Adam Field, Chief AI Officer chez Tungsten Automation – Série d’entretiens

Adam Field, Chief AI Officer chez Tungsten Automation, est un leader de longue date dans les technologies d’entreprise avec une expertise approfondie en intelligence artificielle, en automatisation intelligente et en stratégie de produit. Dans son rôle actuel, il dirige les efforts de transformation de l’IA de l’entreprise à l’échelle mondiale, en supervisant l’intégration de l’IA dans l’ensemble du portefeuille de produits de Tungsten, en guidant le laboratoire d’IA de Tungsten et en établissant des cadres de gouvernance pour une adoption responsable de l’IA. Avant de devenir Chief AI Officer, il a occupé le poste de Chief Product Officer, en gestionnant un portefeuille générant plus de 550 millions de dollars de chiffre d’affaires annuel. Avant de rejoindre Tungsten, Field a passé près de 17 ans chez Pegasystems, où il a dirigé des initiatives d’innovation et d’expérience client, a contribué à façonner la stratégie de technologie émergente et est devenu connu pour la livraison de présentations de produits à grande échelle et de programmes d’innovation d’entreprise. Plus tôt dans sa carrière, il a occupé des rôles technologiques et de conseil chez Staples, Publicis Sapient et Fidelity Investments.

Tungsten Automation, anciennement connu sous le nom de Kofax, est une entreprise de logiciels d’entreprise axée sur l’automatisation de workflow alimentée par l’IA, le traitement intelligent de documents, l’automatisation robotique de processus (RPA) et l’orchestration de processus métier. L’entreprise fournit des outils d’automatisation utilisés par des organisations dans des secteurs tels que la finance, les soins de santé, l’assurance et le gouvernement pour rationaliser les opérations lourdes en documents et améliorer l’efficacité. Sa plate-forme combine les technologies d’IA, d’automatisation à faible code et d’intelligence de document pour aider les entreprises à automatiser des tâches répétitives, à extraire des informations à partir de données non structurées et à moderniser les flux de travail métier à grande échelle.

Vous avez passé des années à diriger la stratégie de produit et l’innovation, y compris la création de laboratoires d’innovation et la mise à l’échelle d’un portefeuille de produits de plus de 500 millions de dollars, avant de passer au rôle de Chief AI Officer chez Tungsten Automation. Qu’est-ce qui vous a convaincu que c’était le moment de passer pleinement à la direction de l’IA, et comment votre expérience antérieure a-t-elle façonné cette décision ?

J’ai passé une grande partie de ma carrière à essayer de transformer les nouvelles technologies en quelque chose qui fonctionne vraiment à grande échelle dans les environnements d’entreprise. Au cours des dernières années, il est devenu clair que l’IA n’est pas juste une autre capacité à intégrer dans les produits. Elle est en train de redéfinir la façon dont les logiciels sont construits et dont les décisions sont prises dans l’entreprise, éclipsant et perturbant tout ce qui a précédé. Ce passage de l’expérimentation aux résultats réels, couplé avec le fait de plus en plus indéniable que l’IA est là pour rester, a rendu le moment opportun pour passer pleinement à un rôle de direction de l’IA.

Il est également devenu évident que l’IA n’allait pas être la panacée que beaucoup la présentaient. Le succès de l’IA nécessite des personnes qui combinent l’expertise technique et la connaissance du secteur. Tungsten veut aider les entreprises à faire de l’IA de la bonne manière et à obtenir de réels rendements, c’est pourquoi Tungsten a créé le Bureau de l’IA et mon rôle au sein de celui-ci.

Tungsten a évolué d’une capture de documents et d’un traitement OCR à une plate-forme d’automatisation intelligente complète qui alimente des flux de travail critiques pour des milliers d’organisations. Comment voyez-vous cet héritage influencer votre approche de l’IA agente aujourd’hui ?

