インタビュー
シェーン・エレニアック、Calixのチーフ・プロダクト・オフィサー – インタビュー・シリーズ
シェーン・エレニアックは、Calixのチーフ・プロダクト・オフィサーとして、同社の業界をリードするプラットフォームとSaaSソリューションの戦略的ビジョンと実行を指揮しています。通信サービスプロバイダーがビジネスを簡素化し、顧客に優れた体験を提供できるようにすることに焦点を当て、シェーンは製品のライフサイクル全体を概念化から市場での導入まで担当しています。
彼の指導の下、Calixはブロードバンド業界の先駆者的存在としての地位を固め、プロバイダーが競争し勝つことができる革新的なツールを一貫して提供してきました。
Calixは、ブロードバンドおよび通信サービスプロバイダー向けのクラウド、ソフトウェア、管理サービスプラットフォームを提供する米国のテクノロジー企業です。同社のコア製品は、クラウドインフラストラクチャ、データ、ネットワークシステムを統合するAI搭載のブロードバンドプラットフォームを中心に展開されています。これにより、プロバイダーは運用を簡素化し、顧客との関わりを向上させ、よりパーソナライズされたデジタル体験を提供できるようになります。Calixは、プロバイダーが基本的な接続サービスからフル「体験プロバイダー」への移行を支援し、収益の増加、顧客ロイヤルティの向上、より高度でスケーラブルなブロードバンドサービスを通じてコミュニティのデジタル変革を支援しています。
あなたのキャリアは、30年以上にわたり、エンジニアリング、ネットワーク、クラウドプラットフォーム、そして大規模な製品リーダーシップを経てきました。こうした経験は、ビジネス内でAIが実際の仕事を行うために何が必要か、実験のためのサイドプロジェクトに留まらないようにするために何が必要かについてのあなたの視点をどのように形作ってきましたか?
私は伝統的なテレコミュニケーションとネットワークから始めました。そこでは、ゲームの全体がデータパスとスケーラビリティの信頼性でした。如果あなたがクリーンで信頼性の高いサービスを提供できない場合、上に構築するものは何でもありません。あの頃、電話はキッチンの壁にあり、内部配線は決して動かず、ダイヤルトーンがあれば何でもよかったのです。
ブロードバンドとインターネットがそれを爆発させました。突然、それは「オン」か「オフ」かだけではなくなりました。イーサネット、次にWi-Fi、ゲーム機やタブレットを使っている子供、クラウドスプレッドシートでコラボレーションしているあなた、そして常にモバイルです。サブスクライバーの体験は、バイナリのオン/オフ状態よりもはるかに複雑になりました。サービスプロバイダーの世界は非常にダイナミックになりました。そのような世界では、リアルタイムでデータを収集し、体験を理解し、洞察を生成する必要があります。サブスクライバーは、問題が事前に解決されることを期待しています。数時間や数日後ではありません。
この進化は、私がAIについて考える方法を形作ってきました。ほとんどの人は、AIを「上に」置くことを望みます。つまり、ビジネスインテリジェンスやSaaSを既存のデータレイクの上に置くということです。私の経験は、もっと深く考え、リアルタイムのアクション可能な洞察とタイムリーなアクションの能力を設計する必要があることを示しています。
しかし、サブスクライバーにとって、期待は25年間ほとんど変わりません。彼らはまだ、セキュアで管理された接続性を望み、それがシンプルに感じられるようにしたいと思っています。ダイヤルトーンのように、すべてが「ただ動く」ようにしたいと思っています。彼らは、すべてのレイヤーや複雑さについて考える必要がないようにしたいと思っています。私のテレコムとクラウドでのキャリアは、私にそのパラドックスを非常に快適に感じさせました。非常に複雑なシステムを構築することで、すべてを抽象化し、エッジでシンプルで素晴らしい体験を提供することができます。那は、私がAIが実際の仕事を行う方法について考える方法です。ブロードバンドやその他の業界でも同じです。
Calixでは、運用AIは購入ではなく構築されることがよく強調されます。組織がAIを購入せずに追加しようとしたときに、ビジネスの流れを再考することなく、最も一般的な間違いは何ですか?
