Wawancara
Afsheen Afshar, Pendiri Pilot Wave Holdings – Seri Wawancara
Afsheen Afshar, Pendiri Pilot Wave Holdings, adalah seorang veteran ilmu data dan pemimpin investasi yang karirnya meliputi peran senior di Goldman Sachs, J.P. Morgan, dan Cerberus Capital Management, di mana ia membantu mempelopori inisiatif ilmu data dan AI skala besar dalam lembaga keuangan. Dengan fondasi teknis yang berakar pada penelitian neurosains dan pembelajaran mesin di Stanford University, Afshar telah membangun karir di persimpangan analitik lanjutan, ekuitas swasta, dan transformasi operasional, pada akhirnya fokus pada menerapkan AI pada kinerja bisnis dunia nyata. Di Pilot Wave, ia menggabungkan keahlian investasi, kepemimpinan operasional, dan pengetahuan teknis yang mendalam untuk mengidentifikasi, mengakuisisi, dan menskala perusahaan menggunakan strategi yang didorong oleh data dan teknologi modern.
Pilot Wave Holdings adalah platform akuisisi dan pertumbuhan yang fokus pada mengubah bisnis kecil dan menengah melalui kecerdasan buatan dan teknologi lanjutan. Perusahaan ini menggunakan sistem AI proprietary untuk menganalisis operasi, mengungkap ketidakefisienan, dan mengarahkan perbaikan kinerja di seluruh perusahaan portofolionya. Dengan menggabungkan keterlibatan operasional tangan dengan infrastruktur data modern, Pilot Wave bertujuan untuk memodernisasi bisnis tradisional yang secara historis kekurangan akses ke alat-alat canggih, memposisikan mereka untuk pertumbuhan jangka panjang yang dapat diskalakan dalam ekonomi yang semakin didorong oleh teknologi.
Anda telah memegang peran kepemimpinan AI yang berani di perusahaan seperti JPMorgan dan Cerberus, dan kemudian mendirikan Pilot Wave Holdings untuk membawa AI ke industri tradisional. Apa inti masalah atau frustrasi yang menyebabkan Anda beralih dari membangun AI di dalam lembaga besar ke mengakuisisi dan mengubah perusahaan secara langsung?
Masalah intinya adalah kebutuhan akan pemberdayaan untuk bergerak dengan kecepatan. Di dalam lembaga besar, bahkan ketika orang setuju pada kesempatan, biasanya ada terlalu banyak lapisan antara mengidentifikasi masalah dan benar-benar melakukan sesuatu tentang itu. AI tidak gagal karena pekerjaan teknis mustahil, itu gagal karena organisasi terlalu lambat, terlalu politis, atau terlalu terfragmentasi untuk bertindak dengan urgensi. Saya ingin bekerja dalam lingkungan di mana strategi, operasi, dan teknologi dapat sejalan dengan cepat. Mengakuisisi dan membangun perusahaan secara langsung menciptakan jenis pemberdayaan tersebut. Jika Anda benar-benar ingin mengubah bagaimana bisnis dijalankan dengan kecepatan dan kehendak, menjadi pemilik itu penting.
Banyak industri masih merayakan pilot sukses, namun nilai sebenarnya datang dari sistem produksi. Mengapa inisiatif AI sering gagal pada titik transisi tersebut, dan apa yang membedakan organisasi yang sukses mengoperasikan AI dari mereka yang terhambat?
Banyak pilot dirancang untuk sukses, yang tepatnya mengapa banyak perusahaan menipu diri mereka sendiri. Mereka terjadi dalam lingkungan yang bersih, dengan perhatian ekstra, cakupan terbatas dan tidak ada gesekan yang muncul dalam produksi. Masalah yang lebih dalam seringkali adalah kesenjangan empati. Teknolog sering tidak mengambil waktu, atau secara jujur tidak memiliki keinginan, untuk mempelajari pengalaman operator, sehingga mereka membangun sesuatu yang bekerja dalam teori atau dalam demo tetapi tidak sesuai dengan kenyataan pekerjaan. Perusahaan yang mengoperasikan AI dengan sukses adalah mereka yang mengambil aliran kerja manusia secara serius dari awal dan membangun untuk kekacauan operasi nyata daripada mencoba menghindarinya. Semua orang mengatakan mereka ingin nilai produksi, tetapi banyak tim masih mengoptimalkan untuk tepuk tangan pilot.
Pekerjaan Anda fokus pada menyematkan AI ke sektor seperti infrastruktur, manufaktur, dan e-commerce. Bagaimana menerapkan AI dalam lingkungan ini berbeda secara fundamental dari menerapkan AI dalam perusahaan digital-native atau software-first?
