Shane Eleniak, Calix의 Chief Product Officer – 인터뷰 시리즈

Shane Eleniak는 Calix의 Chief Product Officer로, 회사의 산업을 선도하는 플랫폼과 SaaS 솔루션의 전략적 비전과 실행을 담당합니다. 통신 서비스 제공업체가 비즈니스와 가입자 경험을 간소화할 수 있도록 하는 것을 중점으로, Shane는 제품 수명 주기의 모든 단계를 감독합니다.

그의 리더십 아래, Calix는 광대역 산업의 선구자로서 지속적으로 혁신적인 도구를 제공하여 제공업체가 경쟁하고 승리할 수 있도록 했습니다.

Calix는 미국 기반의 기술 회사로, 광대역 및 통신 서비스 제공업체를 위한 클라우드, 소프트웨어 및 관리 서비스 플랫폼을 제공합니다. 핵심 제품은 클라우드 인프라, 데이터 및 네트워크 시스템을 통합하여 제공업체가 운영을 간소화하고 고객 참여를 개선하며 더 개인화된 디지털 경험을 제공할 수 있도록 하는 AI를 사용하는 광대역 플랫폼입니다. 이러한 제공업체를 기본 연결 서비스에서 전체 “경험 제공업체”로 전환하여 수익을 증가시키고 가입자忠誠도를 높이고 더 발전된 광대역 서비스를 통해 커뮤니티의 디지털 변화를 지원하는 데 도움이 됩니다.

您的 경력은 3십년 이상 엔지니어링, 네트워킹, 클라우드 플랫폼 및 대규모 제품 리더십을 포함합니다. 이러한 경험은 비즈니스 내에서 AI가 실제 작업을 수행하는 데 필요한 사항에 대한您的 관점을 어떻게 형성했나요?

전통적인 통신 및 네트워킹에서 시작하여, 데이터 경로와 규모에 따른 신뢰성이 전체 게임이었습니다. 만약 깨끗하고 신뢰할 수 있는 서비스를 제공할 수 없다면, 위에 구축된 모든 것이 중요하지 않습니다. 그 때, 전화기는 주방 벽에 있었고, 내부 배선은 절대 이동하지 않았고, 다이얼 톤이 있는 한 모든 것이 괜찮았습니다.

광대역과 인터넷이 이를 바꿨습니다.突然, 그것은 “켜져 있나요?”가 아니었습니다. 그것은 이더넷과 와이파이, 게임 콘솔과 태블릿을 사용하는 아이들, 클라우드 스프레드시트에서 협업하는 줌 콜, 그리고 끊임없는 이동성 – 집 안의 장치, 마당, 축구 경기, 커피숍 – 가입자 경험은 단순한 이진 상태 이상으로 복잡해졌습니다. 그리고 서비스 제공업체의 세계는 매우 동적이게 되었습니다. 이러한 세계에서, 데이터의 후방 관점 – 전통적인 데이터 웨어하우스와 역사적인 보고서 -는 충분하지 않습니다.您는 데이터를 수집하여 경험을 이해하고 실시간으로 통찰력을 생성해야 합니다. 가입자들은 더 이상 문제가 해결되기를 기다리지 않고, 예방적으로 문제가 해결되기를 기대합니다.

그것은 내가 AI에 대해 생각하는 방식을 형성했습니다. 대부분의 사람들은 기존 데이터 레이크 위에 AI를 올리는 것과 같은 방식으로 AI를 올립니다. 내 경험에 따르면, 더 깊이 생각하고 실시간으로 행동할 수 있는 통찰력과 적절한 조치를 취할 수 있는 능력을 설계해야 합니다.

그러나 가입자에게는 기대가 많이 변하지 않았습니다. 그들은 여전히 안전하고 관리되는 연결이 다이얼 톤만큼 간단하게 느껴지기를 원합니다. 그들은 모든 것을 생각하지 않고 모든 것이 “작동”하도록 원합니다. 그리고 그들은 삶의 모든 곳에서 그것을 원합니다. 내 통신 및 클라우드 경력은 매우 복잡한 시스템을 구축하여 간단한 경험을 제공하는 데 도움이 되었습니다. 그것은 정확히 내가 비즈니스 내에서 AI가 실제 작업을 수행하는 데 대해 생각하는 방식입니다.

