Stephen Straus, administrerende direktør og medgründer av KUNGFU.AI – Intervjuserie

Stephen Straus, administrerende direktør og medgründer av KUNGFU.AI, er en entreprenør, investor og teknologileder med tiår med erfaring i å bygge og rådgive selskaper. Før han lanserte KUNGFU.AI i 2017, var han General Partner i Austin Ventures og grunnla eller medgrunnla flere selskaper, inkludert mbue, som ble kjøpt opp av Bluebeam. Straus er også en langvarig partner og mentor i Capital Factory og sitter i Engineering Advisory Board ved University of Texas at Austin’s Cockrell School of Engineering. Utover teknologi og investering har han medgrunnlagt og er styreleder for Impact Dyslexia og grunnla Startup Diversity and Inclusion Pledge, noe som reflekterer et bredere fokus på hvordan teknologi, entreprenørskap og organisasjonsledelse kan skape positiv samfunnspåvirkning.

KUNGFU.AI er et konsulent- og ingeniørfirma basert i Austin som fokuserer utelukkende på kunstig intelligens. Selskapet ble grunnlagt i 2017 og kombinerer AI‑strategi med ingeniørkunst for å hjelpe organisasjoner med å gå fra eksperimentering til produksjonsklare AI‑systemer, med arbeid som spenner over områder som agentisk AI, maskinlæring, datavisjon, AI‑styring og samspill mellom mennesker og maskiner. Tilnærmingen legger vekt på å designe AI rundt hvordan organisasjoner og deres ansatte faktisk opererer, i stedet for å behandle AI som en frittstående teknologileveranse. KUNGFU.AI jobber på tvers av bransjer inkludert helsevesen, offentlig sektor, private equity, detaljhandel, finans og forsikring, og rapporterer at 96 % av oppdragene deres når produksjonsstadiet.

Du tilbrakte år som venturekapitalist i Austin Ventures gjennom dot‑com‑boom og -bust, og så senere paralleller mellom internettets fremvekst og det som begynte å skje med AI. Hva overbeviste deg om at muligheten var betydelig nok til å til slutt medgrunne KUNGFU.AI, og hva så du på den tiden som mange bedriftsledere fortsatt gikk glipp av?

Jeg tror det var mønstergjenkjenning fra å ha en plass på første rad i internettrevolusjonen under dot‑com‑æraen som førte meg til å medgrunne selskapet seks år før ChatGPT ble lansert. Jeg kan egentlig ikke forklare det, men jeg fikk en sterk overbevisning om at AI ville bli den neste store teknologiske overgangen verden ville gå gjennom, og akkurat som Internett ville den endre konkurransegrunnlaget.

Personlig har jeg i mitt liv sett flere transformative teknologiske overganger, fra jeg var 11 år. Jeg så en Apple I, og selv om jeg ikke forsto det da, representerte den starten på revolusjonen innen personlige datamaskiner.

Fra et tjenesteperspektiv er det svært få som så det samme som mine medgründere og jeg. Før ChatGPT var det svært vanskelig å finne andre konsulentselskaper som fokuserte på AI, og nå er det nesten umulig å finne et konsulentselskap som ikke sier at de tilbyr AI‑tjenester.

KUNGFU.AI ble grunnlagt år før generativ AI ble en prioritet i styrerommet. Hvordan har definisjonen din av et «AI‑first»‑selskap endret seg etter hvert som teknologien har utviklet seg fra tradisjonell maskinlæring til generativ og stadig mer agentisk AI?

Da vi startet selskapet, innså vi virkelig at vi var pionerer innen hva det betyr å være et AI‑profesjonelt tjenesteselskap. Men det var ikke før ChatGPT kom, at vi innså at vi også hadde muligheten til å være pionerer innen hva det betyr å være et AI‑aktivert profesjonelt tjenesteselskap.

Vi hadde gjort noe begrenset intern automatisering før ChatGPT, men det var virkelig fremkomsten av LLM‑modeller og nå agentisk AI som har gjort oss i stand til å bli et AI‑aktivert profesjonelt tjenesteselskap. Jeg tror vi gjør betydelige fremskritt mot dette. Vi økte inntektene med over 80 % i fjor, og vi holdt i hovedsak antall ansatte uendret. I tjenestesektoren er både den vekstraten og frakoblingen av personalvekst, etter min mening, virkelig bemerkelsesverdig og viser hva som er mulig i tjenestesektoren i denne nye æraen av

Du har hevdet at selskaper gjør en feil når de behandler AI som en annen programvareimplementering. Hvordan ser det egentlig ut når en organisasjon bruker AI til å revurdere hva selskapet kan bli, i stedet for bare å gjøre eksisterende prosesser mer effektive?

AI er forskjellig fra tradisjonell programvare på flere dimensjoner. Dette diagrammet er fra min nye bok, Wayfinding: A Business Fable About Leading in the Age of AI.

