Don Schuerman, Pegasystems의 CTO – 인터뷰 시리즈

Don Schuerman은 Pegasystems의 최고 기술 책임자이자 제품 마케팅 부사장으로, Pega의 플랫폼과 고객 관계 관리(CRM) 애플리케이션을 담당합니다.

그는 20년 이상의 경험을 가지고 있으며, 포춘 500 기업을 위한 엔터프라이즈 소프트웨어 솔루션을 제공해 왔으며, 디지털 변환, 모바일, 분석, 비즈니스 프로세스 관리, 클라우드 및 CRM에 중점을 두고 있습니다.

Pegasystems는 비즈니스 변화를 위한 실시간 최적화를 제공하는 강력한 플랫폼입니다. 이 플랫폼을 통해 고객은 엔터프라이즈 AI 의사 결정 및 워크플로 자동화를 사용하여 핵심 비즈니스 문제를 해결할 수 있습니다. 1983년에 설립된 Pegasystems는 현재 고객의 요구를 충족하는 동시에 미래의 요구에 대응할 수 있는 확장 가능하고 유연한 아키텍처를 개발했습니다.

펩시의 광범위한 경험과 기술을 바탕으로, Pega GenAI는 어떻게 기업용 생성형 AI의 빠르게 발전하는 환경에서 자신을 구별할 수 있습니까?

Pega는 수년 동안 AI 솔루션을 개발해 왔으며, 생성형 AI를 포함한 다양한 기술을 탐색해 왔습니다. 나는 Pega가 세 가지 측면에서 다른 기업과 차별화된다고 생각합니다.

첫째, 우리는 단순히 프로세스를 가속화하는 것이 아니라, 혁신을 추구합니다. 대부분의 엔터프라이즈 소프트웨어 벤더는 다양한 생성형 AI 봇, 에이전트 또는 공동 파일럿 기능을 출시했습니다. 그러나 이러한 도구는 경쟁 차별화를 제공하지 않습니다. 우리는 고객이 전체 비즈니스를 재창조할 수 있는 고유한 도구를 제공합니다. 예를 들어, Pega GenAI Blueprint는 최고의 애플리케이션 디자인을 몇 초 안에 제공합니다. 우리는 단순히 태스크를 자동화하는 것이 아니라, 비즈니스를 운영하고 혁신하는 방법을 근본적으로 재창조하고 있습니다.

둘째, 우리는 단순히 자동화만 하는 것이 아니라, 시작부터 끝까지 작업을 조직합니다. 다른 벤더는 이러한 생성형 AI 봇 기능을 뿌려 넣고 효율성을 높이기만 하면 된다고 생각합니다. 그러나 우리의 플랫폼은 산업을 선도하는 케이스 관리와 조직에 기반을 두고 있습니다. 이는 생성형 AI를 사용하여 자동화하는 것뿐만 아니라 전체 프로세스를 최적화할 수 있습니다.

셋째, 우리는 일반적인 생성형 AI 엔진이 아닙니다. 우리는 고객 참여와 워크플로 자동화를 위한 AI를 개발하고 있습니다. 때로는 창의적인 힘을 가진 생성형 AI가 필요하지만, 다른 경우에는 예측 AI 또는 의사 결정 AI가 더 적합할 수 있습니다.

您的 Forbes 기사 “비즈니스 혁신을 위한 고급 AI의 잠재력 해방“에서 생성형 AI가 비즈니스 운영을 재창조하는 잠재력을 언급했습니다. 구체적으로,_legacy 기업에서 생성형 AI가 비즈니스 운영을 재창조하는 데 어떻게 기여할 수 있습니까?

Deutsche Telekom (DTE.DE ) 의 디자인 담당 이사인 Daniel Wenzel은 PegaWorld iNspire에서 Pega GenAI Blueprint를 사용하여 HR 서비스 부서의 800개 이상의 별도 비즈니스 프로세스를 재창조하는 방법에 대해 발표했습니다. 그는 비즈니스와 IT가 동일한 언어를 사용하지 않아 프로세스를 개선하는 데 큰 장애물이 있음을 강조했습니다. Pega GenAI Blueprint는 비즈니스와 IT가 프로세스를 더 빠르게 이해하고 개선할 수 있도록 도와줍니다.

