Shane Eleniak, Calix의 Chief Product Officer – 인터뷰 시리즈

Shane Eleniak는 Calix의 Chief Product Officer로, 회사의 산업을 선도하는 플랫폼과 SaaS 솔루션의 전략적 비전과 실행을领导합니다. 통신 서비스 제공업체가 비즈니스 를 간소화하고 예외적인 구독자 경험을 제공할 수 있도록 하는 것을 중점으로, Shane은 제품 수명 주기 전반을 감독합니다. 즉, 개념화에서 시장 주도적인 배포까지입니다.

그의 리더십 아래, Calix는 광대역 산업의 개척자로서의 지위를 강화했으며, 제공업체가 경쟁하고 승리할 수 있도록 혁신적인 도구를 일관되게 제공했습니다.

Calix는 클라우드, 소프트웨어 및 관리 서비스 플랫폼을 제공하는 미국 기반 기술 회사입니다. 이러한 플랫폼은 광대역 및 통신 서비스 제공업체를 위해 설계되었습니다. 핵심 제품은 클라우드 인프라, 데이터 및 네트워크 시스템을 통합하는 AI 기반 광대역 플랫폼을 중심으로 합니다. 이 플랫폼은 제공업체가 운영을 간소화하고 고객 참여를 개선하며 더 개인화된 디지털 경험을 제공할 수 있도록 도와줍니다. 제공업체가 기본 연결 서비스에서 전체 “경험 제공업체”로 전환함으로써, Calix는 수익 성장을 지원하고 구독자 충성도를 높이고 더 고급화되고 확장 가능한 광대역 서비스를 통해 커뮤니티의 디지털 변화를 지원합니다.

您的 경력은 3십년 이상 엔지니어링, 네트워킹, 클라우드 플랫폼 및 대규모 제품 리더십을 거치며 형성되었습니다. 이러한 경험은 비즈니스 내에서 실제 작업을 수행하는 AI에 대한您的 관점을 어떻게 형성했나요?

전통적인 통신 및 네트워킹에서 시작하여, 데이터 경로 및 대규모의 신뢰성에 모든 것이 달렸습니다. 그 위에 구축된 모든 것이 중요하지 않습니다. 당시에는 집 전화가 벽에 달려 있었고, 내부 배선은 이동하지 않았으며, 다이얼 톤이 있는 한 모든 것이 괜찮았습니다.

광대역 및 인터넷이 이를 바꿨습니다. 이제는 “켜져 있는가?”가 아닌 이더넷 및 Wi-Fi, 게임 콘솔 및 태블릿을 사용하는 아이들, 클라우드 스프레드시트에서 협업하는 줌 호출, 그리고 항상 이동 중인 장치들입니다. 구독자 경험은 더 복잡해졌습니다. 제공업체의 세계는 매우 동적이게 되었습니다. 그런 세계에서는 데이터를 수집하고, 경험을 이해하고, 실시간으로 통찰력을 생성해야 합니다. 구독자는 문제가 발생하기 전에 예방적으로 해결되기를 기대합니다.

이 진화는 저에게 AI에 대한 생각을 바꿨습니다. 대부분의 사람들은 기존 데이터 레이크 위에 AI를 올리는 방식으로 AI를 구축합니다. 하지만 저의 경험은 더 깊이 생각하고, 실시간으로 작동하는 통찰력과 적절한 조치를 취할 수 있도록 설계해야 한다고 말합니다.

구독자에게는 25년 동안 기대가 많이 변하지 않았습니다. 그들은 여전히 안전하고 관리되는 연결을 원합니다. 그것은 다이얼 톤과 마찬가지로 단순해야 합니다. 모든 복잡성을 추상화하고 간단한 경험을 제공해야 합니다. 저의 경력은 저에게 이러한 역설을 매우 편안하게 느끼게 합니다. 매우 복잡한 시스템을 구축하여 간단한 경험을 제공하는 것입니다. 이것이 비즈니스 내에서 실제 작업을 수행하는 AI에 대한 저의 생각입니다.

