Russ Fradin, CEO og medgrunnlegger av Larridin – Intervju-serie

Russ Fradin, CEO og medgrunnlegger av Larridin, er en erfaren entrepreneur og leder med en imponerende rekord i å bygge og skale suksessfulle teknologiselskaper. Han var med å grunnlegge Larridin i august 2024 etter over et tiår med ledelse i organisasjoner som Carbon Health, der han for tiden er nestleder, og Dynamic Signal, som han grunnla og led som CEO i nesten ti år. Fradin har også hatt nøkkelstillinger i styret i innovative selskaper som Leanplum og CoachArt, noe som reflekterer hans dedikasjon til å fremme teknologi, helse og sosiale initiativer.

Larridin er et neste-generasjons teknologiselskap som er dedikert til å transformere hvordan organisasjoner engasjerer med data og beslutningstaking. Plattformen utnytter avansert kunstig intelligens og automatisering til å strømlinje komplekse forretningsprosesser, og hjelper bedrifter å få handlebare innsikter raskere og mer intuitivt. Med fokus på effisiens, skalerbarhet og intelligent integrasjon, gir Larridin bedrifter mulighet til å ta smartere, datadrevne beslutninger samtidig som de låser opp nye nivåer av operasjonell eksellens over industrier.

Hvordan har din tidligere karriere og erfaringer ledet deg til å se behovet for et selskap dedikert til bedrifts AI-måling og styring?

Som en serial-entrepreneur ønsket jeg at mitt neste prosjekt skulle kombinere min dype bakgrunn i måling og analyse med den transformative potensialet til AI. I talløse samtaler med bedriftsledere kom ett tema stadig opp: til tross for massive investeringer, hadde selskaper ingen måte å spore, måle eller optimere sine AI-initiativer på. Det fantes ingen verktøy som ga dem synlighet eller kontroll over AI-tilpasning, og det gapet er nettopp det som inspirerte til opprettelsen av Larridin.

Du beskriver ofte Larridin som en “intelligenslag” over alle AI-verktøy — hvordan kom denne posisjoneringen til, og hvilke risikoer så du som gjorde det essensielt?

For bedrifter blir det stadig mer utfordrende å forstå hvordan AI faktisk brukes og om det leverer reell avkastning. Mange ledere stiller de samme spørsmålene: Bruker ansatte virkelig de AI-verktøyene vi har investert i? Hvordan kan vi måle deres effekt? Hvilke bruksområder leverer mest verdi og er verdt å skalerer? Ved å erkjenne dette synlighetsgapet, bygde vi Larridin som en intelligenslag over alle AI-verktøy, og ga bedriftsledere mulighet til å kartlegge, måle og optimere AI-bruk, og til slutt omdanne det til konkrete forretningsresultater.

Scout samler inn metadata (i stedet for innhold) for å avdekke AI-bruk over hele organisasjonen — i hvilke situasjoner blir disse signalene tvetydige, og hvordan validerer eller finjusterer du dem?

Scout samler ikke bare inn metadata; det analyserer også forespørsler for å forstå ferdighetsnivåer og bruksmønster. Tenk på denne plattformen som Google Analytics. Den sporer ikke individuelle forespørsler eller innhold; den aggregerer og tolker trender som oppdateres i sanntid over hele organisasjonen. Denne strømmen av data hjelper til å finjustere innsikter over tid, og sikrer at synligheten bedriftene får er nøyaktig, kontekstuell og handlebar.

Nexus sentraliserer forespørsler, retningslinjer og integrasjoner — hvordan overbeviser du teamene om å flytte arbeidsflyter inn i Nexus i stedet for å fortsette med deres ad-hoc AI-verktøy?

Nøkkelen til å adoptere nye teknologier ligger i å drive atferdsendringer. I dette tilfelle handler det om å bygge AI-kompetanse. Folk er ivrige etter å bruke AI, men hvordan hjelper du dem med å gjøre det ansvarlig? Det er sannsynlig at de fleste ansatte ikke vet om risikoen ved å bruke ikke-godkjente verktøy eller om de holder seg i samsvar når de samhandler med bestemte apper.

Hva er de mest misforståtte målene eller indikatorene som ledere tendrer til å misforstå som ekte AI-modning?

