Afsheen Afshar, Fondateur de Pilot Wave Holdings – Série d’entretiens

Afsheen Afshar, Fondateur de Pilot Wave Holdings, est un vétéran du domaine de la science des données et du leadership en investissements, dont la carrière s’est déroulée dans des rôles seniors chez Goldman Sachs (GS ), J.P. Morgan et Cerberus Capital Management, où il a contribué à lancer de grandes initiatives de science des données et d’intelligence artificielle au sein d’institutions financières. Avec une formation technique enracinée dans la recherche en neurosciences et en apprentissage automatique à l’Université de Stanford, Afshar a bâti une carrière à l’intersection de l’analyse avancée, du capital-investissement et de la transformation opérationnelle, se concentrant finalement sur l’application de l’intelligence artificielle à la performance commerciale réelle. Chez Pilot Wave, il réunit l’expertise en investissements, le leadership opérationnel et les connaissances techniques approfondies pour identifier, acquérir et développer des entreprises en utilisant des stratégies axées sur les données et la technologie moderne.

Pilot Wave Holdings est une plateforme d’acquisition et de croissance axée sur la transformation d’entreprises de taille petite et moyenne grâce à l’intelligence artificielle et à la technologie avancée. La société utilise des systèmes d’intelligence artificielle propriétaires pour analyser les opérations, découvrir les inefficacités et améliorer les performances dans ses entreprises du portefeuille. En combinant une implication opérationnelle concrète avec une infrastructure de données moderne, Pilot Wave vise à moderniser les entreprises traditionnelles qui ont historiquement manqué d’accès à des outils avancés, les positionnant pour une croissance à long terme et scalable dans une économie de plus en plus axée sur la technologie.

Vous avez occupé des postes de leadership pionniers en intelligence artificielle dans des entreprises comme JPMorgan et Cerberus, et vous avez ensuite fondé Pilot Wave Holdings pour introduire l’intelligence artificielle dans des industries traditionnelles. Quelle est l’insight fondamentale ou la frustration qui vous a amené à passer de la construction de l’intelligence artificielle au sein de grandes institutions à l’acquisition et à la transformation directe d’entreprises ?

Le problème fondamental était le besoin d’autonomisation pour agir avec rapidité. Au sein des grandes institutions, même lorsque les gens s’accordent sur l’opportunité, il y a généralement trop de couches entre l’identification du problème et la prise de mesures concrètes. L’intelligence artificielle ne réussit pas parce que le travail technique est impossible, mais parce que l’organisation est trop lente, trop politique ou trop fragmentée pour agir avec urgence. Je voulais travailler dans un environnement où la stratégie, les opérations et la technologie pouvaient être alignées rapidement. Acquérir et construire des entreprises directement crée ce type d’autonomisation. Si vous voulez vraiment changer la façon dont une entreprise fonctionne avec rapidité et volonté, être le propriétaire est important.

Beaucoup d’entreprises dans l’industrie célèbrent encore les pilotes réussis, mais la véritable valeur vient des systèmes de production. Pourquoi les initiatives d’intelligence artificielle échouent-elles si souvent à ce point de transition, et qu’est-ce qui distingue les organisations qui parviennent à mettre en œuvre l’intelligence artificielle avec succès de celles qui stagnent ?

De nombreux pilotes sont conçus pour réussir, ce qui est exactement pourquoi beaucoup d’entreprises se trompent. Ils se déroulent dans des environnements propres, avec une attention particulière, une portée limitée et aucune des frictions qui apparaissent en production. Le problème plus profond est souvent un manque d’empathie. Les technologistes n’ont souvent pas le temps, ou franchement n’ont pas le désir, d’apprendre l’expérience de l’opérateur, ils construisent donc quelque chose qui fonctionne en théorie ou dans une démo mais ne correspond pas à la réalité du travail. Les entreprises qui mettent en œuvre l’intelligence artificielle avec succès sont celles qui prennent au sérieux le flux de travail humain dès le début et construisent pour la complexité des opérations réelles au lieu d’essayer de l’éviter. Tout le monde dit qu’il veut de la valeur de production, mais de nombreuses équipes sont toujours optimisées pour les applaudissements des pilotes.

Votre travail se concentre sur l’intégration de l’intelligence artificielle dans des secteurs tels que les infrastructures, la fabrication et le commerce électronique. Comment le déploiement de l’intelligence artificielle dans ces environnements diffère-t-il fondamentalement du déploiement dans des entreprises numériques ou logicielles ?