Calix에서，您는 종종 운영 AI는 구축되어야 하고, 구매해서는 안 된다고 강조합니다. 조직이 AI를 작업 흐름을 재고하지 않고 추가하려고 할 때 가장 일반적인 실수는 무엇입니까?

저에게는 “구축 대 구매”가 아니라 기술 스택을 살펴본 적이 있는지의 문제입니다. 많은 회사들이 AI를 단순히 일부 API에 액세스하여 랩퍼로 스택에 연결하고 토큰을 구매하여 AI 전략을 구축했다고 생각합니다. 하지만那样하지 마십시오.

우리는 기술에 매료되기보다 결과에 집중해야 합니다. 우리는 이 영화를 전에 본 적이 있습니다. PC가 나타났을 때, mọi 사람이 286과 386, 메모리 양, 실행 중인 DOS에 대해 논쟁했습니다. 오늘날, никто가 노트북이나 휴대폰의 사양을 말할 수 없으며, 아무도 관심이 없습니다. 중요한 것은 이것이 작업을 더 효율적으로 만드는가입니다. AI도 마찬가지입니다. 기술 사양은 그냥 소음입니다.

또 다른 큰 실수는 기존 시스템에 AI를 볼트オン하는 것입니다. 아키텍처, 보안 모델 및 비용에 미치는 영향을 묻지 않고, 기존 시스템에 AI를 추가하는 것입니다. AI는 기존 기능을 업그레이드하는 것이 아닙니다. 그렇게 하면 나쁨 데이터, 보안 문제, 환각, 비용 폭증 또는 아무도 해결하지 못하는 많은 활동이 발생합니다.

마지막으로, 컨텍스트와 수직 전문 지식의 중요성을 무시할 수 없습니다. 행동은 모두 컨텍스트에 관한 것입니다. 컨텍스트는 텔레콤, 핀테크, 헬스케어 등에 따라 다르습니다. Calix에서 우리는 한 산업 분야에서 깊은 경험을 시작으로 수직 플랫폼을 구축했습니다. 우리는 이미 데이터, 통찰력, 워크플로 및 컨텍스트를 이해하고 있으므로 스택은 그 현실을 반영할 수 있습니다. 대부분의 회사에서는 수직 산업을 내부적으로 잘 알고 있습니다. 기회는 지식으로 인코딩하여 수직 기술 스택을 구축하는 것입니다. 비즈니스는 모델이 아닌 결과에 관한 것입니다. 진짜 질문은 이 기술이 어떻게 결과를 제공하는지입니다.

您已经概述了一个五层架构，用于操作AI，包括数据、知识、编排、信任和行动。为什么明确分离这些层次很重要，哪一层企业最常低估或完全跳过?

오랫동안 스택은 assez 간단했습니다. 데이터, 통찰력, 대시보드, 워크플로, 사람들입니다. 데이터 웨어하우스를 구축하고, BI를 추가하고, 워크플로 엔진을 생성하고, 어려운 작업을 사람들에게 넘겨주었습니다. 에이전트 세계에서는 이것이 작동하지 않습니다. 데이터, 지식, 编排, 신뢰 및 행동이 필요합니다. 각 계층은 별도의 기능을 수행합니다.

VISIBLE한 부분은 모두 에이전트에 대해 이야기하는 것입니다. 그것은 아이스버그의 팁입니다. 에이전트가 실제 시스템에触れる 것을 결정하는 것은 물 아래에 있는 “지루한” 부분입니다. 데이터 파이프라인, 깨끗한 데이터, 컨텍스트를 제공하는 지식 계층, 동적 워크플로를 조정하는 编排 및 허용 여부를 결정하는 신뢰 모델입니다. 타이타닉이 침몰했을 때, 보이는 작은 부분이 그것을 침몰시키지 않았습니다. 물 아래에 있는 거대한 얼음 덩어리였습니다. 운영 AI도 마찬가지입니다. 표면 아래의 플럼빙이 성공 또는 실패를 결정합니다.