私にとっては、「構築対購入」の問題ではなく、テクノロジースタック全体を見てみたことがあるかどうかという問題です。多くの企業は、AIが単にLLMへのアクセスを得るためのAPIを使用し、それをスタックに接続し、ラッパーで囲み、トークンを購入することであると考えました。そうすれば、AI戦略ができたということになります。那はそうではありません。
私たち多くは、テクノロジーではなく、成果に夢中になります。私たちはその映画を見たことがあります。PCが登場したとき、みんなが286と386、メモリの量、使用しているDOSについて議論したかったのです。今日では、誰もが自分のラップトップや携帯電話のスペックを言えることはありません。誰も気にしていません。必要なことを行うまでです。重要なのは、それがあなたの仕事をより効果的にするかどうかです。AIも同じです。如果あなたがそれをリアルなワークフロー、リアルな価値、リアルなROIに結び付けることができない場合、テクノロジーの仕様はただのノイズです。
もう1つの大きな間違いは、AIを既存のものにボルトオンして、建築、セキュリティモデル、コストへの影響を考慮しないことです。AIは、インクリメンタルな機能アップグレードではなく、基本的なテクノロジーです。如果あなたがそれをインクリメンタルに扱う場合、貧弱なデータ、セキュリティの問題、妄想、コストの暴走、または誰かの問題を解決しない多くの活動に陥ります。
最後に、コンテキストと垂直エキスパートの重要性を無視することはできません。アクションはすべてコンテキストについてです。那は、テレコム、フィンテック、ヘルスケアなど、業界によって異なります。Calixでは、1つの業界で深い経験から始め、その周りに垂直プラットフォームを構築しました。私たちは既にデータ、洞察、ワークフロー、コンテキストを理解していたので、スタックはその現実を反映することができました。ほとんどの企業は、自分の垂直業界を内側から外側まで知っています。機会は、その知識を垂直テクノロジースタックにエンコードすることです。汎用的なAIモデルと薄い水平レイヤーに頼るのではなく、それをステッチしてまとめるのではなくです。ビジネスはモデルではなく、成果についてです。本当の質問は、どのようにしてその成果をあなたの仕事の流れで提供するかです。
あなたは、データ、知識、オーケストレーション、信頼、行動の5層のアーキテクチャを提案しています。なぜこれらの層を明示的に分離することが重要であり、企業はどの層を最も頻繁に低く見積もったり、完全にスキップしたりしますか?
長い間、スタックはかなりシンプルでした。データ、洞察、ダッシュボード、ワークフロー、人です。データウェアハウスを構築し、BIを上に置き、ワークフローエンジンを作成し、難しい仕事を人間に任せました。エージェントの世界では、それは機能しません。データ、知識、オーケストレーション、信頼、行動が必要です。各層は異なる機能を実行します。
みんなが話したい可視部分は、アクション層です。エージェントです。那は氷山の一角です。システムが実際に機能するかどうかを決定するのは、水面下の「面白くない」ものです。データパイプラインとクリーンダータ、コンテキストを提供する知識層、ダイナミックワークフローの調整を行うオーケストレーション、そして何が許可されるかを決定する信頼モデルです。タイタニック号が沈没したとき、見えていた小さな部分がそれを沈没させたのではありませんでした。水面下の巨大な氷の塊がそれを沈没させました。運用AIも同じです。表面下の配管が成敗するか、破滅するかです。
歴史的に、オーケストレーションと信頼を別々の層として扱うことはできませんでした。人間がほとんどの仕事を行っていたからです。オーケストレーションは、マネージャーとチケットキューを意味し、信頼はユーザー名とパスワードを意味しました。現在、エージェントに信頼する必要があり、ダイナミックデータを周囲で複数のエージェントを調整する必要があります。那は完全に異なる設計問題です。那は、層を明示的にする必要がある理由です。
最も低く見積もられた層は信頼です。多くの組織は、信頼を処理していると思っています。アクセス制御を持っているからです。誰がどのシステムにログインできるかということです。しかし、エージェントの世界での真正の信頼は、「このユーザーにアクセス権があるか」ということではありません。那は、「この特定のアクションは、この個人の場合、またはこのエージェントの場合、現在の時点で適切か」ということです。那は、ガバナンスの質問であり、アクセス制御の質問ではありません。如果あなたがその層を明示的にしない場合、デモランドに陥ります。なぜなら、実際の仕事をエージェントにさせることができず、生産に投入することができないからです。
信頼は明らかにあなたのAI戦略の基盤です。システムを設計するときに、自動化された意思決定が観察可能、監査可能、取り消し可能のままであるように、そしてビジネス価値を提供するために十分な速さで動作するようにする方法は何ですか?
