Afsheen Afshar, grunnlegger av Pilot Wave Holdings – Intervju-serie

Afsheen Afshar, grunnlegger av Pilot Wave Holdings, er en erfaren leder innen datavitenskap og investeringer med en karriere som omfatter ledende roller i Goldman Sachs (GS ), J.P. Morgan og Cerberus Capital Management, hvor han hjalp til å etablere storstilte datavitenskaps- og AI-initiativer innen finansielle institusjoner. Med en teknisk bakgrunn i nevrovitenskap og maskinlæring ved Stanford University, har Afshar bygget en karriere på krysningspunktet mellom avansert analyse, private equity og operasjonell transformasjon, med fokus på å bruke AI til å forbedre virkelige forretningsresultater. I Pilot Wave samler han investeringskompetanse, operasjonell ledelse og dypt teknisk kunnskap for å identifisere, kjøpe og skalerer selskaper med data-drevne strategier og moderne teknologi.

Pilot Wave Holdings er en akvisisjons- og vekstplattform som fokuserer på å transformere små og mellomstore bedrifter gjennom kunstig intelligens og avansert teknologi. Selskapet bruker proprietære AI-systemer til å analysere operasjoner, avdekke ineffektiviteter og drive forbedringer av ytelse i hele porteføljen. Ved å kombinere hånd-til-hånd operasjonell involvering med moderne data-infrastruktur, sikter Pilot Wave på å modernisere tradisjonelle bedrifter som historisk sett har manglet tilgang til avanserte verktøy, og posisjonere dem for skalerbar, langvarig vekst i en økonomi som stadig blir mer teknologidrevet.

Hva var den avgjørende faktoren eller frustrasjonen som førte til at du gikk fra å bygge AI innen store institusjoner til å kjøpe og transformere selskaper direkte?

Det avgjørende problemet var behovet for å kunne handle raskt. Innenunder store institusjoner, selv når folk er enige om muligheten, er det vanligvis for mange lag mellom å identifisere problemet og faktisk gjøre noe med det. AI feiler vanligvis ikke fordi det tekniske arbeidet er umulig, men fordi organisasjonen er for langsom, for politisk eller for fragmentert til å handle med hastighet. Jeg ønsket å jobbe i en miljø hvor strategi, operasjoner og teknologi kunne bli raskt sammenstilt. Å kjøpe og bygge selskaper direkte skaper denne typen mulighet. Hvis du faktisk ønsker å endre hvordan et bedrift drives med hastighet og vilje, er å være eier viktig.

Mange i bransjen feirer fremgangsrike pilotprosjekter, men den virkelige verdien kommer fra produksjonssystemer. Hvorfor bryter AI-initiativer så ofte sammen ved overgangen til produksjon, og hva skiller organisasjoner som vellykker å operasjonalisere AI fra de som stopper?

Mange pilotprosjekter er designet for å lykkes, noe som er nettopp hvorfor mange selskaper lurer seg selv. De skjer i rene miljøer, med ekstra oppmerksomhet, begrensede områder og ingen av friksjonen som viser seg i produksjon. Det dypere problemet er ofte en empatigap. Teknologer tar ofte ikke tiden eller har ikke ønsket om å lære operatørens erfaring, så de bygger noe som fungerer i teorien eller i en demo, men ikke passer virkeligheten av jobben. Selskapene som operasjonaliserer AI vellykker er de som tar menneskelig arbeidsflyt seriøst fra begynnelsen og bygger for uorden i virkelige operasjoner i stedet for å forsøke å unngå det. Alle sier de ønsker produksjonsverdi, men mange team er fortsatt optimert for pilot-applaus.

Ditt arbeid fokuserer på å integrere AI i sektorer som infrastruktur, produksjon og e-handel. Hvor forskjellig er det å deployere AI i disse miljøene fundamentalt fra å deployere det i digitalt-native eller programvare-først selskaper?

Forskjellen er at i mer tradisjonelle bedrifter er empati og det menneskelige elementet enda viktigere enn folk i AI-verdenen vanligvis ønsker å innrømme. I programvare-først miljøer kan teamene ofte flytte raskt og fikse problemer senere. I infrastruktur, produksjon og e-handel er arbeidet knyttet til fysiske systemer, reelle begrensninger og mennesker som vet umiddelbart når noe ikke passer med hvordan bedriften faktisk drives. Det betyr at du ikke kan bare vise opp med en teknisk elegant løsning og forvente at den blir tatt i bruk. Hvis du ikke forstår operatørens erfaring, er din AI-strategi sannsynligvis allerede ødelagt. Disse miljøene avslører overfladisk tenkning svært raskt, noe som er en del av hvorfor de betyr så mye.

Du har argumentert for at AI-adoptsjon bør starte med forretningsprioriteter fremfor verktøy. Hva betyr det i praksis, og hvordan bør ledelseslag refokusere sin tilnærming til AI-transformasjon?

De fleste ledelseslag starter på feil sted. De begynner med en hva-kan-denne-teknologien-gjøre-for-oss-konversasjon fordi det høres spennende og aktuelt ut, når riktig sted å starte er hva er våre viktigste forretningsprioriteter. Når du vet det, kan du så snakke ærlig om de beste verktøyene for å håndtere disse prioritetene, og det behøver ikke alltid å være AI. Det høres åpenbart ut, men de fleste selskapene er fortsatt opptatt av teknologi først og håper at forretningscasen vil dukke opp på et eller annet tidspunkt. Det er bakvendt og det fører til mye spild av bevegelse. Hvis ledelsen ønsker virkelige resultater, må de slutte å behandle AI-strategi som en handleøvelse.

I Pilot Wave er du ikke bare rådgiver for selskaper, men du omdanner dem etter akvisisjon. Hva er de første strukturelle eller kulturelle endringene du implementerer for å gjøre AI-adoptsjon faktisk vellykket?

