Afsheen Afshar, Fondatore di Pilot Wave Holdings – Serie di Interviste

Afsheen Afshar, Fondatore di Pilot Wave Holdings, è un veterano della scienza dei dati e del settore degli investimenti, con una carriera che comprende ruoli di alto livello in Goldman Sachs (GS ), J.P. Morgan e Cerberus Capital Management, dove ha contribuito a sviluppare iniziative di data science e intelligenza artificiale all’interno di istituzioni finanziarie. Con una solida formazione tecnica radicata nella ricerca di neuroscienze e apprendimento automatico all’Università di Stanford, Afshar ha costruito una carriera all’intersezione di analisi avanzate, private equity e trasformazione operativa, concentrandosi sull’applicazione dell’intelligenza artificiale alle prestazioni aziendali reali. In Pilot Wave, riunisce competenze di investimento, leadership operativa e profonda conoscenza tecnica per identificare, acquisire e scalare aziende utilizzando strategie basate sui dati e tecnologie moderne.

Pilot Wave Holdings è una piattaforma di acquisizione e crescita focalizzata sulla trasformazione di piccole e medie imprese attraverso l’intelligenza artificiale e la tecnologia avanzata. L’azienda utilizza sistemi di intelligenza artificiale proprietari per analizzare le operazioni, scoprire inefficienze e migliorare le prestazioni in tutte le aziende del proprio portafoglio. Combinando il coinvolgimento operativo con la moderna infrastruttura dei dati, Pilot Wave mira a modernizzare le aziende tradizionali che storicamente hanno avuto difficoltà ad accedere a strumenti avanzati, posizionandole per una crescita a lungo termine e scalabile in un’economia sempre più guidata dalla tecnologia.

Ha ricoperto ruoli di leadership pionieristici nell’intelligenza artificiale in aziende come JPMorgan e Cerberus, e in seguito ha fondato Pilot Wave Holdings per portare l’intelligenza artificiale nei settori tradizionali. Qual è l’idea chiave o la frustrazione che l’ha portata a spostarsi dal costruire l’intelligenza artificiale all’interno di grandi istituzioni all’acquisizione e trasformazione diretta di aziende?

Il problema fondamentale era la necessità di autorità per muoversi con velocità. All’interno delle grandi istituzioni, anche quando le persone concordano sull’opportunità, ci sono solitamente troppe layer tra l’identificazione del problema e l’effettiva azione. L’intelligenza artificiale non fallisce di solito perché il lavoro tecnico è impossibile, fallisce perché l’organizzazione è troppo lenta, troppo politica o troppo frammentata per agire con urgenza. Volevo lavorare in un ambiente in cui strategia, operazioni e tecnologia potessero essere allineate rapidamente. Acquisire e costruire aziende direttamente crea quel tipo di autorità. Se si vuole realmente cambiare il modo in cui un’azienda funziona con velocità e volontà, essere il proprietario è importante.

Molto del settore ancora celebra i piloti di successo, ma il vero valore deriva dai sistemi di produzione. Perché le iniziative di intelligenza artificiale spesso falliscono in quel punto di transizione, e cosa distingue le organizzazioni che riescono a operativizzare l’intelligenza artificiale da quelle che si fermano?

Molti piloti sono progettati per avere successo, il che è esattamente il motivo per cui molte aziende si ingannano. Si verificano in ambienti puliti, con attenzione extra, limitata portata e nessuna delle frizioni che si presentano nella produzione. Il problema più profondo è spesso una lacuna di empatia. I tecnologi spesso non prendono il tempo, o francamente non hanno il desiderio, di imparare l’esperienza dell’operatore, quindi costruiscono qualcosa che funziona in teoria o in una demo, ma non si adatta alla realtà del lavoro. Le aziende che operativizzano con successo l’intelligenza artificiale sono quelle che prendono seriamente il flusso di lavoro umano fin dall’inizio e costruiscono per la complessità delle operazioni reali invece di cercare di evitarla. Tutti dicono di volere valore di produzione, ma molti team sono ancora ottimizzati per l’applauso del pilota.