L’histoire de Tungsten est profondément liée à la façon dont les entreprises fonctionnent réellement. Nous avons passé des décennies à travailler avec des documents et des flux de travail qui se trouvent au cœur des processus métier critiques. Cela signifie que nous comprenons à quel point ces informations peuvent être complexes et souvent non structurées.

Ce fondement est très pertinent pour l’IA agente. Ces systèmes doivent fonctionner dans des environnements réels, et non pas juste interpréter des informations en isolation. Notre expérience dans l’intelligence de document nous permet de nous concentrer sur le contexte et de nous assurer que l’IA agit de manière cohérente avec la façon dont l’entreprise fonctionne. Il s’agit de construire des systèmes qui peuvent être fiables en production, et non juste explorés en théorie.

C’est pourquoi cette dernière évolution de l’IA est si excitante. Elle prend le traitement intelligent de documents à des endroits où nous ne pouvions pas aller auparavant — en résolvant des problèmes qui étaient trop coûteux ou impossibles à résoudre dans le passé.

Vous avez insisté sur l’intégration de l’IA dans l’ensemble du portefeuille de produits plutôt que de la traiter comme une fonctionnalité autonome. Qu’est-ce que signifie réellement une transformation « native IA » dans une grande plate-forme logicielle établie ?

Il est devenu clair dès le départ que les fonctionnalités alimentées par l’IA générative et agente devenaient rapidement des éléments essentiels, ce qui signifie que les clients n’étaient pas toujours disposés à payer plus pour les obtenir. Nous avons également réalisé que ces technologies nous permettaient de moderniser ce que Tungsten a fait pendant des années : aider les entreprises à donner un sens à leurs données de documents.

Nous n’avons pas changé notre promesse de marque. Nous n’avons pas créé de produits ou de fonctionnalités autonomes. Nous avons réaménagé la façon dont le produit est utilisé, et lorsque cette base est en place, l’IA peut fonctionner de manière naturelle dans le produit plutôt que de manière séparée. Et les cas d’utilisation que nos clients ont commencé à aborder sont passés de documents structurés à des sources d’informations non structurées. Et nous avons rédefini ce qu’est un « document » en cours de route. Un document n’est plus juste une image de papier ou un fichier numérique. Les données non structurées vivent dans des choses comme les notes des régulateurs de sinistres, les transcriptions des appels du centre de contact, les publications sur les réseaux sociaux, les articles Web, et bien plus encore.

Prendre cette approche permet à nos clients d’améliorer la base et les modèles ouverts avec leurs données propriétaires, qui constituent le véritable facteur de différenciation.

En tant que premier Chief AI Officer de l’entreprise, comment équilibrez-vous la vitesse d’innovation avec le besoin de gouvernance, de sécurité et de déploiement responsable de l’IA à grande échelle ?

Il y a toujours une pression pour aller vite avec l’IA, mais dans les environnements d’entreprise, la confiance compte autant que la vitesse. La gouvernance et la sécurité ne peuvent pas être traitées comme une afterthought. Elles doivent être intégrées dans le système dès le départ.

La façon dont nous faisons cela est en fixant des attentes dès le début en éduquant nos utilisateurs finaux. Par exemple, la moitié de mon rôle est axée sur la stratégie interne de l’IA, l’évangélisation et la gouvernance. Nous avons réuni un conseil consultatif interfonctionnel très tôt. Nous encourageons le partage, l’expérimentation et la communication. Il y a eu des moments où la technologie était prête à être déployée sur tous les employés connectés à plusieurs systèmes internes. Les prototypes étaient puissants et ont enthousiasmé tout le monde, mais nous avons laissé notre conseil consultatif savoir chaque fois que nous rencontrons des obstacles potentiels en matière de sécurité ou de réglementation. Ils apprécient l’information et participent souvent à la solution.