Perbedaannya adalah bahwa dalam bisnis Main Street yang lebih tradisional, empati dan elemen manusia lebih penting daripada yang diinginkan oleh banyak orang di dunia AI. Di lingkungan software-first, tim dapat bergerak cepat dan memperbaiki masalah kemudian. Di infrastruktur, manufaktur, dan e-commerce, pekerjaan terkait dengan sistem fisik, kendala nyata, dan orang-orang yang tahu secara instan ketika sesuatu tidak sesuai dengan cara bisnis sebenarnya dijalankan. Itu berarti Anda tidak bisa hanya menunjukkan solusi yang elegan secara teknis dan mengharapkan adopsi. Jika Anda tidak memahami pengalaman operator, strategi AI Anda mungkin sudah rusak. Lingkungan ini mengungkapkan pemikiran yang dangkal dengan sangat cepat, yang merupakan bagian mengapa mereka sangat penting.
Anda telah berargumen bahwa adopsi AI harus dimulai dengan prioritas bisnis daripada alat. Apa yang terlihat dalam praktek, dan bagaimana tim kepemimpinan harus mereframing pendekatan mereka terhadap transformasi AI?
Kebanyakan tim kepemimpinan memulai dari tempat yang salah. Mereka memulai dengan percakapan apa-yang-dapat-tech-lakukan-untuk-kami karena itu terdengar menarik dan mutakhir, ketika tempat yang tepat untuk memulai adalah apa prioritas bisnis yang paling penting. Setelah Anda tahu itu, maka Anda dapat berbicara secara jujur tentang alat terbaik untuk menangani prioritas tersebut, dan itu tidak selalu harus AI. Itu terdengar jelas, tetapi kebanyakan perusahaan masih mengejar teknologi terlebih dahulu dan berharap kasus bisnis akan muncul setelah itu. Itu terbalik dan itu menyebabkan banyak gerakan yang terbuang. Jika kepemimpinan ingin hasil nyata, mereka perlu berhenti mengobati strategi AI seperti latihan belanja.
Di Pilot Wave, Anda tidak hanya memberi saran kepada perusahaan, Anda juga merestrukturisasi mereka setelah akuisisi. Apa perubahan struktural atau budaya pertama yang Anda implementasikan untuk membuat adopsi AI benar-benar menempel?
Hal pertama adalah menemukan sponsor senior dan junior. Sponsor junior tahu kenyataan sehari-hari dan dapat memastikan bahwa rank dan file benar-benar melakukan apa yang perlu dilakukan, sementara sponsor senior memastikan bahwa politik diminimalkan dan upaya tidak dibunuh secara diam-diam. Banyak perusahaan bergantung terlalu berat pada dukungan dari atas dan kemudian bertanya-tanya mengapa tidak ada yang berubah dalam praktek. Kebenaran adalah bahwa adopsi AI biasanya gagal baik karena organisasi menolaknya pada tingkat dasar atau karena kepemimpinan membiarkan gangguan menumpuk di sekitarnya. Anda memerlukan kedua bentuk dukungan tersebut sejak awal. Jika tidak, inisiatif tersebut menjadi sebuah poin bicara eksekutif yang tidak pernah benar-benar mendarat.
Seiring AI menjadi lebih mampu dan infrastruktur menjadi semakin abstrak, apa risiko strategis yang muncul bagi perusahaan yang tidak mengontrol tumpukan data dan AI mereka sendiri?
Saya akan berargumen bahwa perusahaan selalu memerlukan kontrol fondasional. Itu memerlukan instrumentasi setiap sistem, yang merupakan cara Pilot Wave mendekati desain sistem, karena jika Anda tidak bisa melihat apa yang terjadi, mengukurnya, dan meletakkan rel pengaman di sekitarnya, maka Anda mengambil risiko yang tidak dipahami. Itu tidak berarti Anda tidak harus mendelegasikan tugas, karena delegasi akan terus berlanjut pada skala besar, tetapi delegasi tanpa pengukuran bukanlah strategi yang dapat dijalankan. Banyak pasar sedang terpesona oleh abstraksi karena membuat hal-hal terasa lebih mudah dan lebih cepat, tetapi kenyamanan itu dapat menyembunyikan kerapuhan sistemik yang sebenarnya. Jika instrumentasi, pengukuran, dan rel pengaman yang tepat ada di tempat, risiko sistemik potensial dapat diminimalkan. Jika tidak, Anda membangun ketergantungan sebelum memenangkan kepercayaan.
