Don Schuerman, CTO at Pegasystems – Interview Series

Don Schuerman jest dyrektorem ds. technologii i wiceprezesem ds. marketingu produktów w Pegasystems, odpowiedzialnym za platformę Pega i aplikacje zarządzania relacjami z klientami (CRM).

Ma 20-letnie doświadczenie w dostarczaniu rozwiązań oprogramowania dla firm z listy Fortune 500, ze szczególnym uwzględnieniem transformacji cyfrowej, mobilności, analiz, zarządzania procesami biznesowymi, chmury i CRM.

Pegasystems oferuje solidną platformę, która pomaga organizacjom osiągać przekształcające wyniki biznesowe poprzez optymalizację w czasie rzeczywistym. Platforma umożliwia klientom rozwiązywanie kluczowych wyzwań biznesowych przy użyciu podejmowania decyzji za pomocą sztucznej inteligencji przedsiębiorstw i automatyzacji przepływów pracy, w tym personalizacji zaangażowania klienta, automatyzacji usług i poprawy wydajności operacyjnej. Założona w 1983 roku, Pegasystems opracowała skalowalną i elastyczną architekturę, która wspiera przedsiębiorstwa w spełnianiu obecnych wymagań klientów, jednocześnie dostosowując się do przyszłych potrzeb.

Uwzględniając Pańskie ogromne doświadczenie jako CTO w Pegasystems, jak Pega GenAI wyróżnia się na dynamicznie rozwijającym się rynku generatywnej sztucznej inteligencji dla przedsiębiorstw?

Pega od lat innowuje rozwiązania sztucznej inteligencji, w tym eksploruje generatywną sztuczną inteligencję jeszcze zanim stała się popularna. Uważam, że jest trzy rzeczy, które nas wyróżniają:

Po pierwsze, nie tylko przyspieszamy procesy, ale również napędzamy innowacje. Większość dostawców oprogramowania dla przedsiębiorstw wypuściła różne boty gen AI, agenci lub funkcje współpilotów, ale prawda jest taka, że te podobne narzędzia nie zapewnią różnicowania konkurencyjnego. Umożliwiamy naszym klientom przemyślenie, jak działa cały ich biznes, z unikalnymi narzędziami, takimi jak Pega GenAI Blueprint, który zapewnia najlepsze projekty aplikacji w ciągu kilku sekund. Nie tylko automatyzujemy zadania; fundamentalnie przemyślamy, jak działają i innowują biznesy.

Po drugie, nie tylko automatyzujemy w izolacji, ale również koordynujemy, jak wykonywana jest pracaod początku do końca. Inni dostawcy posypują te funkcje botów gen AI i liczą, że wystarczy to, aby zwiększyć wydajność. Nasza platforma opiera się na naszym wiodącym zarządzaniu przypadkami i koordynacji, co pozwala nam nie tylko na automatyzację z gen AI, ale również na koordynację i optymalizację całego procesu od początku do końca.

Po trzecie, nie jesteśmy tylko generycznym silnikiem gen AI – koncentrujemy się na napędzaniu lepszego zaangażowania klienta i automatyzacji przepływów pracy za pomocą sztucznej inteligencji. Czasami problem wymaga kreatywnej mocy generatywnej sztucznej inteligencji, podczas gdy inne problemy mogą wymagać przewidywania AI lub podejmowania decyzji, aby wprowadzić więcej logiki do procesu.

W Pańskim artykule na Forbes, “Odblokowanie potencjału zaawansowanej sztucznej inteligencji dla innowacji biznesowych,” wspomina Pan o potencjale generatywnej sztucznej inteligencji do przemyślenia operacji biznesowych. Jakie są konkretnymi przykładami, w których sztuczna inteligencja może skatalizować transformację spadkową w ugruntowanych firmach?

