Don Schuerman, Pegasystems:n CTO – Haastattelusarja

Don Schuerman on Pegasystems:n chief technology officer ja tuotemarkkinoinnin varapresidentti, joka vastaa Pegan alustasta ja asiakkuudenhallintasovelluksista (CRM).

Hänellä on 20 vuoden kokemus toimittaa yrityssovellusratkaisuja Fortune 500 -yrityksille, keskittyen digitaaliseen muutokseen, liikkuvuuteen, analytiikkaan, liiketoimintaprosessien hallintaan, pilveen ja CRM:ään.

Pegasystems tarjoaa vankilan alustan, joka auttaa yrityksiä saavuttamaan liiketoimintamuutoksia reaaliajassa. Alusta mahdollistaa asiakkaiden käsitellä avainliiketoimintahaasteita käyttämällä yritysten päätöksentekoa ja työnkulkujen automaatiota, mukaan lukien asiakaskohtaamisen henkilökohtaisen muokkaamisen, palvelujen automaation ja toiminnan tehokkuuden parantamisen. Perustettu vuonna 1983, Pegasystems on kehittänyt skaalautuvan ja joustavan arkkitehtuurin, joka tukee yrityksiä täyttämään nykyisiä asiakkaiden tarpeita ja sopeutumaan tuleviin tarpeisiin.

Koska sinulla on laaja kokemus Pegasystems:n CTO:na, miten Pega GenAI erottuu nopeasti kehittyvässä generatiivisen AI:n yritysmaailmassa?

Pega on kehittänyt AI-ratkaisuja jo vuosia, mukaan lukien generatiivisen AI:n tutkiminen ennen kuin se tuli suosituksi. Luulen, että on kolme asiaa, jotka erottavat meidät:

Ensinnäkin, emme ainoastaan nopeuta prosesseja, vaan ajamme innovaatiota. Useimmat yrityssovellusvalmistajat ovat ottaneet käyttöön erilaisia gen AI -botti, -agentti- tai -kumppanuusratkaisuja, mutta totuus on, että nämä samankaltaiset työkalut eivät tuo kilpailuetua. Mahdollistamme asiakkaidemme uudelleenmuokata koko liiketoimintansa ainutlaatuisilla työkaluilla, kuten Pega GenAI Blueprint, joka tarjoaa parhaimman luokan sovellussuunnitelmat sekunneissa. Emme ainoastaan automatisoi tehtäviä, vaan uudelleenmuokkaamme perustavasti, miten liiketoiminta toimii ja innovoi.

Toiseksi, emme ainoastaan automatisoi eristyneisyyttä, vaan orkestreroidaan, miten työ tehdään alusta loppuun. Muut valmistajat ripottavat näitä gen AI -bottiominaisuuksia ja toivovat, että se riittää tehokkuuden lisäämiseen. Meidän alustamme perustuu johtaviin liiketoimintaprosessien hallinta- ja orkestraatiomme, joka mahdollistaa meille automatisoida gen AI:lla ja orkestreroida koko prosessin loppuun asti.

Kolmanneksi, emme ole ainoastaan geneerinen gen AI -moottori – keskitymme asiakaskohtaamisen ja työnkulkujen automaation ajamiseen AI:lla. Joskus ongelma vaatii generatiivisen AI:n luovaa voimaa, kun taas toisissa tapauksissa edellytetään ennustavaa AI:ta tai päätöksentekoa, jotta prosessiin saadaan enemmän logiikkaa.

Forbesin artikkelissasi “Avain generatiivisen AI:n potentiaaliin liiketoiminnan innovaatiolle” mainitset generatiivisen AI:n potentiaalin uudelleenmuokata liiketoimintaa. Mitkä ovat joitain konkreettisia esimerkkejä, joissa AI voi katalysoida perinteisen muodonmuutoksen vakiintuneissa yrityksissä?

