Don Schuerman, CTO di Pegasystems – Seri Wawancara

Don Schuerman adalah chief technology officer dan vice-president of product marketing di Pegasystems, bertanggung jawab atas platform dan aplikasi customer relationship management (CRM) Pega.

Ia memiliki pengalaman 20 tahun dalam mengembangkan solusi perangkat lunak enterprise untuk organisasi Fortune 500, dengan fokus pada transformasi digital, mobilitas, analitik, manajemen proses bisnis, cloud, dan CRM.

Pegasystems menawarkan platform yang kuat untuk membantu organisasi mencapai hasil transformasi bisnis melalui optimasi waktu nyata. Platform ini memungkinkan klien untuk mengatasi tantangan bisnis utama dengan menggunakan keputusan AI enterprise dan otomatisasi alur kerja, termasuk personalisasi keterlibatan pelanggan, otomatisasi layanan, dan meningkatkan efisiensi operasional. Didirikan pada tahun 1983, Pegasystems telah mengembangkan arsitektur yang skalabel dan fleksibel untuk mendukung perusahaan dalam memenuhi permintaan pelanggan saat ini dan beradaptasi dengan kebutuhan di masa depan.

Dengan pengalaman luas Anda sebagai CTO di Pegasystems, bagaimana Pega GenAI membedakan diri dalam lanskap generative AI yang berkembang pesat untuk perusahaan?

Pega telah berinovasi dalam solusi AI selama bertahun-tahun, termasuk menjelajahi generative AI sebelum itu menjadi mainstream. Saya pikir ada tiga hal yang membedakan kita:

Pertama, kita tidak hanya mempercepat proses, kita mengemudi inovasi. Sebagian besar vendor perangkat lunak enterprise telah mengeluarkan berbagai fitur bot AI gen, agen, atau co-pilot, tetapi kebenarannya adalah alat-alat ini tidak akan mengemudi diferensiasi kompetitif. Kami memungkinkan klien kami untuk membayangkan bagaimana seluruh bisnis mereka berjalan dengan alat unik seperti Pega GenAI Blueprint, yang menyediakan desain aplikasi terbaik dalam hitungan detik. Kami tidak hanya mengotomatisasi tugas; kami secara fundamental membayangkan bagaimana bisnis beroperasi dan berinovasi.

Kedua, kita tidak hanya mengotomatisasi dalam isolasi, kita mengatur bagaimana pekerjaan dilakukan dari awal hingga akhir. Vendor lain menyebarkan fitur-fitur bot AI gen dan berharap itu cukup untuk meningkatkan efisiensi. Platform kami berakar pada manajemen kasus dan orkestrasi industri terkemuka, yang memungkinkan kami untuk tidak hanya mengotomatisasi dengan AI gen, tetapi juga mengatur dan mengoptimalkan proses seluruhnya dari ujung ke ujung.

Ketiga, kita tidak hanya mesin AI gen generik – kita fokus pada mengemudi keterlibatan klien yang lebih baik dan otomatisasi alur kerja melalui AI. Terkadang, masalah yang ada memerlukan kekuatan kreatif AI generatif, sedangkan masalah lain mungkin memerlukan AI prediktif atau keputusan untuk menyuntikkan logika lebih lanjut ke dalam proses.

Dalam artikel Forbes Anda, “Membuka Potensi AI Maju untuk Inovasi Bisnis,” Anda menyebutkan potensi AI generatif untuk membayangkan kembali operasi bisnis. Apa contoh spesifik di mana AI dapat memicu transformasi warisan di perusahaan yang mapan?

Deutsche Telekom’s (DTE.DE ) SVP of Design Authorities, Daniel Wenzel, menggambarkan kepada audiens di PegaWorld iNspire musim panas ini bagaimana ia menggunakan Pega GenAI Blueprint untuk membantu membayangkan kembali lebih dari 800 proses bisnis terpisah di departemen layanan HR. Ia mengatakan bahwa bottleneck terbesar dalam mencoba memperbaiki proses-proses ini adalah bahwa bisnis dan IT tidak berbicara bahasa yang sama, yang menyebabkan harapan yang tidak terpenuhi. Pega GenAI Blueprint membantu kedua pemangku kepentingan memahami proses dan bagaimana memperbaikinya lebih cepat daripada metode tradisional, menghasilkan solusi yang lebih efektif.

Artikel yang sama membahas keterbatasan aplikasi AI generatif saat ini. Bagaimana perusahaan dapat melampaui perbaikan produktivitas inkremental untuk memanfaatkan potensi transformatif AI yang penuh?

Sebagian besar AI generatif dalam perangkat lunak enterprise diterapkan sebagai fitur satu kali yang membantu mempercepat aspek-aspek proses tertentu. Tetapi fitur-fitur ini sudah umum, menyediakan sedikit keunggulan kompetitif. Perbaikan produktivitas seperti ringkasan dan generasi teks adalah taruhan – apa yang dibutuhkan bisnis untuk maju di pasar adalah menggunakan AI generatif untuk berinovasi dalam cara-cara baru melakukan bisnis pada tingkat yang tinggi. Misalnya, Gartner telah mengidentifikasi kategori teknologi baru yang mereka sebut Business Orchestration and Automation Technologies (BOAT) yang melihat pada pengemudi hasil bisnis lebih holistik, dari mengalirkan biaya, memperbaiki pengambilan keputusan, mengurangi biaya operasional dan menggunakan teknologi otomatisasi yang tepat untuk pekerjaan yang ada. Fitur AI gen satu kali memiliki tempatnya, tetapi itu hanya sebagian dari puzzle dan bukan peluru perak untuk memecahkan semua masalah.