역사적으로, 우리는 编排과 신뢰를 별도의 계층으로 다루지 않았습니다. 인간이 대부분의 작업을 수행했기 때문입니다. 编排은 관리자와 티켓 큐를 의미했고, 신뢰는 사용자 이름과 비밀번호를 의미했습니다. 이제 우리는 에이전트를 신뢰해야 하며, 동적 데이터 주변에서 여러 에이전트를 실시간으로 조정해야 합니다. 이것은 완전히 다른 설계 문제입니다. 따라서 이러한 계층을 명시적으로 다루어야 합니다.

가장 많이 저평가되는 계층은 신뢰입니다. 많은 조직이 접근 제어만으로 신뢰를 다루고 있다고 생각합니다. 하지만 에이전트 세계에서 실제 신뢰는 “사용자가 접근할 수 있는가?”가 아니라 “이 특정 행동이 이 에이전트 또는 이 개인에게 적절한가?”입니다. 이것은 거버넌스 질문입니다. 접근 제어 질문이 아닙니다. 이 계층을 명시적으로 다루지 않으면, 데모 랜드에 갇히게 됩니다. 에이전트가 실제 작업을 생산 환경에서 수행하도록 허용하지 않기 때문입니다.

신뢰는明显히 귀하의 AI 전략의 중요한 부분입니다. 시스템을 설계하여 자동화된 결정이 관찰 가능하고, 감사 가능하며, 취소 가능하도록 하면서 비즈니스 가치를 제공하기 위해 충분히 빠르게 이동하는 방법은 무엇입니까?

제로 신뢰 마음가짐에서 시작해야 합니다. 첫 번째 질문은 “이 에이전트가 기술적으로 이것을 할 수 있는가?”가 아닙니다. 첫 번째 질문은 “이 에이전트가 이 사람을 대신해 이것을 시도해야 하는가?”입니다. 대답이 아니면 진행하지 마십시오.

만약 대답이 예라면, 가드레일로 이동합니다. 감사 가능성, 추적 가능성 및 인간의 개입 필요성입니다. 우리의 모델은 트래픽 경찰과 같은 신뢰 계층을 사용합니다. 모든 상호 작용의 시작 부분에서, 누군지, 무엇을 하는지, 왜 그렇게 하는지 확인합니다. 이것은 많은 보안 문제를 제거합니다. 에이전트가 활동을 시작하고 나서야 문제를 발견하려고 하지 않기 때문입니다.

대안은 에이전트를 풀어놓고 나중에 문제가 발생하면 알람을 보내는 것입니다. 시스템이 실시간으로 작동하는 속도와 규모에서 모든 것을 볼 수 있고, 이해하고, 식별하고, 중지할 수 있다고 가정합니다. 이것은 매우 어려운 문제입니다. 많은 사람들이 어려움을 겪고 있습니다. 실시간으로 나쁨 에이전트를 찾으려고 시도하고 있기 때문입니다.

또한 계층형 게이트웨이를 추가했습니다. 에이전트가 올바른 사람을 대신해 행동한다고 하더라도, 세션과 콘텐츠를 살펴봅니다. 모델을 손상시키거나, API를 남용하거나, 정책을 위반하려고 시도하는지 확인합니다. 모든 것이 완전한 관찰 가능성으로 감싸여 있습니다. 그래서 무슨 일이 발생했는지 감사하고, 필요하면 되돌릴 수 있습니다. 이것은 빠르게 이동하고, 밤에 잠을 잘 수 있는 방법입니다.

많은 회사들은 AI 통찰력을 생성하는 데 성공하지만, 이를 행동으로 번역하는 데 어려움을 겪습니다. Calix에서 AI를 마케팅, 운영 및 고객 지원의 일상적인 워크플로에 직접 푸시하는 것을 가능하게 하는 설계 결정은 무엇입니까?

