Afsheen Afshar, Oprichter van Pilot Wave Holdings – Interviewreeks

Afsheen Afshar, Oprichter van Pilot Wave Holdings, is een veteraan in datawetenschap en investeringsleider wiens carrière seniorrollen omvat bij Goldman Sachs, J.P. Morgan en Cerberus Capital Management, waar hij hielp bij het pionieren van grootschalige datawetenschap en AI-initiatieven binnen financiële instellingen. Met een technische basis geworteld in neurowetenschappen en machine learning-onderzoek aan de Stanford University, heeft Afshar een carrière opgebouwd op het snijvlak van geavanceerde analytics, private equity en operationele transformatie, met uiteindelijk de focus op het toepassen van AI op de reële bedrijfsprestaties. Bij Pilot Wave brengt hij investeringsdeskundigheid, operationeel leiderschap en diepgaande technische kennis samen om bedrijven te identificeren, te verwerven en te schalen met behulp van gegevensgedreven strategieën en moderne technologie.

Pilot Wave Holdings is een overname- en groeiplatform dat zich richt op het transformeren van kleine en middelgrote bedrijven door middel van kunstmatige intelligentie en geavanceerde technologie. Het bedrijf maakt gebruik van eigen AI-systemen om operaties te analyseren, inefficiënties te ontdekken en prestatieverbeteringen aan te brengen in zijn portefeuillebedrijven. Door hands-on operationele betrokkenheid te combineren met moderne data-infrastructuur, streeft Pilot Wave ernaar traditionele bedrijven te moderniseren die historisch gezien geen toegang hebben gehad tot geavanceerde instrumenten, waardoor ze zich kunnen positioneren voor schaalbare, langetermijngroei in een steeds meer door technologie gedreven economie.

U hebt baanbrekende AI-leiderschapsrollen gehad bij bedrijven als JPMorgan en Cerberus, en later Pilot Wave Holdings opgericht om AI in traditionele industrieën te introduceren. Wat was de kerninzicht of frustratie die u ertoe bracht om over te schakelen van het opbouwen van AI binnen grote instellingen naar het verwerven en transformeren van bedrijven rechtstreeks?

Het kernprobleem was de behoefte aan empowerment om met snelheid te kunnen handelen. Binnen grote instellingen gebeurt het vaak dat, zelfs als mensen het eens zijn over de kans, er te veel lagen zitten tussen het identificeren van het probleem en daadwerkelijk iets doen. AI faalt niet omdat het technische werk onmogelijk is, maar omdat de organisatie te langzaam is, te politiek of te gefragmenteerd om met urgentie te handelen. Ik wilde in een omgeving werken waar strategie, operaties en technologie snel konden worden afgestemd. Het verwerven en opbouwen van bedrijven rechtstreeks creëert die soort empowerment. Als je daadwerkelijk wilt veranderen hoe een bedrijf met snelheid en wil werkt, is het belangrijk om de eigenaar te zijn.

Veel van de industrie viert nog steeds succesvolle pilots, maar de echte waarde komt uit productiesystemen. Waarom breken AI-initiatieven zo vaak af op dat overgangspunt, en wat onderscheidt organisaties die AI met succes operationeel maken van die welke stilvallen?

Veel pilots zijn ontworpen om te slagen, en dat is precies waarom veel bedrijven zichzelf voor de gek houden. Ze vinden plaats in schone omgevingen, met extra aandacht, beperkte reikwijdte en geen van de wrijving die optreedt in productie. Het diepere probleem is vaak een empathiekloof. Technologen nemen vaak niet de tijd of hebben gewoonweg geen zin om de operator-ervaring te leren, dus bouwen ze iets dat in theorie of in een demo werkt, maar niet past bij de realiteit van de taak. De bedrijven die AI met succes operationeel maken, zijn degenen die de menselijke workflow serieus nemen vanaf het begin en bouwen voor de rommeligheid van echte operaties in plaats van die te proberen te vermijden. Iedereen zegt dat ze productiewaarde willen, maar veel teams zijn nog steeds aan het optimaliseren voor pilot-applaus.

Uw werk richt zich op het integreren van AI in sectoren zoals infrastructuur, fabricage en e-commerce. Hoe verschilt het inzetten van AI in deze omgevingen wezenlijk van het inzetten ervan in digitaal-native of software-first bedrijven?