Hvordan AI er forskjellig fra tradisjonell programvare

Utover disse detaljene og mer strategisk, tror jeg at de fleste selskaper gjør en veldig stor feil, nemlig at de prøver å finne ut hvordan de kan bruke AI til å automatisere virksomheten sin. Hvorfor er det en feil? Nesten alle de samme personene vil være enige i at AI endrer alt. Og hvis det endrer alt, inkluderer det også endring av konkurransegrunnlaget i din bransje.

For meg gir det ingen mening å automatisere virksomheten din hvis bransjen din kommer til å bli forstyrret. Det er som å si at det er en god idé å automatisere Blockbuster Video når Netflix kommer til å overvelde den.

Det er ikke slik at jeg er imot automatisering, men jeg mener at hver bedrifts første, andre og tredje prioritet bør være å finne ut hvordan du kan bli forstyrrende i din bransje. For hvis du ikke fokuserer på det, vil du per definisjon ikke bli forstyrrende og sannsynligvis bli forstyrret – du vil bli forstyrret. Så det bør være prioriteten, og kun å fokusere på automatisering kan utgjøre en eksistensiell risiko for organisasjonen din.

KUNGFU.AI har nå jobbet med mer enn 120 oppdrag på tvers av over 30 bransjer. Fra disse implementeringene, hva skiller organisasjoner som gjør AI‑eksperimentering til varig konkurransefortrinn fra de som fortsatt sitter fast i pilotprosjekter? 

Det er virkelig nøkkelforskjeller som skiller organisasjoner som gjør AI‑eksperimentering til varig konkurransefortrinn. Jeg tror det starter både med lederens psykologiske profil og ambisjonsnivået på målene de setter.

La oss begynne med den psykologiske profilen til de mest seniorlederne i selskapene, enten det er administrerende direktør, men også styret og toppledelsen. Dette er svært forenklet, men jeg ser to primære lederarketyper.

På den positive siden ser jeg personer som går inn i denne massive utfordringen med å lede i den nye AI‑alderen med viljen til å være sårbare nok til å si: Dette er helt nytt. Vi vet nesten ikke nok til å kunne ta alle beslutningene vi må ta og alle investeringene vi må gjøre. Og vi vil gå videre med kunnskap om at vi vil gjøre feil, og vi er komfortable med det. Vi vil lære av feilene, og vi vil omgi oss med eksperter så mye som mulig.

Det står i kontrast til personer som, i det minste på overflaten, går inn i dette med holdningen: Jeg vet hva jeg gjør, og med selvtillit som for nesten alle er ubegrunnet, og derfor er det mer som hovmod.

Utover dette er de som er mest suksessrike de som innser at AI vil endre konkurransegrunnlaget, og de ser etter AI‑drevne forretningsmodeller bygget på proprietære data rettet mot bruddpunkter i strukturen i deres bransje for å kunne endre den bransjen og deretter bli ledende i den.

Når AI‑agenter blir i stand til å utføre stadig mer komplekse arbeidsflyter og ta beslutninger med mindre menneskelig involvering, hvordan forventer du at strukturen i selskaper, ledelseslag og individuelle roller vil endre seg?

Alt dette vil endre seg og endrer seg dramatisk. Vi har et helt rammeverk rundt menneske‑maskin‑teamarbeid, som tar forskning som er 50 år gammel og anvender den i denne nye AI‑alderen. Muligheten er ikke bare å automatisere arbeid eller sette AI‑verktøy foran folk, men å redesigne selve arbeidet rundt team som inkluderer både menneskelig og maskinell intelligens.

Det betyr at rollen til folk også vil endre seg. I økende grad vil folk gå fra å utføre arbeid til å designe systemene som får arbeidet til å skje, samtidig som de bringer dømmekraft, tilsyn og forståelse av kontekst som teknologien fortsatt krever.

Det er et svært komplekst spørsmål. Det skjer raskt. Og det er virkelig viktig å være usedvanlig bevisst på dine ansattes roller etter hvert som de i økende grad jobber med autonome agenter.

Selskaper har nå et enormt utvalg av grunnmodeller, AI‑plattformer, agenter og tredjepartsverktøy tilgjengelig. Hvor bør virksomheter stole på ekstern teknologi, og hvilke AI‑kapasiteter eller datafordeler må de til slutt eie selv?

Med alle verktøyene som kommer på markedet, blir intelligensdelen av AI raskt en vare, og jeg kan ikke understreke nok viktigheten av å ha egne dataressurser.

Det finnes et uttrykk som sier at den beste dagen å plante et tre er for 40 år siden. Den nest beste dagen er i dag. Dette betyr i forhold til data at hvis du ikke samler inn og arkiverer så mye data som mulig fra virksomheten din, bør du starte den prosessen i dag, selv om du ikke planlegger å gjøre noe annet som er knyttet til å gå inn i en AI‑sentral fremtid.