Deutsche Telekom (DTE.DE ):n SVP of Design Authorities, Daniel Wenzel, kertoi yleisölle PegaWorld iNspire -tapahtumassa kesäisin, miten hän käyttää Pega GenAI Blueprintia uudelleenmuokkaamaan yli 800 erillistä liiketoimintaprosessia HR-palveluissa. Hän sanoo, että suurin pullonkaula yrittäessä parantaa näitä prosesseja on, että liiketoiminta ja IT eivät puhu samaa kieltä, mikä johtaa toteutumattomiin odotuksiin. Pega GenAI Blueprint auttaa molempia osapuolia ymmärtämään prosessin ja sen parantamisen nopeammin perinteisiin menetelmiin verrattuna, mikä johtaa tehokkaampiin ratkaisuihin.

Sama artikkeli käsittelee nykyisten generatiivisten AI-sovellusten rajoituksia. Miten yritykset voivat siirtyä tuottavuuden parantamisesta kohti AI:n täysimittaista muodonmuutosta?

Useimmat generatiiviset AI:t yrityssovelluksissa soveltuvat yksittäisiin ominaisuuksiin, jotka auttavat nopeuttamaan tiettyjä prosessin osia. Mutta nämäkaltaiset ominaisuudet ovat yleisiä ja tarjoavat vain vähän kilpailuetua. Tuottavuuden parantamiseen liittyvät hakkerit, kuten yhteenveto ja tekstin generointi, ovat pöytälaatikkoon kuuluvia – mitä liiketoiminnalle tarvitaan edetäkseen markkinoilla, on käyttää generatiivista AI:ta uusien liiketoimintatapojen kehittämiseen korkealla tasolla. Esimerkiksi Gartner on tunnistanut uuden teknologian, jonka he kutsuvat Liiketoimintaprosessien orkestraatio- ja automaatioteknologioiksi (BOAT), jotka tarkastelevat liiketoimintatuloksia kokonaisvaltaisemmin, kustannusten rationalisoinnista päätöksenteon parantamiseen, toiminnan kustannusten vähentämiseen ja oikean automaatioteknologian valintaan tehtävään. Yksittäiset gen AI -ominaisuudet ovat paikkansa, mutta se on vain yksi palanen palapelistä, eikä se ole hopealuoti kaikkien ongelmien ratkaisemiseen.

Mitkä ovat lupaavimmat yritysten käyttötapaukset generatiiviselle AI:lle, jotka menevät tuottavuuden parantamisen ulkopuolelle, ja miten yritykset voivat parhaiten toteuttaa nämä?

Lupaavin generatiivisen AI:n mahdollisuus on parhaiden käytäntöjen injektointi prosessiin. Ne, jotka käyttävät gen AI:ta ainoastaan koodin kirjoittamiseen, voivat asettaa itsensä teknisen velan riskiin myöhemmin. Parhaiden käytäntöjen injektointi ohjelmistosuunnitteluprosessiin on pelinmuuttaja, joka mahdollistaa organisaatioille pääsyn optimaaliseen ratkaisuun nopeammin vuosien kokemuksen perusteella. Ja koska se on kehitetty visuaalisena mallina eikä pelkästään koodiriveinä, se on helpompi yhteistyöhön ja parantaa teknisten ja ei-tekniisten sidosryhmien yhteistyötä. Aikaisemmin sovelluksen suunnittelun lopullistaminen saattoi kestää viikkoja ja vaatia erittäin erikoistunutta osaamista; nyt nämä gen AI -voimat mahdollistavat liiketoimintakäyttäjille kirjoittaa erityistarpeensa selkeällä kielellä ja nopeasti siirtyä konseptista kattavaan suunnitelmaan. Forrester on julkaissut tutkimuksen, jossa ennustetaan, että AI:n käyttäminen parhaiden käytäntöjen injektointiin matalan koodin tai mallipohjaisiin suunnittelujärjestelmiin muuttaa perustavasti, miten yritykset käyttävät ohjelmistoa – sallien heidän rakentaa enemmän ja ostaa vähemmän “valmiita” sovelluksia. Luulen, että tämä on suuri muutos, ja uskon, että olemme Pega GenAI Blueprintilla hyvin asemassa olla yritysasiakkaidemme valinta.