Het verschil is dat in meer traditionele Main Street-bedrijven, empathie en het menselijke element belangrijker zijn dan mensen in de AI-wereld meestal willen toegeven. In software-first-omgevingen kunnen teams vaak snel bewegen en problemen later oplossen. In infrastructuur, fabricage en e-commerce is het werk verbonden met fysieke systemen, echte beperkingen en mensen die onmiddellijk weten wanneer iets niet past bij de manier waarop het bedrijf daadwerkelijk werkt. Dat betekent dat je niet zomaar kunt verschijnen met een technisch elegante oplossing en verwachten dat die wordt geadopteerd. Als je de operator-ervaring niet begrijpt, is je AI-strategie waarschijnlijk al gebroken. Deze omgevingen leggen oppervlakkig denken snel bloot, en dat is deel van waarom ze zo belangrijk zijn.

U hebt betoogd dat AI-adoptie moet beginnen met bedrijfsprioriteiten in plaats van tools. Hoe ziet dat er in de praktijk uit, en hoe moeten leiderschaps teams hun aanpak van AI-transformatie herformuleren?

De meeste leiderschaps teams beginnen op de verkeerde plek. Ze beginnen met een wat-kan-deze-tech-ons-doen-conversatie omdat het spannend en actueel klinkt, wanneer de juiste plek om te beginnen is wat zijn onze meest belangrijke bedrijfsprioriteiten. Zodra je dat weet, kun je eerlijk praten over de beste tools om die prioriteiten aan te pakken, en het hoeft niet altijd AI te zijn. Dat klinkt voor de hand liggend, maar de meeste bedrijven beginnen nog steeds met technologie en hopen dat het bedrijfsgeval op de een of andere manier later zal verschijnen. Het is achterstevoren en het leidt tot veel verspilde beweging. Als leiderschap echte resultaten wil, moeten ze ophouden met het behandelen van AI-strategie als een winkelervaring.

Bij Pilot Wave bent u niet alleen aan het adviseren van bedrijven, maar bent u ze ook aan het herschappen na overname. Wat zijn de eerste structurele of culturele veranderingen die u implementeert om ervoor te zorgen dat AI-adoptie echt werkt?

Het eerste wat ik doe, is het vinden van zowel senior als junior sponsors. De junior sponsors kennen de dagelijkse realiteit en kunnen ervoor zorgen dat de basis daadwerkelijk doet wat nodig is, terwijl de senior sponsors ervoor zorgen dat politiek wordt geminimaliseerd en de inspanning niet stilvalt. Veel bedrijven leunen te zwaar op steun van bovenaf en vraagen zich dan af waarom er niets verandert in de praktijk. De waarheid is dat AI-adoptie meestal faalt omdat de organisatie het op het veldniveau weerstaat of omdat het leiderschap toelaat dat storingen zich ophopen eromheen. U hebt beide vormen van steun nodig om vroeg in het proces te zijn. Anders wordt de inspanning een ander uitvoerend praatpunt dat nooit echt landt.

Naarmate AI-agents capabeler worden en infrastructuur steeds meer geabstraheerd raakt, welke strategische risico’s ontstaan er voor bedrijven die hun eigen data en AI-stack niet in de hand hebben?

Ik zou betogen dat bedrijven altijd fundamentele controle nodig hebben. Dat vereist het instrumenteren van elk systeem, en dat is hoe Pilot Wave systeemontwerp aanpakt, omdat als u niet kunt zien wat er gebeurt, het niet kunt meten en geen railing rondom kunt plaatsen, dan neemt u risico’s die u niet begrijpt. Dat betekent niet dat u taken niet moet delegeren, want delegeren zal absoluut doorgaan op grote schaal, maar delegeren zonder meting is geen uitvoerbare strategie. Een groot deel van de markt wordt verleid door abstractie omdat het dingen gemakkelijker en sneller maakt, maar die gemak kan echte systemische kwetsbaarheid verhullen. Als de juiste instrumentatie, meting en railing op hun plaats zijn, kan het potentiële systemische risico worden geminimaliseerd. Als ze dat niet zijn, bouwt u afhankelijkheid op voordat u vertrouwen hebt verdiend.

