja päätösten ymmärtämisessä.

Omistautunut IP on meille kyseisen asiantuntemuksen koodaus. Se on se, mikä tekee alustan puolustettavaksi ja todella hyödylliseksi.

Olet työskennellyt läheisesti Fortune 1000 -yritysten kanssa. Miten odotukset tekoälyn ROI:sta muuttuvat, kun johtajat vaativat mitattavia tuloksia kokeilun sijaan?

Muutos on todellinen, mutta kokeilu ei ole kadonnut. Se on vain odotettavissa siirtymistä nopeammin ja liittymistä konkreettisiin tuloksiin.

Johtajat arvioivat nyt ROI:a laajemmista näkökulmista, kuten päätöksenteon nopeudesta, asiakastuskosta, innovaatiokapasiteetista ja joustavuudesta.

Tekoälyn ROI ei ole enää yhden johtajan omistuksessa. CTO keskittyy infrastruktuuriin ja dataan, CFO katsoo taloudellista vaikutusta, ja COO korostaa operatiivista tehokkuutta.

Organisaatiot, jotka onnistuvat, ovat niitä, jotka ovat linjanneet nämä näkökulmat aikaisin ja sitoutuneet pitkän aikavälin tuloksiin.

Laajentumisstrategiasi kattaa Pohjois-Amerikan ja Euroopan. Mitkä ovat eroja, joita näet tekoälyn omaksumisessa ja yritysten valmiudessa näiden alueiden välillä?

Erillisyyden sijaan kyse on enemmän asenteesta kuin kyvystä.

Pohjois-Amerikka priorisoi nopeutta ja kokeilua kilpailupaineen vuoksi.

Europa korostaa hallintoa ja eettistä tekoälyä alusta alkaen. Tämä ei kuitenkaan tarkoita hitaampaa omaksumista. Yritykset tasapainottavat rakennetta kiihdytyksellä.

Molemmat alueet ovat lähentyneet skaalautuvan, vastuullisen tekoälyn upottamiseen yritysten perustoimintoihin.

Perustit äskettäin CAIO Circle -yhteisön kokoamaan tekoälyjohtajia. Mitkä ovat kiireellisimmät keskustelut tekoälyjohtajien keskuudessa, erityisesti hallinnon ja eettisyyden osalta?

CAIO Circle luotiin antamaan tekoälyjohtajille tila avoimelle keskustelulle.

Keskeinen haaste on balanssi nopeuden ja pitkän aikavälin riskin välillä. Luottamus ja selittäminen ovat suuria huolenaiheita, erityisesti, kun tekoälyjärjestelmät vaikuttavat kriittisiin päätöksiin.

Hallinto on siirtymässä politiikkadokumenteista upotettuihin toiminnallisiin käytäntöihin. Samalla monet organisaatiot edelleen puuttuvat toimeenpanomalleista, joilla voidaan toimittaa tekoälystrategioita.

Arvokkaimmat oivallukset tulevat usein avoimista vertaistenvälisistä keskusteluista, ei virallisista esityksistä.

Katsoen eteenpäin kolmeen tai viiteen vuoteen, odotatko, että yritysten tekoäly konsolidoidaan yhdistyneisiin alustoihin, kuten teidän, tai säilyy sirpaleisena työkalujen ja toimittajien ekosysteemänä? Mihin asemaan Polestar Analytics aikoo asettua tulevaisuudessa?

Sirpaleisuus todennäköisesti jatkuu. Suuret alustat, kuten Databricks, Microsoft, Salesforce ja Anaplan, säilyvät keskeisinä toimijoina.

Mitä yritykset tarvitsevat, on yhdistävä kerros, joka yhdistää datan, älykkyyden ja työnkulut toimivaksi. Se on rooli, jota 1Platform on suunniteltu pelaamaan.

Tulevaisuus suosii alustoja, joilla on syvä toimialakohtainen asiantuntemus. Yleiset vaakasuorat ratkaisut kamppailevat erottumisessa.

Todellinen arvo tulee toimialakohtaisista tarpeista ja älykkyyden upottamisesta suoraan päätöksentekoprosesseihin.

Kiitos hienosta haastattelusta, lukijoille, jotka haluavat oppia enemmän, suosittelemme vierailemaan Polestar Analyticsissa.