Chetan Alsisaria, CEO dan Co-Founder, Polestar Analytics – Seri Wawancara

Chetan Alsisaria, CEO dan Co-Founder adalah seorang pemimpin teknologi perusahaan yang berspesialisasi dalam data, analitik, dan transformasi yang didorong oleh AI. Setelah memulai karir di Deloitte, PwC, dan EY, ia mendirikan Polestar Analytics pada tahun 2012 dan sejak itu mengembangkannya menjadi perusahaan AI dan data global. Ia memimpin penjualan, aliansi strategis, pengembangan layanan, dan pengiriman teknis, serta menjabat sebagai Ketua CAIO Circle, sebuah komunitas untuk pemimpin AI yang fokus pada pengadopsian AI yang bertanggung jawab dan praktis. Selain itu, ia juga mendirikan Xumane Equity, yang mencerminkan fokusnya yang lebih luas pada inovasi di seluruh sistem dan platform perusahaan.

Polestar Analytics adalah perusahaan konvergensi AI dan data global yang membantu perusahaan mengubah data yang terfragmentasi menjadi wawasan yang dapat ditindaklanjuti melalui platform 1Platform yang dimilikinya. Dengan menggabungkan rekayasa data, analitik, AI, dan alur kerja bisnis menjadi satu ekosistem, perusahaan ini memungkinkan organisasi untuk meningkatkan pengambilan keputusan, mengoptimalkan operasi, dan menskala adopsi AI. Dengan fokus kuat pada kasus penggunaan spesifik industri dan hasil yang dapat diukur, Polestar telah berkembang dari perusahaan konsultasi menjadi bisnis yang didorong oleh platform, menyediakan solusi yang disederhanakan dan didorong oleh kecerdasan pada skala perusahaan.

Anda mendirikan Polestar Analytics pada tahun 2012 setelah bekerja di Deloitte, PwC, dan EY. Apa kesenjangan dalam data dan analitik perusahaan yang Anda lihat pada saat itu, dan bagaimana visi asli itu berkembang menjadi platform AI 1Platform hari ini?

Ketika Ajay, Amit, dan saya memulai Polestar Analytics pada tahun 2012, ironinya sangat mencolok; perusahaan tenggelam dalam data tetapi kelaparan keputusan. Semua orang mengumpulkan semua data, tetapi kesenjangan antara memiliki data dan melakukan sesuatu yang bermakna dengannya sangat besar. Itulah masalah yang kami coba selesaikan.

Maju cepat ke hari ini, dan jujur, masalah itu belum hilang, itu hanya berubah bentuk. Volume lebih besar, taruhan lebih tinggi, dan sekarang Anda memiliki agen di dalam campuran bersama dengan manusia yang perlu memahami semua itu. Itulah yang membuat visi asli kami lebih jelas, bukan lebih kabur.

Moto kami, Data to Outcomes, Simplified!, benar-benar benang yang menghubungkan 2012 hingga hari ini. Kami memulai dengan pengiriman data; mendapatkan data yang tepat ke orang yang tepat pada waktu yang tepat. Kemudian AI datang dan memperkuat apa yang mungkin. Sekarang dengan 1Platform, kami mendorong lebih jauh; menyederhanakan dan memaksimalkan hasil tidak hanya untuk manusia tetapi juga untuk agen yang semakin membuat atau mempengaruhi keputusan.

Apa yang menarik adalah bagaimana ekosistem kami telah matang untuk mendukung ini. Integrasi kami yang dalam dengan Microsoft (MSFT ), Databricks, dan Anaplan membantu menghubungkan data, kasus penggunaan bisnis, dan perencanaan bersama. Dan 1Platform duduk di atas semua ini, asli untuk lingkungan ini, bukan dibaut.

Jadi, evolusi sebenarnya terlihat seperti ini: pengiriman data → wawasan yang diperkuat oleh AI → hasil yang disederhanakan, siap agen. Pengejaran keunggulan adalah sama. Kecepatan di mana kami dapat mencapai itu adalah apa yang telah berubah secara eksponensial.