Calix에서, 您는 종종 운영 AI는 구축되어야 하며, 구매되어서는 안 된다고 강조합니다. 조직이 비즈니스에 AI를 추가하려고 할 때 가장 일반적인 실수는 무엇입니까?

저에게는 “구축 대 구매”가 아니라 기술 스택을 전체적으로 살펴보는 것입니다. 많은 회사들이 AI를 단순히 일부 API에 액세스하기 위해 토큰을 구입하고 래퍼를 사용하여 스택에 연결하는 것으로 AI 전략을 갖고 있다고 생각합니다. 그것은 작동하지 않습니다.

우리는 기술에 너무 매료되어 결과를 생각하지 않습니다. 우리는 이 영화를 전에 본 적이 있습니다. PC가 나타났을 때, 모두 286과 386, 메모리 양, 사용하는 DOS에 대해 논쟁했습니다. 오늘날, 아무도 랩톱이나 휴대폰의 사양을 말할 수 없으며, 아무도 관심이 없습니다. 중요한 것은 이것이 작업을 더 효과적으로 만드는지 여부입니다. AI도 마찬가지입니다. 기술 사양은 실제 워크플로, 실제 가치, 실제 ROI와 연결되지 않는다면 그냥 노イズ입니다.

또 다른 큰 실수는 기존에 있는 것을 변경하지 않고 AI를 부착하려고 하는 것입니다. 아키텍처, 보안 모델 및 비용에 미치는 영향을 묻지 않고, 기술을 점진적인 기능 업그레이드로 취급합니다. AI는 기본 기술이며, 점진적인 기능 업그레이드가 아닙니다. 기술을 점진적인 것으로 취급하면, 나쁨 데이터, 보안 문제, 환상, 비용이 폭증하거나, 아무도 해결하지 않는 활동이 발생합니다.

마지막으로, 컨텍스트와 수직 전문 지식의 중요성을 무시할 수 없습니다. 행동은 컨텍스트에 관한 것입니다. 컨텍스트는 텔레콤, 핀테크, 헬스케어 등에 걸쳐 다르습니다. Calix에서, 우리는 한 산업에서 깊은 경험을 시작하여 그 주변에 수직 플랫폼을 구축했습니다. 우리는 이미 데이터, 통찰력, 워크플로, 컨텍스트를 이해하고 있으므로, 스택은 그 현실을 반영할 수 있었습니다. 대부분의 회사는 자신의 수직 산업을 내부적으로 잘 알고 있습니다. 기회는 지식을 수직 기술 스택으로 인코딩하는 것입니다. 일반적인 AI 모델과 얇은 수평 계층에 의존하는 대신, 그 산업에 대한 지식을 반영하도록 스택을 설계하는 것입니다. 비즈니스는 모델이 아닌 결과에 관한 것입니다. 기술이 결과를 어떻게 제공하는지에 대한 실제 질문입니다.

您는 운영 AI를 위한 5계층 아키텍처를 제시했습니다. 데이터, 지식, 오케스트레이션, 신뢰, 행동을 포함합니다. 이러한 계층을 명시적으로 분리하는 것이 중요한 이유는 무엇이며, 기업이 가장 자주 과소평가하거나 완전히 생략하는 계층은 무엇입니까?

오랫동안 스택은 bastante 간단했습니다. 데이터, 통찰력, 대시보드, 워크플로, 사람들입니다. 데이터 웨어하우스를 구축하고, 위에 BI를 올리고, 워크플로 엔진을 만들고, 어려운 작업을 인간에게 맡겼습니다. 에이전트 세계에서는 그것이 작동하지 않습니다. 데이터, 지식, 오케스트레이션, 신뢰, 행동이 필요합니다. 각 계층은 별도의 기능을 수행합니다.

모두가 이야기하고 싶은 가시적인 부분은 행동 계층입니다. 에이전트입니다. 그것은 아이스버그의 팁입니다. 에이전트가 실제 시스템에 접촉할 수 있는지 여부를 결정하는 것은 물 아래에 있는 “지루한” 모든 것입니다. 데이터 파이프라인과 깨끗한 데이터, 컨텍스트를 제공하는 지식 계층, 동적 워크플로를 조정하는 오케스트레이션, 그리고 무엇이 허용되어야 하는지 결정하는 신뢰 모델입니다. 타이타닉이 침몰했을 때, 볼 수 있는 작은 부분이 그것을 침몰시키지 않았습니다. 물 아래에 있는 거대한 얼음 덩어리였습니다. 운영 AI도 마찬가지입니다. 표면 아래의 플럼빙이 그것을 만들거나 깨지게 합니다.

