Shane Eleniak, Chief Product Officer at Calix – Haastattelu Sarja

Shane Eleniak toimii Calixin Chief Product Officerina, jossa hän johtaa strategista visiota ja toteutusta yhtiön alan johtavalle alustalle ja SaaS-ratkaisuille. Tavoitteena on mahdollistaa viestintäpalveluntarjoajille liiketoiminnan yksinkertaisuus ja poikkeuksellisten tilaajakokemusten toimittaminen, Shane valvoo koko tuotteen elinkaarta – konseptoinnista markkinajohtavaan käyttöönottoon.

Johtamisensa alaisuudessa Calix on vahvistanut asemansa laajakaistateollisuuden edelläkävijänä, joka toimittaa jatkuvasti innovatiivisia työkaluja, jotka mahdollistavat tarjoajille kilpailla ja voittaa.

Calix on Yhdysvalloissa toimiva teknologiayritys, joka tarjoaa pilvi-, ohjelmisto- ja hallitut palvelualustat, jotka on suunniteltu laajakaista- ja viestintäpalveluntarjoajille. Sen ydin tarjonta keskittyy tekoälykäyttöiseen laajakaista-alustaan, joka yhdistää pilvi-infrastruktuurin, tiedot ja verkkojärjestelmät, jotta tarjoajat voivat yksinkertaisuutta toimintoja, parantaa asiakasviestintää ja toimittaa henkilökohtaisempia digitaalisia kokemuksia. Mahdollistamalla näille tarjoajille siirtyä perusyhteyden palveluista kokemuspalveluntarjoajiin, Calix auttaa heitä kasvattamaan liikevaihtoa, lisäämään asiakastyytyväisyyttä ja tukevat digitaalisen muutoksen yhteisöjen kautta edistyneempiä, skaalautuvia laajakaistapalveluita.

Uraasi kattaa yli kolme vuosikymmentä tekniikka-, verkkotekniikka-, pilvi-alustat ja suurten tuotteiden johtajuus. Miten nämä kokemukset muovasivat näkemyksesi siitä, mitä se todella vaatii tekoälyn suorittamiseen oikeaa työtä liiketoiminnassa eikä vain sivukokeiluna?

Aloin perinteisestä tietoliikenteestä ja verkkotekniikasta, jossa koko peli oli tietoliikenne ja luotettavuus suurella mittakaavalla. Jos et voi toimittaa puhdasta, luotettavaa palvelua, mitään, mitä rakennat sen päälle, ei todella ole merkitystä. Silloin puhelin oli keittiön seinällä, sisäinen johto ei liikkunut, ja kunhan siinä oli valmiusääni, kaikki oli kunnossa.

Laajakaista ja Internet räjäyttivät sen. Yhtäkkiä se ei ollut vain “onko se päällä?” Vaan se oli Ethernet ja sitten Wi-Fi, lapset pelikonsolilla ja taulutietokoneella, sinä Zoom-keskustelussa yhteistyössä pilvipohjaisella taulukolla ja jatkuvalla liikkuvuudella – laitteita kotona, takapihalla, jalkapallo-ottelussa, kahvilassa. Tilaajakokemus muuttui paljon monimutkaisemmaksi kuin binäärisen päällä/pois-tilan. Ja palveluntarjoajien maailma muuttui erittäin dynaamiseksi. Siinä maailmassa takauma tietojen näkymä – perinteinen tietovarasto ja historialliset raportit kuukauden kuluttua – ei ollut riittävä. Sinun täytyy kerätä tietoja, ymmärtää kokemus ja luoda oivalluksia reaaliajassa, koska tilaajat odottavat, että ongelmia ratkaistaan ennaltaehkäisevästi, eikä tunteissa tai päivissä.

Se kehitys muovasi, miten ajattelen tekoälystä. Useimmat ihmiset haluavat laittaa tekoälyn “päälle”, samalla tavalla kuin he laittavat liiketoimintatiedot tai SaaS:in olemassa olevien tietojen varastojen päälle. Kokemukseni sanoo, että sinun täytyy ajatella paljon syvemmältä kuin vain siinä ja suunnitella reaaliajassa toimivaa oivallusta ja kykyä tehdä ajoitettuja toimia.