Polestar Analytics memposisikan diri sebagai perusahaan konvergensi data dan AI. Apa yang sebenarnya terlihat seperti konvergensi dalam praktik untuk perusahaan besar yang berhadapan dengan sistem yang terfragmentasi dan data yang terisolasi?

Sebagian besar waktu, fragmentasi bukanlah masalah teknologi, itu adalah masalah orang dan proses. Itu seperti Anda memiliki tim keuangan yang berjalan di Anaplan, tim operasional yang hidup di Excel, tim rekayasa data yang membangun pipa di Azure, dan semua orang menarik dalam arah yang berbeda dengan definisi metrik yang berbeda. Tidak ada jumlah AI yang dapat memperbaiki masalah kepercayaan jika fondasinya rusak.

Jadi, ketika kami berbicara tentang konvergensi, kami maksudkan menyelesaikan fondasi itu terlebih dahulu. Sebelum Anda dapat melapisan kecerdasan di atas, Anda perlu data yang bersih, dikelola, dan dapat diakses secara kritis. Tidak hanya untuk analis Anda, tetapi juga untuk agen Anda.

Dalam praktik, konvergensi dengan 1Platform terlihat seperti ini: kami tidak merobek dan menggantikan apa yang telah dibangun oleh perusahaan. Kami masuk ke dalam lingkungan yang sudah mereka gunakan, seperti Databricks, Microsoft, dan Anaplan, dan kami menjahit lapisan data dan kecerdasan di seluruhnya. Data perencanaan Anda di Anaplan berbicara dengan data operasional Anda di Databricks, dan ekosistem Microsoft Anda adalah tempat keputusan sebenarnya muncul untuk orang dan agen untuk bertindak.

Keajaiban itu tidak ada di salah satu integrasi itu. Itu ada di lapisan penghubung 1Platform yang membuat semua terasa seperti satu sistem koheren bukan alat yang terputus. Itulah yang terlihat seperti konvergensi dalam praktik, penyederhanaan yang disengaja sampai kompleksitas menjadi tidak terlihat oleh bisnis.

Platform 1Platform Anda yang propietary bertujuan untuk menggabungkan data, AI, dan alur kerja menjadi satu sistem. Bagaimana pendekatan ini berbeda dari tumpukan BI tradisional atau platform data modern seperti Databricks atau Snowflake?

Databricks dan Snowflake adalah platform yang kuat, kami tidak bersaing dengan mereka, kami dibangun di atasnya. Perbedaan itu penting. Databricks memberikan infrastruktur dan komputasi. Kami duduk di atas itu dan bertanya pertanyaan yang berbeda: sekarang apa?

Tumpukan BI tradisional mendapatkan banyak hal yang benar untuk waktunya, tetapi intelijen bisnis telah berkembang. Hari ini, pengguna bisnis membutuhkan lebih dari sekadar dashboard. Anda dapat memiliki dashboard yang dirancang dengan indah dengan lima belas grafik, dan seseorang masih perlu menafsirkan apa artinya dan memutuskan apa yang harus dilakukan selanjutnya. Itulah kesenjangan antara wawasan dan tindakan yang sebenarnya di mana 1Platform beroperasi.

1Platform tidak statis, itu terus berkembang. Itu tidak hanya menjawab pertanyaan yang Anda bawa; itu menampilkan pertanyaan yang Anda tidak pikirkan untuk bertanya. Itu mengubah hubungan antara pengguna bisnis dan data mereka.

Kami telah membangun antarmuka low-code dan no-code di atas Databricks dan Azure yang memungkinkan pipa untuk diputar dalam hitungan detik. Tugas yang sebelumnya membutuhkan hari untuk insinyur data sekarang dapat dipicu oleh pengguna bisnis. Di atas itu, Agenthood AI memungkinkan pengguna untuk membuat dan mengatur agen melalui antarmuka drag-and-drop sederhana tanpa keahlian teknis yang dalam.

Tapi perbedaan sebenarnya adalah pengalaman akhir pengguna. Alih-alih melompat di seluruh dashboard, pengguna menerima wawasan bahasa alami, rekomendasi kontekstual, dan narasi yang didorong oleh agen. KPI tidak hanya duduk di layar; agen secara aktif memantau mereka, menandai apa yang penting, dan menjelaskan mengapa. Perbedaan itu bukanlah platform data itu sendiri, tetapi semua yang terjadi setelah data siap.