Olet aikaisemmin ehdottanut, että generatiivinen AI voi auttaa tuotteiden kehittämisessä tunnistamalla markkinarakoja. Voitko selittää, miten tämä prosessi toimii ja jakaa todellisen maailman esimerkin?

Pegan asiakaspäätöksentekijä on ennustava AI-ratkaisu, joka auttaa asiakkaitamme tekemään seuraavan parhaan toimenpiteen asiakkaidensa kanssa, olipa se myynti, palvelun korjaus tai joskus ei mitään. Tämä mahdollistaa meidän yhteyden asiakkaisiimme yksilöllisesti toimilla, jotka parhaiten palvelevat heidän yksilöllisiä tarpeitaan. Mutta toimiminen yksilöllisesti vaatii suuren määrän räätälöityjä tarjouksia – se on paljon parempaa kuin roskapostittaa kaikkia samalla viestillä, mutta se vaatii markkinointiorganisaatioita luomaan enemmän viestejä, jotka ovat yksilöllisiä eri asiakasryhmille. Nyt gen AI:n avulla voimme paljastaa, mitkä asiakkaat ovat jääneet vaille palvelua, ja ehdottaa uusia toimia ja rakentaa uusia kohteluja, jotka olisivat hyödyllisempiä näille ryhmille. Tämä voi auttaa organisaatioita laajentamaan markkinaosuuksia, joita he eivät ole aikaisemmin pystyneet käsittelemään.

Miten vakiintuneet yritykset voivat tehokkaasti integroida generatiivisen AI:n perinteisiin järjestelmiin pysyäkseen kilpailukykyisinä nopeammin liikkuviin startup-yrityksiin nähden, erityisesti liiketoimintansa ydinprosessien uudelleenmuokkaamisessa?

Luulen, että olemme käänteentekevän kohdassa perinteisille järjestelmille. Vuosikymmenien ajan suuret yritykset ovat potkineet teknisen velan kanisteria eteenpäin. Olemme viettäneet vuosia haavaumia, kuten RPA:ta, jotka eivät ole ratkaisseet perinteisten järjestelmien aiheuttamaa perustavaa vuotoa, joka imee IT-kulut, jotka voivat mennä innovaatioon, se sisältää riskiä ja estää yrityksiä liikkumasta nopeasti muuttuvissa markkinoissa. Onneksi uskon, että yksi gen AI:n supervoimista on, että se antaa meille dramatisoida legacy-järjestelmien uudelleensuunnittelun ja poistamisen nopeuden – ei ainoastaan uudelleenkoodaamalla ne, vaan uudelleenajattelemalla työnkulkujen ja prosessien itsensä modernien pilviarkkitehtuurien ja digitalisaatiokokemusten tarjoamiseksi, joita asiakkaat ja työntekijät odottavat.

Erillisessä artikkelissa luomisesta omalle AI-manifestille, korostat AI-strategian sitoutumisen toimivien tuloksien merkitystä. Voitko antaa ohjeita siitä, miten yritykset voivat kohdistaa AI-tavoitteensa konkreettisiin liiketoimintatuloksiin?

Liian moni yritys aloittaa keskittymällä loistavaan uuteen työkaluun, kuten AI:hen, sen sijaan, että se aloittaisi määrittelemällä, mitkä ovat heidän liiketoimintatavoitteensa ja mitä ongelmaa heidän on ratkaistava. Keskittymällä työkaluun sen sijaan, että ratkaisuun, he lukitsevat itsensä polulle, joka saattaa olla optimaalinen heidän liiketoiminnalleen. Sen sijaan heidän on astuttava takaisin ja kysyttävä itseltään, mitä he yrität todella saavuttaa. Joskus gen AI ei ole oikea ratkaisu, ja se voi olla paremmin palveltu soveltamalla AI-päätöksentekoa. Heidän on muistettava, että on erilaisia AI-tyyppejä, jotka soveltuvat paremmin eri liiketoimintaoongelmiin.

Miten yritykset voivat hyödyntää generatiivista AI:ta liiketoimintansa vallankumouksellistamiseen sen sijaan, että ne ainoastaan automatisoivat rutiininomaisia tehtäviä? Mitkä strategiat heidän tulisi käyttää maksimoimaan ROI tällä alalla?