Tilaajille kuitenkin odotus ei ole muuttunut paljonkaan viimeisen 25 vuoden aikana. He haluavat edelleen turvallista, hallittua yhteyttä, joka tuntuu yhtä yksinkertaiselta kuin valmiusääni – he haluavat, että kaikki “toimii” ilman, että heidän tarvitsee ajatella kaikkia kerroksia ja monimutkaisuutta, ja he haluavat sen joka paikassa elämässään. Uraani tietoliikenteessä ja pilvessä teki minusta erittäin mukavan sen paradoksin kanssa: sinun täytyy rakentaa erittäin monimutkaisia järjestelmiä, jotta voit abstrahoida kaiken sen ja toimittaa yksinkertaisen, loistavan kokemuksen reunassa. Se on täsmälleen, miten ajattelen tekoälyn tekemisestä oikeaa työtä minkäänliiketoiminnassa, laajakaistaa tai muuta.

Calixissa korostat usein, että operatiivinen tekoäly on rakennettu eikä ostettu. Mitkä ovat yleisimmät virheet, joita organisaatiot tekevät, kun he yrittävät lisätä tekoälyä ilman uudelleenajattelua, miten työ kulkee liiketoiminnassa?

Minulle se on vähemmän “rakennettu vastaan ostettu” ja enemmän siitä, onko sinun täytyy astua taaksepäin ja katsella koko teknologiapinoa. Monet yritykset päättivät, että tekoäly oli yksinkertaisesti käyttää joitain API:ja päästäksesi käyttöön LLM:ään, liittää se pinnoitteen avulla pinottuun ja ostaa tokenit – sitten sinulla oli tekoälystrategia. Se ei ole, miten tämä toimii.

Liian moni meistä on lumoutunut tekniikasta sen sijaan, että keskittyisimme lopputulokseen. Olemme nähneet tämän elokuvan aiemmin. Kun PC:t ilmestyivät, jokainen halusi väittää, onko sinulla 286 vai 386, kuinka paljon muistia siinä on ja mikä DOS siinä on. Nykyään kukaan ei voi kertoa sinulle kannettavan tietokoneen tai puhelimen teknisiä tietoja, ja kukaan ei välitä, kunnes se lopettaa toimimisen siinä, mitä he tarvitsevat sen tekemään. Se, mikä on tärkeää, on: tekeekö tämä minusta tehokkaamman työssäni? Se on sama kuin tekoälyssä. Jos et voi sitoa sitä todellisiin työnkulkuihin, todelliseen arvoon ja todelliseen ROI:hin, tekniikan tiedot ovat vain melua.

Toinen suuri virhe on yrittää kiinnittää tekoälyä siihen, mitä sinulla jo on, ilman kysymystä, mitä se tekee arkkitehtuuriin, turvamalliin ja kustannuksiin. Tekoäly on perusteknologia, ei inkrementaalinen ominaisuusparannus. Kun sinä kohtelet sitä inkrementaalisena, sinä päätät huonoon tietoon, turvallisuusongelmiin, hallusinaatioihin, karkaavaan kustannuksiin tai paljon toimintaa, joka ei ratkaise ongelmaa kenellekään.

Lopulta et voi jättää huomiotta kontekstin ja pystykohtaisen asiantuntemuksen tärkeyden. Toiminta on kaikki kontekstin suhteen, ja se konteksti vaihtelee tietoliikenteen, rahoituksen ja terveydenhuollon välillä. Calixissa aloimme syvällä kokemuksella yhdestä alasta ja rakensimme pystykohtaisen alustan sen ympärille. Me jo olimme ymmärtäneet tiedot, oivallukset, työnkulut ja konteksti, joten pinot voivat heijastaa sen todellisuuden. Useimmat yritykset tuntevat pystykohtaisen teollisuutensa sisään. Mahdollisuus on koodata se tietämys pystykohtaiseen teknologiapinoon sen sijaan, että riippuisi ohuesta vaakasuorasta kerroksesta ja geneerisestä tekoälymallista, ja yrittäisit lukea kaiken yhteen. Liiketoiminta on tuloksista, ei malleista. Todellinen kysymys on, miten tämä teknologia auttaa toimittamaan nämä tulokset siinä, miten työ kulkee.

