Chetan Alsisaria, Amministratore Delegato e Co-Fondatore, Polestar Analytics – Serie di Interviste

Chetan Alsisaria, Amministratore Delegato e Co-Fondatore è un leader tecnologico aziendale specializzato in dati, analisi e trasformazione guidata dall’intelligenza artificiale. Dopo aver ricoperto ruoli iniziali in Deloitte, PwC e EY, ha co-fondato Polestar Analytics nel 2012 e l’ha trasformata in una società globale di intelligenza artificiale e dati. Guida le vendite, le alleanze strategiche, lo sviluppo dei servizi e la consegna tecnica, oltre a ricoprire il ruolo di Presidente di CAIO Circle, una comunità per leader dell’intelligenza artificiale che si concentra sull’avanzamento dell’adozione responsabile e pratica dell’intelligenza artificiale. Inoltre, ha co-fondato Xumane Equity, riflettendo la sua più ampia attenzione all’innovazione attraverso sistemi e piattaforme aziendali.

Polestar Analytics è una società globale di convergenza dei dati e dell’intelligenza artificiale che aiuta le imprese a trasformare i dati frammentati in informazioni azionabili attraverso la sua piattaforma proprietaria 1Platform. Unificando l’ingegneria dei dati, l’analisi, l’intelligenza artificiale e i flussi di lavoro aziendali in un unico ecosistema, la società consente alle organizzazioni di migliorare la capacità di prendere decisioni, ottimizzare le operazioni e ampliare l’adozione dell’intelligenza artificiale. Con un forte focus su casi d’uso specifici del settore e risultati misurabili, Polestar è evoluta da una società di consulenza a una società di piattaforme che fornisce soluzioni semplificate e guidate dall’intelligenza a scala aziendale.

Ha co-fondato Polestar Analytics nel 2012 dopo aver ricoperto ruoli in Deloitte, PwC e EY. Qual è il divario nell’analisi dei dati aziendali e nell’intelligenza artificiale che ha visto all’epoca, e come la visione originale è evoluta nell’attuale piattaforma guidata dall’intelligenza artificiale 1Platform?

Sa, quando Ajay, Amit e io abbiamo fondato Polestar Analytics nel 2012, l’ironia era lampante; le aziende erano sommerse dai dati ma affamate di decisioni. Tutti raccoglievano tutto, ma il divario tra avere dati e fare qualcosa di significativo con essi era enorme. È il problema che abbiamo cercato di risolvere.

Avanzando nel tempo, onestamente, il problema non è scomparso, si è solo trasformato. Il volume è più grande, le poste in gioco sono più alte e ora ci sono anche agenti insieme agli esseri umani che devono dare un senso a tutto. Questo ha reso la nostra visione originale più chiara, non più confusa.

Il nostro motto, Dati a Risultati, Semplificati!, è davvero il filo che collega il 2012 a oggi. Abbiamo iniziato con la consegna dei dati; ottenere i dati giusti alle persone giuste al momento giusto. Poi l’intelligenza artificiale è arrivata e ha amplificato ciò che era possibile. Ora con 1Platform, stiamo spingendo oltre; semplificando e massimizzando i risultati non solo per gli esseri umani ma anche per gli agenti che stanno sempre più prendendo o influenzando le decisioni.

Ciò che è emozionante è come il nostro ecosistema sia maturo per supportare questo. Le nostre profonde integrazioni con Microsoft (MSFT ), Databricks e Anaplan aiutano a unire i dati, i casi d’uso aziendali e la pianificazione. E 1Platform si trova su tutto questo, nativo in questi ambienti, non aggiunto.

Quindi, l’evoluzione assomiglia a questo: consegna dei dati → informazioni amplificate dall’intelligenza artificiale → risultati semplificati e pronti per gli agenti. La ricerca dell’eccellenza è la stessa. La velocità con cui possiamo arrivarci è ciò che è cambiato esponenzialmente.