Älä keskity ainoastaan yksittäisiin tehtäviin – tämä estää sinua näkemästä metsää puilta. Astu takaisin ja ymmärrä koko liiketoimintaprosessisi ja tulokset, joita yrität ajaa niistä. Generatiivinen AI voidaan käyttää analysoimaan prosesseja ja injektoida parhaita käytäntöjä useissa eri aloilla. Tämä voi ajaa merkittäviä muutoksia, jotka mahdollistavat yritysten uudelleenmuokata ja suunnitella uudelleen perustyönkulkunsa. Esimerkiksi AI voidaan käyttää suunnittelemaan uusia operatiivisia malleja alusta alkaen tai uudelleensuunnittelemaan olemassa olevia parantamaan tehokkuutta ja innovaatiota. Aseta selkeät mittarit mittaamaan onnistumista ja tarkista lähestymistapa säännöllisesti näiden havaintojen perusteella. Käyttämällä AI:ta merkittävien muutosten ajamiseen sen sijaan, että tehdään vain askelikohtaisia parannuksia, yritykset voivat lukita merkittävän arvon ja pysyä edellä kilpailijoitaan.

Mitkä alojen yritykset ovat parhaiten asemissa hyödyntämään työnkulkujen uudelleensuunnittelua AI:n avulla, ja miten heidän tulisi aloittaa tämän lähestymistavan toteuttaminen?

Melkein mikä tahansa organisaatio voi yleisesti hyötyä prosessien parantamisesta, erityisesti nopeasti muuttuvilla markkinoilla. Palvelualoilla, kuten rahoituspalveluilla, telekom- ja terveydenhuoltopalveluilla, voidaan todennäköisesti saavuttaa suurimmat hyödyt asiakaskohtaamisen sujuvoittamiseksi. Nämä sektorit käsittelevät monimutkaisia, tietopohjaisia prosesseja ja ovat kasvavan paineen alaisina parantamaan tehokkuutta, vähentämään kustannuksia ja tarjoamaan parempia tuloksia. Lisäksi mikä tahansa ala, jolla on suuria määriä perinteisiä palveluita, kuten pankkiala, voi hyötyä prosessien tarkastelemisesta ja modernisoinnista, jotta ne pysyvät ajan tasalla uudempaan kilpailuun nähden.

Miten “ihminen silmässä” -lähestymistapa parantaa AI:n tehokkuutta ja eettistä käyttöä, erityisesti asiakaskohtaisissa rooleissa?

Generatiivinen AI on voimakas, mutta se voi tuottaa tuloksia, jotka eivät aina ole tarkkoja tai sovellettavissa. Ihmisen valvonnan integroiminen mahdollistaa meidän vähentää riskejä, kuten virheellisiä tai eettisesti epäilyttäviä AI:n tuottamia sisältöjä.

Esimerkiksi asiakaspalvelussa AI voi generoida vastauksia ja suosituksia, mutta ihmisen tarkastus varmistaa, että ne ovat linjassa yrityksen arvojen ja asiakkaiden tarpeiden kanssa. Tämä valvonta on olennainen läpinäkyvyyden ja vastuullisuuden ylläpitämiseksi, erityisesti kun AI-mallit tuottavat uskottavia mutta virheellisiä tai harhaanjohtavia tietoja.

Mielenkiintoista on, että ihmisen sisällyttäminen prosessiin mahdollistaa meidän muuttaa yhden gen AI:n heikkoudesta – se on luonteeltaan epävakaa tai epädeterministinen, mikä tarkoittaa, että se ei anna samaa vastausta kahdesti – voimavaraksi. Pega GenAI Blueprintilla käytämme gen AI:ta ideoimispartnerina, joka ehdottaa uusia lähestymistapoja työnkulun suunnitteluun. Ihminen on aina lopullinen päättäjä, mutta gen AI:n jatkuvasti uusien lähestymistapojen ehdottaminen ajaa alkuperäistä ajattelua ja auttaa ihmisiä välttämään “lehmän polun uudelleenpavimista”.

Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Pegasystems:ssa.