Olet hahmotellut viisikerroksisen arkkitehtuurin operatiiviselle tekoälylle, joka sisältää tiedot, tietämyksen, orkestroinnin, luottamuksen ja toiminnan. Miksi on tärkeää erottaa nämä kerrokset selvästi, ja mikä kerros yritykset useimmin aliarvioivat tai ohittavat kokonaan?

Pitkän aikaa pinorakennelma oli melko yksinkertainen: tieto, oivallukset, kojut, työnkulut, ihmiset. Rakensimme tietovarastoja, laitoin liiketoimintatiedot päälle, luomme työnkulkumoottorit ja annamme vaikean työn ihmisille. Agenttimaailmassa se ei pidä paikkaansa. Sinun täytyy tarvita tieto, tietämys, orkestrointi, luottamus ja toiminta, koska kunkin kerroksen suorittaa erillisen toiminnon.

Näkyvä osa, josta jokainen haluaa puhua, on toimintakerros – agentit. Se on jään huippu. Se, mikä määrää, voitko koskaan antaa agenteille koskea oikeisiin järjestelmiin, on kaikki “tylsä” asia vedenpinnan alla: tietoputket ja puhdas tieto, tietämyskerros, joka antaa kontekstin, orkestrointi, joka koordinoi dynaamisia työnkuluja, ja luottamuskäsitys, joka päättää, mitä pitäisi sallia alusta alkaen. Kun Titanic upposi, se ei ollut pientä palaa, jonka näki; se oli jättiläinen jäämassa sen alla. Operatiivinen tekoäly on sama. Putkistot pinnan alla ovat se, mikä tekee tai rikkoo sinun.

Historiallisesti emme koskaan kohdelleet orkestrointia ja luottamusta erillisenä kerroksina, koska ihmiset tekivät suurimman osan siitä työstä. Orkestrointi tarkoitti johtajia ja tikettijonot; luottamus tarkoitti käyttäjänimiä ja salasanoja. Nyt sinun täytyy luottaa entiteetteihin – agenteihin – tekemään asioita, ja sinun täytyy koordinoida useita agenteja reaaliajassa dynaamisten tietojen ympärillä. Se on täysin erilainen suunnitteluongelma, joka on syy, miksi nämä kerrokset täytyy erottaa selvästi.

Kerros, jota useimmat ihmiset aliarvioivat, on luottamus. Monet organisaatiot ajattelevat, että he käsittelevät luottamusta, koska heillä on pääsyvalvonta – kuka voi kirjautua järjestelmään. Mutta todellinen luottamus agenttimaailmassa ei ole “onko tämä käyttäjä päässyt kirjautumaan?” Se on “onko tämä tietty toiminto sovelias tälle yksilölle tai agentille tällä hetkellä?” Se on hallintokysymys, ei pääsyvalvontakysymys. Jos et tee tätä kerrosta selväksi, jäädyt demomaailmaan, koska et koskaan ole mukava antaaksesi agenteille tehdä oikeaa työtä tuotannossa.

Joten, luottamus on ilmeisesti perustavanlaatuinen osa tekoälystrategiaasi. Miten suunnittelet järjestelmiä, jotta automaattiset päätökset säilyvät havainnoitavina, tarkastettavina ja peruuttavina, samalla kun liiketoimintaa edistetään tarpeeksi nopeasti?

Sinun täytyy aloittaa nollaluottamusasenteella. Ensimmäinen kysymys ei ole “voiko tämä agentti teknisesti tehdä tämän?” Ensimmäinen kysymys on “pitäisikö tämän agentin, tämän henkilön puolesta, yrittää tehdä tämän oikeasti?” Jos vastaus on ei, älä jatka.

Jos vastaus on kyllä, siirryt turvallisuuteen: tarkastettavuuteen, jäljitettävyyteen ja tarpeeseen ihmisen osallistumisesta. Mallimme perustuu luottamuskerrokseen, joka toimii jonkinlaisena liikenteenvalvontana jokaisen vuorovaikutuksen alussa: kuka sinä olet, mitä sinä teet ja miksi sinä teet tämän? Se poistaa paljon turvallisuusongelmia, koska et anna agenteille mennä ja tehdä asioita ja toivoa, että huomaat sen myöhemmin.

