トゥンストン オートメーションのアダム フィールド氏 – インタビュー シリーズ

アダム フィールド氏は、トゥンストン オートメーションのチーフ AI オフィサーであり、エンタープライズ テクノロジー リーダーとして、人工知能、インテリジェント オートメーション、製品戦略に関する深い専門知識を持っています。現在の役割では、同社のグローバル AI 変革イニシアチブの指揮をとり、トゥンストンの製品ポートフォリオ全体に AI を統合し、トゥンストン AI ラボを指導し、責任ある AI 採用のためのガバナンス フレームワークを確立しています。チーフ AI オフィサーになる前に、550 万ドル以上の年間収入を生み出す製品ポートフォリオを管理するチーフ プロダクト オフィサーを務めました。トゥンストンに入社する前に、フィールド氏はほぼ 17 年間、Pegasystems でイノベーションとクライアント エクスペリエンス イニシアチブをリードし、エマージング テクノロジー戦略を形作り、大規模な製品ショーケースとエンタープライズ イノベーション プログラムを提供することで知られました。彼のキャリアの初期には、Staples、Publicis Sapient、Fidelity Investments でテクノロジーとコンサルティングの役割を果たしました。

トゥンストン オートメーション（旧 Kofax）は、AI パワード ワークフロー オートメーション、インテリジェント ドキュメント処理、ロボティック プロセス オートメーション (RPA)、ビジネス プロセス オーケストレーションに焦点を当てたエンタープライズ ソフトウェア会社です。同社は、ファイナンス、ヘルスケア、保険、政府など各業界の組織がドキュメント重視の運用を合理化し、効率性を向上させるために使用するオートメーション ツールを提供しています。同社のプラットフォームは、AI、ローコード オートメーション、ドキュメント インテリジェンス テクノロジーを組み合わせて、エンタープライズが繰り返しのタスクを自動化し、構造化されていないデータから洞察を抽出し、大規模なビジネス ワークフローを最新化するのに役立ちます。

あなたは、イノベーションと製品戦略をリードし、イノベーション ラボを構築し、5 億ドル以上の製品ポートフォリオをスケーリングした後、トゥンストン オートメーションのチーフ AI オフィサーに就任しました。完全に AI リーダーシップに移行することを決めたのはいつですか。以前の経験はその決定をどのように形作りましたか?

私はキャリアの大部分を、新しいテクノロジーをエンタープライズ環境内で実際に機能するものに変えることに焦点を当ててきました。最近では、AI は単に製品に統合する機能ではなく、ソフトウェアが構築される方法やビジネス全体で決定が下される方法を変えていることが明らかになりました。この期待から実際の成果へのシフトと、AI がここに留まるという事実は、AI リーダーシップの役割に完全に移行することを決めるきっかけとなりました。

また、AI が多くの場合、宣伝されたパナセア (万能薬) ではなかったことも明らかになりました。AI の成功には、技術的な専門知識と業界の知識を組み合わせた人材が必要です。トゥンストンは企業が AI を正しく行い、実際の成果を得るのを支援したいと考えています。そこで、AI オフィスと私の役割を創設しました。

トゥンストンは、ドキュメント キャプチャと OCR から、ミッション クリティカル ワークフローを推進するフル インテリジェント オートメーション プラットフォームに進化しました。レガシーのドキュメントとワークフローに対するあなたのアプローチは、エージェント AI にとってどのように形作られましたか?

トゥンストンの歴史は、エンタープライズが実際にどのように運営されているかということと深く結びついています。私たちは、ビジネスの中心にあるドキュメントやワークフローと共に数十年間を過ごしてきました。つまり、情報がどれほど複雑で構造化されていないかを理解しています。

この基盤は、エージェント AI にとって非常に重要です。これらのシステムは、分離された環境ではなく、実際の環境で動作する必要があります。ドキュメント インテリジェンスに関する私たちのバックグラウンドにより、コンテキストに焦点を当て、AI がビジネスが実行される方法と一致するように行動することを保証することができます。信頼できるシステムを構築することであり、理論上のみでなく、実際の生産環境で動作するシステムを構築することです。

この最新の AI 進化はとても興奮するものです。インテリジェント ドキュメント処理を、以前は不可能だった場所にまで進めることができます。過去には解決するのが高価であったり、不可能であったりした問題を解決することができます。

あなたは、AI をスタンドアロン機能として扱うのではなく、全製品ポートフォリオに AI を組み込むことを強調しています。大規模で確立されたソフトウェア プラットフォームにおける「AI ネイティブ」変革とは、実際に何を意味しますか?