Banyak perusahaan masih terjebak dalam apa yang sering disebut sebagai “pilot purgatory” AI. Apa yang menjadi penghalang struktural atau organisasional terbesar yang mencegah AI mencapai produksi pada skala besar?

Saya menyebutnya “kuburan pilot” karena sebagian besar proyek tidak hanya terhambat, mereka diam-diam mati. Penghalang terbesar bukanlah teknis, mereka adalah organisasional. Orang, proses, dan data.

Manajemen perubahan secara konsisten diremehkan. Ketika Anda merancang ulang cara orang bekerja, Anda menantang cara mereka menghasilkan nilai. Organisasi yang sukses adalah mereka di mana kepemimpinan membuat keahlian AI terlihat penting. Ketika pelatihan ulang diberi penghargaan dan perancangan proses didukung secara struktural, adopsi dipercepat.

Kemudian ada masalah kurva J. Investasi AI sering kali turun sebelum naik. Banyak organisasi mengharapkan ROI dalam 90 hari, tidak melihatnya, dan meninggalkan upaya itu. Mereka yang sukses berkomitmen pada kurva penuh.

Kesiapan data adalah faktor kritis lainnya. Data yang buruk mengarah pada keputusan yang salah dengan percaya diri. Sampai fondasi data dipercaya, AI pada skala besar menjadi liabilitas daripada aset.

Akhirnya, disiplin kasus penggunaan penting. Alih-alih mencoba melakukan semua dengan AI, organisasi perlu fokus pada kasus penggunaan yang memindahkan metrik bisnis nyata, membuktikannya, dan kemudian menskalakannya.

Di Polestar Analytics, membawa data, AI, dan alur kerja ke satu tempat mempercepat baik penemuan masalah dan identifikasi peluang, mengubah konvergensi menjadi katalis untuk perubahan.

AI Agentik menjadi tema utama di seluruh industri. Bagaimana Polestar Analytics memikirkan tentang agen AI dalam alur kerja perusahaan, dan apa kasus penggunaan dunia nyata yang mendapatkan traksi?

Bagi kami, agen harus terintegrasi dalam lapisan data dan alur kerja bisnis untuk menciptakan nilai nyata. Sebagai contoh, agen harga tidak hanya LLM yang duduk di dashboard; itu terintegrasi ke dalam infrastruktur data, memahami konteks, dan mendukung pengambilan keputusan nyata.

Di seluruh 100+ agen kami, beberapa bertindak sebagai asisten sementara yang lain sepenuhnya otomatis. Traksi terkuat ada di manajemen pertumbuhan pendapatan, termasuk harga, promosi, dan campuran media, di mana keputusan sering dan intensif data.

Di sisi rekayasa, agen pemantauan pipa dan resolusi kesalahan sudah digunakan. Agen FinOps telah mengurangi biaya cloud yang tidak terpakai sebesar 35 persen. Ada juga adopsi kuat di manajemen kekayaan.

Kami mendukung baik ekosistem Microsoft dan Databricks dan menyediakan platform pembuatan agen kustom. Tidak semua agen perlu berbasis LLM; arsitektur harus sesuai dengan kasus penggunaan untuk menyeimbangkan skala dan biaya.

Pengawasan sangat penting. Dengan agen berinteraksi dengan sistem keuangan atau data pelanggan, pengawasan yang kuat dan pengawasan manusia dibangun untuk memastikan keandalan pada skala perusahaan.

Dengan pendanaan baru-baru ini, Anda menggandakan IP pengembangan. Seberapa pentingnya memiliki platform propietary dibandingkan dengan membangun di atas ekosistem yang ada di lanskap AI hari ini?

Kami sangat terintegrasi dengan platform seperti Databricks, Microsoft, dan Anaplan, yang menyediakan infrastruktur dan skala. Kami tidak mencoba menggantikan mereka.

Fokus kami adalah memiliki lapisan kecerdasan di atas. IP propietary memungkinkan kami untuk mengontrol pengalaman, memasukkan pengetahuan domain, dan menyampaikan nilai konsisten pada skala.