Apa contoh penggunaan AI generatif paling menjanjikan untuk perusahaan yang melampaui perbaikan produktivitas biasa, dan bagaimana bisnis dapat menerapkan ini?

Kesempatan AI generatif paling menarik adalah potensi untuk menyuntikkan praktik terbaik ke dalam proses. Mereka yang menggunakan AI gen hanya untuk menulis lebih banyak kode mungkin mengatur diri mereka sendiri untuk lebih banyak utang teknis di masa depan. Penyuntikan IP ke dalam proses desain perangkat lunak adalah perubahan besar, memungkinkan organisasi untuk mencapai solusi optimal lebih cepat berdasarkan pengalaman bertahun-tahun. Dan karena dikembangkan sebagai model visual dan bukan hanya baris kode, lebih mudah untuk berkolaborasi dan memperbarui secara bertahap di seluruh pemangku kepentingan teknis dan non-teknis. Sebelumnya, memfinalisasi desain aplikasi bisa memakan waktu beberapa minggu dan memerlukan keterampilan khusus; sekarang, alat-alat AI gen ini memungkinkan pengguna bisnis untuk mengetikkan kebutuhan spesifik mereka dalam bahasa sederhana dan dengan cepat berpindah dari konsep ke desain komprehensif. Forrester baru-baru ini menerbitkan beberapa penelitian yang memprediksi bahwa menggunakan AI untuk menyuntikkan IP ke dalam sistem desain berbasis model atau low-code akan secara fundamental mengubah cara perusahaan menggunakan perangkat lunak – memungkinkan mereka untuk membangun lebih banyak dan membeli lebih sedikit aplikasi ‘off the shelf’. Saya pikir ini adalah perubahan besar, dan kami percaya bahwa dengan Pega GenAI Blueprint kami berada dalam posisi yang baik untuk menjadi platform pilihan bagi klien enterprise kami.

Anda sebelumnya telah menyarankan bahwa AI generatif dapat membantu dalam pengembangan produk dengan mengidentifikasi celah pasar. Bisakah Anda menjelaskan bagaimana proses ini bekerja dan berbagi contoh dunia nyata?

Pega Customer Decision Hub adalah solusi AI prediktif yang membantu klien kami membuat tindakan berikutnya dengan pelanggan mereka, apakah itu menjual produk, memperbaiki masalah layanan, atau terkadang tidak melakukan apa-apa. Ini memungkinkan kami untuk terhubung dengan pelanggan 1:1 dengan tindakan yang paling sesuai dengan kebutuhan individu mereka. Tetapi beroperasi dengan cara 1:1 berarti Anda memerlukan sejumlah besar penawaran yang disesuaikan – jauh lebih baik daripada spamming semua orang dengan pesan yang sama, tetapi memerlukan organisasi pemasaran untuk membuat lebih banyak pesan yang unik untuk kelompok pelanggan yang berbeda. Sekarang dengan AI gen, kami dapat mengungkap pelanggan mana yang telah tidak terlayani dan kemudian menyarankan tindakan baru dan membangun perlakuan baru yang akan lebih bermanfaat bagi kelompok-kelompok ini. Ini memiliki potensi untuk membantu organisasi memperluas ke audiens pasar yang mereka tidak dapat alami sebelumnya.

Bagaimana perusahaan yang mapan dengan sistem warisan dapat mengintegrasikan AI generatif secara efektif untuk tetap kompetitif melawan startup yang lebih gesit, terutama dalam membayangkan kembali operasi inti mereka?

Saya pikir kita sedang memasuki titik balik untuk sistem warisan. Selama beberapa dekade, perusahaan besar telah menendang kaleng teknis ke bawah jalan. Kami menghabiskan tahun-tahun dengan menerapkan solusi perban seperti RPA yang tidak menangani drainase fundamental yang ditempatkan sistem warisan pada perusahaan – mereka menyedot pengeluaran IT yang bisa pergi ke inovasi, mereka memperkenalkan risiko, dan mereka mencegah perusahaan bergerak cepat di pasar yang berubah. Untungnya, saya percaya salah satu kekuatan super AI gen adalah bahwa itu akan memungkinkan kita untuk secara dramatis mempercepat laju di mana kita merancang ulang dan memensiunkan sistem warisan kita – tidak dengan hanya mengkode ulang, tetapi dengan membayangkan kembali alur kerja dan proses itu sendiri untuk berjalan di arsitektur cloud modern dan menyampaikan pengalaman digital yang diharapkan pelanggan dan karyawan.

