에라 테크놀로지의 공동 설립자이자 CEO인 프레드 라루요 – 인터뷰 시리즈

프레드 라루요, 에라 테크놀로지의 공동 설립자이자 CEO는 분석, 자동화, 의사 결정의 교차점에서 기업 소프트웨어를 구축하고 운영한 경험을 가진 베테랑 기업 소프트웨어 임원입니다. 에라를 설립하기 전에 그는 Anaplan의 CEO를 역임했으며 SAP에서 재무, 성과 관리, 위험, 판매, 기업 개발을 포함한 여러 고위급 리더십 역할을 수행했습니다. 그의 경력 초기에는 비즈니스 오브젝트와 ALG 소프트웨어의 임원 직책에서 일했으며, 트랜스크립트 테크놀로지의 설립자이기도 합니다. 이는 글로벌 소프트웨어 조직을 확장하고 복잡한 데이터를 비즈니스 결과로 번역하는 데 수십 년의 경험을積累했습니다.

에라 테크놀로지는 대규모 기업이 더 빠르고 정밀하게 운영할 수 있도록 설계된 AI 기반 의사 결정 지능 소프트웨어를 개발합니다. 회사의 플랫폼은 조직과 외부 환경에서 데이터를 지속적으로 분석하여 실시간으로 추천 및 자동화된 작업으로 변환합니다. 대시보드가 아닌 의사 결정에 초점을 맞춤으로써 에라는 조직이 반응형 분석에서 예측형, 지속적으로 개선되는 운영으로 전환하도록 도와줍니다.

당신은 여러 기업 소프트웨어 회사들을 설립하고 운영했습니다. 초기에 트랜스크립트 테크놀로지를 구축한 이후 Anaplan을 운영했고, 현재 에라 테크놀로지의 공동 설립자입니다. 대규모 기업에서 의사 결정 지능이 독립적인 카테고리로 존재해야 한다는 문제는 무엇이었으며, 2017년 에라를 구축하기에 적절한 시점이 된 이유는 무엇입니까?

나는 에라가 존재하기 훨씬 전부터 이 문제에 대해 작업해 왔습니다. 2010년, SAP에서 일할 때, 나는 대규모 기업이 직면할 가장 큰 도전은 경제의 디지털화와 함께 의사 결정과 실행을 충분히 빠르게 하는 것이라고 믿는 글을 썼습니다.

세 가지 힘이 충돌했습니다 – 볼륨, 복잡성, 속도. 의사 결정은 더 세부적인粒度로 이동했으며, 영향의 지점에 더 가깝게 이동했지만, 기업은 여전히 사람, 도구, 프로세스의 깊은 피라미드 구조로 구성되어 있었으며, 이는 단순히 확장할 수 없었습니다.

진짜 질문은 기술의 힘을 어떻게 트랜잭션 수준으로 가져올 수 있는가였습니다.洞察이나 대시보드가 아니라, 기계가 의사 결정하고, 지속적으로 모든 의사 결정에서 배우며, 인간이 통제하는 것입니다.

2017년은 우리가 초기에 시작한 시점입니다. 시장은 아직 완전히 준비되지 않았으며, 우리는 준비가 되지 않았습니다. 이것이 스타트업의 본질입니다. 명확한 비전으로 시작하여 시장의 성숙을 기다리며 초기에 구축합니다. 에라의 경우, 몇 년이 걸렸습니다. 그리고 COVID-19는 도움이 되지 않았습니다. 그러나 우리의 핵심 비전이 초기 형성에서 변하지 않았으며, 플랫폼과 시장은 에라가 의사 결정 지능 카테고리에서 선두 주자로 등장하고 세계 최대의 조직과 협력할 수 있도록 진화했다는 것을 보면서 흥미롭게 지켜보았습니다.

현재 AI 에이전트에 대한 많은 논의가 있습니다. 그러나 당신은 단순한洞察만으로는 충분하지 않다고 명확히 했습니다. CIO들이 소음에서 벗어나기 위해 분석, AI 지원 추천, 그리고 진정한 의사 결정 지능의 차이를 어떻게 설명합니까?