Hva hvert selskap bør spørre seg selv i dag er om AI-verktøyene som er tilgjengelige over hele selskapet faktisk leverer verdi. En ting er antallet personer som bruker ChatGPT, for eksempel. Men hvor mange av dem maksimerer bruken til et punkt der det bringer en reell konkurransefordel og viser reell verdi? Å ha de nyeste eller dyreste AI-verktøyene betyr ikke at alle kommer til å bruke dem og maksimere dem. Selskaper som har lært å dra nytte av AI, sporer og måler bruken for å sikre reell avkastning, skalerer suksessfulle interne bruksområder og skaper en kultur som fremmer AI-litteratur for alle.

Når godkjente og ikke-godkjente AI-verktøy samexisterer, hvordan isolerer du hvilken bruk som faktisk leverer forretningspåvirkning?

Det første skrittet ville være å få synlighet og forstå hvilke verktøy som brukes, av hvem, hvordan de påvirker ytelsen, er de trygge? Når selskaper har kartlagt AI-aktivene som kjører i deres økosystem, er det tid til å grave ned i målene og måle avkastningen av disse verktøyene. Det er mulig at et ikke-godkjent verktøy leverer mer verdi enn et godkjent ett, mens andre bare vil legge til støy og risiko. Når organisasjonene har en klar oversikt og sanntidsinnsikt i hva som fungerer og hva som ikke gjør det, kan de bygge på sin teknologi-stakk og fortsette å gå fremover som en helhet.

 Hvordan balanserer du styring (regler, overvåking, grenser) med å gi teamene friheten og fleksibiliteten til å eksperimentere og innovere?

Styring og innovasjon må gå hånd i hånd i AI-æraen. Den beste måten å oppnå denne balansen på er ved å gi ansatte verktøyene og muligheten til å eksperimentere med AI på en trygg og ansvarlig måte. Når styring blir en blokker eller oppfattes som en flaskehals, vil kreativitet og eksperimentering stagnere, men når det er en muliggjører, gir det folk mulighet til å pushe grenser og bygge nye løsninger med tillit.

Ettersom nye modeller, agenter og selvbetjeningsverktøy oppstår raskt, hvordan holder du Larridins deteksjon, koblinger og retningslinjer aktuelle og robuste?

Tilpasningsevne og fleksibilitet er to grunnprinsipper for Larridin. Nye AI-verktøy oppstår hver dag, og folk er villige til å teste dem, uavhengig av om de er godkjente eller ikke. Vår plattform detekterer automatisk nye AI-aktiver og deres bruksmønster, og har en evoluerende koblingsbibliotek, som sikrer at synligheten aldri går tapt. Denne dynamiske rammen lar organisasjonene omorganisere sine regler for sikkerhet og samsvar i sanntid.

Siden Larridins opprettelse, hvilke av dine tidlige antagelser har overrasket deg mest — spesielt rundt tilpasning, motstand eller måling av verdi?

I dag bor selskaper i en AI-delt verden. Noen mennesker tar til seg AI instinktivt og arbeider naturlig med denne teknologien, eksperimenterer kontinuerlig og driver innovasjon. Andre kan ikke ha tiden eller inklinasjonen til å klatre lærekurven, noe som ikke nødvendigvis betyr at de er motstandere. Å forstå at mennesker er motivert av forskjellige ting og å fremme en endring av atferd rundt AI ved å brobygge disse to verdener, er essensielt for tilpasning og vekst. Noen organisasjoner kan ikke ha realisert dette enda.

Også synlighetsproblemet er intriigende. I dagens raskt skiftende AI-verden skjer det oftere enn forventet at man mister synlighet, selv med selskaper som konstant gjennomfører interne auditor. I en nylig undersøkelse vi gjennomførte, innrømmet over 70% av IT- og finansledere at de har mistet synlighet. Dette gjør det vanskelig å måle den sanne verdien av AI, og mange organisasjoner mangler verktøyene og prosessene som trengs for å holde spor og måle deres AI-applikasjoner.

Over de neste 3–5 årene, hva er din ideelle visjon for bedrifts AI-styring og tilpasning — og hvordan ser du Larridins rolle utvikle seg mot denne fremtiden?

I fremtiden må styring, sikkerhet, samsvar og tilpasning fungere i harmoni. Denne integrerte miljøet lar selskaper trives ved å gi ansatte mulighet til å skape sine egne AI-agenter for å støtte arbeidsflyter og løse problemer, og frigjøre dem til å fokusere på strategiske initiativer. Larridin åpner veien til denne neste-generasjons-tilnærmingen for samarbeidet mellom AI og mennesker.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Larridin.