Aron England, Chief Product & Technology Officer di Accruent – Intervista

Aron England, Chief Product e Technology Officer di Accruent, è un esperto di tecnologia e prodotto con una lunga esperienza nella costruzione e gestione di team globali che forniscono soluzioni SaaS e agentiche dalle prime fasi di ricerca fino a prodotti di alta crescita e customer-facing. Combina una profonda conoscenza dei mercati dei consumatori, del B2B SaaS, dell’e-commerce e della tecnologia commerciale con una forte leadership delle persone, abbinando l’innovazione a una profonda comprensione dei problemi dei clienti per guidare una solida strategia di prodotto-mercato e risultati aziendali misurabili, tra cui la crescita attraverso acquisizioni e strategia guidata dall’IP.

Accruent fornisce software che aiuta le organizzazioni a gestire il lato fisico del loro business in modo più efficiente, unendo strumenti per le strutture, gli asset, lo spazio e le operazioni del luogo di lavoro in un sistema connesso. La sua piattaforma è progettata per ridurre la frammentazione, migliorare la visibilità e la capacità di prendere decisioni, e aiutare i team a pianificare, mantenere e ottimizzare edifici e attrezzature in un’ampia gamma di settori.

Avete costruito e guidato team ad alte prestazioni a livello globale per oltre 25 anni. Guardando indietro alle startup, alle grandi imprese e ora ad Accruent, quale esperienza fondamentale ha più influenzato il modo in cui pensate alla costruzione di tecnologie affidabili su larga scala?

Dal mio tempo trascorso in aziende Fortune 50 e lavorando nella leadership tecnologica in startup in fase iniziale, medie e grandi aziende pubbliche e private, ho guadagnato una vasta gamma di esperienze quando si tratta di promuovere l’adozione della trasformazione digitale in diversi settori. In particolare, ero il nono dipendente di DocuSign (DOCU ) e stavamo puntando a un mercato che necessitava di un vero cambiamento radicale. Spingere l’industria dei contratti analogici verso una trasformazione digitale totale, non richiedeva solo la costruzione della fiducia del mercato, ma anche la legislazione per rendere il passaggio sicuro. Ci sono molte lezioni relative al mio tempo lì che possono essere applicate al mercato attuale per gli strumenti LLM e AI.

A un livello alto, il modello attraverso la mia esperienza è rimasto coerente: i sistemi affidabili non emergono per caso. Sorgono da un’architettura intenzionale, dalla coerenza dei dati, dalla trasparenza e da una profonda comprensione di come le persone reali utilizzano la tecnologia.

Avete avvertito che entro il 2026 i tecnici non accetteranno più sistemi AI che semplicemente dicono “fidati di me”. Dal vostro punto di osservazione in Accruent, cosa sta guidando questo cambiamento nelle aspettative tra i professionisti della linea del fronte e del servizio di assistenza?

In ambienti in cui i gestori di strutture e i tecnici stanno utilizzando l’AI per diagnosticare guasti di attrezzature e guidare riparazioni complesse, un passo falso da una raccomandazione falsa o inaccurata può causare rischi aziendali e di sicurezza significativi.

Spesso, gli LLM creano risposte combinate da più pagine, senza citare il materiale di prova sottostante. Di conseguenza, se un tecnico segue un passaggio generato dall’AI che non esiste direttamente nel manuale OEM, un’organizzazione potrebbe affrontare una forte reazione di conformità, poiché non avranno una catena di prove difendibile per audit o revisioni di sicurezza. Mentre l’AI diventa più “invisibile” nel software, l’importanza della tracciabilità crescerà.

Le allucinazioni dell’AI possono essere più di un fastidio nei settori regolamentati – possono creare rischi reali di sicurezza, conformità e operativi. Quali scenari di allucinazione vi preoccupano di più quando si tratta di manutenzione, gestione delle strutture o operazioni di asset?

Nel settore manifatturiero, se una suggerimento generato dall’AI dice a un lavoratore di fabbrica di eseguire l’azione sbagliata su un pezzo di attrezzatura critico, potrebbe risultare in un tempo di fermo imprevisto, materiali sprecati, prodotti finiti difettosi o macchinari danneggiati. Questi possono essere errori da milioni di dollari mentre le linee di produzione si fermano o addirittura danni alla reputazione se in seguito portano a richiami.