역사적으로, 우리는 오케스트레이션과 신뢰를 별도의 계층으로 다루지 않았습니다. 인간이 대부분의 작업을 수행했기 때문입니다. 오케스트레이션은 관리자와 티켓 큐를 의미했고, 신뢰는 사용자 이름과 비밀번호를 의미했습니다. 이제 우리는 에이전트를 신뢰해야 하며, 동적 데이터와 실시간으로 여러 에이전트를 조정해야 합니다. 그것은 완전히 다른 설계 문제입니다. 따라서 이러한 계층이 명시적으로 필요합니다.

대부분의 사람들이 과소평가하는 계층은 신뢰입니다. 많은 조직이 이미 신뢰를 다루고 있다고 생각합니다. 접근 제어가 누구에게 시스템에 로그인할 수 있는지입니다. 그러나 에이전트 세계의 실제 신뢰는 “이 사용자가 접근할 수 있나요?”가 아닙니다. 그것은 “이 특정 행동이 이 에이전트 또는 이 사람에게 현재 시점에 적합한지”입니다. 그것은 거버넌스 질문이며, 접근 제어 질문이 아닙니다. 만약您가 그 계층을 명시적으로 만들지 않으면, 데모 랜드에 갇히게 됩니다. 에이전트가 실제 작업을 생산에서 수행하는 것을 결코 편안하게 느끼지 못할 것이기 때문입니다.

따라서, 신뢰는明显히 您의 AI 전략의 핵심 부분입니다. 시스템을 설계하여 자동화된 결정이 관찰 가능하고 감사 가능하며 되돌릴 수 있도록 하는 방법은 무엇입니까?

제로 트러스트 마음가짐에서 시작해야 합니다. 첫 번째 질문은 “이 에이전트가 기술적으로 이것을 할 수 있나요?”가 아닙니다. 첫 번째 질문은 “이 에이전트가 이 사람을 대신하여 이것을 하도록 해야 합니까?”입니다. 만약答案이 아니면, 진행하지 마십시오.

만약答案이 예라면, 가드레일로 이동합니다. 감사 가능성, 추적 가능성, 루프에 인간이 필요합니다. 우리의 모델은 모든 상호작용의 시작 부분에서 트래픽 경찰처럼 작동하는 신뢰 계층을頼하고 있습니다. 누가, 무엇을 하고, 왜 그렇게 하는지 확인합니다. 그것은 많은 보안 문제를 제거합니다. 에이전트가 실행되고 나서事実을 확인하기 전에 에이전트를 실행하지 않도록 합니다.

대안은 에이전트를 풀어놓고, 나중에 문제가 발생하면 알람을 울리는 것입니다. 에이전트가 실제로 무엇을 하는지, 어떻게 식별하고, 언제 중지할지 알 수 있는 것을 가정합니다. 그것은 매우 어려운 문제입니다. 많은 사람들이 어려움을 겪고 있습니다. 그들은 실시간으로 나쁨 에이전트를 찾으려고 시도하고 있습니다.

또한, 우리는 계층화된 게이트웨이를 추가했습니다. 에이전트가 올바른 사람을 대신하여 행동하더라도, 우리는 세션과 콘텐츠를 살펴봅니다. 모델을 독성시키거나, API를 남용하거나, 정책을 벗어나는 것을 시도하는지 확인합니다. 모든 것이 완전한 관찰 가능성으로 감싸져 있으므로, 필요한 경우 돌아가서 볼 수 있습니다. 그것이 빠르게 이동하면서도 밤에 잘 수 있는 방법입니다.

많은 회사들이 AI 통찰력을 생성하는 데 성공하지만, 그것을 행동으로 번역하는 데 어려움을 겪습니다. Calix에서 AI를 마케팅, 운영, 고객 지원의 일상적인 워크플로에 직접 밀어넣을 수 있도록 설계한 결정은 무엇입니까?