Dalam artikel terpisah tentang mengembangkan manifesto AI, Anda menekankan pentingnya mengikat strategi AI dengan hasil yang dapat diukur. Bisakah Anda memberikan panduan tentang bagaimana bisnis dapat menyelaraskan tujuan AI mereka dengan hasil bisnis yang nyata?

Terlalu banyak perusahaan memulai dengan fokus pada alat baru yang mengkilap seperti AI daripada memulai dengan menentukan apa tujuan bisnis mereka dan apa masalah yang perlu mereka pecahkan. Dengan fokus pada alat daripada masalah, mereka membatasi diri mereka sendiri ke jalur yang mungkin tidak optimal untuk bisnis mereka. Sebaliknya, mereka perlu mundur dan bertanya pada diri sendiri apa yang mereka coba capai. Terkadang AI gen tidak merupakan solusi yang tepat dan mungkin lebih baik dilayani dengan menerapkan AI keputusan daripada itu. Mereka perlu mengingat bahwa ada jenis AI yang berbeda yang lebih sesuai untuk memecahkan masalah bisnis yang berbeda.

Bagaimana bisnis dapat menggunakan AI generatif untuk merevolusi operasi mereka daripada hanya mengotomatisasi tugas rutin? Strategi apa yang harus mereka gunakan untuk memaksimalkan ROI di area ini?

Jangan hanya fokus pada tugas individu – ini akan mencegah Anda dari melihat hutan karena pohon. Mundur dan pahami alur kerja bisnis Anda secara keseluruhan dan hasil yang Anda coba kendarai dari mereka. AI generatif dapat digunakan untuk menganalisis proses Anda dan menyuntikkan praktik terbaik dalam berbagai industri. Ini dapat mengemudi perubahan besar dengan memungkinkan perusahaan untuk membayangkan kembali dan merancang ulang alur kerja inti mereka. Misalnya, AI dapat membantu merancang model operasional baru dari awal atau merancang ulang yang ada untuk meningkatkan efisiensi dan inovasi. Tetapkan metrik yang jelas untuk mengukur kesuksesan dan sering-seringlah memperbarui pendekatan Anda berdasarkan wawasan ini. Dengan menggunakan AI untuk mengemudi perubahan yang berarti daripada perbaikan inkremental, bisnis dapat membuka nilai yang signifikan dan tetap di depan kompetisi.

Industri mana yang Anda pikir paling siap untuk mendapatkan manfaat dari merancang ulang alur kerja menggunakan AI, dan bagaimana mereka harus memulai menerapkan pendekatan ini?

Hampir semua organisasi dapat secara universal mendapatkan manfaat dari memperbaiki alur kerja mereka, terutama di pasar yang berubah cepat. Industri jasa seperti layanan keuangan, telco, dan kesehatan kemungkinan besar akan mendapatkan keuntungan terbesar untuk membantu mengalirkan bagaimana mereka berinteraksi dengan pelanggan mereka. Sektor-sektor ini menangani proses yang kompleks dan intensif data dan berada di bawah tekanan yang meningkat untuk memperbaiki efisiensi, mengurangi biaya, dan menyampaikan hasil yang lebih baik. Selain itu, setiap industri dengan jumlah layanan warisan yang besar – seperti perbankan – dapat mendapatkan manfaat dengan mengeksaminasi proses mereka yang kemungkinan besar didirikan bertahun-tahun yang lalu untuk memodernisasi mereka dan memastikan mereka tetap berpacu dengan persaingan yang lebih baru.

Bagaimana pendekatan ‘human-in-the-loop’ meningkatkan efektivitas dan penerapan etis AI, terutama dalam peran yang berhadapan dengan pelanggan?

AI generatif, meskipun kuat, dapat menghasilkan output yang tidak selalu akurat atau sesuai. Dengan mengintegrasikan pengawasan manusia, kita dapat mitigasi risiko seperti ketidakakuratan konten yang dihasilkan AI atau masalah etika.

Sebagai contoh, dalam layanan pelanggan, AI dapat menghasilkan respons dan rekomendasi, tetapi memiliki pengawasan manusia memastikan bahwa output tersebut sesuai dengan nilai-nilai perusahaan dan kebutuhan pelanggan. Pengawasan ini sangat penting untuk mempertahankan transparansi dan akuntabilitas, terutama ketika model AI menghasilkan informasi yang masuk akal tetapi tidak akurat atau menyesatkan.

Sangat menarik, memiliki manusia dalam loop memungkinkan Anda untuk mengambil salah satu kelemahan AI gen – itu secara inheren tidak dapat diprediksi atau tidak menentu, yang berarti itu tidak memberikan jawaban yang sama dua kali – dan mengubahnya menjadi kekuatan. Dengan Pega GenAI Blueprint, kami menggunakan AI gen sebagai mitra brainstorming, menyarankan pendekatan baru untuk desain alur kerja. Manusia selalu menjadi pengambil keputusan akhir, tetapi dengan terus-menerus menyarankan pendekatan baru, AI gen mendorong pemikiran asli dan membantu manusia menghindari ‘mengaspal kembali jalan sapi.’ Thank you for the great interview, readers who wish to learn more should visit Pegasystems.