En annen måte jeg tenker på dette spørsmålet er at det finnes et helt spekter av verktøy i AI‑verktøykassen, og verktøyene folk nå ofte kaller tradisjonell AI eller maskinlæringsmodeller er vanligvis ikke tilgjengelige som standardprodukter. Og selv om de er det, gir de ikke nødvendigvis den nøyaktigheten du trenger for å oppnå reell forretningsverdi, og/eller kan de ha problemer med å utnytte dine proprietære data.

Så jeg er absolutt enig i at det gir mening å stole på ekstern teknologi. For mange bruksområder vil de mest strategiske sannsynligvis være skreddersydde løsninger bygget på dine proprietære data.

Du har understreket viktigheten av AI‑styring på styrenivå. Hvilke spørsmål bør styrene stille ledelsen i dag for å avgjøre om deres AI‑strategi skaper reell strategisk verdi i stedet for bare å gi marginale produktivitetsgevinster?

Styrene har et nytt sett med utfordringer med AI. De har sin tradisjonelle rolle med tilsyn og styring, som ofte fokuserer på risikobeskyttelse og risikoredusering. Men hvis de ikke balanserer dette med å oppmuntre til risikotaking, prøve nye ting og gi ressursene som gjør det mulig, vil selskapet per definisjon bli etterlatt i denne nye AI‑alderen. Så å finne riktig balanse mellom risikostøtte og risikoredusering er nøkkelen.

Jeg mener også at styret bør presse ledelsen mot AI‑drevede forretningsmodeller som kan endre konkurransegrunnlaget i deres bransje, og som er bygget på proprietære data, for fordi hvis de ikke fokuserer på det, vil de marginale produktivitetsgevinstene bli forgjeves når virksomheten blir forstyrret.

I Wayfinding forteller du og Ben Szuhaj historien om en administrerende direktør som har 90 dager på seg til å utvikle en AI‑strategi eller risikere å bli erstattet. Hvorfor valgte dere en forretningsfabel i stedet for en tradisjonell ledelsesbok for å utforske hvordan ledere bør reagere på AI‑drevet forstyrrelse?

Jeg er stor fan av forretningsfabelen og forfattere som Patrick Lencioni, en legende innen sjangeren. Vi valgte å skrive denne boken som en fabel fordi det hjalp oss med å utforske nyanserte temaer som lederes psykologi for å lykkes i denne nye æraen på en enkel og tilgjengelig måte, noe som ville vært mye vanskeligere i en tradisjonell forretningsbok.

Vi mener at boken virkelig har oppnådd noe vi er svært begeistret for, nemlig å lære bort virkelig substansiell og relevant kunnskap på en måte som er rask, morsom og engasjerende for travle ledere. Lærdommen i den, inkludert de 11 originale rammeverkene, er ting leserne kan ta med seg inn i arbeidet og bruke umiddelbart.

Et sentralt tema i Wayfinding er å ta avgjørende beslutninger når teknologien utvikler seg raskt og sikkerhet er umulig. Hvilket rammeverk bør ledere bruke for å avgjøre når de har nok informasjon til å handle, spesielt når det å vente på større klarhet i seg selv kan skape konkurranserisiko?

Et av rammeverkene vi utviklet og deler i boken, heter faktisk Wayfinding. Det er en tilpasning av Agile for AI. Det er en hypotese‑drevet, strukturert prosess for å utforske data og validere gjennomførbarheten av en løsning før man forplikter seg til en full produksjonsbygging. Formålet er å svare på om en AI‑løsning både er verdt å bygge, og om den vil fungere. Det er en viktig årsak til at vårt firma har en suksessrate på over 95 % for å ta proof‑of‑concepts til produksjon som har levert reell, målbar forretningsverdi, noe vi har gjort mer enn 50 ganger for våre kunder.

Hvis du tar på deg venturekapitalisten‑hatten igjen, når du ser på dagens generasjon av AI‑selskaper, hvilke signaler forteller deg at en oppstart bygger en varig konkurransefordel i stedet for et produkt som raskt kan bli en funksjon i en grunnmodell eller større plattform?

Jeg har egentlig ingen anelse, og er ærlig talt veldig glad for at jeg ikke er i den bransjen i dag. Jeg har stor forståelse for dagens venture‑investorer. De må ta store, dristige risikoer hvis de vil oppnå toppavkastning for sine investorer. Men fordi teknologien utvikler seg så raskt og på en ganske uforutsigbar måte, må det være svært vanskelig å skille langsiktige vinnere fra tapere.

Jeg understreker langsiktig fordi med mindre et selskap er heldig og treffer en viktig mulighet og blir tatt ut tidlig, vil det være mange selskaper som ser ut til å ha muligheten til å lykkes, men som ender opp med å mislykkes på grunn av hvordan markedet utvikler seg, noe som igjen er veldig vanskelig å vite. Bottom line: akkurat som i dot‑com‑æraen, vil det være noen virkelig store vinnere, men også mye tapte penger.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke KUNGFU.AI.