전통적인 분석 및 비즈니스 인텔리전스 도구는 무엇이 발생했는지 알려줍니다. AI는 무엇이 발생할지 예측하는 데 도움이 될 수 있습니다. AI 지원 추천은 옵션을 제안하지만, 여전히 인간이 결정하고 행동해야 합니다.

의사 결정 지능은 정적인 대시보드나 일회적인 추천을 넘어선다. 의사 결정의 연속적인 학습 루프를 통해 의사 결정의 가속과 개선을 운영하며, 데이터, 분석, AI, 자동화를 사용하여 의사 결정의 트레이드오프를 평가하고 시나리오를 시뮬레이션하고, 비즈니스 목표에 맞춰 실시간으로 행동을 실행하고 모니터링합니다.

AI는 수요 예측이나 워크플로 최적화를 도와줄 수 있지만, 의사 결정 지능은洞察에 어떻게 행동할 것인지 결정합니다. 비용, 위험, 서비스 수준, 운영 제약을 기업 전반에 걸쳐 균형을 맞추는 것입니다.

에라는 자율 주행 기업을 가능하게 하는 것으로 종종 묘사됩니다. 실제로 대규모 조직 내에서 이것은 무엇을 의미합니까? 그리고 어느 의사 결정은 현실적으로 이러한 수준의 자동화를 위해 준비되어 있습니까?

자율 주행 기업에 대해 이야기할 때, 이것은 통제 없이 자율성을 의미하지 않습니다. 우리의 비전은 처음부터 기계가 의사 결정하고, 인간이 의사 결정에 대한 지침과 제약을 제공하는 방향으로 이동하는 것이었습니다.

실제로 에라는 의사 결정 에이전트로 작동합니다. 데이터를 이해하고, 트리거를 감지하고, 트레이드오프를 평가하고, 행동을 추천하고, 기업 시스템에서 직접 의사 결정합니다. 에라를 사용하여, 인간은 더 이상 대시보드를 관리하지 않습니다. 의사 결정에 대한 지침과 제약을 제공하는 간단한 동의 또는 거부 상호작용을 통해 의사 결정에 대한 통제를 유지합니다.

현재 자동화할 수 있는 의사 결정은 높은 볼륨과 반복 가능하며, 속도가 중요하며, 수동 조정이 가장 비효율적인 곳입니다. 재고 재조정, 구매 주문 우선순위, 매개변수 변경 등이 있습니다.

당신은 글로벌 기업을 통해 공급망, 재무, 운영에 걸쳐 작업했습니다. CIO들은 의사 결정 지능에서 가장 빠르고 가장 구체적인 결과를 어디에서 볼 수 있습니까? 그리고 이것은 작업 자본, 서비스 수준, 또는浪費 감소에 대한 반환으로 나타납니까?

CIO들은 의사 결정 지능에서 가장 빠르고 구체적인 결과를 볼 수 있는 곳은 의사 결정이 높은 볼륨과 반복 가능하며, 비용, 용량 또는 서비스 트레이드오프에 의해 제약되는 곳입니다. 공급망과 운영에서, 이것은 종종 재고 재조정, 구매 주문 우선순위, 물류를 포함합니다. 이것은 자동화된 실행을 통해 작업 자본, 서비스 수준,浪費 감소에서 측정할 수 있는 이익을 제공합니다.

예를 들어, 글로벌 생명 과학 회사에서는 의사 결정 지능을 사용하여 수요를 지속적으로 모니터링하고, 자동으로 구매 주문 취소 또는 감소를 요청하며, 응답을 확인하고, 변경 사항을 확인합니다. 이 기능은 연간浪費 감소에서 수백만 달러를 제공하며, 또한 트럭 마일과 관련된 온실 가스(GHG) 배출을 줄입니다.

조직이洞察 생성에서 자동화된 의사 결정 실행으로 이동할 때, 당신이 보는 가장 일반적인 블로커는 무엇입니까?

도전은 종종 단독 AI 도구로 실험을 시작하는 팀에서 발생합니다. 그들은 하나의 워크플로우를 자동화할 수 있지만, 의사 결정을 일관되게 비즈니스 전반에 걸쳐 운영화하는 데 어려움을 겪습니다. 구성 가능한 의사 결정 플랫폼이 없으면, 이러한 노력은 관리, 확장 또는 조건의 변경에 따라 적응하기 어렵습니다.

