Afsheen Afshar, Założyciel Pilot Wave Holdings – Seria Wywiadów

Afsheen Afshar, Założyciel Pilot Wave Holdings, jest weteranem w dziedzinie nauki o danych i liderem inwestycyjnym, którego kariera obejmuje stanowiska kierownicze w Goldman Sachs, J.P. Morgan i Cerberus Capital Management, gdzie pomógł w rozwoju dużych projektów związanych z nauką o danych i sztuczną inteligencją w instytucjach finansowych. Z technicznym fundamentem opartym na neuronaukach i badaniach nad sztuczną inteligencją na Uniwersytecie Stanforda, Afshar zbudował karierę na przecięciu zaawansowanej analityki, prywatnych inwestycji i transformacji operacyjnej, koncentrując się ostatecznie na stosowaniu sztucznej inteligencji w rzeczywistych wynikach biznesowych. W Pilot Wave łączy on doświadczenie inwestycyjne, przywództwo operacyjne i głęboką wiedzę techniczną, aby identyfikować, nabywać i skalować firmy przy użyciu strategii opartych na danych i nowoczesnej technologii.

Pilot Wave Holdings to platforma do przejęć i wzrostu, skupiająca się na transformacji małych i średnich przedsiębiorstw za pomocą sztucznej inteligencji i zaawansowanej technologii. Firma wykorzystuje własne systemy sztucznej inteligencji do analizy operacji, identyfikacji nieefektywności i poprawy wyników w firmach portfelowych. Łącząc bezpośredni udział operacyjny z nowoczesną infrastrukturą danych, Pilot Wave ma na celu zmodernizowanie tradycyjnych firm, które historycznie nie miały dostępu do zaawansowanych narzędzi, umożliwiając im skalowalny, długoterminowy wzrost w coraz bardziej zdominowanej przez technologię gospodarce.

Miałeś przełomowe role przywódcze w dziedzinie sztucznej inteligencji w firmach takich jak JPMorgan i Cerberus, a później założyłeś Pilot Wave Holdings, aby wprowadzić sztuczną inteligencję do tradycyjowych branż. Jaki podstawowy wgląd lub frustracja skłonił cię do przesunięcia się od budowania sztucznej inteligencji wewnątrz dużych instytucji do przejmowania i przekształcania firm bezpośrednio?

Podstawowym problemem była potrzeba upoważnienia do działania z szybkością. Wewnątrz dużych instytucji, nawet gdy ludzie zgadzają się co do możliwości, zwykle jest zbyt wiele warstw między identyfikacją problemu a podjęciem działań. Sztuczna inteligencja nie zazwyczaj nie powodzi się, ponieważ praca techniczna jest niemożliwa, ale dlatego, że organizacja jest zbyt powolna, zbyt polityczna lub zbyt rozproszona, aby działać z pilnością. Chciałem pracować w środowisku, w którym strategia, operacje i technologia mogą być szybko wyrównane. Przejmowanie i budowanie firm bezpośrednio tworzy tego rodzaju upoważnienie. Jeśli naprawdę chcesz zmienić, jak firma działa z szybkością i wolą, bycie właścicielem jest ważne.

Większość branży nadal celebruje udane pilotaże, jednak prawdziwa wartość pochodzi z systemów produkcyjnych. Dlaczego inicjatywy sztucznej inteligencji tak często zawodzą w tym punkcie przejścia, a co odróżnia organizacje, które z powodzeniem wdrożenie sztucznej inteligencji od tych, które zawodzą?

Wiele pilotaży jest zaprojektowanych tak, aby odnieść sukces, co jest dokładnie tym, dlaczego wiele firm oszukuje same siebie. Zdarzają się one w czystych środowiskach, z dodatkową uwagą, ograniczonym zakresem i żadnym tarcia, które pojawia się w produkcji. Głębszym problemem jest często luka empatii. Technolodzy często nie mają czasu lub po prostu nie mają chęci, aby nauczyć się doświadczenia operatora, więc budują coś, co działa w teorii lub w demo, ale nie pasuje do rzeczywistości pracy. Firmy, które z powodzeniem wdrożenie sztucznej inteligencji, są tymi, które traktują ludzki przepływ pracy poważnie od samego początku i budują dla nieładu rzeczywistych operacji, zamiast próbować go uniknąć. Każdy mówi, że chce wartości produkcyjnej, ale wiele zespołów nadal optymalizuje pilotażowe oklaski.

Twoja praca koncentruje się na wbudowaniu sztucznej inteligencji w sektory takie jak infrastruktura, produkcja i handel elektroniczny. Jak wdrożenie sztucznej inteligencji w tych środowiskach różni się fundamentalnie od wdrożenia jej w firmach cyfrowych lub oprogramowaniu?