오랫동안 Calix에서 우리는 하나의 질문에 집착했습니다. 즉, 어떤 통찰력이 실제로 사람에게 행동할 수 있는가입니다. 2018년부터 우리는 서비스 제공업체와 함께 작업하여 다양한 페르소나가 어떻게 작동하는지 이해했습니다. 마케터는 화요일 아침에 무엇을 하는지, 운영 팀은 알람이 발생했을 때 무엇을 하는지, 지원 팀은 구독자가 불평할 때 무엇을 하는지 확인했습니다. 이것은 우리에게 통찰력이 누구에게, 어떤 컨텍스트에서, 어떤 “좋은 행동”이 무엇인지에 대해 매우 분명하게 이해하도록 강요했습니다.

따라서 에이전트 AI가 나타났을 때, 우리는 처음부터 시작하지 않았습니다. 우리는 이미 실제 사람에게 행동할 수 있는 통찰력을 제공하는 실시간 시스템을 가지고 있었습니다. 설계 질문은 다른 도구 세트와 기술 스택을 사용하여 에이전트 AI 세계에서 이러한 워크플로를 다시 설계하는 것이었습니다.

이러한 페르소나에 대한 깊은 지식을 에이전트 AI와 결합하면, 우리는 동적 데이터에 대한 동적 워크플로를 구축할 수 있습니다. 에이전트는 실제로 무슨 일이 발생하고 있는지에 따라 어떤 단계와 페르소나가 포함되어야 하는지 실시간으로 결정할 수 있습니다. 대부분의 회사에서는 실제로 어려운 문제는 컨텍스트에 따라 실시간으로 결정하고, 그 주변에 올바른 워크플로를 설계하는 것입니다. 우리는 이미 그 부분을 완료했습니다. 우리는 에이전트 AI의 새로운 세트의 도구를 기존의 기초 위에 추가했습니다.

에이전트 간(A2A) 상호 운용성 및 분산 AI 시스템이 포함된 귀하의 플랫폼 비전은 기업 도구가 협력하는 방식을 어떻게 변경합니까? 전통적인 점 통합과 비교하여?

20년 동안 기본 패턴은 SaaS 도구를 구매하여 데이터 레이크 주변에 연결하는 것이었습니다. 새로운 시스템은 새로운 점 통합, 새로운 데이터 파이프라인 및 真実을 조정하는 또 다른 장소가 되었습니다. 에이전트 세계에서는 이것이 확장되지 않습니다. 데이터가 속한 곳에 남아 있고 에이전트가 잘 정의된 인터페이스를 통해 서로 통신하도록 하려면 됩니다.

그것이 우리가 MCP를 지식 계층에서, A2A를 编排 및 신뢰 계층에서 논의하는 이유입니다. MCP는 에이전트가 새로운 사용자 정의 통합 없이 도구와 데이터를 발견하고 사용하는 방법입니다. A2A는 에이전트가 명확한 가드레일 아래에서 서로 작업을 조정하는 방법입니다.

한 번에 이것을 가지면, 협력은 가단한 커넥터의 堆積에서 전문가 네트워크로 변합니다. 동적 워크플로우 주변에서 실제 작업을 위해 동적으로 협력할 수 있습니다. 여기에서 아이젠하워 매트릭스 비유가 들어옵니다. 모든 작업은 동등하게 긴급하고 동등하게 중요하지 않습니다. 일부 작업은真正로 시간이 중요하며, 일부는 중요하지만 예약할 수 있으며, 일부는 그냥 완료되어야 하며, 일부는 잡음입니다. 에이전트 간 조정 및 신뢰 및 编排 계층을 통해, 이러한 범주를 크기별로 다룰 수 있습니다. 에이전트가 긴급하고 중요한 문제에 집중하고, 중요하지만 긴급하지 않은 문제를 대기열에 넣거나 예약하고, 낮은 가치의 바쁜 작업을 다른 모든 작업으로부터 차단할 수 있습니다.

그것은 “하나 더 커넥터를 추가하고 큐가 비워지기를หว내”하는 세계와 매우 다릅니다. 동적 이벤트와 데이터 주변에서 동적 워크플로우를看到하는 것입니다. 점 통합의 혼란이 아니라 신뢰할 수 있고, 조정되고, 가드레일이 있는 것입니다.

