Adam Field, Tungsten Automation의 Chief AI Officer – 인터뷰 시리즈

Adam Field, Tungsten Automation의 Chief AI Officer는 기업 기술 분야에서 오랜 경험을 가지고 있는 전문가로, 인공 지능, 지능형 자동화, 제품 전략에 대한 심오한 전문 지식을 보유하고 있습니다. 현재 그는 회사 전체의 AI 변혁 노력을 이끌고 있으며, Tungsten의 제품 포트폴리오 전반에 걸쳐 AI를 통합하고, Tungsten AI Lab를指导하며, 책임 있는 AI 채택을 위한 거버넌스 프레임워크를 수립하고 있습니다. Chief AI Officer가 되기 전에, 그는 Chief Product Officer로 재직하며, 연간 5억 5천만 달러 이상의 매출을 창출하는 제품 포트폴리오를 관리했습니다. Tungsten에 합류하기 전에, 그는 Pegasystems에서 거의 17년 동안 근무하며, 혁신 및 고객 경험과 관련된 다양한 업무를 수행하였습니다.

Tungsten Automation은 이전에 Kofax로 알려진 기업 소프트웨어 회사로, AI 기반 워크플로우 자동화, 지능형 문서 처리, 로봇 프로세스 자동화(RPA), 비즈니스 프로세스 오케스트레이션에 중점을 두고 있습니다. 이 회사는 문서 기반 작업을 스트림라인화하고 효율성을 개선하기 위해 금융, 헬스케어, 보험, 정부 등 다양한 산업 분야의 조직에서 사용하는 자동화 도구를 제공합니다. 이 회사의 플랫폼은 AI, 저코드 자동화, 문서 지능 기술을 결합하여 기업이 반복적인 작업을 자동화하고, 비정형 데이터에서 통찰력을 추출하며, 비즈니스 워크플로우를 대규모로 현대화하는 데 도움을 줍니다.

당신은 제품 전략 및 혁신을 이끌었으며, 혁신 랩을 구축하고 5억 달러 이상의 제품 포트폴리오를 확장한 후, Tungsten Automation의 Chief AI Officer로 전환했습니다. 이 역할로 전환하기로 결정한 이유는 무엇이며, 이전 경험은 어떻게 그 결정에 영향을 미쳤나요?

저는 경력의 대부분을 새로운 기술을 대규모로 기업 환경에서 작동하도록 만드는 데 집중해 왔습니다. 최근 몇 년 동안, AI는 단순히 제품에 통합되는 또 하나의 기능이 아니라, 소프트웨어가 구축되고 비즈니스에서 결정이 내려지는 방식을 재정의하는 것으로 밝혀졌습니다. 이 실험에서 결과를 기대하는 시대로의 전환과 AI가 영원히 남아 있을 것이라는 사실이 점점 더 분명해지면서, AI 리더십 역할로 완전히 전환하기로 결정했습니다.

또한 AI가 많은 사람들이 광고하는 만병통치약이 아니라는 것이 명백해졌습니다. AI 성공을 위해서는 기술 전문 지식과 산업 노하우를 결합한 사람들이 필요합니다. Tungsten은 기업들이 올바른 방법으로 AI를 사용하여 실제 결과를 얻을 수 있도록 도와주고자 합니다. 이것이为什么 Tungsten이 AI 오피스를 만들었고, 저의 역할을 만들었기 때문입니다.

Tungsten은 초기 문서 캡처와 OCR에서 전체 지능형 자동화 플랫폼으로 발전하여 수천 개의 조직에서 임무_CRITICAL 워크플로우를 구동합니다. 이 유산은 현재의 에이전트 AI 접근 방식에 어떻게 영향을 미치나요?

Tungsten의 역사는 기업이 실제로 운영하는 방식과 깊이 관련되어 있습니다. 우리는 문서와 워크플로우를 중심으로 비즈니스 프로세스의 핵심에 위치한 복잡하고 비정형화된 정보를 다루는 데 десяти년간을 보냈습니다.

이러한 배경은 에이전트 AI에 매우 관련이 있습니다. 이러한 시스템은 실제 환경에서 작동해야 하며, 단순히 정보를 해석하는 것이 아닙니다. 문서 지능에 대한 우리의 전문 지식은 AI가 비즈니스 운영 방식과 일관된 방식으로 작동하도록 하는 데 집중할 수 있도록 합니다. 생산 환경에서 신뢰할 수 있는 시스템을 구축하는 것이 목표입니다.

이것이이 최신 AI 진화가 इतन 흥미로운 이유입니다. 지능형 문서 처리를 이전에 불가능했던 문제를 해결할 수 있는 곳으로 가져옵니다.

당신은 전체 제품 포트폴리오 전반에 걸쳐 AI를 통합하는 것의 중요성을 강조했습니다. 대규모 소프트웨어 플랫폼에서 “AI 네이티브” 변환은 실제로 무엇을 의미하나요?