Er is een groeiende kloof tussen hoe AI wordt gemarketeerd en hoe het presteert in reële omgevingen. Welke signalen moeten technische leiders en operators zoeken om echte AI-mogelijkheden van oppervlakkige claims te onderscheiden?

Vraag altijd om echte waarde meting. Ik ben mijn hele carrière religieus geweest over waarde meting, tot aan individuele projecten, omdat zonder die discipline het heel gemakkelijk wordt om opwinding te verwarren met resultaten. Elke inspanning moet worden gehouden aan een ROI en worden getrackt. Als iemand niet duidelijk kan uitleggen hoe het systeem de omzet, kosten, doorvoer, arbeids-efficiëntie of een andere echte bedrijfsparameter beïnvloedt, dan is er een goede kans dat ze theater verkopen. De industrie is veel te comfortabel geworden met het belonen van gepolijste demos en vage claims. Zonder rigoureuze waarde meting is er een echt risico om tijd en geld weg te gooien.

U hebt grote datawetenschapsorganisaties opgebouwd en geleid. Hoe ziet u de rol van AI-teams evolueren naarmate automatisering toeneemt en agent-gebaseerde systemen meer verantwoordelijkheden op zich nemen?

AI zal hogere en hogere niveautaken op zich nemen. Bij Pilot Wave ontwikkelen we al AI die als invoer kan krijgen iets zoals “verhoog mijn omzet met 10 procent” in plaats van “herontwerp mijn website”, wat veel dichter bij de plek ligt waar veel AI vandaag nog steeds zit. Die verschuiving verandert de rol van AI-teams op een serieuze manier, omdat het werk minder over geïsoleerde taken gaat en meer over hoe systemen redeneren over echte bedrijfsdoelen. Veel teams denken nog te smal over automatisering en onderschatten hoe snel technologie de stapel opwaarts beweegt. Het zwaartepunt zal verschuiven van taakuitvoering naar bedrijfsdelegatie. Dat is een veel grotere verandering dan de meeste ondernemingen zich voorbereiden.

Veel ondernemingen investeren zwaar in AI, maar hebben moeite om meetbare ROI te genereren. Wat zijn de meest voorkomende mislukkingspatronen die u hebt waargenomen, en hoe kunnen ze worden vermeden?

De meeste AI-inspanningen, vooral bij grote ondernemingen, zijn nog steeds te veel gefocust op sexy dashboards, buzzwords en dingen die gemakkelijk intern kunnen worden gepresenteerd, maar moeilijk te koppelen zijn aan echte waarde. Bedrijven besteden veel tijd aan het maken van het werk er sophisticeerd uit, in plaats van het nuttig te maken. Het mislukkingspatroon is meestal niet mysterieus, het is gewoon een gebrek aan discipline rond actiegebonden waardecreatie. Als er geen duidelijk economisch doel is, geen eigenaar en geen meetkader, mag de inspanning niet doorgaan. Religieus gefocust zijn op waardecreatie op elke stop langs de weg is kritiek. Anders wordt ondernemings-AI een zeer dure branding-oefening.

Kijkend naar de toekomst, welke AI-mogelijkheden of systeemniveau-doorbraken denkt u dat de grootste impact zullen hebben op fysieke wereldindustrieën in de komende vijf tot tien jaar?

De mogelijkheid om zeer hoge niveaus van doelen te geven aan een AI-systeem en belangrijke delen van het bedrijf te delegeren, zal heel echt en heel snel worden. Dat is de mogelijkheid die het meest zal tellen, omdat het AI verder brengt dan smalle taakuitvoering en naar echte operationele hefboomwerking. Als gevolg daarvan zullen mensen zich meer richten op de relatie- en vertrouwensaspecten van het bedrijf, evenals de daadwerkelijke fysieke aard van het werk, of het nu constructie of een ander veldgebonden bedrijf is. Veel mensen praten nog steeds over AI als een productiviteitslaag die aan de zijkant zit, maar die visie begint al te verouderd aan te voelen. De systemen worden capabeler om bredere verantwoordelijkheid op zich te nemen. De toekomst is heel spannend, maar het zal ook veel disruptiever zijn dan veel gevestigde bedrijven willen toegeven.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Pilot Wave Holdings bezoeken.