La différence est que dans les entreprises plus traditionnelles, l’empathie et l’élément humain sont encore plus importants que ce que les gens du monde de l’intelligence artificielle veulent généralement admettre. Dans les environnements logiciels, les équipes peuvent souvent bouger rapidement et résoudre les problèmes plus tard. Dans les infrastructures, la fabrication et le commerce électronique, le travail est lié à des systèmes physiques, à des contraintes réelles et à des personnes qui savent immédiatement si quelque chose ne correspond pas à la façon dont l’entreprise fonctionne réellement. Cela signifie que vous ne pouvez pas simplement arriver avec une solution techniquement élégante et attendre l’adoption. Si vous ne comprenez pas l’expérience de l’opérateur, votre stratégie d’intelligence artificielle est probablement déjà rompue. Ces environnements exposent la pensée superficielle très rapidement, ce qui est partie de leur importance.

Vous avez soutenu que l’adoption de l’intelligence artificielle devrait commencer par les priorités commerciales plutôt que par les outils. Qu’est-ce que cela signifie dans la pratique, et comment les équipes de direction devraient-elles réorienter leur approche de la transformation de l’intelligence artificielle ?

La plupart des équipes de direction commencent au mauvais endroit. Elles commencent par une conversation sur ce que cette technologie peut faire pour elles parce que cela sonne excitant et actuel, alors que le bon endroit pour commencer est de savoir quels sont les priorités commerciales les plus importantes. Une fois que vous le savez, vous pouvez alors discuter honnêtement des meilleurs outils pour répondre à ces priorités, et ce n’est pas toujours l’intelligence artificielle. Cela peut sembler évident, mais la plupart des entreprises commencent encore par la technologie en premier et espèrent que le cas d’affaires apparaîtra d’une manière ou d’une autre par la suite. C’est à l’envers et cela conduit à beaucoup de mouvements inutiles. Si les dirigeants veulent de véritables résultats, ils doivent arrêter de traiter la stratégie d’intelligence artificielle comme un exercice d’achat.

Chez Pilot Wave, vous ne conseillez pas seulement les entreprises, vous les transformez après acquisition. Quels sont les premiers changements structurels ou culturels que vous mettez en œuvre pour que l’adoption de l’intelligence artificielle soit vraiment efficace ?

La première chose est de trouver des sponsors tant seniors que juniors. Les sponsors juniors connaissent la réalité quotidienne et peuvent s’assurer que les employés mettent réellement en œuvre ce qui doit être fait, tandis que les sponsors seniors s’assurent que la politique est minimisée et que l’effort ne se fait pas discrètement étouffer. Beaucoup d’entreprises s’appuient trop lourdement sur le soutien descendant et se demandent ensuite pourquoi rien ne change dans la pratique. La vérité est que l’adoption de l’intelligence artificielle échoue généralement soit parce que l’organisation la résiste au niveau de la base soit parce que la direction laisse les interférences s’accumuler autour. Vous avez besoin des deux formes de soutien en place tôt. Sinon, l’initiative devient un autre point de discussion exécutif qui ne se concrétise jamais réellement.

À mesure que les agents d’intelligence artificielle deviennent plus capables et que les infrastructures deviennent de plus en plus abstraites, quels risques stratégiques émergent pour les entreprises qui ne contrôlent pas leurs propres données et leur pile d’intelligence artificielle ?

Je soutiendrais que les entreprises ont toujours besoin d’un contrôle fondamental. Cela nécessite d’instrumenter chaque système, ce qui est la façon dont Pilot Wave aborde la conception de système, car si vous ne pouvez pas voir ce qui se passe, le mesurer et mettre des garde-fous autour, alors vous prenez un risque que vous ne comprenez pas. Cela ne signifie pas que vous ne devriez pas déléguer des tâches, car la délégation continuera certainement à grande échelle, mais la délégation sans mesure n’est pas une stratégie exécutable. Beaucoup de marché est séduit par l’abstraction parce que cela rend les choses plus faciles et plus rapides, mais cette commodité peut cacher une véritable fragilité systémique. Si les instruments, les mesures et les garde-fous appropriés sont en place, le risque systémique potentiel peut être minimisé. S’ils ne le sont pas, vous construisez une dépendance avant d’avoir gagné la confiance.