Różnica polega na tym, że w bardziej tradycyjnych firmach Main Street, empatia i ludzki element są jeszcze ważniejsze, niż ludzie w świecie sztucznej inteligencji zwykle chcą przyznać. W środowiskach oprogramowania-pierwszym zespoły mogą często poruszać się szybko i naprawiać problemy później. W infrastrukturze, produkcji i handlu elektronicznym praca jest związana z systemami fizycznymi, prawdziwymi ograniczeniami i ludźmi, którzy wiedzą natychmiast, gdy coś nie pasuje do sposobu, w jaki firma naprawdę działa. Oznacza to, że nie możesz po prostu pojawić się z technicznie eleganckim rozwiązaniem i oczekiwać akceptacji. Jeśli nie rozumiesz doświadczenia operatora, twoja strategia sztucznej inteligencji jest prawdopodobnie już złamana. Te środowiska narażają płytkie myślenie bardzo szybko, co jest częścią tego, dlaczego są one tak ważne.

Argumentowałeś, że przyjęcie sztucznej inteligencji powinno rozpocząć się od priorytetów biznesowych, a nie narzędzi. Jak to wygląda w praktyce, a jak zespoły kierownicze powinny przebudować swój podejście do transformacji sztucznej inteligencji?

Większość zespołów kierowniczych zaczyna od niewłaściwego miejsca. Zaczynają od rozmowy o tym, co może zrobić ta technologia dla nas, ponieważ brzmi to ekscytująco i aktualnie, kiedy prawidłowe miejsce do rozpoczęcia to określenie, jakie są nasze najważniejsze priorytety biznesowe. Gdy już je znasz, wtedy możesz szczerze porozmawiać o najlepszych narzędziach do rozwiązania tych priorytetów, i nie zawsze musi to być sztuczna inteligencja. Brzmi to oczywiście, ale wiele firm nadal śledzi technologię jako pierwszą i liczy na to, że przypadkowo pojawi się przypadku biznesowy. To odwrotnie i prowadzi do wielu zmarnowanych ruchów. Jeśli kierownictwo chce prawdziwych wyników, musi przestać traktować strategię sztucznej inteligencji jak ćwiczenie zakupowe.

W Pilot Wave nie tylko doradzasz firmom, ale także przekształcasz je po przejęciu. Jakie są pierwsze strukturalne lub kulturowe zmiany, które wprowadzasz, aby uczynić przyjęcie sztucznej inteligencji naprawdę skutecznym?

Pierwszą rzeczą jest znalezienie zarówno starszych, jak i młodszych sponsorów. Młodsi sponsorzy znają codzienną rzeczywistość i mogą upewnić się, że szeregowi pracownicy naprawdę robią to, co potrzebne, podczas gdy starsi sponsorzy zapewniają, że polityka jest minimalizowana i wysiłek nie zostaje cicho uduszonny. Wiele firm opiera się zbyt mocno na wsparciu odgórnym i potem się zastanawia, dlaczego nic nie zmienia się w praktyce. Prawdą jest, że przyjęcie sztucznej inteligencji zazwyczaj zawodzi albo dlatego, że organizacja opiera się jej na poziomie podstawowym, albo dlatego, że kierownictwo pozwala na interferencję, która gromadzi się wokół niej. Potrzebujesz obu form wsparcia na miejscu wcześnie. W przeciwnym razie inicjatywa staje się kolejnym punktem wytycznym kierownictwa, który nigdy naprawdę nie ląduje.

Przewidując przyszłość, jakie ryzyka strategiczne pojawiają się dla firm, które nie kontrolują własnych danych i stosu sztucznej inteligencji, gdy agenci sztucznej inteligencji stają się coraz bardziej zdolni i infrastruktura staje się coraz bardziej abstrakcyjna?

Uważam, że firmy zawsze muszą mieć podstawową kontrolę. Wymaga to instrumentacji każdego systemu, co jest tym, jak Pilot Wave podejście do projektowania systemów, ponieważ jeśli nie możesz zobaczyć, co się dzieje, zmierzyć tego i umieścić barierki wokół tego, wtedy podejmujesz ryzyko, którego nie rozumiesz. Nie oznacza to, że nie powinieneś delegować zadań, ponieważ delegowanie będzie absolutnie kontynuowane w skali, ale delegowanie bez pomiaru nie jest strategią wykonalną. Duża część rynku jest uwodzona przez abstrakcję, ponieważ sprawia, że rzeczy wydają się łatwiejsze i szybsze, ale ta wygoda może ukrywać prawdziwą systemową kruchłość. Jeśli odpowiednia instrumentacja, pomiar i barierki są na miejscu, potencjalne systemowe ryzyko może być zminimalizowane. Jeśli ich nie ma, budujesz zależność, zanim zdobędziesz zaufanie.