Wiceprezes Deutsche Telekom ds. Autoryzacji Projektowych, Daniel Wenzel, opisał publiczności na PegaWorld iNspire tego lata, jak obecnie używa Pega GenAI Blueprint, aby pomóc mu przemyśleć ponad 800 odrębnych procesów biznesowych w dziale usług HR. Mówi, że największą przeszkodą w próbach poprawy tych procesów było to, że ludzie biznesu i IT nie mówią tym samym językiem, co prowadzi do niespełnionych oczekiwań. Pega GenAI Blueprint pomaga obu stronom zrozumieć proces i jak go poprawić znacznie szybciej niż tradycyjne metody, prowadząc do bardziej skutecznych rozwiązań.

Ten sam artykuł omawia ograniczenia bieżących aplikacji generatywnej sztucznej inteligencji. Jak firmy mogą wyjść poza stopniowe usprawnienia produktywności, aby wykorzystać pełny potencjał transformacyjny sztucznej inteligencji?

Większość generatywnej sztucznej inteligencji w oprogramowaniu dla przedsiębiorstw jest stosowana jako funkcje jednorazowe, które pomagają przyspieszyć określone aspekty procesu. Ale tego typu funkcje są już powszechne, zapewniając niewielką przewagę konkurencyjną. Sztuczki produktywności, takie jak podsumowanie i generowanie tekstu, są podstawowymi wymogami – co firmy potrzebują, aby awansować na rynku, to użycie generatywnej sztucznej inteligencji do innowacji nowych sposobów prowadzenia biznesu na wysokim poziomie. Na przykład Gartner zidentyfikował nową kategorię technologii, którą nazywa Technologie Orkiestracji i Automatyzacji Biznesu (BOAT), która spogląda na napędzanie wyników biznesowych w sposób bardziej holistyczny, od strumieniowania kosztów, poprawy podejmowania decyzji, zmniejszania kosztów operacyjnych i używania odpowiednich technologii automatyzacji do pracy w danym momencie. Funkcje gen AI jednorazowe mają swoje miejsce, ale jest to tylko część układanki i nie jest srebrną kulą, która rozwiązuje wszystkie problemy.

Jakie są najbardziej obiecujące przypadki użycia generatywnej sztucznej inteligencji w przedsiębiorstwach, które wykraczają poza typowe usprawnienia produktywności, i jak firmy mogą najlepiej wdrożyć te przypadki?

Najbardziej ekscytująca możliwość generatywnej sztucznej inteligencji to potencjał wstrzyknięcia najlepszych praktyk do procesu. Ci, którzy używają gen AI tylko do pisania więcej kodu, mogą przygotowywać się do większego długu technicznego w przyszłości. Wstrzyknięcie IP do procesu projektowania oprogramowania jest przełomem, umożliwiającym organizacjom uzyskanie optymalnego rozwiązania znacznie szybciej na podstawie lat doświadczenia. I dlatego, że jest rozwijany jako model wizualny, a nie tylko linie kodu, jest łatwiejszy do współpracy i udoskonalenia w czasie pomiędzy osobami technicznymi i nie technicznymi. Poprzednio końcowy projekt aplikacji mógł zająć tygodnie i wymagał bardzo specjalistycznych umiejętności; teraz te gen AI narzędzia umożliwiają użytkownikom biznesowym wpisanie swoich konkretnych potrzeb w zwykłym języku i szybko przenieść się od koncepcji do kompletnego projektu. Forrester opublikował niedawno niektóre badania, które przewidują, że użycie sztucznej inteligencji do wstrzyknięcia IP do systemów projektowania opartych na modelach lub niskim kodzie fundamentalnie zmieni, jak przedsiębiorstwa używają oprogramowania – pozwalając im budować więcej i kupować znacznie mniej aplikacji “gotowych do użycia”. Uważam, że jest to duża transformacja, i wierzymy, że z Pega GenAI Blueprint jesteśmy dobrze przygotowani, aby być platformą wyboru dla naszych klientów przedsiębiorstw.