ジェネレーティブ AI とエージェント AI パワード機能がテーブル ステークス (基準) になり、顧客がそれらを追加で支払うことを望まないことが明らかになりました。さらに、これらのテクノロジーにより、トゥンストンが長年行ってきたことを最新化することができます。つまり、企業がドキュメント データを理解するのを支援することです。

私たちは、ブランドの約束を変えませんでした。ワンオフ製品やボルトオン機能を作成しませんでした。製品が使用される方法を再構築し、その基盤が整ったら、AI は製品内で自然に機能することができます。顧客が扱うユースケースは、構造化されたドキュメントから構造化されていない情報源に移りました。ドキュメントの定義も再定義しました。ドキュメントは、紙のイメージやデジタル ファイルではなくなりました。構造化されていないデータは、クレーム調整者のメモ、コンタクト センターの電話会話の記録、ソーシャル メディアの投稿、ウェブ記事などに存在します。

このアプローチにより、顧客は基盤を強化し、オープン モデルを独自のデータで拡張することができます。これが、実際の違いを作り出す鍵となります。

トゥンストンの最初のチーフ AI オフィサーとして、イノベーションのスピードと、ガバナンス、セキュリティ、責任ある AI デプロイの必要性とのバランスをとる方法は何ですか?

AI で迅速に進むことが常に求められますが、エンタープライズ環境では信頼性も同等に重要です。ガバナンスとセキュリティは、後に考えることができません。システムの構築から最初に組み込まれる必要があります。

私たちがこれを行う方法は、最初から期待を設定することです。エンド ユーザーを教育することです。私の役割の半分は、内部の AI 戦略、伝道、ガバナンスに焦点を当てています。私たちは、非常に早い段階で、職能間の諮問委員会を結成しました。共有、実験、コミュニケーションを奨励しています。テクノロジーがすべての従業員に接続された複数の内部システムにロールアウトできるようになったときがありました。プロトタイプは強力で、すべての人の期待を高めましたが、潜在的なセキュリティまたは規制のハードルに当たったときは、諮問チームに知らせました。彼らは洞察を感謝し、しばしば解決策に参加しました。

私は、完璧さを進歩の妨げにしないことも重要だと考えています。スタッフに、変化を期待し、多くの変化を期待することを伝えます。ツールや機能を、準備ができたらロールアウトし、フィードバックを得て、必要に応じて変更し、さらにロールアウトすることを伝えます。

エージェント AI は、業界全体で大きな焦点となりつつあります。エンタープライズ グレードのエージェント システムと、実験的または過大評価された実装を区別するものは何ですか?

主な違いは、システムが実際の条件下でどのように動作するかです。多くの実験的なアプローチは、制御された環境ではうまく機能しますが、汚いデータや複雑なワークフローに出会ったときに苦労します。エンタープライズ グレードのシステムは、変動性を処理し、依然として一貫した結果を生み出す必要があります。

過去 30 年間で構築されたほとんどのシステムは、人間のインタラクションまたは非常に制御された API アクセスのために構築されました。エージェントが人間ではなくインタラクションする場合、システム統合は再考される必要があります。例外、エラー、監査の処理方法など、すべてが異なります。

もう 1 つの重要な要素は、説明責任です。組織は、決定がどのように下されたかを理解し、結果を信頼できる必要があります。透明性のレベルが、エージェント システムを興味深いデモンストレーションから実際の運用への移行を可能にします。

あなたは、トゥンストン AI ラボを研究と応用イノベーションのハブとしてリードしています。実験的な AI ワークが顧客にとっての測定可能なビジネス成果に翻訳されるようにするために、どのようにしてくださいか?

実際には、トゥンストン AI ラボでは、逆のアプローチを取りました。チームに、実験し、新しいアプローチを試し、製品に組み込まれない場合でも、学び、学ぶことを許可することを伝えました。何をしないべきかを学ぶことは、しばしば何をすべきかを学ぶことよりも重要です。私は、これにより、自由に考え、新しい方法でことを行うことができるようになったと思います。

例えば、現在の研究スプリントの 1 つでは、製品コンポーネントにまったく新しいアプローチを見つけました。研究者は、問題を解決するための新しい方法を見つけ、アイデアの閃きを得ました。顧客に新しいアドオン ソリューションを提供できるかもしれません。ただし、すでにロードマップに組み込まれているものを実装する方法を研究していたら、そこにたどり着くことはできませんでした。

ただし、これは自由な混沌ではありません。研究プロジェクトに費やす時間と、費やす金額については、慎重に検討しています。

多くの組織は、AI パイロットから本格的な導入に移行するのに苦労しています。どのような障害が最も大きいか、それらを克服するにはどうすればよいですか?