Je pense que c’est également important de ne pas laisser la perfection se mettre en travers du progrès. Nous avons fixé l’attente avec notre personnel qu’ils devraient s’attendre à des changements, et beaucoup. Ils devraient s’attendre à ce que nous déployions des outils et des fonctionnalités au fur et à mesure qu’ils sont prêts, à obtenir des commentaires, à changer de cap si nécessaire, puis à déployer davantage.

L’IA agente est en train de devenir rapidement un objectif majeur dans l’industrie. Qu’est-ce qui, selon vous, distingue les systèmes d’IA agente de niveau entreprise des mises en œuvre expérimentales ou surévaluées ?

La principale différence réside dans la façon dont les systèmes fonctionnent dans des conditions réelles. De nombreuses approches expérimentales fonctionnent bien dans des environnements contrôlés, mais luttent lorsqu’elles rencontrent des données désordonnées ou des flux de travail complexes. Les systèmes de niveau entreprise doivent gérer cette variabilité et produire toujours des résultats cohérents.

La plupart des systèmes construits au cours des 30 dernières années ont été conçus pour l’interaction humaine ou pour un accès API très contrôlé. L’intégration des systèmes doit être repensée à l’ère de l’IA agente. Tout, des exceptions, des erreurs et de la traçabilité, est différent lorsque les agents interagissent plutôt qu’un humain via une interface utilisateur traditionnelle.

Un autre facteur important est la responsabilité. Les organisations doivent comprendre comment les décisions sont prises et être en mesure de faire confiance aux résultats. Ce niveau de transparence est ce qui permet aux systèmes agents de passer d’intéressantes démonstrations à une utilisation opérationnelle réelle.

Vous dirigez le laboratoire d’IA de Tungsten en tant que centre de recherche et d’innovation appliquée. Comment vous assurez-vous que les travaux expérimentaux sur l’IA se traduisent par des résultats commerciaux mesurables pour les clients ?

J’ai en fait pris une approche inverse avec le laboratoire d’IA de Tungsten. J’ai laissé l’équipe savoir dès le début qu’il était acceptable d’expérimenter, d’apprendre et d’essayer de nouvelles approches, même si les résultats ne faisaient jamais partie de nos produits. Souvent, il est préférable d’apprendre ce qu’il ne faut pas faire. Je crois que cela leur a donné la liberté de penser librement et d’expérimenter de nouvelles façons de faire les choses.

Par exemple, bien que je ne puisse pas divulguer la fonctionnalité exacte, l’une de nos sprints de recherche actuels implique une nouvelle approche d’un composant de produit existant. Les chercheurs ont trouvé de nouvelles méthodes pour résoudre un problème, ce qui a conduit à un « moment de révélation » qui nous a peut-être permis d’offrir une solution complète et nouvelle aux clients. Si nous avions simplement cherché à mettre en œuvre ce qui était déjà dans la feuille de route, nous n’aurions jamais abouti là.

Cela étant dit, ce n’est pas un laisser-faire. Nous sommes prudents quant à où nous passons notre temps et à combien de temps nous y passons pour chaque projet de recherche.

De nombreuses organisations ont encore du mal à passer des pilotes d’IA à la production. Quels sont les plus grands obstacles que vous rencontrez, et comment les entreprises peuvent-elles les surmonter ?

L’un des plus grands obstacles est les données sombres. La plupart des organisations ont accès à des volumes énormes d’informations, mais une grande partie de celles-ci vivent dans des documents, des e-mails, des PDF et d’autres formats non structurés qui sont difficiles pour les systèmes d’IA à interpréter. Cela signifie que même les modèles bien conçus fonctionnent souvent avec une vue incomplète et incohérente de l’entreprise, ce qui conduit à des sorties peu fiables et à des initiatives bloquées.

Pour passer à l’étape suivante, les entreprises doivent se concentrer sur la transformation des données sombres en quelque chose d’utile. Cela implique non seulement d’extraire des informations, mais également de créer une structure, un contexte et une gouvernance autour de celles-ci afin que les systèmes d’IA puissent vraiment agir avec confiance. Une fois que cette base est en place, l’IA devient beaucoup plus fiable et plus facile à mettre à l’échelle de pilotes isolés à des environnements de production réels.

