דון שורמן, CTO ב- Pegasystems – סדרת ראיונות

דון שורמן הוא הקצין הטכנולוגי הראשי וסגן נשיא השיווק של Pegasystems, אחראי על פלטפורמת Pega ויישומי ניהול יחסי לקוחות (CRM).

הוא מחזיק ב-20 שנות ניסיון במתן פתרונות תוכנה לארגונים מסוג Fortune 500, עם דגש על התמרה דיגיטלית, ניידות, ניתוח, ניהול תהליכים עסקיים, עננים ו-CRM.

Pegasystems מציעה פלטפורמה חזקה שתוכננה כדי לעזור לארגונים להשיג תוצאות משמעותיות דרך אופטימיזציה בזמן אמת. הפלטפורמה מאפשרת ללקוחות לטפל באתגרים עסקיים מרכזיים באמצעות קבלת החלטות של AI תאגידי ואוטומציה של תהליכים, כולל התאמת התעניינות הלקוח, אוטומציה של שירותים ושיפור יעילות הפעילות. Pegasystems הוקמה ב-1983 ופיתחה ארכיטקטורה גמישה וניתנת להרחבה שתומכת בתאגידים במפגש דרישות הלקוחות הנוכחיות תוך כדי התאמה לצרכים עתידיים.

נתון ניסיונך הרב כ-CTO ב-Pegasystems, כיצד Pega GenAI מבדיל את עצמו בנוף המהיר של AI יוצרת לתאגידים?

Pega הובילה את החדשנות של פתרונות AI במשך שנים, כולל היכרות עם AI יוצרת הרבה לפני שפרצה לזרם המרכזי. אני חושב שיש שלוש דברים שמבדילים אותנו:

ראשון, אנו לא רק מאיצים תהליכים, אנו מניעים חדשנות. רוב ספקי התוכנה התאגידית השיקו בוטים, סוכנים או תכונות עוזרות של AI יוצרת, אך האמת היא שכלים אלו דומים לא יניעו הבדלה תחרותית. אנו מאפשרים ללקוחותינו לשקם את כל העסק שלהם עם כלים ייחודיים כמו Pega GenAI Blueprint, המספק עיצובי אפליקציות הטובים ביותר בשניות. אנו לא רק אוטומציה מטלות; אנו משנים באופן מהותי את הדרך שבה עסקים פועלים ומחדשים.

שנית, אנו לא רק מאוטומצים בבידוד, אנו מנצחים את הדרך שבה העבודה נעשית מהתחלה עד סוף. ספקים אחרים מפזרים את תכונות הבוטים של AI יוצרת ומקווים שזה מספיק כדי להגביר את היעילות. פלטפורמתנו שורשית בניהול התיקים המוביל בתעשייה ובתזמון, המאפשרים לנו לא רק לאוטומציה עם AI יוצרת אלא גם לתזמן ולאופטימיזציה של כל התהליך מסוף לסוף.

שלישית, אנו לא רק מנוע AI יוצרת גנרי – אנו ממוקדים בניעות קשר לקוח טוב יותר ואוטומציה של תהליכי עבודה דרך AI. לפעמים, הבעיה דורשת את הכוח היצירתי של AI יוצרת, בעוד שבעיות אחרות עשויות לדרוש AI מנבא או AI החלטה כדי להזריק יותר היגיון לתהליך.

במאמרך ב-Forbes, “פתיחת הפוטנציאל של AI מתקדם לחדשנות עסקית,” אתה מזכיר את הפוטנציאל של AI יוצרת לשקם את פעולות העסק. מהם דוגמאות ספציפיות שבהן AI יכול לזרז התמרה מורשת בחברות מובססות?

SVP של דויטשה טלקום, דניאל ונזל, תיאר לקהל ב-PegaWorld iNspire הקיץ האחרון כיצד הוא משתמש כרגע ב-Pega GenAI Blueprint כדי לעזור לו לשקם יותר מ-800 תהליכים עסקיים נפרדים במחלקת שירותי HR. הוא אומר שהמחסום הגדול ביותר בניסיון לשפר את התהליכים היה שאנשי העסקים ו-IT לא מדברים את אותה שפה, מה שהוביל לציפיות שלא התממשו. Pega GenAI Blueprint עוזר לשני הצדדים להבין את התהליך ואיך לשפר אותו הרבה יותר מהר משיטות מסורתיות, מה שמוביל לפתרונות יעילים יותר.

המאמר האמור דן במגבלות של יישומי AI יוצרת נוכחיים. כיצד חברות יכולות לעבור מעבר לשיפורי תפוקה אינקרמנטליים לניצול הפוטנציאל המשמעותי ביותר של AI?