同じ 기사에서 현재 생성형 AI 애플리케이션의 한계에 대해 논의했습니다. 기업은 어떻게 생성형 AI의 전체적인 변革적 잠재력을 활용하여 단순한 생산성 향상만이 아닌 혁신을 달성할 수 있습니까?

대부분의 생성형 AI는 특정 프로세스의 속도를 높이는 일회성 기능으로 적용됩니다. 그러나 이러한 기능은 이제 일반적이며, 경쟁优势를 제공하지 않습니다. 요약 및 텍스트 생성과 같은 생산성 향상은 기본적으로 제공되어야 합니다. 비즈니스에서 시장에서 앞서기 위해서는 생성형 AI를 사용하여 새로운 비즈니스 방식을 혁신해야 합니다. 예를 들어, Gartner는 비즈니스 결과를 더 종합적으로 추진하는 새로운 기술 범주인 비즈니스 오케스트레이션 및 자동화 기술(BOAT)을 식별했습니다. 일회성 생성형 AI 기능은 그 자체로 충분하지 않습니다.

생성형 AI의 가장 유망한 기업용 사례는 무엇이며, 어떻게 기업이 이러한 사례를 효과적으로 구현할 수 있습니까?

가장 흥미로운 생성형 AI 기회는 프로세스에 최고의 실천을 주입하는 잠재력입니다. 생성형 AI를 사용하여 코드를 작성하는 것만으로는 기술 부채를 증가시킬 수 있습니다. 소프트웨어 디자인 프로세스에 지적 재산을 주입하는 것은 게임 체인저입니다. 이는 조직이 최적의 솔루션에 더 빠르게 도달할 수 있도록 해줍니다. 또한 비즈니스 사용자가 특정 요구 사항을 일반 언어로 입력하여 빠르게 개념에서 포괄적인 디자인으로 이동할 수 있습니다. Forrester는 최근 연구에서 AI를 사용하여 저코드 또는 모델 기반 디자인 시스템에 지적 재산을 주입하면 기업이 소프트웨어를 사용하는 방식을 근본적으로 변경할 것이라고 예측했습니다.

생성형 AI를 사용하여 제품 개발에서 시장 간극을 식별하는 방법에 대해 설명해 주시겠습니까? 실제 사례도 공유해 주시겠습니까?

우리의 Pega Customer Decision Hub는 고객과 1:1로 연결하여 다음 최적의 행동을 제공하는 예측 AI 솔루션입니다. 이는 고객에게 제품을 판매하거나 서비스 문제를 해결하거나 때로는 아무 것도 하지 않도록 도와줍니다. 생성형 AI를 사용하여 고객이 서비스를 받지 못한 고객을 식별하고 새로운 행동을 제안하여 이러한 그룹에 더 유익한 처리를 구축할 수 있습니다. 이는 조직이 일반적으로 다루지 못하는 시장 청중으로 확장하는 데 도움이 될 수 있습니다.

legacy 시스템이 있는 기존 기업은 어떻게 생성형 AI를 효과적으로 통합하여 더 민첩한 스타트업과 경쟁력을 유지할 수 있습니까?

legacy 시스템에 대한 기술 부채를 해결하는 데 중요한 시점에 접어들고 있습니다. 수십 년 동안 대규모 기업은 기술 부채를 해결하지 않고 방치해 왔습니다. 우리는legacy 시스템이 기업에 미치는 부담을 해결해야 합니다. 생성형 AI는 이러한legacy 시스템을 재설계하고 폐지하는 속도를 크게 가속화할 수 있습니다. 단순히 다시 코딩하는 것이 아니라, 워크플로와 프로세스 자체를 재창조하여 현대적인 클라우드 아키텍처에서 실행되고 디지털 경험을 제공할 수 있도록 합니다.

AI 전략을 구체적인 비즈니스 결과와 어떻게 연계할 수 있습니까?