에이전트가 자율적으로 행동할 수 있을 때, 거버넌스는 빠르게 도전이 됩니다. AI 시스템이 대규모로 결정이나 행동을 취할 때, 속도, 책임성 및 인간의 감시를 어떻게 균형합니까?

人们의 실수는 에이전트 AI를 기존 시스템에 볼트オン할 수 있다고 생각하는 것입니다. 하지만 그렇게 할 수 없습니다. 먼저 기술 스택 문제인지 확인해야 합니다. 의도적으로 신뢰 계층과 编排 계층을 구축해야 합니다. 그렇지 않으면, 모든 것이 자유 경쟁이 됩니다. 모든 것이 먼저 온 순서대로 또는 가장 큰 소음으로 처리됩니다.

다시 말하지만, 이것은 아이젠하워 매트릭스입니다. 모든 작업은 동등하게 생성되지 않습니다. 신뢰와 编排은 에이전트 세계에서이를 운영하는 방법입니다. 에이전트가 모든 작업을 화재 드릴처럼 취급하지 않도록 하려면, 실제로 시간이 중요한지, 예약할 수 있는지, 조용히 처리해야 하는지 시스템이 알아야 합니다.

또한 “좁은 것보다 지방”입니다. 대부분의 회사들이 더 큰 영향을 위해 광범위한 AI를 유지하려고 합니다. 하지만 더 좁은 수직 슬라이스를 선택하여, 하나의 구체적인 사용 사례, 하나의 워크플로우를 선택하고, 필요한 신뢰와 编排을 구축하는 것이 더 좋습니다. 얇은 수직으로 시작하여, 올바르게 유지하고, 인간을 루프의 가장자리에 유지한 다음 확장합니다. 그렇게 하면 빠르게 이동하고, 책임을 지키고, 나중에 풀 수 없는 혼란을 만들지 않습니다.

대규모 글로벌 제품 및 엔지니어링 팀을 이끈 경험에서, AI가 분리된 파일럿의 모음이 아닌, 지속 가능한 기업 능력으로 발전하기 위해 필요한 조직적 또는 문화적 변화는 무엇입니까?

대부분의 기업은 “AI 문제”가 아니라, 지식 및 워크플로우 문제를 가지고 있습니다. 첫 번째 변화는 점 솔루션을 그만두고, 데이터 웨어하우스에서 연방 지식 웨어하우스로 이동하는 것입니다. 모든 사람이 볼 수 있고 행동할 수 있는 곳입니다. AI는 지식이 사일로에 살고 있는 곳에 체리 위에 올려진 것입니다. 그러면 파일럿만 있게 됩니다. 변환은 없습니다.

그 다음에는 더 어려운 문제에 대한 순서대로 해결해야 합니다. 첫 번째 단계는 현실과 허구를 분리하고, 실제로 작동하는 것을 채택하는 것입니다. 두 번째 단계는 지식 계층을 재건축하여 데이터를 공유된 연방 컨텍스트로 전환하는 것입니다. 대부분의 작업은 사람, 기술 및 로컬 지식 사일로 주변에서 조직됩니다. 에이전트는 또 하나의 도구일 뿐입니다. 기존의 병목을 둘러싸고 있습니다.

그런 다음 문화적 변화가 필요합니다.人们이 새로운 능력과 함께 일하기를 걱정하는 것이 아니라, 정말로 흥奮하는 문화가 필요합니다. 이것은 변화 관리 문제입니다. 기술 문제가 아닙니다. 실제로 분산된 리더십과 같습니다. 사람들은 워크플로우를 이해하고, 마찰을 이름으로 지을 수 있으며, 에이전트를 사용하여 작업을 처리하는 것을 흥奮합니다.

광대역 및 텔레콤을 넘어, 운영, 에이전트 주도 AI를 다음으로 채택하기 위해 가장 잘 위치한 산업은 무엇이며, 어떤 조건이 준비를 의미합니까?