초기에는 생성형 및 에이전트 AI 기반 기능이 빠르게 표준이 되고 있으며, 고객들은 추가 비용을 지불하지 않으려는 것으로 나타났습니다. 또한 이러한 기술이 Tungsten이 수년간 해온 것을 현대화하는 데 도움이 된다는 것을 깨달았습니다. 즉, 기업이 문서 데이터를 이해하는 것을 도와주는 것입니다.

우리는 브랜드 약속을 변경하지 않았으며, 일회성 제품이나 볼트온 기능을 만들지 않았습니다. 제품이 사용되는 방식을 재구성했으며, 이 基盤이 마련되면 AI가 제품 내에서 자연스럽게 작동할 수 있습니다. 고객이 해결하는 사용 사례는 구조화된 문서에서 비정형 정보源으로 이동했습니다. 또한 “문서”의 정의를 재정의했습니다. 문서는 더 이상 종이 이미지나 디지털 파일이 아닙니다. 비정형 데이터는 청구 조정자 노트, 연락 센터 콜 전사, 소셜 미디어 게시, 웹 기사 등에 존재합니다.

이 접근 방식으로 고객은 기초를 강화하고 개방형 모델을 자신의 고유한 데이터와 결합하여真正한 차별점을 만들 수 있습니다.

당신은 혁신 속도와 거버넌스, 보안, 책임 있는 AI 배포의 필요성 사이에서 균형을 유지하는 방법은 무엇인가요?

AI에서 빠르게 이동하고 싶은 압력이 항상 있지만, 기업 환경에서는 신뢰가 속도만큼 중요합니다. 거버넌스와 보안은 사후 처리로 다루어져서는 안 됩니다. 시스템의 처음부터 구축되어야 합니다.

우리는 사용자에게 처음부터 기대를 설정함으로써 이를 달성합니다. 예를 들어, 제 역할의 절반은 내부 AI 전략, 전도, 거버넌스에 집중되어 있습니다. 우리는 초기에跨機能 자문위원회를 구성했습니다. 우리는 공유, 실험, 의사 소통을 권장합니다. 때때로 기술이 여러 내부 시스템에 연결된 모든 직원에게 출시 준비가 된 경우, 원형은 강력했으며 모든 사람을 흥奮させ었지만, 우리는 자문 팀에게 потен적인 보안 또는 규제 장벽에 부딪혔을 때 알려줍니다. 그들은 통찰력을 감謝하며 종종 해결에 참여합니다.

또한 완벽함을 진행의 방해물로 만들지 말아야 한다고 생각합니다. 우리는 직원에게 변경을 기대하고, 많은 변경을 기대하도록 교육합니다. 그들은 도구와 기능이 준비되면 롤아웃되고, 피드백을 받고, 필요에 따라 변경하고, 다시 롤아웃될 것을 기대해야 합니다.

에이전트 AI는 산업 전반에서 주요 초점이되고 있습니다. 실제 기업급 에이전트 시스템과 실험적 또는 과대평가된 구현을 구분하는 것은 무엇인가요?

실제 조건에서 시스템이 수행하는 방식이 핵심 차이입니다. 많은 실험적 접근 방식은 제어된 환경에서 잘 작동하지만, 메시지한 데이터나 복잡한 워크플로우를 만날 때 어려움을 겪습니다. 기업급 시스템은 이러한 가변성을 처리하고 일관된 결과를 제공해야 합니다.

최근 30년 동안 대부분의 시스템은 인간 상호 작용이나 매우 제어된 API 액세스를 위해 구축되었습니다. 에이전트가 상호 작용할 때 시스템 통합을 재고해야 합니다. 예외, 오류, 감사 처리 등 모든 것이 다릅니다.

또 다른 중요한 요인은 책임입니다. 조직은 결정이 어떻게 내려지는지 이해할 수 있어야 하며 결과를 신뢰할 수 있어야 합니다. 이러한 투명성이 에이전트 시스템을 실제 운영 환경에서 사용할 수 있도록 합니다.

당신은 Tungsten AI Lab를 연구 및 적용된 혁신의 허브로 이끌고 있습니다. 어떻게 실험적 AI 작업이 고객에게 측정 가능한 비즈니스 결과를 가져오도록 보장합니까?

저는 사실 Tungsten AI Lab에서 반대 접근 방식을 취했습니다. 팀에게 실험, 학습, 새로운 접근 방식 시도를 허용했으며, 결과가 제품에 반영되지 않아도 괜찮다고 했습니다. 종종 무엇을 하지 말아야 하는지 배우는 것이 더 좋습니다. 이것이 그들에게 자유를 주어 새로운 방식으로 생각하고 실험할 수 있도록 했습니다.

예를 들어, 현재 연구 스프린트 중 하나는 기존 제품 구성 요소에 대한 완전히 새로운 접근 방식입니다. 연구원들은 새로운 문제 해결 방법을 발견했으며, 이는 완전히 새로운 고객용 솔루션을 제공할 수 있을 것이라는 깨달음으로 이어졌습니다. 만약 우리는 이미 로드맵에 있는 것을 구현하는 방법만 연구했다면, 우리는 결코 여기까지 오지 못했을 것입니다.