Polestar Analytics si posiziona come una società di convergenza dei dati e dell’intelligenza artificiale. Cosa significa la convergenza in pratica per le grandi imprese che affrontano sistemi frammentati e dati isolati?

La maggior parte delle volte, la frammentazione non è un problema tecnologico, è un problema di persone e processi. È come se si avesse un team finanziario che funziona con Anaplan, un team operativo che vive in Excel, un team di ingegneria dei dati che costruisce pipeline su Azure e tutti tirano in direzioni diverse con definizioni diverse della stessa metrica. Nessuna quantità di intelligenza artificiale risolve un problema di fiducia se la base è rotta.

Quindi, quando parliamo di convergenza, intendiamo risolvere quel problema di base per prima. Prima di poter aggiungere l’intelligenza in cima, è necessario avere dati puliti, governati e accessibili. Non solo per gli analisti, ma anche per gli agenti.

Nella pratica, la convergenza con 1Platform sembra questo: non stiamo sostituendo ciò che le imprese hanno costruito. Entriamo nativamente negli ambienti in cui già operano, come Databricks, Microsoft e Anaplan, e cuciamo il livello dei dati e dell’intelligenza attraverso di essi. I dati di pianificazione in Anaplan parlano con i dati operativi in Databricks e l’ecosistema Microsoft è dove le decisioni effettive emergono per le persone e gli agenti per agire.

La magia non sta in nessuna di quelle integrazioni. Sta nel livello di connessione di 1Platform che fa sentire tutto come un sistema coerente invece di strumenti non connessi. È questo che significa la convergenza nella pratica, una semplificazione deliberata fino a quando la complessità diventa invisibile per l’azienda.

La vostra piattaforma proprietaria 1Platform mira a unificare i dati, l’intelligenza artificiale e i flussi di lavoro in un unico sistema. Come si differenzia questo approccio dagli stack di business intelligence tradizionali o dalle moderne piattaforme di dati come Databricks o Snowflake?

Databricks e Snowflake sono piattaforme potenti, non stiamo competendo con loro, siamo costruiti su di esse. Quella distinzione è importante. Databricks fornisce infrastrutture e calcolo. Noi ci collochiamo sopra e chiediamo una domanda diversa: adesso cosa?

Gli stack di business intelligence tradizionali hanno fatto molte cose giuste per il loro tempo, ma l’intelligenza aziendale è evoluta. Oggi, gli utenti aziendali hanno bisogno di più dei dashboard. Puoi avere un dashboard progettato in modo bellissimo con quindici grafici, e qualcuno deve comunque interpretare cosa significa e decidere cosa fare dopo. Quel divario tra insight e azione è esattamente dove 1Platform opera.

1Platform non è statico, si evolve continuamente. Non risponde solo alle domande che gli si pongono; solleva domande che non avevi pensato di fare. Ciò cambia la relazione tra gli utenti aziendali e i loro dati.

Abbiamo costruito interfacce low-code e no-code su Databricks e Azure che consentono di avviare pipeline in pochi secondi. Compiti che una volta richiedevano giorni per gli ingegneri dei dati possono ora essere attivati dagli utenti aziendali. Inoltre, Agenthood AI consente agli utenti di creare e orchestrare agenti attraverso interfacce semplici drag-and-drop senza una profonda competenza tecnica.

Ma la vera differenza è l’esperienza dell’utente finale. Invece di saltare tra più dashboard, gli utenti ricevono insight in linguaggio naturale, raccomandazioni contestuali e narrazioni guidate dagli agenti. I KPI non si limitano a stare su uno schermo; gli agenti li monitorano attivamente, segnalano cosa conta e spiegano perché. La differenziazione non sta nella piattaforma di dati in sé, ma in tutto ciò che accade dopo che i dati sono pronti.

Molte imprese rimangono bloccate in ciò che spesso viene chiamato “purgatorio dei progetti di intelligenza artificiale”. Quali sono i più grandi ostacoli strutturali o organizzativi che impediscono all’intelligenza artificiale di raggiungere la produzione su larga scala?

