アロン・イングランド、Accruentのチーフ・プロダクト＆テクノロジー・オフィサー – インタビュー・シリーズ

アロン・イングランド、Accruentのチーフ・プロダクト＆テクノロジー・オフィサーは、グローバルチームを構築して拡大し、SaaSやエージェンシー・ソリューションを、初期の研究から高成長の顧客向け製品まで提供する、経験豊富なテクノロジーと製品のリーダーです。彼は、消費者向けマーケットプレイス、BtoB SaaS、電子商取引、商用テクノロジーにわたる深い専門知識と、強力な人材リーダーシップを組み合わせ、イノベーションと顧客の問題に対する鋭い理解をもって、堅牢な製品市場適合性と計測可能なビジネス成果、包括して成長を通じた買収とIP駆動戦略を推進しています。

Accruentは、施設、資産、スペース、ワークプレイス運用のツールを1つの統合システムでまとめ、組織がビジネスの物理的な側面をより効率的に運営できるようにするソフトウェアを提供しています。同社のプラットフォームは、断片化を減らし、可視性と意思決定を改善し、チームが幅広い業界の建物や設備を計画、保守、最適化するのを支援するように設計されています。

25年以上にわたって、高パフォーマンスのグローバルチームを構築して率いてきました。スタートアップ、大企業、そして現在のAccruentを振り返ってみると、信頼できるテクノロジーを構築する方法について考える上で、どのような重要な経験が最も影響を与えましたか?

フォーチュン50社や初期段階のスタートアップ、ミッドサイズ、そして大手公的および私的企業で働くことで、さまざまな業界でのデジタル変革の採用を推進するための幅広い経験を積みました。特に、DocuSignの9人目の従業員でした。当時、真の海の変化が必要な市場をターゲットにしておりました。アナログ契約業界を完全にデジタル化するには、市場の信頼を構築するだけでなく、安全な移行のための立法も必要でした。そこでの経験から、現在のLLMやAIツールの市場に適用できる多くの教訓があります。

高レベルでは、私の経験のパターンは一貫して続いています。信頼できるシステムは偶然に生じるものではありません。意図的なアーキテクチャ、データの一貫性、透明性、および実際の人がテクノロジーを使用する方法の深い理解から生じます。

2026年までに、テクニシャンは「信頼してください」と言うだけのAIシステムを受け入れることはなくなると警告しています。Accruentでのあなたの立場から見ると、現場やフィールドサービス専門家の間での期待のこのような変化は何が推進していますか?

施設マネージャーやテクニシャンがAIを使用して機器の故障を診断し、複雑な修理を導く環境では、誤ったまたは不正確な推奨事項によるミスは、重大なビジネスや安全上のリスクを引き起こす可能性があります。

LLMは、多くの場合、複数のページから混合された回答を生成しますが、根底にある証拠に戻すことはありません。したがって、テクニシャンがAIによって生成されたステップに従った場合、OEMマニュアルに直接存在しなかった場合、組織は重大なコンプライアンスの後ろ向きを引き起こす可能性があり、監査または安全性のレビューのために防御可能な証拠の連鎖を持たない可能性があります。AIがソフトウェアの中でより「見えにくい」ようになり、テーブル・ステークスになるにつれて、追跡可能性の重要性は増すでしょう。

AIの「ホールシネーション」は、規制された業界では単なる不便さを超えて、実際の安全性、コンプライアンス、運用上のリスクを生み出す可能性があります。メンテナンス、施設管理、または資産運用に関して、あなたが最も心配するホールシネーションのシナリオは何ですか?

製造業では、AIによって生成された提案が工場作業員に重要な機器に対して誤ったアクションを取るよう指示した場合、計画外のダウンタイム、無駄になった材料、不良な最終製品、または損傷した機械が発生する可能性があります。これらは、製造ラインが停止したり、後にリコールにつながったりする可能性があるため、百万ドル規模のミスになる可能性があります。

AIツールからのこれらのホールシネーションは、機器の故障や適切なメンテナンスの欠如によって患者さんの命が危険にさらされる可能性があるため、ヘルスケアのような業界にも特に有害です。現実の世界と関わる業界では、ミスを修正することは、単に「削除」して再開することではありません。

あなたは、すべてのAI出力が元のソース（マニュアル、データテーブル、図、歴史ログ）に戻る必要があると強調しています。Accruentは、追跡可能性を確保し、「ブラックボックス」回答を排除するようにシステムを設計していますか?

AIの推奨事項は、元のソース資料の有意義な出力ポイント（具体的なマニュアルのページ、図、データテーブル、ログエントリ）に戻ることができるようにします。たとえば、AIの推奨事項がヘルスケアの施設マネージャーにコンプレッサーのメンテナンス方法を教える場合、彼らは、正確性を確保するために、1クリックでそのステップを支持する具体的な段落に戻ることができるはずです。今日のエンタープライズAIにおける信頼の拡大するギャップを閉じるには、これらのシステムが評価されたポイントまたはページを明らかにし、ユーザーがAIがすべての関連ドキュメントをレビューしたか、またはその一部のみをレビューしたかを知ることが重要です。

多くのエンタープライズAIツールは速度を優先しますが、規制された環境では監査トレイル、ドキュメンテーションの正確性、検証可能な推論が必要です。イノベーションと透明性、コンプライアンスの必要性とのバランスをどう取っていますか?

既存のワークフローにAIを組み込むことが鍵です。これにより、承認、ドキュメンテーション、メンテナンスルーチン、およびコンプライアンスチェックを既知の慣行に追加するプロセスが簡素化され、既存のツールを新しい孤立したツールに置き換えるのではなく、従業員が従来の方法で作業を続けられるようにします。

現場のテクニシャンは、正確な指示に頼っています。Accruentは、リスクを軽減し、テクニシャンの信頼性を高めるために、AI出力を権威あるソース資料に根付かせるという課題にどのように取り組んでいますか?