Queste allucinazioni degli strumenti AI sono anche particolarmente dannose per settori come la sanità, dove le passività e le vite dei pazienti sono a rischio quando si verifica un guasto di macchina che non è stato mantenuto o riparato in tempo. Quando si tratta di settori che interagiscono con il mondo reale, correggere gli errori non è così semplice come premere il tasto “cancella” e ricominciare.

Avete sottolineato che ogni output dell’AI deve puntare indietro alle fonti originali – manuali, tabelle di dati, diagrammi, registri storici. Come sta progettando Accruent sistemi che garantiscano la tracciabilità ed eliminino le risposte “black box”?

Ci assicuriamo che le raccomandazioni dell’AI possano essere rintracciate fino a punti di output significativi nel materiale di origine, come la pagina specifica del manuale, il diagramma, la tabella di dati o la voce del registro che ha informato la suggerimento. Ad esempio, se le raccomandazioni dell’AI dicono a un gestore di strutture in ambito sanitario come servire un compressore, dovrebbero essere in grado di rintracciare fino al paragrafo esatto che supporta quel passaggio in un solo clic, per garantire l’accuratezza. Per chiudere il crescente divario di fiducia negli attuali sistemi AI aziendali, è importante che questi sistemi siano anche in grado di rivelare quali punti o pagine sono stati effettivamente valutati, in modo che gli utenti sappiano se l’AI ha esaminato tutti i documenti rilevanti o solo un subset.

Molti strumenti AI aziendali danno priorità alla velocità, ma ambienti regolamentati richiedono tracce di audit, accuratezza della documentazione e ragionamento verificabile. Come bilanciate l’innovazione con la necessità di trasparenza e conformità?

Incorporare l’AI nei flussi di lavoro esistenti è la chiave. Ciò semplifica il processo di aggiunta di approvazioni, documentazione, routine di manutenzione e controlli di conformità per aumentare le pratiche note, anziché implementare uno strumento isolato nuovo. Ciò significa evitare un completo riassetto delle operazioni e permettere ai dipendenti di continuare a lavorare nel modo in cui hanno sempre fatto, ma con processi manuali e tempo-consuming che diventano automatizzati.

I tecnici sul campo si affidano a istruzioni precise. Come sta affrontando Accruent la sfida di ancorare gli output dell’AI al materiale di origine autoritativo per ridurre il rischio e migliorare la fiducia del tecnico?

Il nostro approccio inizia con la cattura e l’organizzazione di manuali, diagrammi, disegni, contratti di locazione e ordini di lavoro storici per assicurarsi che l’AI fornisca risposte dal contenuto specifico di un’azienda, e non da dati di formazione generici. Quando si generano procedure, raccomandazioni o liste di controllo, i nostri sistemi sono progettati in modo che ogni passaggio possa essere rintracciato fino alla documentazione originale.

Senza questa funzione, i tecnici che sono già sotto pressione per le risorse dovrebbero spendere ancora più tempo scavando manualmente attraverso i documenti per verificare l’accuratezza, ulteriormente ritardando i processi e gli ordini di lavoro.

Fornire un’AI trasparente e pronta per l’audit richiede grandi volumi di dati strutturati. Quali sfide dei dati – da documenti legacy non strutturati a storie di asset inconsistenti – devono essere risolte per rendere questa visione reale?

Fornire un’AI pronta per l’audit inizia con dati affidabili e ben organizzati. Tuttavia, la maggior parte dell’ambiente costruito vive ancora in processi analogici, con inserimenti di dati manuali, PDF scansionati e fogli di calcolo isolati. Quando ci sono lacune nei dati e storie di asset che sono incomplete o inconsistenti, i rischi di allucinazione dell’AI aumentano. Per rendere gli output dell’AI affidabili in ambienti regolamentati, le aziende devono prima risolvere gli ostacoli dei dati legacy, dai formati non strutturati alla mancanza di governance, migrando in sistemi di documenti e dati di asset strutturati, controllati dalle versioni e centralizzati.

Il nostro EDMS (Sistema di gestione dei documenti di ingegneria) può farlo per molti settori, tra cui mineraria, utility, manifattura e altro. Questi settori spesso si affidano a disegni tecnici e documentazione fisica, che possono creare incubi di controllo delle versioni. Utilizzare la nostra soluzione EDMS per digitalizzare questi documenti è il primo passo. Da lì, il software aiuta a gestire il controllo delle versioni, la governance del flusso di lavoro e le tracce di audit per assicurarsi che le incongruenze siano eliminate.