Vaihtoehto on antaa agenteille mennä ja tehdä asioita ja nostaa hälytyksen, jos he menevät ja tekevät jotain pahaa. Oletetaan, että voit nähdä sen, ymmärtää sen, tunnistaa sen ja lopettaa sen reaaliajassa ja skaalassa, jolla nämä järjestelmät toimivat. Se on erittäin vaikea ongelma, ja se on, miksi moni ihminen kamppailee – he yrittävät etsiä pahaa toimintaa reaaliajassa sen sijaan, että estäisivät pahaa toimintaa etukäteen.

Lisäksi olemme lisänneet kerroksellisia portteja. Vaikka agentti toimii oikean henkilön puolesta, olemme edelleen katsomassa istuntoa ja sisältöä – yrittävätkö he myrkyttää mallia, hyväksikäyttää rajapintaa tai puskea jotain ulos käytännön mukaisesti? Kaikki se on kietoutunut täydelliseen havainnoitavuuteen, jotta voit tarkastella, mitä tapahtui, ja peruuttaa sen, jos tarvitset. Se on, miten liikut nopeasti ja nukut yösi.

Monet yritykset onnistuvat luomaan tekoälyoivalluksia, mutta kamppailevat niiden kääntämisessä toiminnaksi. Mitkä suunnittelupäätökset mahdollistivat Calixille työntää tekoälyä suoraan päivittäisiin työnkulkuihin markkinoinnissa, operatiivisissa ja asiakastuessa?

Kauan ennen kuin tekoäly oli tämän näytöksen tähti, Calixissa olimme jo omistautuneita yhdelle kysymykselle: mitä tekee oivalluksen todella toimivaksi ihmisille oikeassa työssä? Vuodesta 2018 lähtien olemme työskennelleet palveluntarjoajien kanssa ymmärtääksemme, miten eri henkilöstö työskentelee – mitä markkinoija tekee tiistai-aamuna, mitä operaatiotiimi tekee, kun hälytys laukeaa, mitä tukitiimit tekevät, kun tilaaja soittaa frustraatiossa. Se pakotti meidät olemaan erittäin teräviä siitä, mitkä oivallukset olivat tärkeitä kenellekään, missä kontekstissa ja mitä “hyvä toiminta” näytti.

Joten, kun agenteille tekoäly tuli, emme olleet aloittamassa alusta. Meillä oli jo reaaliaikaiset järjestelmät, jotka luovat toimivaa oivallusta sidottuna tiettyihin henkilökohtaisiin ja työnkulkuihin. Suunnittelukysymys muuttui: annettuna eri työkalupaketti ja eri teknologiapino, miten suunnittelisit uudelleen nämä työnkulut agenteille tekoälymaailmassa sen sijaan, että yrittäisit keksiä kaiken alusta?

Kun yhdistät tämän syvän henkilökohtaisen tiedon agenteille tekoälyyn, voit luoda dynaamisia työnkuluja dynaamisten tietojen yli. Agentit voivat päättää reaaliajassa, mitkä vaiheet ja mitkä henkilöstö tarvitaan osallistumaan sen mukaan, mitä tapahtuu, sen sijaan, että pakottaisit sinut koodaamaan satoja joustamattomia työnkuluja mikropalveluissa. Useimmissa yrityksissä vaikea ongelma on yrittää tehdä reaaliaikaisia päätöksiä kontekstin perusteella ja suunnitella oikea työnkulku sen ympärillä. Meillä se osa oli jo paikallaan; olimme tehneet reaaliaikaisia, henkilökohtaisia, toimivia oivalluksia vuosia. Agenteille tekoäly on vain uusi työkalupaketti perustana.

Tekoälystrategiasi sisältää agent-to-agent (A2A) -yhteentoimivuuden ja liittovaltion tekoälyjärjestelmät. Miten tämä lähestymistapa muuttaa tapaa, jolla yritysten työkalut yhteistyössä verrattuna perinteisiin pistekohtaisiin integraatioihin?

Jos katsot viimeiset 20 vuotta, oletusmuotoinen malli on ollut “osta joukko SaaS-työkaluja ja kiinnitä ne yhteen tietovaraston ympärillä.” Jokainen uusi järjestelmä tarkoitti uutta pistekohtaista integraatiota, uutta tietoputkea ja uutta paikkaa, jossa totuus on sovittava. Agenttimaailmassa se ei skaalaudu. Haluat, että tieto pysyy siinä, mihin se kuuluu, ja agenteille puhuvat toisilleen määriteltyjen rajapintojen yli.