רוב AI יוצרת בתוכנה תאגידית מוחלת כתכונות בודדות שעוזרות להאיץ אספקטים מסוימים של התהליך. אך תכונות אלו הן נפוצות עכשיו, מספקות יתרון תחרותי מועט. תחבולות תפוקה כמו סיכום ויצירת טקסט הן מוצרים בסיסיים – מה שעסקים צריכים כדי לקדם בשוק הוא להשתמש ב-AI יוצרת כדי לחדש דרכים חדשות של עשיית עסקים ברמה גבוהה. לדוגמה, Gartner זיהתה קטגוריה טכנולוגית חדשה הקרויה Business Orchestration and Automation Technologies (BOAT) שבוחנת תוצאות עסקיות באופן הוליסטי, מזרימת עלויות, שיפור קבלת החלטות, הפחתת עלויות פעילות והשתמשות בטכנולוגיות אוטומציה הנכונות לעבודה. תכונות AI יוצרת בודדות יש להן מקום, אך זה רק חלק מהחידה ולא הקליע הכסוף לפתור את כל הבעיות.

מהם המקרים המבטיחים ביותר של AI יוצרת לתאגידים שעוברים מעבר לשיפורי תפוקה טיפוסיים, וכיצד עסקים יכולים ליישם אותם?

ההזדמנות המרגשת ביותר של AI יוצרת היא הפוטנציאל להזריק תכונות טובות לתהליך. אלו שמשתמשים ב-AI יוצרת רק כדי לכתוב יותר קוד עלולים להכין את עצמם לחובות טכניות רבות יותר בעתיד. הזרקת IP לתהליך עיצוב התוכנה היא משחק-מחליף, מאפשרת לארגונים להגיע לפתרון אופטימלי הרבה יותר מהר על בסיס שנים של ניסיון. ובגלל שזה פותח כמודל ויזואלי ולא רק קווי קוד, זה קל יותר לשתף פעולה ולשפר אותו במשך הזמן בין בעלי עניין טכניים ולא-טכניים. בעבר, סיום עיצוב אפליקציה יכול היה לקחת שבועות ודרש מיומנויות מיוחדות; עכשיו, כלים אלו של AI יוצרת מאפשרים למשתמשי עסקים להקליד את צרכיהם הספציפיים בשפה פשוטה ולעבור במהירות מרעיון לעיצוב מקיף. Forrester פרסם לאחרונה מחקר החוזה שהשימוש ב-AI כדי להזריק IP למערכות עיצוב מבוססות-דגם ישנה באופן מהותי את הדרך שבה תאגידים משתמשים בתוכנה – מאפשרים להם לבנות יותר ולקנות הרבה פחות ‘מוצרים מהמדף’. אני חושב שזו היא התמרה גדולה, ואנו מאמינים כי עם Pega GenAI Blueprint אנו ממוקמים היטב להיות הפלטפורמה הנבחרת עבור לקוחותינו.

הצעתך בעבר ש-AI יוצרת יכולה לסייע בפיתוח מוצרים על ידי זיהוי פערים בשוק. האם תוכל להרחיב על תהליך זה ולשתף דוגמה מציאותית?

Pega Customer Decision Hub הוא פתרון AI מנבא שעוזר ללקוחותינו ליצור את הפעולה הבאה הטובה ביותר עם לקוחותיהם, האם זה משמעות מכירה של מוצר, תיקון בעיה בשירות או לפעמים לא לעשות דבר. זה מאפשר לנו לחבר את הלקוחות 1:1 עם פעולות שמשרתות באופן הטוב ביותר את צרכיהם האינדיבידואליים. אך פעולה באופן 1:1 משמעות שאתה צריך כמות גדולה של הצעות מותאמות – זה הרבה יותר טוב מאשר לשלוח לכולם את אותו המסר, אך זה דורש מארגוני שיווק ליצור הרבה יותר הודעות שייחודיות לקבוצות לקוחות שונות. עכשיו, עם AI יוצרת, אנו יכולים לגלות אילו לקוחות לא קיבלו שירות ואז להציע פעולות חדשות ולבנות טיפולים חדשים שיהיו מועילים יותר לקבוצות אלו. זה הוא בעל הפוטנציאל לעזור לארגונים להתרחב לקהלי שוק שהם בדרך כלל לא יכולים לפנות אליהם.

כיצד חברות מובססות עם מערכות מורשת יכולות לשלב באופן יעיל AI יוצרת כדי להישאר תחרותיות נגד התחלות יותר גמישות, במיוחד בשיקום מבצעיהן העיקריים?

אני חושב שאנו נכנסים לנקודת מפנה עבור מערכות מורשת. במשך עשורים, תאגידים גדולים היו משלחים את חוב הטכנולוגי לקראת העתיד. בילינו שנים ביישום פתרונות ריפוי כמו RPA שלא פתרו את הבעיה המהותית שמערכות מורשת מציבות על תאגידים – הן שואבות את ההוצאות הטכנולוגיות שיכולות ללכת לחדשנות, הן מציגות סיכונים ומונעות מתאגידים לנוע מהר בשווקים משתנים. במזל, אני מאמין שאחד הכוחות העל-טבעיים של AI יוצרת הוא שהיא תאפשר לנו לאיץ באופן דרמטי את הקצב שבו אנו מעצבים מחדש ומפרקים את מערכות המורשת שלנו – לא רק על ידי שיקום, אלא על ידי שינוי תהליכים ועבודה עצמם כדי לרוץ על ארכיטקטורות עננים מודרניות ולספק חוויות דיגיטליות שלקוחות ועובדים.