Wzrasta różnica między tym, jak sztuczna inteligencja jest marketingowa, a tym, jak wykonuje się w środowiskach rzeczywistych. Jakie sygnały powinni szukać techniczni liderzy i operatorzy, aby odróżnić znaczące możliwości sztucznej inteligencji od powierzchownych twierdzeń?

Zawsze pytaj o prawdziwą miarę wartości. Byłem religijnie skupiony na pomiarze wartości przez całą moją karierę, aż do poszczególnych projektów, ponieważ bez tej dyscypliny staje się bardzo łatwo pomylić ekscytację z wynikami. Każdy wysiłek powinien być utrzymany w ROI i śledzony. Jeśli ktoś nie może wyjaśnić jasno, jak system wpływa na przychody, koszty, przepływ, wydajność pracy lub inny rzeczywisty wskaźnik biznesowy, wtedy istnieje duże prawdopodobieństwo, że sprzedaje teatr. Branża stała się zbyt wygodna, nagradzając błyszczące demo i mgliste twierdzenia. Bez rygorystycznego pomiaru wartości istnieje prawdziwe ryzyko wyrzucenia czasu i pieniędzy.

Zbudowałeś i poprowadziłeś duże organizacje nauki o danych. Jak widzisz ewolucję roli zespołów sztucznej inteligencji, gdy automatyzacja wzrasta i systemy oparte na agentach biorą na siebie coraz więcej odpowiedzialności?

Sztuczna inteligencja podejmie coraz bardziej złożone zadania. W Pilot Wave już rozwijamy sztuczną inteligencję, która może przyjmować jako dane wejściowe coś takiego, jak “zwiększ mój przychód o 10 procent”, zamiast “zrób moją stronę internetową”, co jest znacznie bliżej tego, gdzie wiele sztucznej inteligencji nadal siedzi dzisiaj. Ten przesunięcie zmienia rolę zespołów sztucznej inteligencji w poważny sposób, ponieważ praca staje się mniej o izolowanych zadaniach i bardziej o tym, jak systemy rozumieją rzeczywiste cele biznesowe. Wiele zespołów nadal myśli zbyt wąsko o automatyzacji i niedocenia, jak szybko technologia porusza się w górę stosu. Środek ciężkości będzie się przesuwał od wykonania zadania w kierunku delegacji biznesowej. To znacznie większa zmiana, niż większość przedsiębiorstw się przygotowuje.

Wiele przedsiębiorstw inwestuje znacznie w sztuczną inteligencję, jednak mają trudności z wygenerowaniem mierzalnego ROI. Jakie są najczęstsze wzorce niepowodzeń, które obserwowałeś, i jak można ich uniknąć?

Większość wysiłków sztucznej inteligencji, zwłaszcza w dużych przedsiębiorstwach, nadal koncentruje się zbyt mocno na sexy dashboardach, buzzwordach i rzeczach, które są łatwe do przedstawienia wewnętrznie, ale trudne do powiązania z prawdziwą wartością. Firmy spędzają wiele czasu na tym, aby praca wyglądała sofistykowanym, zamiast być użyteczną. Wzorzec niepowodzenia zwykle nie jest tajemniczy, jest to po prostu brak dyscypliny wokół tworzenia wartości. Jeśli nie ma jasnego celu ekonomicznego, nie ma właściciela i nie ma ramy pomiaru, wysiłek nie powinien się rozpocząć. Bycie religijnie skupionym na tworzeniu wartości na każdym etapie jest krytyczne. W przeciwnym razie przedsiębiorstwo sztucznej inteligencji staje się bardzo drogim ćwiczeniem brandingowym.

Spójrzając w przyszłość, które możliwości sztucznej inteligencji lub przełomowe systemy będą miały największy wpływ na branże fizyczne w ciągu najbliższych pięciu do dziesięciu lat?

Możliwość podania bardzo wysokiego poziomu celów systemowi sztucznej inteligencji i delegowania głównych części biznesu stanie się bardzo realne bardzo szybko. To jest możliwość, która będzie się liczyć najbardziej, ponieważ przenosi sztuczną inteligencję poza wąskie wykonanie zadania i w kierunku rzeczywistej operacyjnej przewagi. W konsekwencji ludzie będą się koncentrować bardziej na relacjach i aspektach zaufania biznesu, wraz z rzeczywistą fizyczną naturą pracy, czy to jest budownictwo, czy inna branża oparta na polu. Wiele osób nadal mówi o sztucznej inteligencji jako o warstwie produktywności siedzącej obok, ale ten widok zaczyna już czuć się nieaktualny. Systemy stają się w stanie podejmować znacznie szerszą odpowiedzialność. Przyszłość jest bardzo ekscytująca, ale będzie również znacznie bardziej burzliwa, niż wiele incumbentów chce przyznać.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Pilot Wave Holdings.