Siksi puhumme järjestelmän koskettamisesta kahdessa kerroksessa: MCP: ssä tietämyksen kerroksessa ja A2A: ssä orkestroinnin ja luottamuskerroksissa. MCP on, miten agenteille voidaan käyttää työkaluja ja tietoja ilman uutta mukautettua integraatiota joka kerran. A2A on, miten agenteille voidaan koordinoida työtä toistensa kanssa selkeiden rajoitusten alla.

Kun sinulla on se, yhteistyö alkaa näyttää siltä, että se ei ole enää hauras yhteys vaan erikoistuneiden verkosto, jotka voivat dynaamisesti muodostaa tiimejä oikean työn ympärillä. Tässä tulee Eisenhowerin matriisin analogia. Kaikki ei ole yhtä hätäistä ja yhtä tärkeää. Jotkut työt ovat todella aikakriittisiä, jotkut ovat tärkeitä mutta voidaan ajoittaa, jotkut tarvitaan vain tehdä, ja jotkut ovat melua. Agenttien koordinointi orkestroinnin ja luottamuskerroksen päällä voit käsitellä näitä luokkia eri tavoin skaalassa: agenteille voidaan antaa swarming-ongelmia, jonka on hätä ja tärkeä, voidaan jonottaa tai ajoittaa tärkeitä asioita, jotka eivät ole hätäisiä, ja voidaan pitää matalan arvon bussipysäkkiä muilta.

Se on erilainen maailma kuin “lisätään yksi yhteys ja toivotaan, että jono tyhjenee.” Olet näkevässä luottamuksellisissa, tarkkaan orkeoiduissa dynaamisissa työnkuluissa dynaamisten tapahtumien ja tietojen ympärillä, eikä se ole sekaannus yksittäisiä integraatioita, joissa kaikki huutaa samalla tasolla.

Useat yritykset onnistuvat luomaan tekoälyoivalluksia, mutta kamppailevat niiden kääntämisessä toiminnaksi. Miten suunnittelupäätökset mahdollistivat Calixille työntää tekoälyä suoraan päivittäisiin työnkulkuihin markkinoinnissa, operatiivisissa ja asiakastuessa?

Kauan ennen kuin tekoäly oli tämän näytöksen tähti, Calixissa olimme jo omistautuneita yhdelle kysymykselle: mitä tekee oivalluksen todella toimivaksi ihmisille oikeassa työssä? Vuodesta 2018 lähtien olemme työskennelleet palveluntarjoajien kanssa ymmärtääksemme, miten eri henkilöstö työskentelee – mitä markkinoija tekee tiistai-aamuna, mitä operaatiotiimi tekee, kun hälytys laukeaa, mitä tukitiimit tekevät, kun tilaaja soittaa frustraatiossa. Se pakotti meidät olemaan erittäin teräviä siitä, mitkä oivallukset olivat tärkeitä kenellekään, missä kontekstissa ja mitä “hyvä toiminta” näytti.

Joten, kun agenteille tekoäly tuli, emme olleet aloittamassa alusta. Meillä oli jo reaaliaikaiset järjestelmät, jotka luovat toimivaa oivallusta sidottuna tiettyihin henkilökohtaisiin ja työnkulkuihin. Suunnittelukysymys muuttui: annettuna eri työkalupaketti ja eri teknologiapino, miten suunnittelisit uudelleen nämä työnkulut agenteille tekoälymaailmassa sen sijaan, että yrittäisit keksiä kaiken alusta?

Kun yhdistät tämän syvän henkilökohtaisen tiedon agenteille tekoälyyn, voit luoda dynaamisia työnkuluja dynaamisten tietojen yli. Agentit voivat päättää reaaliajassa, mitkä vaiheet ja mitkä henkilöstö tarvitaan osallistumaan sen mukaan, mitä tapahtuu, sen sijaan, että pakottaisit sinut koodaamaan satoja joustamattomia työnkuluja mikropalveluissa. Useimmissa yrityksissä vaikea ongelma on yrittää tehdä reaaliaikaisia päätöksiä kontekstin perusteella ja suunnitella oikea työnkulku sen ympärillä. Meillä se osa oli jo paikallaan; olimme tehneet reaaliaikaisia, henkilökohtaisia, toimivia oivalluksia vuosia. Agenteille tekoäly on vain uusi työkalupaketti perustana.