그렇지만 이것은 자유 방임이 아닙니다. 우리는 시간과 자원을 어디에 투자할지 신중하게 생각합니다.

많은 조직은 아직 AI 파일럿을 프로덕션으로 이동하는 데 어려움을 겪고 있습니다. 가장 큰 장벽은 무엇이며, 기업은 어떻게 이를 극복할 수 있나요?

가장 큰 장벽 중 하나는 암흑 데이터입니다. 대부분의 조직은大量의 정보에 접근할 수 있지만, 그 중 많은 부분이 문서, 이메일, PDF 및 기타 비정형 형식으로 존재하여 AI 시스템이 해석하기 어렵습니다. 이는 잘 설계된 모델이 비즈니스에 대한 불완전하고 일관되지 않은 관점으로 작동하여 신뢰할 수 없는 출력과 중단된 이니셔티브를 초래합니다.

이를 극복하기 위해 기업은 암흑 데이터를 사용 가능한 데이터로 전환하는 데 중점을 두어야 합니다. 이는 정보를 추출하는 것뿐만 아니라, 구조, 컨텍스트, 거버넌스를 생성하여 AI 시스템이 신뢰할 수 있는 방식으로 작동할 수 있도록 하는 것을 의미합니다. 이러한 基盤이 구축되면 AI는 훨씬 더 신뢰할 수 있고, 고립된 파일럿에서 실제 프로덕션 환경으로 확장하기가 더 쉬워집니다.

Tungsten은 문서 기반 산업과 워크플로우 집약적인 산업에서 작동합니다. AI는 기업이 비정형 데이터와 의사 결정에 대해 어떻게 생각하는지 변경하고 있나요?

AI는 기업이 이미 가지고 있는 정보의 가치에 대해 어떻게 생각하는지 변경하고 있습니다. 수년 동안,大量의 기업 지식은 문서, 이메일, PDF 및 기타 비정형 콘텐츠에 존재하여 접근이나 운영화가 어려웠습니다. 이제 기업은 이러한 데이터가 AI 시스템이 신뢰할 수 있는 결과를 생성하기 위해 필요한 컨텍스트와 비즈니스 논리를 포함하고 있음을 깨닫고 있습니다.

同時에, 데이터 주권, 거버넌스, 기업 정보가 흐르는 방식에 대한 인식이 증가하고 있습니다. 많은 기업은 외부 데이터를 가져오거나 광범위한 모델 액세스를 실험하는 데 경쟁하지만, 실제로는 이미大量의 미탐색된 지능을 가지고 있습니다. 내부 비정형 데이터를 안전하고 거버넌스된 방식으로 활성화하여 AI가 더 나은 의사 결정을 지원할 수 있도록 하는데 초점이 맞춰지고 있습니다.

당신은 고객 자문위원회를 구축하고 경력 전반에 걸쳐 기업 클라이언트와密接하게 협력했습니다. 고객 피드백은 특히 기술이 빠르게 발전하는 경우 AI 전략을 형성하는 데 얼마나 중요합니까?

고객 피드백은 특히 AI와 같은 빠르게 발전하는 분야에서 매우 중요합니다. 이는 전략이 실제 비즈니스 필요성에 기반하여 유지되도록 도와줍니다.

또한 이것은 우선순위를 정하는 데 도움이 됩니다. AI는 많은 방향으로 갈 수 있지만, 고객 입력은 가장 큰 가치를 창출할 수 있는 곳에 대한 명확성을 제공합니다. 이것은 결과가 중요하다는 것을 의미하며, 혁신이 실제로 기업이 운영하는 방식과 일관성을 유지하도록 합니다.

앞으로 3~5년 동안 AI 기반 자동화의 가장 큰 기회는 어디에 있나요? 기업은 지금 무엇을 준비해야 합니까?

가장 큰 기회는 AI를 더 깊게 워크플로우에 연결하는 것입니다. 단일 작업에 초점을 맞추지 말고, 조직이 전체 프로세스를 지원하고 비즈니스에서 작업이 이동하는 방식을 개선하는 방법을 살펴보세요. 현재 많은 에이전트 시스템이 별도의 작업에针对되어 있지만, 비즈니스는 종종 종단간 프로세스에 따라 운영됩니다.

이 변화를 준비하기 위해 기업은 데이터 基盤과 투명성 및 제어를 지원하는 시스템에 투자해야 합니다. 또한 “빌드 대 파트너”를 생각해야 합니다. 우리는 AI DIY가 자주 실패하는 것을 보았습니다. 가장 많은 이익을 얻는 조직은 솔루션을 가속화하기 위해 올바른 AI 기반 파트너를 찾는 것입니다.

위대한 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 Tungsten Automation을 방문하십시오.