Perbedaan kami datang dari keahlian industri. Apakah itu PromoPulse AI untuk manajemen pertumbuhan pendapatan atau WealthPulse untuk layanan keuangan, nilai terletak pada memahami kasus penggunaan dunia nyata dan keputusan.

IP propietary, bagi kami, adalah kodifikasi dari keahlian itu. Itu yang membuat platform dapat dipertahankan dan benar-benar berguna.

Anda telah bekerja erat dengan perusahaan Fortune 1000. Bagaimana harapan sekitar ROI AI berubah ketika eksekutif menuntut hasil yang dapat diukur daripada eksperimen?

Perubahan itu nyata, tetapi eksperimen belum hilang. Itu hanya diharapkan untuk bergerak lebih cepat dan terhubung ke hasil yang nyata.

Eksekutif sekarang mengevaluasi ROI melalui lensa yang lebih luas seperti kecepatan keputusan, loyalitas pelanggan, kapasitas inovasi, dan ketahanan.

ROI AI tidak lagi dimiliki oleh satu pemimpin. CTO fokus pada infrastruktur dan data, CFO melihat dampak keuangan, dan COO menekankan efisiensi operasional.

Organisasi yang sukses menyelaraskan perspektif ini dari awal dan berkomitmen pada hasil jangka panjang.

Strategi ekspansi Anda termasuk Amerika Utara dan Eropa. Apa perbedaan yang Anda lihat dalam kematangan adopsi AI dan kesiapan perusahaan di seluruh wilayah ini?

Perbedaan itu lebih tentang mindset daripada kemampuan.

Amerika Utara memprioritaskan kecepatan dan eksperimen, didorong oleh tekanan kompetitif.

Eropa menekankan pengawasan dan etika AI dari awal. Namun, ini tidak berarti adopsi yang lebih lambat. Perusahaan sedang menyeimbangkan struktur dengan percepatan.

Kedua wilayah tersebut konvergen menuju AI yang dapat diskalakan dan bertanggung jawab yang tertanam dalam operasi inti.

Anda baru-baru ini mendirikan CAIO Circle untuk membawa pemimpin AI bersama. Apa yang menjadi percakapan paling mendesak yang terjadi di antara Chief AI Officers saat ini, terutama sekitar pengawasan dan etika?

CAIO Circle dibuat untuk memberikan ruang bagi pemimpin AI untuk diskusi terbuka.

Tantangan utama adalah menyeimbangkan kecepatan dengan risiko jangka panjang. Kepercayaan dan keterjelasan adalah masalah utama, terutama karena sistem AI mempengaruhi keputusan kritis.

Pengawasan berubah dari dokumen kebijakan menjadi praktik operasional yang tertanam. Pada saat yang sama, banyak organisasi masih kekurangan model eksekusi untuk mengirimkan strategi AI mereka.

Wawasan paling berharga sering kali datang dari diskusi peer yang jujur daripada presentasi formal.

Menghadap ke depan tiga hingga lima tahun, apakah Anda mengharapkan AI perusahaan untuk berkonsolidasi menjadi platform terpadu seperti milik Anda, atau tetap menjadi ekosistem alat dan vendor yang terfragmentasi? Di mana Polestar Analytics berencana untuk memposisikan diri dalam masa depan itu?

Fragmentasi kemungkinan akan terus berlanjut. Platform besar seperti Databricks, Microsoft, Salesforce , dan Anaplan akan tetap menjadi pemain sentral.

Apa yang dibutuhkan oleh perusahaan adalah lapisan penghubung yang menghubungkan data, kecerdasan, dan alur kerja menjadi sesuatu yang dapat ditindaklanjuti. Itulah peran yang dirancang untuk 1Platform.

Masa depan akan mendukung platform dengan keahlian vertikal yang dalam. Solusi horizontal generik akan berjuang untuk membedakan diri.

Nilai nyata akan datang dari memahami kebutuhan spesifik industri dan memasukkan kecerdasan langsung ke dalam alur kerja pengambilan keputusan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Polestar Analytics.