Monet yritykset onnistuvat luomaan tekoälyoivalluksia, mutta kamppailevat niiden kääntämisessä toiminnaksi. Miten suunnittelupäätökset mahdollistivat Calixille työntää tekoälyä suoraan päivittäisiin työnkulkuihin markkinoinnissa, operatiivisissa ja asiakastuessa?

Kauan ennen kuin tekoäly oli tämän näytöksen tähti, Calixissa olimme jo omistautuneita yhdelle kysymykselle: mitä tekee oivalluksen todella toimivaksi ihmisille oikeassa työssä? Vuodesta 2018 lähtien olemme työskennelleet palveluntarjoajien kanssa ymmärtääksemme, miten eri henkilöstö työskentelee – mitä markkinoija tekee tiistai-aamuna, mitä operaatiotiimi tekee, kun hälytys laukeaa, mitä tukitiimit tekevät, kun tilaaja soittaa frustraatiossa. Se pakotti meidät olemaan erittäin teräviä siitä, mitkä oivallukset olivat tärkeitä kenellekään, missä kontekstissa ja mitä “hyvä toiminta” näytti.

Joten, kun agenteille tekoäly tuli, emme olleet aloittamassa alusta. Meillä oli jo reaaliaikaiset järjestelmät, jotka luovat toimivaa oivallusta sidottuna tiettyihin henkilökohtaisiin ja työnkulkuihin. Suunnittelukysymys muuttui: annettuna eri työkalupaketti ja eri teknologiapino, miten suunnittelisit uudelleen nämä työnkulut agenteille tekoälymaailmassa sen sijaan, että yrittäisit keksiä kaiken alusta?

Kun yhdistät tämän syvän henkilökohtaisen tiedon agenteille tekoälyyn, voit luoda dynaamisia työnkuluja dynaamisten tietojen yli. Agentit voivat päättää reaaliajassa, mitkä vaiheet ja mitkä henkilöstö tarvitaan osallistumaan sen mukaan, mitä tapahtuu, sen sijaan, että pakottaisit sinut koodaamaan satoja joustamattomia työnkuluja mikropalveluissa. Useimmissa yrityksissä vaikea ongelma on yrittää tehdä reaaliaikaisia päätöksiä kontekstin perusteella ja suunnitella oikea työnkulku sen ympärillä. Meillä se osa oli jo paikallaan; olimme tehneet reaaliaikaisia, henkilökohtaisia, toimivia oivalluksia vuosia. Agenteille tekoäly on vain uusi työkalupaketti perustana.

Kun yhdistät tämän syvän henkilökohtaisen tiedon agenteille tekoälyyn, voit luoda dynaamisia työnkuluja dynaamisten tietojen yli. Agentit voivat päättää reaaliajassa, mitkä vaiheet ja mitkä henkilöstö tarvitaan osallistumaan sen mukaan, mitä tapahtuu, sen sijaan, että pakottaisit sinut koodaamaan satoja joustamattomia työnkuluja mikropalveluissa. Useimmissa yrityksissä vaikea ongelma on yrittää tehdä reaaliaikaisia päätöksiä kontekstin perusteella ja suunnitella oikea työnkulku sen ympärillä. Meillä se osa oli jo paikallaan; olimme tehneet reaaliaikaisia, henkilökohtaisia, toimivia oivalluksia vuosia. Agenteille tekoäly on vain uusi työkalupaketti perustana.

Kun tekoälyagentit on sallittu toimimaan itsenäisesti, hallinto muuttuu nopeasti haasteeksi. Miten tasapainotat nopeuden, vastuun ja ihmisen valvonnan, kun tekoälyjärjestelmät tekevät tai toteuttavat päätöksiä laajassa mittakaavassa?