Det første er å finne både senior og junior sponsorer. Junior sponsorene kjenner dag-til-dag-realiteten og kan sikre at de lavere nivåene faktisk gjør det som må gjøres, mens senior sponsorene sikrer at politikk blir minimert og at innsatsen ikke blir stille strøpet. Mange selskaper læner for tungt på topp-ned-støtte og undrer seg så over hvorfor ingenting endrer seg i praksis. Sannheten er at AI-adoptsjon vanligvis feiler enten fordi organisasjonen motsetter seg det på grunn-nivå eller fordi ledelsen lar forstyrrelser bygge seg opp rundt det. Du trenger begge former for støtte på plass tidlig. Ellers blir initiativet et annet ledelses-talkingpunkt som aldri virkelig lander.

Når AI-agenter blir mer kapable og infrastruktur blir mer abstrahert, hvilke strategiske risikoer oppstår for selskaper som ikke kontrollerer sin egen data og AI-stakk?

Jeg ville argumentere for at selskaper alltid trenger grunnleggende kontroll. Det krever instrumentering av hver enkelt system, som er hvordan Pilot Wave tilnærmer seg systemdesign, fordi hvis du ikke kan se hva som skjer, måle det og sette vegger rundt det, så tar du på deg risiko du ikke forstår. Det betyr ikke at du ikke skal delegere oppgaver, fordi delegasjon vil absolutt fortsette i skala, men delegasjon uten måling er ikke en gjennomførbar strategi. Mye av markedet blir forført av abstraksjon fordi det gjør ting lettere og raskere, men den lettheten kan skjule virkelig systemisk sårbarhet. Hvis riktig instrumentering, måling og vegger er på plass, kan den potensielle systemiske risikoen bli minimert. Hvis de ikke er det, bygger du avhengighet før du har tjent tillit.

Det er en voksende gap mellom hvordan AI markedsføres og hvordan det fungerer i virkelige miljøer. Hva signaler bør tekniske ledere og operatører se etter for å skille meningsfulle AI-egenskaper fra overflatiske krav?

Spør alltid om virkelig verdi-måling. Jeg har vært religiøs om å måle verdi hele min karriere, ned til enkelt-prosjekter, fordi uten den disiplinen blir det svært lett å forveksle begeistring med resultater. Hver innsats bør holdes til en ROI og spores. Hvis noen ikke kan forklare tydelig hvordan systemet påvirker omsetning, kostnad, gjennomstrømming, arbeids-effektivitet eller en annen virkelig forretnings-måling, så er det en god sjanse de selger teater. Bransjen har blitt altfor komfortabel med å belønne polerte demonstrasjoner og vage krav. Uten rigorøs verdi-måling er det en virkelig risiko for å kaste bort tid og penger.

Du har bygget og ledet store data-vitenskaps-organisasjoner. Hvordan ser du på at rollen til AI-teamene utvikler seg når automatisering øker og agent-baserte systemer tar på seg mer ansvar?

AI vil ta på seg høyere og høyere nivå-oppgaver. I Pilot Wave utvikler vi allerede AI som kan ta inn noe som “øke min omsetning med 10 prosent” i stedet for “gjør om min nettside”, som er mye nærmere hvor mye AI fortsatt sitter i dag. Denne skiftet endrer rollen til AI-teamene på en alvorlig måte fordi arbeidet blir mindre om isolerte oppgaver og mer om hvordan systemer resonerer over faktiske forretnings-mål. Mange team tenker fortsatt for smalt om automatisering og undervurderer hvor raskt teknologien flytter oppover stakken. Tyngdepunktet vil flytte seg fra oppgave-utførelse mot forretnings-delegering. Det er en mye større endring enn de fleste bedrifter forbereder seg på.

Mange bedrifter investerer tungt i AI, men sliter med å generere målbare ROI. Hva er de vanligste feil-mønsterne du har observert, og hvordan kan de unngås?

De fleste AI-innsatser, særlig i store bedrifter, er fortsatt for fokusert på sexy dashboards, buzzwords og ting som er lette å presentere internt, men harde å knytte til virkelig verdi. Selskaper bruker mye tid på å gjøre arbeidet se sofistikert ut i stedet for å gjøre det nyttig. Feil-mønsteret er vanligvis ikke mysteriøst, det er bare en mangel på disiplin rundt skapelse av hånd-til-hånd-verdi. Hvis det ikke er noen tydelig økonomisk mål, ingen eier og ingen målings-ramme, bør innsatsen ikke flytte fremover. Å være religiøst fokusert på verdi-skaping på hver stopp langs veien er kritisk. Ellers blir bedrifts-AI en svært dyr merkevare-øvelse.

Ser du fremover, hvilke AI-egenskaper eller system-nivå-gjennombrudd vil ha den største innvirkning på fysisk-verden-industrier over de neste fem til ti årene?

Evmnen til å gi svært høye mål til et AI-system og delegerer større deler av bedriften vil bli svært virkelig svært raskt. Det er evmen som vil bety mest, fordi det flytter AI utenfor smale oppgave-utførelser og inn i faktisk operasjonell gevinst. Som en konsekvens vil folk fokusere mer på relasjon- og tillits-aspektene av bedrift, sammen med den faktiske fysiske naturen av arbeidet, enten det er bygging eller en annen felt-basert industri. Mange mennesker snakker fortsatt om AI som et produktivitets-lag som sitter på siden, men den synsvinkelen begynner allerede å føles utdatert. Systemene blir mer og mer i stand til å ta på seg større ansvar. Fremtiden er svært spennende, men den vil også bli mye mer disruptiv enn mange etablerte ønsker å innrømme.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Pilot Wave Holdings.