Man mano che l’AI si integra nella manutenzione, nella gestione delle strutture e nella gestione del ciclo di vita degli asset, dove vedete le maggiori opportunità per migliorare la produttività senza compromettere la sicurezza o i requisiti regolamentari?

Una delle maggiori opportunità è l’automatizzazione di compiti noiosi e non aggiuntivi per i dipendenti, come l’inserimento manuale dei dati e la pianificazione degli ordini di lavoro per i tecnici. Dall’esterno sembra un compito relativamente facile, ma che richiede molto tempo. Tuttavia, l’AI può affrontare il compito in modo più strategico.

Prima di tutto, se l’attrezzatura in questione è monitorata con sensori, un ordine di lavoro può essere attivato in base alla rilevazione di anomalie, prima che si verifichi un vero guasto. In secondo luogo, l’AI può aiutare a prioritizzare automaticamente gli ordini di lavoro in base all’urgenza e a pianificare le riparazioni nei momenti che causano il minor disturbo per un’azienda – può anche pesare più problemi simultanei, costi, sicurezza e entrate per il miglior percorso possibile.

L’AI ha il potenziale per non semplicemente “assistere” i team di manutenzione e strutture – agirà sempre più come un operatore digitale.

La fiducia sta diventando il nuovo standard per l’AI aziendale. Cosa credete che i fornitori dovranno fare diversamente nei prossimi due anni per guadagnare – e mantenere – quella fiducia?

I fornitori devono smettere di supporre che i clienti semplicemente “si fidino del modello” quando si tratta di AI aziendale. Le raccomandazioni dell’AI devono mostrare la prova di come sono state generate. Un modo per affrontare questo è nella forma di citazioni e descrizioni chiare dei documenti che l’AI ha esaminato. Ad esempio, se un dipendente chiede all’AI di analizzare 1.000 contratti di locazione, dovrebbero sapere esplicitamente se ha valutato tutti i 1.000 o solo 700, e perché o perché no.

Come parte di questo, il fattore principale che i fornitori dovrebbero dare priorità è la trasparenza nell’uso dei dati. Ciò include la chiarezza su chi vede i dati, come vengono utilizzati (incluso qualsiasi implicazione di formazione) e come vengono segregati o isolati dagli ambienti di altri clienti.

Nei prossimi due anni, guadagnare la fiducia sarà fondamentale, e i fornitori possono ottenere un vantaggio competitivo essere espliciti sui limiti degli strumenti AI, mantenendo gli esseri umani nel loop per le decisioni ad alto rischio e iniziando con casi d’uso ristretti e ben definiti che forniscono un valore tangibile senza mettere i clienti in una situazione “black box”.

Guardando avanti, come vedete l’evoluzione dell’AI all’interno delle operazioni critiche per la missione, e quale ruolo vi aspettate che Accruent svolga nel definire gli standard di settore per l’AI affidabile e trasparente?

L’AI nelle operazioni critiche per la missione sta evolvendo rapidamente da automazioni di singole attività isolate in sistemi intelligenti multi-agente che possono coordinare e ottimizzare interi flussi di lavoro. Invece di semplicemente assistere gli utenti, l’AI fornirà supporto decisionale autonomo, monitorerà continuamente le condizioni operative, predirà i rischi e raccomanderà azioni con piena trasparenza e tracciabilità. Mentre l’AI impara a combinare documenti non strutturati, dati operativi strutturati e segnali in tempo reale, si integrerà direttamente nei processi quotidiani, guidando risultati più veloci, più sicuri e più affidabili.

Nel tempo, ciò consentirà un passaggio verso operazioni autonome, dove i sistemi possono auto-ottimizzarsi e auto-correggersi, mentre gli esseri umani si concentrano sulla supervisione e sulla presa di decisioni strategiche. Come leader di mercato, Accruent aiuterà a definire gli standard di settore per l’AI affidabile e trasparente incorporando l’auditabilità, la spiegabilità e una forte governance nella sua piattaforma e collaborando con clienti, partner e organismi regolatori per definire le migliori pratiche per la distribuzione sicura in ambienti critici per la missione.

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