Ada celah yang semakin besar antara bagaimana AI dipasarkan dan bagaimana kinerjanya dalam lingkungan dunia nyata. Apa sinyal yang harus dicari oleh pemimpin teknis dan operator untuk membedakan kemampuan AI yang bermakna dari klaim yang superficial?
Selalu tanyakan pengukuran nilai nyata. Saya telah beribadah tentang mengukur nilai sepanjang karir saya, sampai ke proyek individual, karena tanpa disiplin itu menjadi sangat mudah untuk membingungkan kegembiraan dengan hasil. Setiap upaya harus diadakan untuk ROI dan dilacak. Jika seseorang tidak bisa menjelaskan dengan jelas bagaimana sistem mempengaruhi pendapatan, biaya, throughput, efisiensi tenaga kerja atau beberapa metrik bisnis nyata lainnya, maka ada kemungkinan besar mereka menjual teater. Industri telah menjadi terlalu nyaman dengan menghargai demo yang rapi dan klaim yang samar. Tanpa pengukuran nilai yang ketat, ada risiko nyata untuk membuang waktu dan uang.
Anda telah membangun dan memimpin organisasi ilmu data skala besar. Bagaimana Anda melihat peran tim AI berkembang seiring peningkatan otomatisasi dan sistem berbasis agen mengambil tanggung jawab yang lebih besar?
AI akan mengambil tugas yang lebih tinggi dan lebih tinggi. Di Pilot Wave, kami sudah mengembangkan AI yang dapat mengambil input seperti “tingkatkan pendapatan saya sebesar 10 persen” daripada “perbarui situs web saya”, yang jauh lebih dekat dengan di mana banyak AI masih berada hari ini. Perubahan itu mengubah peran tim AI dengan cara yang serius karena pekerjaan menjadi kurang tentang tugas terisolasi dan lebih tentang bagaimana sistem bernalar di seluruh tujuan bisnis yang sebenarnya. Banyak tim masih berpikir terlalu sempit tentang otomatisasi dan meremehkan seberapa cepat teknologi bergerak naik ke tumpukan. Pusat gravitasi akan bergeser dari eksekusi tugas ke delegasi bisnis. Itu adalah perubahan yang jauh lebih besar daripada yang dipersiapkan oleh banyak perusahaan.
Banyak perusahaan menginvestasikan berat dalam AI, namun berjuang untuk menghasilkan ROI yang dapat diukur. Apa pola kegagalan yang paling umum yang Anda amati, dan bagaimana mereka dapat dihindari?
Kebanyakan upaya AI, terutama di perusahaan besar, masih terlalu fokus pada dasbor yang menarik, kata-kata mutakhir, dan hal-hal yang mudah disajikan secara internal tetapi sulit dihubungkan dengan nilai nyata. Perusahaan menghabiskan banyak waktu untuk membuat pekerjaan terlihat canggih daripada membuatnya berguna. Pola kegagalan biasanya tidak misterius, itu hanya kurangnya disiplin sekitar penciptaan nilai yang dapat ditindaklanjuti. Jika tidak ada tujuan ekonomi yang jelas, tidak ada pemilik, dan tidak ada kerangka pengukuran, upaya tersebut tidak boleh dilanjutkan. Fokus secara religius pada penciptaan nilai di setiap titik sepanjang jalan sangat kritis. Jika tidak, AI perusahaan menjadi latihan branding yang sangat mahal.
Menghadap ke depan, kemampuan AI atau terobosan sistemik apa yang Anda percayai akan memiliki dampak terbesar pada industri dunia nyata dalam lima hingga sepuluh tahun ke depan?
Kemampuan untuk memberikan tujuan tingkat tinggi kepada sistem AI dan mendelegasikan bagian besar bisnis akan menjadi sangat nyata sangat cepat. Itu adalah kemampuan yang akan paling berdampak, karena itu memindahkan AI melampaui eksekusi tugas yang sempit dan ke dalam pengaruh operasional yang sebenarnya. Sebagai konsekuensi, orang akan fokus lebih pada aspek hubungan dan kepercayaan bisnis, bersama dengan sifat fisik pekerjaan yang dilakukan, apakah itu konstruksi atau industri berbasis lapangan lainnya. Banyak orang masih berbicara tentang AI sebagai lapisan produktivitas yang berada di samping, tetapi pandangan itu sudah mulai terasa ketinggalan zaman. Sistem tersebut menjadi mampu mengambil tanggung jawab yang lebih luas. Masa depan sangat menarik, tetapi itu juga akan lebih disruptif daripada yang diakui oleh banyak pemain yang sudah mapan.
Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Pilot Wave Holdings.