Chiamo questo il cimitero dei progetti pilota perché la maggior parte dei progetti non si limita a rallentare, muore silenziosamente. Gli ostacoli più grandi non sono tecnici, sono organizzativi. Persone, processi e dati.

La gestione del cambiamento è costantemente sottovalutata. Quando si ridisegna il modo in cui le persone lavorano, si sfida il modo in cui derivano valore. Le organizzazioni che hanno successo sono quelle in cui la leadership rende l’efficacia dell’intelligenza artificiale visibilmente importante. Quando l’aggiornamento delle competenze è valorizzato e la progettazione dei processi è supportata strutturalmente, l’adozione si accelera.

Poi c’è il problema della curva a J. Gli investimenti in intelligenza artificiale spesso calano prima di salire. Molte organizzazioni si aspettano un ritorno sull’investimento entro 90 giorni, non lo vedono e abbandonano lo sforzo. Quelle che hanno successo si impegnano nella curva completa.

La prontezza dei dati è un altro fattore critico. I cattivi dati portano a decisioni confidenzialmente sbagliate. Fino a quando la base dei dati non è affidabile, l’intelligenza artificiale su larga scala diventa un problema piuttosto che un vantaggio.

Infine, la disciplina dei casi d’uso conta. Invece di cercare di fare tutto con l’intelligenza artificiale, le organizzazioni devono concentrarsi su casi d’uso che spostano metriche aziendali reali, provarle e poi ampliarle.

In Polestar Analytics, portare i dati, l’intelligenza artificiale e i flussi di lavoro in un unico posto accelera sia la scoperta dei problemi che l’identificazione delle opportunità, trasformando la convergenza in un catalizzatore per il cambiamento.

L’intelligenza artificiale agente sta diventando un tema importante in tutto il settore. Come Polestar Analytics pensa agli agenti di intelligenza artificiale all’interno dei flussi di lavoro aziendali e quali casi d’uso reali stanno guadagnando trazione?

Per noi, gli agenti devono essere integrati sia nel livello dei dati che nei flussi di lavoro aziendali per creare valore reale. Un agente di prezzo, ad esempio, non è solo un modello di linguaggio su un dashboard; è integrato nell’infrastruttura dei dati, comprende il contesto e supporta la presa di decisioni reali.

Tra i nostri oltre 100 agenti, alcuni agiscono come assistenti mentre altri sono completamente automatizzati. La trazione più forte è nella gestione della crescita dei ricavi, inclusi prezzo, promozioni e mix dei media, dove le decisioni sono frequenti e intensive in termini di dati.

Sul lato dell’ingegneria, gli agenti di monitoraggio e risoluzione delle pipeline sono già in uso. Gli agenti FinOps hanno ridotto i costi cloud non utilizzati del 35 percento. C’è anche una forte adozione nella gestione della ricchezza.

Sostieniamo sia l’ecosistema Microsoft che quello Databricks e forniamo una piattaforma personalizzata per la costruzione di agenti. Non ogni agente ha bisogno di essere basato su modelli di linguaggio; l’architettura dovrebbe corrispondere al caso d’uso per bilanciare scala e costo.

La governance è essenziale. Con gli agenti che interagiscono con sistemi finanziari o dati dei clienti, solide garanzie e una supervisione umana sono integrate per garantire l’affidabilità su larga scala.

Con il vostro recente finanziamento, state raddoppiando gli sforzi per lo sviluppo della proprietà intellettuale. Quanto è importante possedere piattaforme proprietarie rispetto a costruire su ecosistemi esistenti nel paesaggio attuale dell’intelligenza artificiale?

Siamo profondamente integrati con piattaforme come Databricks, Microsoft e Anaplan, che forniscono infrastrutture e scala. Non stiamo cercando di sostituirle.