또 다른 일반적인 블로커는 의사 결정이どこ에서 고장나는지에 대한 명확성이 부족합니다. 회사들은 AI와 예측에 투자하지만, 재고가 쌓이거나 예측이 맞지 않거나 물류가 부족한 이유를 정확히 파악하지 못합니다. 의사 결정의 조각난 가시성이 문제를 복잡하게 합니다.

성공하는 팀은 명확한, 높은 영향力的 사용 사례에서 시작하여 추천과 실행을 통해 신뢰를 구축하고, 점진적으로 자동화를 진행합니다. 그 후에, 그들은 의사 결정이 지속적으로 적응하고 개선됨에 따라 확장할 수 있습니다.

에이전트 AI는 산업 전반에서 뜨거운 키워드가 되고 있습니다. 에이전트가 의사 결정 지능 플랫폼에 어떻게 적합하고, 어디에서 기업이 자율성과 인간의 감독 사이에서 주의해야 합니까?

의사 결정 지능에서 에이전트는 감독된 의사 결정 시스템에 내장된 경우에 가장 큰 가치를 제공합니다. 에라의 의사 결정 클라우드 플랫폼에서 에이전트는 협調된 팀으로 작동하며, 각 에이전트는 특정 능력을 기여합니다. 시나리오를 시뮬레이션하고, 실시간 신호를 통합하며, 실행 가능성을 검증하며, 금융적 영향을 평가하며, 행동을 실행합니다. 모든 것이 단일 의사 결정 주변에서 조정됩니다.

기업이 주의해야 할 곳은 자율성 없이 관리하는 것입니다. 실제로 에이전트의 의사 결정은 항상 인간에 의해 지시됩니다. 인간 팀은 매개변수와 목표를 설정하며, 성과를 모니터링하며, 가정을 테스트하며, 데이터 품질을 관리합니다. 시스템은 지속적으로 실행될 수 있지만, 인간이 의사 결정이 어떻게 진화하는지에 대한 통제를 유지합니다. 이러한 균형이 에이전트 AI를 확장 가능하고, 신뢰할 수 있고, 기업에서 안전하게 만듭니다.

의사 결정이 수익, 고객, 또는 규제에 영향을 미칠 때, 신뢰는 매우 중요합니다. 에라는 어떻게 의사 결정이 설명 가능하고, 감사 가능하며, 방어 가능하게 만듭니까? 특히 규제 환경에서?

신뢰는 투명성에서 시작합니다. 모든 의사 결정에 대해 에라는 전체 컨텍스트를 캡처합니다. 사용된 데이터, 추천, 추천背後의 논리, 의사 결정, 결과를 포함합니다. 시스템이 실행되고 새로 고칠 때, 의사 결정 결과를 모니터링하고 측정하여 의사 결정 개선을 지속적으로 합니다.

우리는 이것을 자동 의사 결정 학습이라고 합니다. 의사 결정 성과에 따라 에라는 추천에 대한 신뢰도 점수를 계산합니다. 근본 원인, 트레이드오프, 예상 영향을 설명합니다. 사용자는 추천과 함께 명확한 이성과 92%의 신뢰도 점수를 볼 수 있습니다.

이 접근법은 자율적이지만 감독됩니다. 플랫폼의 의사 결정 지능 네트워크를 통해 사용자는 의사 결정, 행동, 결과에 대한 전체 가시성을 가지고 있습니다. 그들은 성과를 모니터링하고, 가정을 테스트하고, 데이터 품질을 관리하며, 논리를 시간이 지남에 따라 조정할 수 있습니다.

CIO와의 대화에서, 의사 결정 지능 시스템이 성숙함에 따라 인간의 역할은 어떻게 진화하고, 기계가 더 많은 운영 의사 결정을 맡게 됨에 따라 어떤 기술이 더 중요해집니까?

의사 결정 지능이 성숙함에 따라, 인간의 역할은 사라지지 않습니다. 가치 사슬의 상위로 이동합니다. 우리는 사람들로부터 수동으로 의사 결정을 실행하는 것에서, 의사 결정을 설계하고, 관리하고, 개선하는 방향으로 이동하고 있습니다.