Il suo lavoro si concentra sull’integrazione dell’intelligenza artificiale in settori come infrastrutture, produzione e commercio elettronico. Come differisce fondamentalmente il dispiegamento dell’intelligenza artificiale in questi ambienti rispetto al dispiegamento in aziende native digitali o software-first?

La differenza è che nelle aziende tradizionali di Main Street, l’empatia e l’elemento umano sono ancora più importanti di quanto la gente nel mondo dell’intelligenza artificiale voglia ammettere. In ambienti software-first, i team possono spesso muoversi rapidamente e risolvere i problemi in seguito. In infrastrutture, produzione e commercio elettronico, il lavoro è legato a sistemi fisici, vincoli reali e persone che sanno immediatamente quando qualcosa non si adatta al modo in cui l’azienda funziona realmente. Ciò significa che non puoi semplicemente presentarti con una soluzione tecnicamente elegante e aspettarti l’adozione. Se non capisci l’esperienza dell’operatore, la tua strategia di intelligenza artificiale è probabilmente già rotta. Questi ambienti espongono il pensiero superficiale molto rapidamente, il che è parte del motivo per cui sono così importanti.

Ha sostenuto che l’adozione dell’intelligenza artificiale dovrebbe iniziare con le priorità aziendali piuttosto che con gli strumenti. Come si presenta questo nel pratica, e come i team di leadership dovrebbero riformulare il loro approccio alla trasformazione dell’intelligenza artificiale?

La maggior parte dei team di leadership inizia nel posto sbagliato. Iniziano con una conversazione su cosa può fare questa tecnologia per noi perché suona emozionante e attuale, quando il posto giusto per iniziare è cosa sono le nostre priorità aziendali più importanti. Una volta che lo sai, allora puoi parlare onestamente degli strumenti migliori per affrontare quelle priorità, e non deve sempre essere l’intelligenza artificiale. Sembra ovvio, ma la maggior parte delle aziende inizia ancora con la tecnologia e spera che il caso d’uso aziendale appaia in qualche modo in seguito. È al contrario e porta a molti movimenti sprecati. Se i team di leadership vogliono risultati reali, devono smettere di trattare la strategia di intelligenza artificiale come un esercizio di shopping.

In Pilot Wave, non solo consiglia le aziende, ma le trasforma dopo l’acquisizione. Quali sono i primi cambiamenti strutturali o culturali che attua per far sì che l’adozione dell’intelligenza artificiale funzioni realmente?

La prima cosa è trovare sia sponsor senior che junior. I sponsor junior conoscono la realtà quotidiana e possono assicurarsi che il personale effettivamente faccia ciò che è necessario, mentre i sponsor senior assicurano che la politica venga minimizzata e lo sforzo non venga soffocato silenziosamente. Molte aziende si appoggiano troppo pesantemente al sostegno dall’alto e poi si chiedono perché nulla cambia nella pratica. La verità è che l’adozione dell’intelligenza artificiale di solito fallisce o perché l’organizzazione resiste a livello di base o perché la leadership lascia che gli ostacoli si accumulino intorno ad essa. È necessario avere entrambe le forme di sostegno in atto presto. Altrimenti, l’iniziativa diventa un altro punto di discussione esecutivo che non atterra mai realmente.

Man mano che gli agenti di intelligenza artificiale diventano più capaci e l’infrastruttura diventa sempre più astratta, quali rischi strategici emergono per le aziende che non controllano i propri dati e lo stack di intelligenza artificiale?

Sostenerei che le aziende abbiano sempre bisogno di un controllo fondamentale. Ciò richiede lo strumento di ogni sistema, che è come Pilot Wave si avvicina alla progettazione del sistema, perché se non puoi vedere cosa sta succedendo, misurarlo e mettere barriere intorno ad esso, allora stai assumendo un rischio che non capisci. Ciò non significa che non dovresti delegare compiti, perché la delega continuerà sicuramente in scala, ma la delega senza misurazione non è una strategia eseguibile. Molto del mercato è sedotto dall’astrazione perché rende le cose più facili e veloci, ma quella convenienza può nascondere una vera fragilità sistemica. Se la strumentazione, la misurazione e le barriere giuste sono in atto, il rischio sistemico potenziale può essere minimizzato. Se non lo sono, stai costruendo dipendenza prima di aver guadagnato fiducia.