Il nostro focus è sul possesso del livello di intelligenza in cima. La proprietà intellettuale ci consente di controllare l’esperienza, incorporare conoscenze di settore e fornire valore coerente su larga scala.

La nostra differenziazione deriva dalla competenza settoriale. Sia che si tratti di PromoPulse AI per la gestione della crescita dei ricavi o di WealthPulse per i servizi finanziari, il valore risiede nella comprensione dei casi d’uso reali e delle decisioni.

La proprietà intellettuale, per noi, è la codificazione di quell’esperienza. È ciò che rende la piattaforma difendibile e genuinamente utile.

Ha lavorato a stretto contatto con società della classifica Fortune 1000. Come stanno cambiando le aspettative intorno al ritorno sull’investimento dell’intelligenza artificiale mentre i dirigenti chiedono risultati misurabili invece di esperimenti?

Il cambiamento è reale, ma l’esperimento non è scomparso. È solo atteso che si muova più velocemente e si connetta a risultati tangibili.

I dirigenti valutano ora il ritorno sull’investimento attraverso lenti più ampie come velocità decisionale, fedeltà dei clienti, capacità di innovazione e resilienza.

Il ritorno sull’investimento dell’intelligenza artificiale non è più di proprietà di un singolo leader. Il CTO si concentra sulle infrastrutture e sui dati, il CFO guarda all’impatto finanziario e il COO enfatizza l’efficienza operativa.

Le organizzazioni che hanno successo allineano queste prospettive precocemente e si impegnano in risultati a lungo termine.

La vostra strategia di espansione include Nord America e Europa. Quali differenze state vedendo nell’adozione dell’intelligenza artificiale e nella preparazione delle imprese attraverso queste regioni?

La differenza è più una questione di mentalità che di capacità.

Il Nord America dà priorità alla velocità e all’esperimento, spinto dalla pressione competitiva.

L’Europa enfatizza la governance e l’etica dell’intelligenza artificiale fin dall’inizio. Tuttavia, ciò non significa un’adozione più lenta. Le imprese stanno bilanciando la struttura con l’accelerazione.

Entrambe le regioni stanno convergendo verso un’intelligenza artificiale responsabile e integrata nelle operazioni centrali.

Ha recentemente fondato il CAIO Circle per riunire i leader dell’intelligenza artificiale. Quali sono le conversazioni più urgenti che stanno avvenendo tra i Chief AI Officer, specialmente intorno alla governance e all’etica?

CAIO Circle è stato creato per dare ai leader dell’intelligenza artificiale uno spazio per discussioni aperte.

La sfida centrale è bilanciare la velocità con il rischio a lungo termine. La fiducia e la spiegabilità sono preoccupazioni maggiori, specialmente poiché i sistemi di intelligenza artificiale influenzano decisioni critiche.

La governance sta passando da documenti di politica a pratiche operative incorporate. Allo stesso tempo, molte organizzazioni mancano ancora di modelli di esecuzione per consegnare le loro strategie di intelligenza artificiale.

Le informazioni più preziose spesso provengono da discussioni peer candide piuttosto che da presentazioni formali.

Guardando avanti tre o cinque anni, ci si aspetta che l’intelligenza artificiale aziendale si consolidi in piattaforme unificate come la vostra o rimanga un ecosistema frammentato di strumenti e fornitori? Dove si posiziona Polestar Analytics in quel futuro?

La frammentazione probabilmente continuerà. Piattaforme importanti come Databricks, Microsoft, Salesforce e Anaplan rimarranno attori centrali.

Ciò di cui le imprese hanno bisogno è un livello unificatore che collega i dati, l’intelligenza e i flussi di lavoro in qualcosa di azionabile. È il ruolo che 1Platform è progettata per svolgere.

Il futuro favorirà le piattaforme con una profonda competenza verticale. Le soluzioni orizzontali generiche lottano per differenziarsi.

Il valore reale verrà dalla comprensione delle esigenze specifiche del settore e dall’integrazione dell’intelligenza direttamente nei flussi di lavoro decisionali.