あなたはゼロトラストの心構えから始める必要があります。最初の質問は、「このエージェントが技術的にこれを行うことができるか」ということではありません。最初の質問は、「このエージェントが、この人のために、現在行っていることを行うべきか」ということです。如果答えが「いいえ」であれば、進行しないでください。
如果答えが「はい」であれば、ガードレールに入ります。監査可能性、追跡可能性、人間のループの必要性です。私たちのモデルは、信頼層に頼っています。那は、各インタラクションの開始時に少しトラフィックコップのような役割を果たします。誰が何をしているのか、そしてなぜそれを行っているのかを確認します。那は、多くのセキュリティ問題を排除します。なぜなら、エージェントが何かを行うことを許可せず、事後に気づいて止めることを希望しているからです。
代替案は、エージェントを解放し、悪いことをした場合に警報を上げることです。システムが実行されるペースとスケールでそれを見て、理解して、特定して、停止することができるという仮定です。那は非常に難しい問題です。那は、多くの人が苦労している理由です。彼らは、リアルタイムで悪い行為者を探そうとしているのではなく、事前に悪い行動を防ぐことを試みているからです。
上に、レイヤードゲートウェイを追加しました。エージェントが正しい人のために行動している場合でも、セッションとコンテンツを見ています。モデルを毒することを試みているか、APIを乱用しているか、ポリシーの外側にある何かを押し付けているかなどです。すべてがフルオブザーバビリティでラップされています。そこで、必要に応じてそれを監査し、ロールバックすることができます。那が、速く動きながらも夜眠ることができる方法です。
多くの企業はAIの洞察を生成することに成功していますが、それをアクションに変えるのに苦労しています。Calixは、AIをマーケティング、運用、カスタマーサポートの日常のワークフローに直接押し出すことを可能にする設計上の決定は何でしたか?
AIがショーのスターになるずっと前から、Calixでは1つの質問に執着していました。どのような洞察が、実際の仕事を行っている人にとって真正にアクション可能なものになるのか。2018年から、サービスプロバイダーと協力して、さまざまなペルソナがどのように働くかを理解するために取り組んできました。マーケターは火曜日の朝に何をするか、運用チームはアラームが鳴ったときに何をするか、サポートチームはサブスクライバーが苛立ったときに何をするかなどです。那は、どの洞察が誰にとって重要か、どのようなコンテキストで、どのような「良いアクション」が重要かを非常に明確にすることを私たちに強制しました。
そこで、エージェント型AIが到来したとき、私たちは最初からやり直す必要はありませんでした。私たちは既に、特定のペルソナやワークフローに結び付いたリアルタイムのシステムでアクション可能な洞察を生成していました。設計上の質問は、異なるツールセットと異なるテクノロジースタックで、エージェント型AIの世界での同じワークフローをどのように再構築するかということになりました。すべてを一から発明するのではなくです。
この深いペルソナの知識をエージェント型AIと組み合わせると、ダイナミックなデータ上にダイナミックなワークフローを構築できます。エージェントは、実時間で、どのステップとどのペルソナが関与する必要があるかを判断できます。マイクロサービスで数百の剛性のあるフローをハードコードするのではなく、それはです。ほとんどの企業にとって、現在の難しい問題は、コンテキストに基づいてリアルタイムの決定を下し、適切なワークフローを設計することです。私たちにとって、それは既に整備されていました。私たちはすでに何年も、リアルタイム、ペルソナベース、アクション可能な洞察を行っていました。エージェント型AIは、ただその基盤の上に新しいツールセットです。
あなたのプラットフォームのビジョンには、エージェント間の相互運用性と連携AIシステムが含まれます。このアプローチは、従来のポイント統合と比較して、エンタープライズツールがどのように協力するかを変えますか?