제가 생각하는 것은 산업 라벨에 의해 승자를 선택하는 것이 아닙니다. 패턴으로 생각합니다. 거의 모든 수직에는 동일한 기본적인 도전이 있습니다. 데이터 사일로와 기능 사일로를 구축했지, 고객, 직원 및 제품의 3가지 수명 주기에 대한 단일 보기를 구축하지 않았습니다. 준비된 것은 이것을 볼 수 있고, 고칠 수 있는 것입니다.

그 다음, 조건은 산업 라벨에 관계없이 비슷합니다. 복잡한 워크플로우가 필요합니다. 사람들이 긴장하고, 실제 마찰 지점이 있으며, 에이전트에게 컨텍스트를 제공하는 충분한 양질의 데이터가 필요합니다. 현재 워크플로우를 매핑하고, 작업이 느려지거나 쌓이는 곳을 볼 수 있다면, 지연을 생성하는 핸드오버를 이해하고, 좋은 행동이 무엇인지 알 수 있다면, 연방 지식 웨어하우스를 뒤에 두고, 에이전트 AI는 놀라운 도구 세트가 됩니다.

이 세계에서 “산업 준비”는 리더십에 달려 있습니다. 회사의 리더가 마케팅 도구와 얇은 수평 대시보드를 넘어, 수직 기술 스택에 투자할 준비가 되어 있는지입니다. 데이터를 지식으로 전환하고, 지식을 연방화하고, 编排 및 신뢰 프레임워크를 구축하고, 실제 ROI에 대해 정직한 대화를 하는지입니다. 어떤 산업의 회사든지 이 작업을 수행하면, 운영 AI에 잘 위치해 있습니다. 그렇지 않으면, 도구의 소음이 가득 찬 堆積에 갇히게 됩니다.

기업 AI가 다중 에이전트 및 다중 클라우드 환경으로 발전함에 따라, 5년 후 좋은 AI 아키텍처는 무엇의 모습일까요? 오늘날 리더가 시스템을 재건축하지 않도록避けるために 어떤 원칙을 커밋해야 합니까?

5년 후, AI의 흥미로운 부분은 개별 에이전트나 모델이 아닙니다. 에이전트가 가능하게 하는 에이전트 워크플로우와 비즈니스 가치가 될 것입니다. 에이전트는 나타나고 사라질 것입니다. 에이전트 아래에 있는 계층 – 데이터, 지식, 编排, 신뢰 및 행동 – 계속 진화할 것입니다. 하지만 필요는 사라지지 않습니다.

그것이 제가 아키텍처에 더 집중하는 이유입니다. 우리는 데이터 웨어하우스에서 연방 지식 웨어하우스로, 가단한 점 통합에서 개방형 계층으로 이동하고 있습니다. 이러한 세계에서 에이전트는 다른 클라우드에서 실행되고, 다른 지식 소스를 터치하고, 잘 정의된 인터페이스를 통해 서로 통신합니다. 기술이 향상됨에 따라, 계층을 독립적으로 진화시키고, 더 나은 조각을 스와핑할 수 있기를 원합니다.

따라서 리더의 원칙은 간단합니다. 모놀리틱하게 구축하지 마십시오. 계층을 설계하여 데이터, 지식, 编排, 신뢰 및 행동이 독립적으로 진화할 수 있도록 하십시오. 흐름을 설계하고, 기능을 설계하여, 중요한 워크플로우가 무엇인지, 고객, 직원 및 제품 수명 주기에서 “좋은”이 무엇인지 분명히 하십시오. 거버넌스도 에이전트 수준에서 설계하십시오. 기본적으로 제로 신뢰를 가정하고, 명확한 “에이전트 카드”를 정의하고, 编排을 사용하여 무엇이 긴급하고 중요한지, 무엇이 중요하지만 긴급하지는 않은지, 무엇이 그냥 완료되어야 하는지 결정하십시오. 그렇게 하면 기술이 변경됨에 따라 재건축할 필요 없이도 할 수 있습니다.