AI가 나타나기 훨씬 전에, 우리는 이미 하나의 질문에 집착했습니다. 어떤 통찰력이 실제로 작업을 하는 사람에게 행동할 수 있는지? 2018년부터, 우리는 서비스 제공업체와 함께 다양한 페르소나가 어떻게 작업하는지 이해하기 위해 일했습니다. 마케터는 화요일 아침에 무엇을 하는지, 운영 팀은 알람이 발생했을 때 무엇을 하는지, 지원 팀은 가입자가 불평을 전화했을 때 무엇을 하는지 확인했습니다. 그것은 실제로 어떤 통찰력이 누구에게 중요한지, 어떤 컨텍스트에서, 그리고 “좋은 행동”이 무엇인지에 대해 매우 명확하게 만들었습니다.

에이전트 AI가 나타났을 때, 우리는 처음부터 시작하지 않았습니다. 이미 실시간 시스템이 특정 페르소나와 워크플로에 연결된 행동할 수 있는 통찰력을 생성하고 있었습니다. 설계 질문은, 다른 도구 세트와 기술 스택을 사용하여, 동일한 워크플로를 에이전트 AI 세계에서 재구성하는 것이 어떻게 되는지였습니다.

페르소나에 대한 깊은 지식을 에이전트 AI와 결합하면, 동적 워크플로를 동적 데이터 위에 구축할 수 있습니다. 에이전트는 실제로 무엇이 발생하고 있는지에 따라, 어떤 단계와 페르소나가 포함되어야 하는지 결정할 수 있습니다. 대부분의 회사에서는 실제로 결정하는 데 어려움을 겪고 있습니다. 컨텍스트와 워크플로를 기반으로 실제 결정입니다. 우리에게는 이미 그 부분이 있었습니다. 우리는 이미 실시간, 페르소나 기반, 행동할 수 있는 통찰력을 여러 해 동안 제공하고 있었습니다. 에이전트 AI는 단지 새로운 도구 세트입니다.

您的 플랫폼 비전에는 에이전트 간의 상호운용성과 연합 AI 시스템이 포함됩니다. 이러한 접근 방식은 전통적인 점 통합과 비교하여 기업 도구가 협력하는 방식을 어떻게 변경합니까?

過去 20년 동안, 기본 패턴은 “SaaS 도구를 사고, 데이터 레이크 주변에 연결하는 것”이었습니다. 새로운 시스템은 새로운 점 통합, 새로운 데이터 파이프라인, 또 다른 真実을 조정하는 또 다른 장소가 되었습니다. 에이전트 세계에서는 그것이 확장되지 않습니다. 데이터가 속한 곳에 데이터를 유지하고 에이전트가 잘 정의된 인터페이스를 통해 서로에게 말할 수 있도록 하는 것이 필요합니다.

그것이 우리가 두 계층에서 시스템을 터치하는 이유입니다. 지식 계층에서 MCP, 오케스트레이션 및 신뢰 계층에서 에이전트 간입니다. MCP는 에이전트가 사용자 정의 통합 없이 도구와 데이터를 발견하고 사용하는 방법입니다. 에이전트 간은 에이전트가 명확한 가드레일 아래에서 서로와 함께 작업을 조정하는 방법입니다.

한 번에 그것을 가지면, 협력은 취약한 커넥터의堆積이 아닌, 실제 작업을 중심으로 동적으로 팀을 구성할 수 있는 전문가 네트워크처럼 보입니다. 여기에서 아이젠하워 매트릭스 아날로그가 들어옵니다. 모든 일이 동등하게 긴급하고 동등하게 중요하지는 않습니다. 일부 작업은真正로 시간이 중요하며, 일부는 중요하지만 예약할 수 있으며, 일부는 그냥 해야 하는 것이며, 일부는 잡음입니다. 에이전트 간 조정과 신뢰 및 오케스트레이션 계층을 통해, 이러한 범주를 크기에서 다르게 처리할 수 있습니다. 에이전트는 긴급하고 중요한 문제를 몰아붙이고, 중요하지만 긴급하지 않은 것을 예약하거나 스케줄할 수 있으며, 낮은 가치의 바쁜 작업이 모든 것을杂亂하게 만들지 않습니다.

