Aron England, Chief Product & Technology Officer at Accruent – Interview Series

Aron England, Chief Product and Technology Officer at Accruent, è un leader tecnologico e di prodotto esperto, noto per aver costruito e scalato team globali che forniscono soluzioni SaaS e agentiche dalla ricerca iniziale ai prodotti di alta crescita rivolti ai clienti. Egli combina una profonda competenza in mercati consumer, B2B SaaS, ecommerce e tecnologia commerciale con una forte leadership delle persone, abbinando l’innovazione a una comprensione acuta dei problemi dei clienti per guidare una solida corrispondenza prodotto-mercato e risultati aziendali misurabili, compresa la crescita attraverso acquisizioni e strategia guidata da IP.

Accruent fornisce software che aiuta le organizzazioni a gestire il lato fisico del loro business in modo più efficiente, riunendo strumenti per le operazioni di facility, asset, spazio e 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 una vasta gamma di settori.

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

Dopo aver trascorso del tempo in aziende Fortune 50 e aver lavorato nella leadership tecnologica in startup in fase iniziale, medie e grandi aziende pubbliche e private, ho acquisito 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 e stavamo puntando a un mercato che aveva bisogno di un vero cambiamento radicale. Spingere l’industria dei contratti analogici verso una trasformazione digitale totale, non solo richiedeva 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 livello alto, il modello attraverso la mia esperienza è rimasto coerente: i sistemi affidabili non emergono per caso. Essi derivano 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 vista ad Accruent, cosa sta guidando questo cambio di aspettative tra i professionisti di prima linea e di servizio sul campo?

In ambienti in cui i facility manager e i tecnici stanno sfruttando 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 base. 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. Man mano che l’AI diventa una carta vincente e più “invisibile” nel software, l’importanza della tracciabilità crescerà.

Le allucinazioni dell’AI possono essere più di un fastidio in 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?

Nella produzione, se una suggerimento generata 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, materiale sprecato, prodotti finiti difettosi o attrezzature danneggiate. Questi possono essere errori da un milione di dollari poiché le linee di produzione si fermano o addirittura danni alla reputazione se in seguito porta a richiami.

Queste allucinazioni degli strumenti AI sono anche particolarmente dannose per settori come la sanità, poiché le responsabilità 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 ha a che fare con 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 “scatola nera”?

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 dei dati o la voce del registro che ha informato la suggerimento. Ad esempio, se le raccomandazioni dell’AI dicono a un facility manager nel settore 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 nell’AI aziendale di oggi, 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 dispendiosi in termini di tempo che diventano automatizzati.

I tecnici sul campo si affidano a istruzioni precise. Come sta affrontando Accruent la sfida di ancorare gli output dell’AI a materiale di fonte autorevole 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 garantire 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 sia rintracciabile fino alla documentazione originale.

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

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

Fornire 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 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 alle storie inconsistenti, 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 mining, utility, produzione e altro. Questi settori spesso si affidano a disegni di ingegneria fisici e documentazione, 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 garantire 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 monotoni e non di valore aggiunto 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 dispendioso in termini di tempo. Tuttavia, l’AI può affrontare il compito in modo più strategico.

Innanzitutto, 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 in momenti che causano il minor disturbo possibile per un’azienda – può anche valutare più problemi simultanei, costi, sicurezza e entrate allo stesso tempo per il percorso migliore 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 “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 attraverso citazioni e descrizioni chiare dei documenti che l’AI ha esaminato o meno. Ad esempio, se un dipendente chiede all’AI di analizzare 1.000 contratti di locazione, dovrebbe 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’utilizzo dei dati. Ciò include la chiarezza su chi vede i dati, come vengono utilizzati (inclusi eventuali impatti di formazione), e come vengono segregati o isolati dagli ambienti di altri clienti.

Nei prossimi due anni, guadagnare fiducia sarà fondamentale, e i fornitori possono ottenere un vantaggio competitivo essendo espliciti sui limiti degli strumenti AI, mantenendo gli esseri umani nel loop per 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 di “scatola nera”.

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

L’AI nelle operazioni critiche per la missione sta evolvendo rapidamente da automazioni isolate di singoli compiti 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 rischi e raccomanderà azioni con piena trasparenza e tracciabilità. Man mano che 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 rapidi, più sicuri e più affidabili.

Nel tempo, ciò consentirà un passaggio verso operazioni autonome, in cui 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 regolamentari per definire le migliori pratiche per un deploy sicuro in ambienti critici per la missione.

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