C’è un divario crescente tra come l’intelligenza artificiale viene commercializzata e come si esegue in ambienti reali. Quali segnali dovrebbero cercare i leader tecnici e gli operatori per distinguere le capacità di intelligenza artificiale significative dalle affermazioni superficiali?

Chiedi sempre la misurazione del valore reale. Sono stato religiosamente attento alla misurazione del valore per tutta la mia carriera, fino a progetti individuali, perché senza quella disciplina diventa molto facile confondere l’eccitazione con i risultati. Ogni sforzo dovrebbe essere soggetto a un ROI e tracciato. Se qualcuno non può spiegare chiaramente come il sistema influisca sul fatturato, sui costi, sulla produttività, sull’efficienza del lavoro o su qualche altro metrica aziendale reale, allora c’è una buona possibilità che stiano vendendo teatro. L’industria è diventata troppo comoda nel premiare demo lucide e affermazioni vaghe. Senza una rigorosa misurazione del valore, c’è un rischio reale di buttare via tempo e denaro.

Ha costruito e guidato grandi organizzazioni di data science. Come vede l’evoluzione del ruolo dei team di intelligenza artificiale man mano che l’automazione aumenta e i sistemi basati su agenti assumono più responsabilità?

L’intelligenza artificiale assumerà compiti di livello sempre più alto. In Pilot Wave, stiamo già sviluppando intelligenza artificiale che può prendere come input qualcosa come “aumenta il mio fatturato del 10 percento” invece di “rifai il mio sito web”, che è molto più vicino a dove si trova molta intelligenza artificiale oggi. Quel passaggio cambia il ruolo dei team di intelligenza artificiale in modo serio, perché il lavoro diventa meno focalizzato su compiti isolati e più su come i sistemi ragionano attraverso obiettivi aziendali reali. Molti team stanno ancora pensando troppo strettamente all’automazione e sottovalutano quanto velocemente la tecnologia sta salendo nella pila. Il centro di gravità si sposterà dall’esecuzione del compito alla delega aziendale. È un cambiamento molto più grande di quanto la maggior parte delle imprese stia preparandosi.

Molte imprese investono pesantemente nell’intelligenza artificiale, ma lottano per generare un ROI misurabile. Quali sono i modelli di fallimento più comuni che ha osservato, e come possono essere evitati?

La maggior parte degli sforzi di intelligenza artificiale, soprattutto nelle grandi imprese, è ancora troppo focalizzata su dashboard sexy, buzzword e cose che sono facili da presentare internamente ma difficili da legare a valore reale. Le aziende spendono molto tempo a rendere il lavoro sofisticato invece di renderlo utile. Il modello di fallimento è solitamente non misterioso, è solo una mancanza di disciplina intorno alla creazione di valore azionabile. Se non c’è un obiettivo economico chiaro, nessun proprietario e nessun quadro di misurazione, lo sforzo non dovrebbe proseguire. Essere religiosamente focalizzati sulla creazione di valore a ogni passo lungo la strada è critico. Altrimenti, l’intelligenza artificiale aziendale diventa un esercizio di branding molto costoso.

Guardando avanti, quali capacità di intelligenza artificiale o innovazioni a livello di sistema avranno il maggior impatto sugli settori del mondo reale nei prossimi cinque o dieci anni?

La capacità di dare obiettivi di alto livello a un sistema di intelligenza artificiale e delegare parti importanti dell’azienda diventerà molto reale molto presto. È la capacità che importerà di più, perché sposta l’intelligenza artificiale oltre l’esecuzione di compiti stretti e nella vera leva operativa. Di conseguenza, le persone si concentreranno di più sugli aspetti di relazione e fiducia degli affari, insieme alla natura fisica del lavoro in questione, sia che si tratti di costruzione o di un’altra industria basata sul campo. Molte persone parlano ancora dell’intelligenza artificiale come di uno strato di produttività che si trova lateralmente, ma quella visione sta già iniziando a sembrare superata. I sistemi stanno diventando capaci di assumere responsabilità più ampie. Il futuro è molto emozionante, ma sarà anche molto più disruptivo di quanto molti incumbent vogliano ammettere.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Pilot Wave Holdings.