소비자 패키지드 구즈 회사에서 전통적인 플래너 역할은 이미 의사 결정 분석가로 진화하고 있습니다. 그들은 결과를 모니터링하고, 트레이드오프를 이해하며, 시간이 지남에 따라 의사 결정 논리를 개선합니다. 그들과 함께, 의사 결정 아키텍트는 의사 결정이 기계에 의해 어떻게 hành동할지에 대한 의도, 제약, 가드레일을 정의합니다.

가장 중요한 기술은 판단, 시스템 수준의 사고, 그리고 올바른 의사 결정의 프레임을 만드는 능력입니다. 인간은 기계가 hành동하는 방식에 대한 통제를 유지하지만, 개별 행동마다 통제하지는 않습니다.

가트너의 첫 번째 매직 쿼드런트 สำหร기 의사 결정 지능 플랫폼은이 카테고리가 주류로 진입하고 있음을 나타냅니다. 다음 몇 년 동안 리더 벤더와 후발주자 벤더를 구분하는 능력은 무엇이라고 생각합니까?

가트너의 초대 매직 쿼드런트에서 의사 결정 지능 플랫폼의 리더로 선정된 우리는 강력한 실행과 의사 결정 수명 주기 전반에 걸쳐 포괄적이고 구성 가능한 기능을 제공하는 능력으로 정의된 리더십을 보았습니다. 가트너의 동반 임계 능력 연구에서 에라는 의사 결정 분석, 의사 결정 엔지니어링, 의사 결정 과학, 의사 결정 스튜어드십을 포함한 주요 의사 결정 사용 사례에 걸쳐 성과를 인정받았습니다. 플랫폼이 모델링, 운영, 관리 및 지속적인 개선을 위해 의사 결정을 어떻게 평가하는지 평가했습니다.

우리는 리더 벤더가 또한 의사 결정 시스템에 고급 AI 기술을 통합하는 능력으로 구분될 것이라고 믿습니다. 이것은 구성 가능한 플랫폼이 필요하며, 비즈니스에게 로우 코드와 자연어 인터페이스를 통해 접근 가능하며, 규모에 따라 보안 및 규제 요구사항을满足하기 위해 관리됩니다. 궁극적으로, 가장 강력한 벤더는 의사 결정 지능을 지속적으로 학습하고 개선하는 운영 레이어로 내장할 것입니다. 단순히 팀이 관리해야 하는 또 다른 응용 프로그램이 아닙니다.

조직이洞察과 행동 사이의 간격을 인식할 때, 에라의 플랫폼은 어떻게 실제로이를 닫는 데 도움이 되며, CIO가 측정 가능한 비즈니스 영향을 달성하기 위해 첫 번째 배포에서 무엇을 기대할 수 있습니까?

洞察과 행동 사이의 간격을 닫는 것은 일상적인 운영에서 의사 결정을 운영화하는 것으로 시작됩니다. 에라의 플랫폼은 CIO가 의사 결정을 지속적인 프로세스로 다룰 수 있도록 해줍니다. 결과를 모니터링하고, 트레이드오프를 테스트하고, 성과를 개선합니다. 이것은 종종 의사 결정 센터에서 이루어지며, 팀이 의사 결정이 어떻게 만들어지고 실행되는지에 대한 통제를 유지합니다.

에라는 데이터, 분석, 비즈니스 규칙, AI, 자동화를 단일 구성 가능한 플랫폼에서 통일하여洞察에서 실행 및 학습까지 의사 결정을 구동합니다. 구성 가능한 아키텍처는 IT가 관리 및 보안을 유지할 수 있도록 하며, 비즈니스 팀이 의사 결정 흐름을 정의하고, 적응하고, 진화하도록 허용합니다. 결과가 캡처됨에 따라, 의사 결정은 지속적으로 개선되고, 팀은 판단, 전략, 예외에 집중할 수 있습니다.

성공적인 첫 번째 배포는 일반적으로 10-12 주 안에 높은 영향力的 의사 결정 사용 사례에서 측정 가능한 결과를 보여주며, 의사 결정을 끝까지 실행하고 지속적으로 개선합니다. 이것은 기업 규모에 대한 반복 가능한 블루프린트를 만듭니다.

감사합니다. 더 많은 정보를 원하는 독자는 에라 테크놀로지의 웹사이트를 방문할 수 있습니다.