私たちのアプローチは、会社の特定のコンテンツ（汎用的なトレーニングデータではなく）から回答を提供するようにAIを構成することから始めます。手順、推奨事項、またはチェックリストを生成する場合、各ステップは元のドキュメントに戻ることができるように設計されています。

この機能がなければ、すでにリソースに追われているテクニシャンは、さらに多くの時間を手動でドキュメントを調べて正確性を確認するために費やす必要があり、プロセスと作業命令がさらに遅れることになります。

透明性のある、監査可能なAIを提供するには、大量の構造化データが必要です。信頼できるAIを実現するために、構造化されていないレガシードキュメントから資産履歴の不一致まで、どのようなデータの課題が解決される必要がありますか?

監査可能なAIを提供するには、信頼性が高く、整理されたデータが必要です。ただし、建物の環境の多くはまだアナログプロセスにあり、手動でのデータ入力、スキャンされたPDF、シロされたスプレッドシートがあります。データや資産履歴にギャップがある場合、または不完全または不一致な場合、AIのホールシネーションのリスクが増加します。規制された環境でAI出力を信頼できるものにするには、会社はまず、構造化された、バージョン管理された、中央集権的なドキュメントおよび資産データシステムへの移行を通じて、レガシーデータのロードブロック（構造化されていない形式、不一致な履歴、ガバナンスの欠如）を解決する必要があります。

私たちのEDMS（エンジニアリングドキュメント管理システム）は、採鉱、公益事業、製造業など、複数の業界でこれを行うことができます。これらの業界では、物理的なエンジニアリング図面やドキュメントに依存することが多く、バージョン管理の悪夢を引き起こす可能性があります。ドキュメントをデジタル化するために私たちのEDMSソリューションを使用することは、最初のステップです。その後、ソフトウェアは、バージョン管理、ワークフローガバナンス、および監査トレイルを管理して不一致を排除するのに役立ちます。

AIがメンテナンス、施設、資産ライフサイクル管理に組み込まれるにつれて、安全性や規制要件を損なうことなく、生産性を向上させるための最大の機会はどこにあると思いますか?

最大の機会の1つは、従業員のために手動データ入力やテクニシャンへの作業命令のスケジューリングなどの、退屈で価値のないタスクを自動化することです。外部から見ると、比較的簡単で時間のかかるタスクのように見えます。ただし、AIはこのタスクに戦略的に取り組むことができます。

まず、センサーで監視されている場合、実際の故障が発生する前に異常検出に基づいて作業命令がトリガーされる可能性があります。2番目に、AIは、ビジネスに最も少ない妨げとなる時期に修理をスケジュールすることによって、作業命令の優先順位を自動的に設定することができます。さらに、AIは、複数の同時の問題、コスト、安全性、および収益を一度に考慮して、最も適切な進路を選択できます。

AIは、メンテナンスや施設チームを単に「支援」するのではなく、徐々にデジタルオペレーターとして機能する可能性があります。

信頼は、エンタープライズAIの新しいテーブルステークスになりつつあります。ベンダーは、次の2年間で信頼を獲得し、維持するために何を違う方法で行う必要がありますか?

ベンダーは、エンタープライズAIについて「モデルを信頼してください」という前提を止める必要があります。AIからの推奨事項は、どのように生成されたかを証明する必要があります。1つの方法は、引用やAIが評価したドキュメントの明確な説明を提供することです。たとえば、従業員がAIに1,000のリースを分析するよう依頼した場合、1,000個すべてを評価したか、または700個のみを評価したか、その理由を明確に知る必要があります。

これを含めて、ベンダーが優先すべき最も重要な要素は、データの使用の透明性です。データを誰が見るか、どのように使用されるか（トレーニングの影響を含む）、およびどのように他の顧客の環境から分離または隔離されるかについての明確さが含まれます。

次の2年間で、信頼を獲得することは至上命令であり、ベンダーは、AIツールの限界を明示的に示し、高リスクの決定における人間の関与を維持し、顧客を「ブラックボックス」状況に置かずに有形な価値を提供する、狭い範囲の使用例から始めることで、優位性を獲得できます。

ミッションクリティカルな運用の中でAIが進化することを考えると、Accruentは、信頼できる、透明性のあるAIの業界基準を設定する上でどのような役割を果たすと思いますか?

ミッションクリティカルな運用におけるAIは、単一タスクの自動化から、複数のエージェントシステムが全体のワークフローを調整および最適化できる、インテリジェントなシステムへと急速に進化しています。AIは、ユーザーを単に支援するのではなく、自律的な意思決定サポートを提供し、運用状況を継続的に監視し、リスクを予測し、透明性と追跡可能性のある推奨事項を提供することになります。AIが構造化されていないドキュメント、構造化された運用データ、リアルタイム信号を組み合わせるにつれて、AIは日常のプロセスに組み込まれ、より迅速で、より安全で、より信頼性の高い結果をもたらすようになります。

時間の経過とともに、これにより、システムが自己最適化および自己修正し、人間が監視と戦略的な意思決定に集中できる、自律運用への移行が可能になります。市場のリーダーとして、Accruentは、監査可能性、説明可能性、強力なガバナンスをプラットフォームに組み込み、顧客、パートナー、および規制機関と協力して、ミッションクリティカルな環境での安全な展開のためのベストプラクティスを定義することで、信頼できる、透明性のあるAIのための業界基準を設定するのに役立ちます。

素晴らしいインタビュー、詳細を知りたい読者は、Accruentを訪問してください。