במאמר נפרד על הקמת מניפסט AI, אתה מדגיש את החשיבות של קשירת אסטרטגיית AI לתוצאות מעשיות. האם תוכל לספק הדרכה על איך עסקים יכולים ליישר את יעדי AI שלהם עם תוצאות עסקיות מוחשיות?

יש הרבה חברות שמתחילות בהתמקדות בכלי חדש ומבריק כמו AI ולא בהתחלה בזיהוי מהם היעדים העסקיים שלהם ומה הבעיה שהם צריכים לפתור. בכך שהם מתמקדים בכלי ולא בבעיה, הם מגבילים את עצמם לנתיב שאולי לא אופטימלי עבור עסקיהם. במקום זאת, הם צריכים לעצור ולשאול את עצמם מה הם באמת מנסים להשיג. לפעמים AI יוצרת אינה הפתרון הנכון ואולי AI החלטה או AI מנבא יהיו מועילים יותר לפתרון בעיות עסקיות.

כיצד עסקים יכולים לנצל AI יוצרת כדי למהפכ את פעולותיהם ולא רק לאוטומציה של מטלות רוטיניות? מהן האסטרטגיות שהם צריכים לנקוט כדי למקסם את ה-ROI בתחום זה?

אל תתמקדו רק במטלות היחיד – זה ימנע ממכם לראות את היער על רקע העצים. עצרו והבינו את תהליכי העבודה הכוללים שלכם ואת התוצאות שאתם מנסים להניע מהם. AI יוצרת יכולה לשמש לנתח את התהליכים שלכם ולהזריק תכונות טובות במספר רב של תעשיות. זה יכול להוביל לשינויים משמעותיים על ידי אפשרות לחברות לשקם ולעצב מחדש את תהליכי העבודה העיקריים שלהן. לדוגמה, AI יכול לעזור לתכנן מודלים חדשים של פעילות או לשקם את הקיימים כדי לשפר יעילות וחדשנות. קבעו מדדים ברורים למדידת הצלחה וסיפקו את הגישה שלכם על בסיס תובנות אלו. בכך שתנצלו AI כדי לניע את השינוי המשמעותי ולא רק שיפורים אינקרמנטליים, עסקים יכולים לנעול ערך משמעותי ולהישאר מלפנים.

מהן התעשיות שאתה מאמין שהן הכי מוכנות ליהנות מעיצוב מחדש של תהליכי עבודה באמצעות AI, וכיצד הן צריכות להתחיל ליישם גישה זו?

כמעט כל ארגון יכול ליהנות באופן אוניברסלי משיפור תהליכי העבודה, במיוחד בשווקים המשתנים במהירות. תעשיות שירותים כמו שירותים פיננסיים, טלקו ובריאות יכולות לממש את הרווחים הגדולים ביותר כדי לעזור לשפר את האינטראקציה עם לקוחותיהן. תעשיות אלו מטפלות בתהליכים מורכבים ומלאים בנתונים ונמצאות תחת לחץ גובר לשפר את היעילות, להפחית עלויות ולספק תוצאות טובות יותר. בנוסף, כל תעשייה עם שירותים מורשת רבים – כמו בנקאות – יכולה ליהנות מבחינת בדיקת תהליכיה שנקבעו לפני שנים רבות כדי למודרניזציה ולוודא שהם שומרים על הקצב עם תחרות חדשה.

כיצד הגישה ‘אדם בלולאה’ משפרת את היעילות והפריסה האתית של AI, במיוחד בתפקידים הפונים ללקוחות?

AI יוצרת, בעודה חזקה, יכולה לייצר פלטים שאינם תמיד מדויקים או מתאימים. באינטגרציה של פיקוח אנושי, אנו יכולים למתן סיכונים כמו אי-דיוקים או בעיות אתיות של תוכן AI-מיוצר.

לדוגמה, בשירות לקוחות, AI יכולה ליצור תגובות והמלצות, אך היותו של אדם שבוחן את הפלטים האלו מבטיח שהם עולים בקנה אחד עם ערכי החברה וצרכי הלקוח. פיקוח זה הוא חיוני לשמירה על שקיפות ואחריות, במיוחד כאשר מודלי AI מייצרים מידע סביר אך שגוי או מטעה.

באופן מעניין, היותו של אדם בלולאה מאפשר לקחת אחד מהחולשות של AI יוצרת – היא במהותה לא צפויה או לא דטרמיניסטית, מה שאומר שהיא לא נותנת לך את אותו תשובה פעמיים – ולהפוך אותה לחוזק. עם Pega GenAI Blueprint, אנו משתמשים ב-AI יוצרת כשותף למוח, מציעים גישות חדשות לעיצוב תהליכי עבודה. האדם תמיד הוא המחליט הסופי, אך על ידי הצעת גישות חדשות, AI יוצרת דוחף מחשבה מקורית ועוזר לבני אדם להימנע מ’סלילת השביל’.

תודה על הראיון הנהדר, קוראים שרוצים ללמוד יותר צריכים לבקר ב-Pegasystems.