Tungsten opère dans des secteurs lourds en documents et intensifs en flux de travail. Comment l’IA change-t-elle la façon dont les entreprises pensent aux données non structurées et à la prise de décision ?

L’IA change la façon dont les organisations pensent à la valeur des informations qu’elles possèdent déjà. Pendant des années, de grandes quantités de connaissances d’entreprise se trouvaient dans des documents, des e-mails, des PDF et d’autres contenus non structurés qui étaient difficiles à accéder ou à exploiter. Maintenant, les organisations réalisent que ces données contiennent le contexte et la logique métier dont les systèmes d’IA ont besoin pour produire des résultats fiables. Les modèles eux-mêmes sont des biens communs ; les informations propriétaires des organisations combinées avec ces modèles constituent le facteur de différenciation.

En même temps, il y a une prise de conscience croissante autour de la souveraineté des données, de la gouvernance et de l’endroit où les informations d’entreprise circulent. Beaucoup d’entreprises sont en train de courir pour intégrer plus de données externes ou expérimenter un large accès aux modèles, alors qu’en réalité, elles sont déjà assises sur d’énormes quantités d’intelligence non exploitées au sein de leur propre organisation. L’accent est en train de se déplacer vers l’activation de ces données non structurées internes de manière sécurisée et gérée afin que l’IA puisse soutenir de meilleures décisions sans créer de risques inutiles.

Vous avez construit des conseils consultatifs clients et travaillé en étroite collaboration avec des clients d’entreprise tout au long de votre carrière. Quelle est l’importance des commentaires des clients dans l’élaboration de la stratégie d’IA, en particulier lorsque la technologie évolue si rapidement ?

Les commentaires des clients sont un cadeau, en particulier dans un espace qui bouge aussi rapidement que l’IA. Cela aide à garantir que la stratégie reste ancrée dans les besoins commerciaux réels plutôt que dans des possibilités théoriques.

Cela aide également à la priorisation. Il y a de nombreuses directions que l’IA peut prendre, mais les commentaires des clients fournissent une clarté sur où la plus grande valeur peut être créée. Cela maintient le focus sur les résultats qui comptent et garantit que l’innovation reste alignée sur la façon dont les organisations fonctionnent réellement.

Je me souviens que, dans les premiers jours de l’IA générative, un client de notre conseil consultatif m’a dit qu’il aimait la direction du produit, mais qu’il ne paierait jamais plus pour une nouvelle fonctionnalité alimentée par LLM dans notre feuille de route. C’était révélateur car il était aligné sur le reste de l’industrie.

En regardant vers l’avenir, où voyez-vous la plus grande opportunité pour l’automatisation alimentée par l’IA au cours des 3 à 5 prochaines années, et à quoi les entreprises devraient-elles se préparer maintenant ?

La plus grande opportunité réside dans le rapprochement de l’IA avec les flux de travail de bout en bout. Plutôt que de se concentrer sur des tâches isolées, les organisations regarderont comment l’IA peut soutenir l’ensemble des processus et améliorer la façon dont le travail se déplace dans l’entreprise. Actuellement, de nombreux systèmes agents sont ciblés sur des tâches discrètes, mais les entreprises fonctionnent sur des processus de bout en bout conformes.

Pour se préparer à ce changement, les entreprises doivent investir dans leurs fondations de données et dans des systèmes qui soutiennent la transparence et le contrôle. Et elles devraient réfléchir à « construire ou s’associer » plutôt qu’à « construire ou acheter ». Nous avons vu l’IA DIY à partir de zéro échouer trop souvent. Les organisations qui bénéficient le plus seront celles qui trouveront les bons partenaires alimentés par l’IA pour accélérer leurs solutions plutôt que d’essayer de tout reconstruire à partir de zéro.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Tungsten Automation.