Wcześniej sugerował Pan, że generatywna sztuczna inteligencja może pomóc w rozwoju produktu poprzez identyfikację luk na rynku. Czy mógłby Pan wyjaśnić, jak działa ten proces i podzielić się rzeczywistym przykładem?

Nasze Pega Customer Decision Hub to przewidywana sztuczna inteligencja, która pomaga naszym klientom podejmować najlepsze działania z ich klientami, czy to poprzez sprzedaż produktu, naprawę problemu z usługą czy czasem nie robienie niczego. To pozwala nam połączyć się z klientami 1:1 z działaniami, które najlepiej służą ich indywidualnym potrzebom. Ale działanie w sposób 1:1 oznacza, że potrzebujesz dużej ilości dostosowanych ofert – jest to znacznie lepsze niż spamowanie wszystkich tą samą wiadomością, ale wymaga od organizacji marketingowych tworzenia więcej wiadomości unikalnych dla różnych grup klientów. Teraz z gen AI możemy odkryć, którzy klienci byli niedostatecznie obsłużeni, a następnie sugerować nowe działania i tworzyć nowe traktaty, które będą korzystniejsze dla tych grup. To ma potencjał, aby pomóc organizacjom rozszerzyć się na rynki, które wcześniej nie były w stanie obsłużyć.

Jak ustanowione firmy z systemami spadkowymi mogą skutecznie zintegrować generatywną sztuczną inteligencję, aby pozostać konkurencyjnymi wobec bardziej zwinnych startupów, szczególnie w przemyśleniu ich podstawowych operacji?

Uważam, że wkraczamy w punkt zwrotny dla systemów spadkowych. Przez dziesięciolecia duże przedsiębiorstwa kopiące butelkę długu technicznego. Przez lata stosowaliśmy rozwiązania, takie jak RPA, które nie rozwiązywały podstawnego problemu, jakim są systemy spadkowe – pochłaniają wydatki IT, które mogłyby być przeznaczone na innowacje, wprowadzają ryzyko i uniemożliwiają przedsiębiorstwom szybkie działanie na zmieniających się rynkach. Na szczęście uważam, że jedną z supermocy gen AI jest to, że pozwoli nam dramatycznie przyspieszyć tempo, w jakim przeprojektowujemy i wycofujemy nasze systemy spadkowe – nie tylko przez ponowne kodowanie, ale przez przemyślenie samych przepływów pracy i procesów, aby zarówno działać na nowoczesnych architekturach chmury, jak i dostarczać cyfrowe doświadczenia, których oczekują klienci i pracownicy.

W oddzielnym artykule na ustanowienie manifestu sztucznej inteligencji, podkreśla Pan znaczenie powiązania strategii sztucznej inteligencji z osiągalnymi wynikami. Czy mógłby Pan udzielić wskazówek, jak firmy mogą dopasować swoje cele sztucznej inteligencji do konkretnych wyników biznesowych?

Zbyt wiele firm zaczyna od skupienia się na nowym, lśniącym narzędziu, takim jak sztuczna inteligencja, zamiast zaczynania od ustalenia, jakie są ich cele biznesowe i jaki problem muszą rozwiązać. Skupiając się na narzędziu zamiast na problemie, wprowadzają się w ścieżkę, która może nie być optymalna dla ich biznesu. Zamiast tego muszą się cofnąć i zapytać, co tak naprawdę starają się osiągnąć. Czasami gen AI nie jest właściwym rozwiązaniem i może być lepiej obsłużone przez zastosowanie podejmowania decyzji AI. Muszą pamiętać, że istnieją różne rodzaje sztucznej inteligencji, które są lepiej dostosowane do rozwiązywania różnych problemów biznesowych.