Virhe, jonka näen, on, että ihmiset ajattelevat, että he voivat kiinnittää agenteille tekoälyä mihin tahansa ja yrittää “tasapainottaa” nopeuden, vastuun ja ihmisen valvonnan jälkikäteen. Et voi. Sinun täytyy aloittaa tunnustamalla, että tämä on pystykohtainen teknologiapinoratkaisu, ja tarkoituksella rakentaa luottamuskerroksen ja orkestroinnin kerroksen. Ilman näitä kahta kerrosta se muuttuu vapaaksi – kaikki on ensin tullut, ensin palvellut, tai kuka huutaa kovimmalla äänellä.

Taas se on Eisenhowerin matriisi: ei kaikki työ ole luotu samalla tavalla. Luottamus ja orkestrointi ovat, miten operaationalisoida se agenteille tekoälymaailmassa. Et halua, että jokainen agentti käsittelee jokaista tehtävää kuin palopäällikkö; haluat, että järjestelmä tietää, mikä on todella aikakriittistä, mitä voidaan ajoittaa ja mitä tulisi käsitellä hiljaisesti taustalla.

Ja sitten on “kapea yli paksu” -osa. Monet yritykset luulevat, että suurempi vaikutus tekoälystä tulee pysymällä laajalla. Olet paljon parempi valitsemalla kapean pystykohtaisen viipaleen – yhden konkreettisen käyttötapauksen, yhden joukon työnkuluja – ja rakentamaan tarvittavan luottamuksen ja orkestroinnin sinne ensin. Päästä kapeammaksi pystyssä, saa oikein, pidä ihmiset silmällä reunoilla ja laajenna sitten. Se on, miten liikut nopeasti, pysyt vastuussa ja vältät luomasta sotkua, jonka et voi purkaa myöhemmin.

Johtajan kokemuksesi johtamassa suuria kansainvälisiä tuote- ja insinööritiimejä, mitkä organisaatiot ja kulttuuriset muutokset vaaditaan, jotta tekoälystä tulisi kestävä yrityksen kyky eikä pelkästään erillisiä koekokeita?

Useimmat yritykset eivät ole “tekoälyongelma”; heillä on tietämys- ja työnkulkuongelma. Ensimmäinen muutos on lopettaa leikkiminen pistekohtaisilla ratkaisuilla ja siirtyä tietovarastoista liittovaltion tietämyksen varastoon, jota jokainen voi nähdä ja toimia. Kun tietämys elää siloissa ja tekoäly on marja jokaisen silon päällä, saat vain koekokeita, ei muodonmuutosta.

Siitä eteenpäin sinun täytyy olla valmis menemään vaikeampiin ongelmiin tietyssä järjestyksessä. Askellus yksi on erottaa hype todellisuudesta ja omaksua, mitä toimii, ei mitä on kovin äänekästä ruokavirrassa. Askellus kaksi on uudelleenrakentaa tietämyksen kerros, jotta voit muuttaa tietoja jaettuun, liittovaltion kontekstiin eikä yhden raportin, joka on haudattu järjestelmään. Askellus kolme on uudelleenajatella työnkuluja sen tietämyksen ja todellisen luottamuskerroksen ympärillä – useimmissa yrityksissä työ on järjestetty ihmisten, taitojen ja paikallisten tietämyssilojen ympärillä. Jos et muuta sitä, agenteille tulee vain yksi työkalu, joka kiertää samat vanhat pullonkaulat. Vasta silloin pääset kulttuurimuutokseen, joka usein on vaihin. Sinun tarvitsee kulttuuri, jossa ihmiset eivät ole pääasiassa huolissaan menettävän työnsä, työkalunsa tai identiteettinsä, vaan ovat aidosti innoissaan työskennelläkseen uusien kykyjen kanssa. Se on muutosjohtamisen ongelma, ei teknologian ongelma. Se muistuttaa paljon hajautettua johtamista: ihmiset eturintamassa ymmärtävät työnkulut, tuntevat itsensä turvalliseksi nimettäessä kitkaa ja ovat innoissaan asettamaan agenteille töitä.

Katsoen laajakaistan ja tietoliikenteen ulkopuolelle, mitkä teollisuudet uskot olevan parhaiten asemoituneita omaksumaan operatiivisen, agenttiohjatun tekoälyn seuraavaksi, ja mitkä ehdot tekevät heistä valmiita?