그것은 “하나 더 연결기를 추가하고 큐가 비워지기를หว내”하는 세계와 매우 다릅니다. 동적 이벤트와 데이터를 중심으로 신뢰할 수 있고, 조심스럽게 오케스트레이션된 동적 워크플로를 보는 것입니다. 하나의 우선순위를 가진 커넥터의 혼잡한 상황이 아닙니다.

에이전트가 자율적으로 행동할 수 있을 때, 거버넌스는 곧 도전이 됩니다. AI 시스템이 규모에서 결정 또는 실행을 내릴 때, 속도, 책임성, 인간의 감독을 어떻게 균형을 잡습니까?

人们常犯的 실수는 에이전트 AI를 가지고 있는 것을 볼 때, 속도, 책임성, 인간의 감독을 균형을 잡는다고 생각하는 것입니다. 그러나 실제로는 그렇지 않습니다. 에이전트 AI를 가지고 있는 것은 기술 스택 문제입니다. 신뢰 계층과 오케스트레이션 계층을 의도적으로 구축해야 합니다. 그렇지 않으면, 그것은 자유로운 상황이 됩니다. 모든 것이 먼저 온 것, 또는 가장 큰 소리로 외치는 것입니다.

다시 한번, 그것은 아이젠하워 매트릭스입니다. 모든 작업이 동일하게 생성되지 않습니다. 신뢰와 오케스트레이션은 에이전트 세계에서 그것을 구현하는 방법입니다. 에이전트가 모든 작업을 화재 드릴처럼 취급하지 않도록 하려면,真正로 시간이 중요한지, 예약할 수 있는지, 또는 조용히 처리해야 하는지 결정해야 합니다.

그리고 narrow over fat 부분입니다. 대부분의 회사들은 더 큰 영향을 위해 AI를 широк게 유지하려고 합니다. 그러나 실제로 좁은 수직 슬라이스를 선택하는 것이 더 좋습니다. 구체적인 사용 사례, 워크플로 하나를 선택하고, 거기에 필요한 신뢰와 오케스트레이션을 구축합니다. 얇게하고, 올바르게하고, 인간을 루프에 유지하고, 확장합니다.那样您可以 빠르게 이동하고, 책임을 지키고, 나중에 풀 수 없는 혼란을 만들지 않습니다.

대규모 글로벌 제품 및 엔지니어링 팀을 이끈 경험에서, AI가 기업의 내구성 있는 능력으로 되기 위해 필요한 조직적 또는 문화적 변화는 무엇입니까?

대부분의 기업은 “AI 문제”가 아니라, 지식과 워크플로 문제를 가지고 있습니다. 첫 번째 변화는 점 솔루션을 중지하고, 데이터 웨어하우스에서 연방 지식 웨어하우스로 이동하는 것입니다. 모든 사람이 볼 수 있고 행동할 수 있는 곳에서 지식이 살아야 합니다.只要 지식이 실로에 살고, AI가 각 실의 위에 체리인 경우,您는 파일럿을 얻을 수 있지만, 변화를 얻을 수 없습니다.

그 다음으로, 더 어려운 문제를 특정 순서로 해결해야 합니다. 첫 번째 단계는 현실과 현실이 아닌 것을 분리하고, 무엇이 작동하는지 채택하는 것입니다. 두 번째 단계는 지식 계층을 재구성하여 데이터를 공유된 연방 컨텍스트로 바꾸는 것입니다. 대부분의 작업은 사람, 기술, 지역 지식 실로 حول하여 조직됩니다. 만약您가 그것을 변경하지 않으면, 에이전트는 기존의 병목 현상 주변에서 또 다른 도구로만 작동할 것입니다.

그 다음에 문화적 변화가 필요합니다. 그것은 종종 가장 어려운 것입니다.人们는 자신의 작업, 도구, 정체성의 손실에 대해 우려하는 것이 아니라, 새로운 능력과 함께 일하는 것에 진정으로 흥奮해야 합니다. 그것은 변화 관리 문제입니다. 실제로 워크플로, 마찰을 이름을 부를 수 있고, 에이전트를 사용하여 그것을 해결하는 것을 느낄 수 있는 분산된 리더십과 같습니다.