Il y a un fossé croissant entre la façon dont l’intelligence artificielle est commercialisée et sa performance dans les environnements du monde réel. Quels signaux les dirigeants techniques et les opérateurs devraient-ils rechercher pour distinguer les capacités d’intelligence artificielle significatives des allégations superficielles ?

Demander toujours une mesure de valeur réelle. J’ai été religieux sur la mesure de la valeur pendant toute ma carrière, jusqu’aux projets individuels, car sans cette discipline, il devient très facile de confondre l’excitation avec les résultats. Chaque effort devrait être soumis à un retour sur investissement et suivi. Si quelqu’un ne peut pas expliquer clairement comment le système affecte les revenus, les coûts, le débit, l’efficacité du travail ou une autre métrique commerciale réelle, alors il y a de fortes chances qu’il vend du théâtre. L’industrie est devenue beaucoup trop à l’aise pour récompenser les démos polies et les allégations vagues. Sans une mesure de valeur rigoureuse, il y a un risque réel de gaspiller du temps et de l’argent.

Vous avez construit et dirigé de grandes organisations de science des données. Comment voyez-vous l’évolution du rôle des équipes d’intelligence artificielle à mesure que l’automatisation augmente et que les systèmes basés sur des agents prennent de plus en plus de responsabilités ?

L’intelligence artificielle prendra en charge des tâches de niveau supérieur. Chez Pilot Wave, nous développons déjà une intelligence artificielle qui peut prendre en entrée quelque chose comme « augmenter mes revenus de 10 pour cent » plutôt que « refaire mon site Web », ce qui est beaucoup plus proche de l’endroit où se situe encore beaucoup d’intelligence artificielle aujourd’hui. Ce changement modifie le rôle des équipes d’intelligence artificielle de manière significative, car le travail devient moins axé sur des tâches isolées et plus sur la façon dont les systèmes raisonnent à travers les objectifs commerciaux réels. Beaucoup d’équipes pensent encore de manière trop étroite à l’automatisation et sous-estiment à quel point la technologie progresse rapidement dans la pile. Le centre de gravité va basculer de l’exécution de tâches vers la délégation commerciale. C’est un changement beaucoup plus important que ce que la plupart des entreprises se préparent à affronter.

De nombreuses entreprises investissent massivement dans l’intelligence artificielle, mais peinent à générer un retour sur investissement mesurable. Quels sont les modèles d’échec les plus courants que vous avez observés, et comment peuvent-ils être évités ?

La plupart des efforts d’intelligence artificielle, en particulier dans les grandes entreprises, sont encore trop axés sur des tableaux de bord séduisants, des mots à la mode et des choses qui sont faciles à présenter internement mais difficiles à relier à une véritable valeur. Les entreprises passent beaucoup de temps à rendre le travail sophistiqué au lieu de le rendre utile. Le modèle d’échec n’est généralement pas mystérieux ; c’est simplement un manque de discipline autour de la création de valeur actionnable. Si il n’y a pas d’objectif économique clair, de propriétaire et de cadre de mesure, l’effort ne devrait pas aller de l’avant. Être religieusement axé sur la création de valeur à chaque étape est critique. Sinon, l’intelligence artificielle d’entreprise devient un exercice de marque très coûteux.

En regardant vers l’avenir, quels sont les progrès en matière d’intelligence artificielle ou les avancées au niveau des systèmes qui, selon vous, auront l’impact le plus important sur les industries du monde physique au cours des cinq à dix prochaines années ?

La capacité de donner des objectifs de très haut niveau à un système d’intelligence artificielle et de déléguer de grandes parties de l’entreprise est sur le point de devenir très réelle très bientôt. C’est la capacité qui comptera le plus, car elle déplace l’intelligence artificielle au-delà de l’exécution de tâches étroites et vers une véritable force opérationnelle. En conséquence, les gens se concentreront davantage sur les aspects relationnels et de confiance des entreprises, ainsi que sur la nature physique réelle du travail en question, que ce soit la construction ou un autre secteur basé sur le terrain. Beaucoup de gens parlent encore de l’intelligence artificielle comme d’une couche de productivité située sur le côté, mais cette vision commence déjà à paraître dépassée. Les systèmes deviennent capables de prendre en charge des responsabilités plus larges. L’avenir est très excitant, mais il sera également beaucoup plus disruptif que ce que beaucoup de sociétés établies veulent admettre.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Pilot Wave Holdings.