過去20年を見ると、デフォルトのパターンは、「多くのSaaSツールを購入し、データレイクの周りにそれらを接続する」ことでした。新しいシステムごとに、別のポイント統合、別のデータパイプライン、別の場所で真実を調整する必要がありました。エージェントの世界では、それはスケーラブルではありません。データが属する場所に残り、エージェントが明確に定義されたインターフェイス上で互いに話すことを望みます。
那は、私たちがMCPを知識層で、A2Aをオーケストレーション層と信頼層で話す理由です。MCPは、エージェントが新しいカスタム統合ごとにツールやデータを発見して使用する方法です。A2Aは、エージェントが明確なガードレールの下で互いに協調する方法です。
一度それを持つと、コラボレーションは、脆いコネクタの山ではなく、実際の仕事の周りに動的にチームを組むことができるスペシャリストのネットワークのように見え始めます。アイゼンハワー・マトリックスのアナロジーがここに入ってきます。すべてが同等に緊急で同等に重要ではありません。何かの仕事は真正に時間が敏感で重要ですが、他の仕事は重要ですがスケジュールできます。何はただ行う必要があり、ノイズです。エージェント間の調整がオーケストレーション層と信頼層の上に座っていると、カテゴリをスケールで扱うことができます。エージェントは、緊急で重要な問題に群がり、重要だが緊急でない問題をキューイングまたはスケジューリングし、低価値の忙しい仕事を他のすべてから遠ざけることができます。
那は、「もう1つのコネクタを追加し、キューが排出されるのを希望する」こととは非常に異なる世界です。統合の混乱ではなく、動的イベントとデータの周りの動的ワークフローを信頼して、慎重に調整されたものを見ているのです。
エージェントが自律的に行動を起こすことが許可されると、ガバナンスはすぐに課題になります。エージェント型AIシステムが決定または実行を実行する際に、スピード、説明責任、人間の監視のバランスをとるために、どのようにしますか?
私は、エージェント型AIを既存のものにボルトオンし、後にスピード、説明責任、人間の監視のバランスを取ろうとしている人が犯すミスのことを見ています。そうではありません。你は、垂直テクノロジースタックの問題であることを認識し、意図的に信頼層とオーケストレーション層を構築する必要があります。そうでない場合、それは自由な世界になります。すべては先着順、または誰が最も大きな声で叫ぶかです。
再び、アイゼンハワーマトリックスです。すべての仕事は同等に作られていません。信頼とオーケストレーションは、運用AIの世界でそれを運用化する方法です。你は、すべてのタスクをファイアドリルのように扱いたくないでしょう。你は、真正に時間が敏感で重要なものをスワームさせ、重要だが時間が敏感でないものをスケジュールし、低価値の忙しい仕事を他のすべてから遠ざけることができるシステムが必要です。
そして、狭い上に広いという部分があります。多くの企業は、AIのより大きな影響を、より広いものにすることと間違えています。你は、狭い垂直スライスを選択し、1つの具体的なユースケース、1つのセットのワークフローを選択し、そこで必要な信頼とオーケストレーションを構築する方がずっと良いでしょう。薄くして、正しくして、人間をループの端に保ち、そして拡大します。那が、速く動きながら説明責任を維持し、混乱を避ける方法です。
大規模なグローバル製品およびエンジニアリングチームを率いた経験から、AIがエンタープライズの持続可能な機能になるために、組織や文化のどのようなシフトが必要です。断続的なパイロットではなく、エージェント型AIを構築するには?