最大の障害の 1 つは、ダーク データです。多くの組織には、ドキュメント、電子メール、PDF、他の構造化されていない形式に大量の情報が存在します。つまり、AI システムが解釈するのが難しい情報です。したがって、AI モデルは、ビジネスに対する不完全で一貫性のない見方で動作することが多く、信頼性のない出力と停滞したイニシアチブにつながります。

これを克服するには、企業はダーク データを活用可能なものに変えることに焦点を当てる必要があります。情報を抽出するだけでなく、構造、コンテキスト、ガバナンスを確立する必要があります。そうすると、AI システムはそれを自信を持って実行できるようになり、孤立したパイロットから実際の生産環境へのスケーリングがはるかに簡単になります。

トゥンストンは、ドキュメント重視の業界とワークフロー重視の業界で活動しています。AI は、企業が構造化されていないデータと意思決定について考える方法をどのように変えていますか?

AI は、企業がすでに持っている情報の価値について考える方法を変えています。長年にわたって、多くの企業の知識は、ドキュメント、電子メール、PDF、他の構造化されていないコンテンツの中にあり、そこからアクセスしたり活用したりするのが難しい状況でした。現在、企業は、これらのデータが、AI システムが信頼性の高い結果を生み出すために必要なコンテキストとビジネス ロジックを含んでいることを認識しています。モデル自体はコモディティです。組織独自の情報とこれらのモデルを組み合わせたものが、実際の違いを作り出します。

同時に、データ主権、ガバナンス、企業情報の流れに関する認識が高まっています。多くの企業は、外部データを取り込んだり、広範なモデル アクセスを実験したりすることに競争していますが、実際には、すでに大量の未活用の知識を持っています。内部の構造化されていないデータを安全で管理された方法で活用し、AI がリスクを生み出すことなく、より良い意思決定をサポートできるようにすることに焦点が移りつつあります。

あなたは、顧客アドバイザリーボードを構築し、キャリア全体を通じてエンタープライズ クライアントと密接に協力してきました。特にテクノロジーが急速に進化している場合、AI 戦略を形作る上で顧客のフィードバックはどれほど重要ですか?

顧客のフィードバックは贈り物です、特に AI のような急速に進化している分野では。戦略が現実のビジネス ニーズに根ざしていることを保証するのに役立ちます。

優先順位付けにも役立ちます。AI には多くの方向がありますが、顧客の入力により、最も価値のある成果がどこにあるかが明らかになります。これにより、成果が重要なものに焦点が当てられ、イノベーションが企業が実際にどのように運営されているかと一致することを保証します。

私は、ジェネレーティブ AI の初期の頃、顧客アドバイザリーボードの顧客が、私の製品の方向性は好きだが、ロードマップにある新しい LLM パワード機能に追加で支払うことはないと私に伝えたことを覚えています。これは、業界全体と一致していたため、目覚ましいものでした。

今後 3 ～ 5 年で、AI ドリブンのオートメーションで最も大きな機会はどこにあると思いますか? 企業は今すぐ何に備えるべきですか?

最大の機会は、AI をエンドツーエンドのワークフローにより深く接続することです。企業は、個々のタスクではなく、全体的なプロセスをサポートする AI の方法を検討することになります。現在、多くのエージェント システムは個々のタスクに焦点を当てていますが、ビジネスはコンプライアンスのあるエンドツーエンド プロセスで運営されます。

このシフトに備えるには、企業はデータ基盤と、透明性とコントロールをサポートするシステムに投資する必要があります。さらに、企業は「ビルド対パートナー」ではなく「ビルド対購入」について考える必要があります。私たちは、AI の DIY が失敗するのを見過ぎしました。最も利益を得る企業は、ソリューションを加速するために、適切な AI パワード パートナーを見つける企業です。すべてをスクラッチから再構築しようとするのではなく、ビルドするのではなく、パートナーを探すのです。

素晴らしいインタビュー、ご覧になりたい読者は トゥンストン オートメーション を訪問してください。