많은 기업이 새로운 도구에 집중하는 대신에, 비즈니스 목표와 해결해야 할 문제를 먼저 정의해야 합니다. 도구에 집중하면 비즈니스에 최적화된 경로로 자신을 제한할 수 있습니다. 대신, 기업은 무엇을 달성하려고 하는지에 집중해야 합니다. 때로는 생성형 AI가 적합하지 않을 수 있으며, AI 의사 결정이 더 적합할 수 있습니다. 다양한 유형의 AI가 있으며, 다른 비즈니스 문제를 해결하는 데 더 적합합니다.

생성형 AI를 사용하여 기업이 운영을 혁신적으로 변화시키는 방법과 이를 통해 ROI를 최대화하는 전략은 무엇입니까?

개별 태스크에만 집중하지 마십시오. 이는 전체적인 비즈니스 워크플로와 달성하고자 하는 결과를 이해하는 것을 방해할 수 있습니다. 생성형 AI를 사용하여 프로세스를 분석하고 다양한 산업에서 최고의 실천을 주입할 수 있습니다. 이는 기업이 핵심 워크플로를 재창조하고 혁신을 추진하는 데 도움이 될 수 있습니다. 예를 들어, AI를 사용하여 새로운 운영 모델을 설계하거나 기존 모델을 재설계하여 효율성과 혁신을 개선할 수 있습니다. 성공을 측정하는 명확한 지표를 설정하고 이러한 통찰력을 기반으로 접근 방식을 정기적으로 개선해야 합니다. 비즈니스를 의미 있게 변화시키기 위해 AI를 활용함으로써, 기업은 상당한 가치를 잠금할 수 있고 경쟁에서 앞서갈 수 있습니다.

어떤 산업이 워크플로를 재설계하는 데 생성형 AI를 사용하여 혜택을 받을 수 있습니까? 이러한 산업은 어떻게 이러한 접근 방식을 구현해야 합니까?

거의 모든 조직은 워크플로를 개선함으로써 보편적으로 혜택을 받을 수 있습니다. 특히 빠르게 변화하는 시장에서 이는 더욱 중요합니다. 금융 서비스, 텔레콤, 헬스케어와 같은 서비스 산업은 효율성을 개선하고 비용을 줄이고 고객에게 더 나은 결과를 제공하기 위해 워크플로를 최적화하는 데 큰 이익을 얻을 수 있습니다. 이러한 산업은 복잡하고 데이터 집약적인 프로세스를 처리하며, 효율성을 개선하고 비용을 줄이고 고객에게 더 나은 결과를 제공하기 위해 압력을 받고 있습니다.

‘인간-루프’ 접근 방식은 고객과 직접 접촉하는 역할에서 생성형 AI의 효과성과 윤리적인 배포를 어떻게 강화합니까?

생성형 AI는 강력하지만, 항상 정확하거나 적절한 출력을 생성하지 않을 수 있습니다. 인간의 감독을 통합함으로써, 우리는 AI 생성된 콘텐츠의 부정확성 또는 윤리적인 문제와 같은 위험을 완화할 수 있습니다.

예를 들어, 고객 서비스에서 AI는 응답과 추천을 생성할 수 있지만, 이러한 출력을 검토하는 인간은 회사의 가치와 고객의需求에 부합하는지 확인합니다. 이는 투명성과 책임성을 유지하는 데 중요합니다. 특히 AI 모델이 올바르지 않거나 오도할 수 있는 정보를 생성할 때 더욱 중요합니다.

인간-루프 접근 방식은 생성형 AI의 약점을 강점으로 전환할 수 있습니다. 생성형 AI는 워크플로 디자인에 대한 새로운 접근 방식을 제안하는 브레인스토밍 파트너로 사용할 수 있습니다. 인간은 최종 결정자이며, 생성형 AI는 원래의 사고를 강조하고 인간이 ‘소의 길을 다시 포장하는’ 것을 피하는 데 도움이 됩니다.

위대한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Pegasystems를 방문하십시오.