En ajattele tätä teollisuuden nimellä valitsemisena; ajattelen kuvioita. Melkein jokaisella pystykohtaisella on sama perustava haaste: he ovat rakentaneet tieto- ja toimintasiltoja sen sijaan, että yksi näkymä yli kolme elinkaarta – asiakas, työntekijä ja tuote. Ne, jotka ovat valmiit, ovat ne, jotka ovat valmiit näkemään sen, myöntämään, ettei heillä ole oikeaa tietämyksen kerrosta, ja korjaamaan sen.

Siitä eteenpäin ehdot näyttävät melko samanlaisilta riippumatta siitä, oletko terveydenhuollossa, rahoituksessa, vähittäiskaupassa tai kriittisessä infrastruktuurissa. Tarvitset monimutkaisia työnkuluja, joissa ihmiset ovat venyneitä, oikeat kitkaongelmat, joita voit nimetä, ja tarpeeksi laadukkaita tietoja antamaan agenteille kontekstin. Jos voit kartoittaa nykyisiä työnkuluja, nähdä, missä työ hidastuu tai kasaantuu, ymmärtää, mitkä siirtymiset luovat viiveitä, ja sitten tukea sitä liittovaltion tietämyksen varastolla, agenteille tekoäly muuttuu uskomattomaksi työkalupakiksi.

Tässä maailmassa “teollisuuden valmius” tulee johtajuudesta. Onko yrityksen johtajat valmiit siirtymään markkinatyökaluista ja ohuista vaakasuorista kojuista ja panostamaan pystykohtaiseen teknologiapinoon – muuttaa tieto tietämykseksi, liittovaltion tietämyksen, asettamaan orkestrointi- ja luottamusrakenteet paikoilleen ja olemaan rehellisiä siitä, missä on todellinen ROI? Mikä tahansa yritys missä tahansa teollisuudessa, joka tekee tämän työn, on hyvin asemoitunut operatiiviselle, agenttiohjatuille tekoälylle; ne, jotka eivät tee, jäävät lisäämään yhden työkalun jo melko meluisaan pinoon.

Näyttää siltä, että viisi vuotta eteenpäin hyvä tekoälyarkkitehtuuri näyttää siltä, ja mitkä periaatteet johtajien tulisi sitoutua noudattamaan tänään välttääkseen järjestelmien uudelleenrakentamisen myöhemmin?

Viisi vuotta eteenpäin mielenkiintoinen osa tekoälystä ei ole yksittäiset agenteille tekoälyt tai mallit; se on agenteille tekoälyä mahdollistavat työnkulut ja liiketoiminnan arvo, jonka nämä työnkulut toimittavat. Agentit itse tulevat ja menevät. Kerrokset heidän alla – tieto, tietämys, orkestrointi, luottamus ja toiminta – jatkavat kehittymistä, mutta tarve niille ei ole poistumassa.

Siksi olen enemmän kiinnostunut arkkitehtuurista kuin minkään tietyn työkalun. Siirrymme tietovarastoista liittovaltion tietämyksen varastoon, hauraisista pistekohtaisista integraatioista avoimiin, kerroksellisiin pinoihin. Tässä maailmassa sinulla on agenteille tekoäly toimivat eri pilvissä, koskettelevat eri tietolähteitä ja koordinoivat toimintaa määriteltyjen rajapintojen yli – MCP: llä tietämyksen kerroksessa ja A2A: llä orkestroinnin ja luottamuskerroksissa. Kun teknologia paranee, haluat pystyä vaihtamaan parempia osia näihin kerroksiin ilman koko järjestelmän uudelleenrakentamista.

Niinpä periaatteet johtajille ovat yksinkertaiset. Älä rakenna monoliittisesti. Suunnittele kerroksittain, jotta tieto, tietämys, orkestrointi, luottamus ja toiminta voivat kehittyä riippumattomasti. Suunnittele työnkuluja, ei ominaisuuksia, jotta ole selvä, mitkä työnkulut ovat tärkeitä ja mitä “hyvä” näyttää asiakkaan, työntekijän ja tuotteen elinkaaroissa. Ja suunnittele hallintoa agenttitasolla: oletetaan nollaluottamusta oletuksena, määritä selkeät “agenttikortit” ja käytä orkestrointia päättääksesi, mikä on hätäistä ja tärkeää, ja mikä vain on tehtävä. Jos teet sen, voit liikkua nopeasti ja nukkua yösi.