광대역과 텔레콤을 넘어서, 어떤 산업이 다음으로 운영, 에이전트 주도 AI를 채택하기 위해 가장 잘 준비되어 있는지 믿으십니까? 그리고 어떤 조건이 그것을 준비하게 합니까?

저는 산업을 레이블로 선택하는 것에 대해 생각하지 않습니다. 패턴에 대해 생각합니다. 거의 모든 수직에는 동일한 기본적인 도전이 있습니다. 데이터 실과 기능 실을 구축했지, 고객, 직원, 제품의 3가지 수명 주기에 걸쳐 하나의 보기를 구축하지 않았습니다. 준비된 것은 그것을 보이고, 그것을 인정하고, 그것을 수정하는 것입니다.

그 다음, 조건은 거의 모든 수직에서 비슷합니다. 복잡한 워크플로, 사람들의 긴장, 실제 마찰 점, 높은 품질의 데이터를 가진 곳에서 에이전트에게 컨텍스트를 제공할 수 있습니다. 현재 워크플로를 매핑하고, 작업이 느려지거나 쌓이는 곳을 볼 수 있고, 핸드오버가 지연을 생성하는 곳을 식별할 수 있다면, 연방 지식 웨어하우스를 뒤로 두고, 에이전트 AI는 놀라운 도구 세트가 됩니다.

그것은 리더십에 달려 있습니다. 회사의 리더들이 마케팅 도구와 얇은 수평 대시보드를 넘어서, 수직 기술 스택에 투자할 준비가 되어 있는지, 데이터를 지식으로, 지식을 연방화하고, 오케스트레이션과 신뢰 프레임워크를 구축하고, 실제 ROI에 대한 진실한 대화를 하는지입니다. 어떤 회사든지, 어떤 산업이든지, 그 작업을 수행하는 회사는 운영 AI를 위해 잘 준비되어 있습니다. 그렇지 않은 회사들은 도구의 더 큰 소음의 스택에 또 하나의 도구를 추가할 것입니다.

기업 AI가 다중 에이전트 및 다중 클라우드 환경으로 발전함에 따라, 5년 후에 좋은 AI 아키텍처는 무엇입니까? 그리고 리더들은 시스템을 나중에 재구성하지 않도록 하기 위해 오늘날 무엇에 커밋해야 합니까?

5년 후, AI의 흥미로운 부분은 개별 에이전트나 모델이 아닙니다. 에이전트가 가능하게 하는 에이전트 워크플로와 비즈니스 가치가 될 것입니다. 에이전트 자체는 나타나고消えます. 에이전트 아래의 계층 – 데이터, 지식, 오케스트레이션, 신뢰, 행동 – 계속 진화할 것입니다. 그러나 그 필요는 사라지지 않습니다.

그것이 제가 아키텍처에 더 집중하는 이유입니다. 우리는 데이터 웨어하우스에서 연방 지식 웨어하우스로, 취약한 점 통합에서 개방형 계층화된 스택으로 이동하고 있습니다. 그 세계에서, 에이전트는 다른 클라우드에서 실행되고, 다른 지식 소스를 터치하고, 잘 정의된 인터페이스를 통해 서로와 통신합니다. 기술이 개선됨에 따라, 더 나은 조각을 계층에 추가할 수 있기를 원합니다. 전체를 다시 구축하지 않고.

따라서 리더들에게 원칙은 간단합니다. 모놀리틱하게 구축하지 마십시오. 계층을 설계하여 데이터, 지식, 오케스트레이션, 신뢰, 행동이 각각 독립적으로 진화할 수 있도록 합니다. 흐름을 설계하여, 중요한 워크플로와 “좋은”이 무엇인지 고객, 직원, 제품 수명 주기에 대해 명확하게 합니다. 그리고 에이전트 수준에서 거버넌스를 설계합니다. 기본적으로 제로 트러스트를 가정하고, 명확한 “에이전트 카드”를 정의하고, 오케스트레이션을 사용하여 무엇이 긴급하고, 무엇이 중요한지, 무엇이 그냥 해야 하는지 결정합니다. 그렇게 하면, 기술이 변경되더라도(그것은 항상 vậy입니다), 재구성을 걱정하지 않고 할 수 있습니다.

감사합니다. 더 많은 정보를 원하는 독자는 Calix를 방문하십시오.