ほとんどのエンタープライズには「AIの問題」がないです。知識とワークフローの問題があります。最初のシフトは、ポイントソリューションに夢中になるのを止め、データウェアハウスから連携された知識ウェアハウスに移動することです。すべての知識がシロに住み、AIがシロの上のチョコレートである限り、パイロットだけが得られます。
そこから、より難しい問題に特定の順序で取り組む必要があります。ステップ1は、現実からハYPEを分離し、機能しているものを採用することです。ステップ2は、知識層を再構築して、別のレポートがシステムに埋もれるのではなく、共有された連携されたコンテキストにすることです。ステップ3は、信頼層が実際に機能するワークフローを再考することです。今日のほとんどの仕事は、人々、スキル、ローカルな知識のシロに組織されています。如果あなたがそれを変えない場合、エージェントはただ別のツールになり、同じ古いボトルネックを周囲に回ります。
それからこそ、文化のシフトが必要です。那は、変化管理の問題であり、テクノロジーの問題ではありません。実際の分散型リーダーシップのようです。先端の人物はワークフローを理解し、摩擦を指摘することを恐れず、そこにエージェントを投入することを楽しみにしています。那は、仕事を失うこと、ツールを失うこと、アイデンティティを失うことについて心配するのではなく、新しい機能と協力することについて真正に熱心である文化です。
ブロードバンドとテレコムを超えて、エージェント駆動型の運用AIを採用するために最も適した業界はどれですか。どのような条件がそれらを準備していますか?
私は、勝者を業界のラベルで選ぶのではなく、パターンについて考えています。ほとんどの垂直業界には、同じ根本的な課題があります。データシロと機能シロを構築してきたのではなく、顧客、従業員、製品の3つのライフサイクルにわたる1つのビューを持っていません。準備ができているのは、そこに気づき、それを認め、修正する用意があるものです。
そこから、条件は、ヘルスケア、フィンテック、リテール、クリティカルインフラストラクチャーなど、業界のラベルに関係なく、かなり似ています。複雑なワークフローが必要です。そこでは、人々がストレッチされています。実際の摩擦点があり、エージェントにコンテキストを提供するための十分な高品質のデータがあります。如果あなたが現在のワークフローをマッピングし、仕事が遅れたり積み上がったりする場所を確認し、ハンドオフが遅延を生み出す方法を理解し、それを連携された知識ウェアハウスで裏付けることができる場合、エージェント型AIは、驚くべきツールセットになります。
この世界では、「業界の準備」はリーダーシップについてです。企業のリーダーは、垂直テクノロジースタックに投資し、データを知識に変え、知識を連携させ、オーケストレーションと信頼のフレームワークを構築する用意があるかどうかです。汎用的なAIモデルと薄い水平レイヤーに頼るのではなく、それをステッチしてまとめるのではなくです。ビジネスはモデルではなく、成果についてです。本当の質問は、どのようにしてその成果をあなたの仕事の流れで提供するかです。
エンタープライズAIがマルチエージェントとマルチクラウド環境に向けて進化するにつれて、5年後の良いAIアーキテクチャとは何ですか。現在、システムを再構築することを避けるために、リーダーがどのような原則にコミットする必要がありますか?
5年後、AIの興味深い部分は、個々のエージェントやモデルではありません。エージェントが可能にするエージェントワークフローと、ビジネス価値を提供することです。エージェント自体は来て行きます。データ、知識、オーケストレーション、信頼、行動の層は続いて進化しますが、必要性は消えません。
那は、私がアーキテクチャよりもツールに重点を置いている理由です。私たちは、データウェアハウスから連携された知識ウェアハウスに移行し、脆いポイント統合からオープンでレイヤードなスタックに移行しています。この世界では、エージェントは異なるクラウドで実行され、異なる知識源に触れ、明確に定義されたインターフェイス上で互いに調整します。MCPは知識層で、エージェント間のプロトコルはオーケストレーションと信頼の層でです。
テクノロジーが改善されると、レイヤーごとに改善されたピースを交換することができます。全体を再構築する必要はありません。リーダーにとっての原則はシンプルです。モノリシックに構築しないでください。レイヤーを設計してください。データ、知識、オーケストレーション、信頼、行動がそれぞれ独立して進化できるようにします。フローを設計してください。特性ではありません。どのワークフローが重要か、顧客、従業員、製品のライフサイクルで「良い」ものは何かを明確にする必要があります。ガバナンスをエージェントレベルで設計してください。ゼロトラストを既定値とし、明確な「エージェントカード」を定義し、オーケストレーションを使用して何が緊急で重要か、重要だが緊急でないか、または単に実行する必要があるかを決定します。如果あなたがそれを行う場合、テクノロジーが変わるにつれて（常に変わる）、再構築することを心配する必要はありません。
素晴らしいインタビュー、詳細を知りたい読者は、Calixを訪問してください。