Jak firmy mogą wykorzystać generatywną sztuczną inteligencję, aby rewolucjonizować swoje operacje, zamiast tylko automatyzować rutynowe zadania? Jakie strategie powinny zastosować, aby maksymalizować zwrot z inwestycji w tej dziedzinie?

Nie skupiajcie się tylko na poszczególnych zadaniach – to uniemożliwi wam zobaczenie lasu przez drzewa. Cofnijcie się i zrozumcie swoje ogólne przepływy pracy i wyniki, które staracie się osiągnąć. Generatywna sztuczna inteligencja może być używana do analizy procesów i wstrzyknięcia najlepszych praktyk w różnych branżach. To może napędzać głębokie zmiany, umożliwiając firmom przemyśleć i zaprojektować swoje podstawowe przepływy pracy. Na przykład sztuczna inteligencja może pomóc w zaprojektowaniu nowych modeli operacyjnych od podstaw lub zmodernizowaniu istniejących, aby poprawić wydajność i innowacje. Ustalajcie jasne metryki, aby zmierzyć sukces i regularnie udoskonalać swoje podejście na podstawie tych wglądów. Wykorzystując sztuczną inteligencję, aby napędzać znaczące zmiany, a nie tylko stopniowe usprawnienia, firmy mogą odblokować znaczną wartość i pozostać przed konkurencją.

Które branże, Pana zdaniem, są najbardziej przygotowane do korzystania z projektowania przepływów pracy przy użyciu sztucznej inteligencji, i jak powinny zacząć wdrażać to podejście?

Prawie każda organizacja może powszechnie skorzystać na poprawie swoich przepływów pracy, szczególnie na szybko zmieniających się rynkach. Branże usługowe, takie jak usługi finansowe, telekomunikacja i opieka zdrowotna, mogą prawdopodobnie zrealizować największe zyski, aby pomóc w usprawnieniu, jak angażują się z klientami. Te sektory obsługują złożone, intensywne procesy danych i są pod coraz większą presją, aby poprawić wydajność, zmniejszyć koszty i dostarczyć lepsze wyniki. Ponadto każda branża z dużą ilością usług spadkowych – takich jak bankowość – może skorzystać, badając swoje procesy, które zostały prawdopodobnie ustanowione lata temu, aby je zmodernizować i upewnić się, że nadążają za nową konkurencją.

Jak podejście “człowiek w pętli” zwiększa skuteczność i etyczne wdrożenie sztucznej inteligencji, szczególnie w rolach skierowanych do klienta?

Generatywna sztuczna inteligencja, chociaż potężna, może produkować dane wyjściowe, które nie są zawsze dokładne lub odpowiednie. Poprzez integrację nadzoru ludzkiego, możemy złagodzić ryzyka, takie jak nieścisłości lub problemy etyczne wygenerowanego przez AI treści.

Na przykład w obsłudze klienta sztuczna inteligencja może generować odpowiedzi i rekomendacje, ale posiadanie ludzkiej kontroli zapewnia, że te dane wyjściowe są zgodne z wartościami firmy i potrzebami klienta. Ten nadzór jest kluczowy dla utrzymania przejrzystości i odpowiedzialności, szczególnie gdy modele sztucznej inteligencji produkują wiarygodne, ale nieprawidłowe lub mylące informacje.

Ciekawe, że posiadanie człowieka w pętli pozwala wziąć jedną ze słabości gen AI – jest ona niezmiernie nieprzewidywalna lub nieodwracalna, co oznacza, że nie daje tej samej odpowiedzi dwa razy – i przekształcić ją w siłę. Z Pega GenAI Blueprint używamy gen AI jako partnera do burzy mózgów, sugerującego nowe podejścia do projektowania przepływu pracy. Człowiek jest zawsze ostatecznym decydentem, ale stale sugerując nowe podejścia, gen AI napędza oryginalne myślenie i pomaga ludziom uniknąć “wyłożenia ścieżki krowy”.

Dziękujemy za wspaniałe wywiady, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Pegasystems.