Adam Field, Diretor de Inteligência Artificial da Tungsten Automation – Série de Entrevistas

Adam Field, Diretor de Inteligência Artificial da Tungsten Automation, é um líder de tecnologia empresarial com longa experiência em inteligência artificial, automação inteligente e estratégia de produto. Em seu papel atual, ele lidera os esforços globais de transformação de IA da empresa, supervisionando a integração da IA em todo o portfólio de produtos da Tungsten, orientando o Laboratório de IA da Tungsten e estabelecendo estruturas de governança para a adoção responsável da IA. Antes de se tornar Diretor de Inteligência Artificial, ele atuou como Diretor de Produto, gerenciando um portfólio que gerava mais de 550 milhões de dólares em receita anual. Antes de ingressar na Tungsten, Field passou quase 17 anos na Pegasystems, onde liderou iniciativas de inovação e experiência do cliente, ajudou a moldar a estratégia de tecnologia emergente e se tornou conhecido por entregar grandes mostras de produtos e programas de inovação empresarial. No início de sua carreira, ele ocupou funções de tecnologia e consultoria na Staples, Publicis Sapient e Fidelity Investments.

Tungsten Automation, anteriormente conhecida como Kofax, é uma empresa de software empresarial focada em automação de fluxo de trabalho impulsionada por IA, processamento de documentos inteligente, automação de processo robótico (RPA) e orquestração de processo de negócios. A empresa fornece ferramentas de automação utilizadas por organizações em diversas indústrias, como finanças, saúde, seguros e governo, para otimizar operações intensivas em documentos e melhorar a eficiência. Sua plataforma combina tecnologias de IA, automação de baixo código e inteligência de documentos para ajudar as empresas a automatizar tarefas repetitivas, extrair insights de dados não estruturados e modernizar fluxos de trabalho de negócios em escala.

Você passou anos liderando a estratégia de produto e inovação, incluindo a criação de laboratórios de inovação e a expansão de um portfólio de produtos de mais de 500 milhões de dólares, antes de assumir o papel de Diretor de Inteligência Artificial na Tungsten Automation. O que o convenceu de que agora era o momento de se mudar completamente para a liderança de IA, e como sua experiência anterior influenciou essa decisão?

Passei uma grande parte da minha carreira me concentrando em transformar novas tecnologias em algo que realmente funciona em escala em ambientes empresariais. Nos últimos anos, ficou claro que a IA não é apenas mais uma capacidade a ser integrada aos produtos. Ela está redefinindo como o software é construído e como as decisões são tomadas em toda a empresa, aparentemente eclipsando e disruptando tudo o que veio antes. Essa mudança de experimentação para expectativas reais de resultados, combinada com o fato cada vez mais inegável de que a IA está aqui para ficar, tornou-se o momento certo para assumir completamente um papel de liderança em IA.

Também ficou óbvio que a IA não estava se tornando a panaceia que muitos a comercializavam. O sucesso da IA exige pessoas que combinem expertise técnica e conhecimento da indústria. A Tungsten quer ajudar as empresas a fazer a IA do jeito certo e experimentar resultados reais, e é por isso que a Tungsten criou o Escritório de IA e meu papel dentro dele.

A Tungsten evoluiu de uma empresa de captura e OCR de documentos para uma plataforma de automação inteligente completa que impulsiona fluxos de trabalho críticos para milhares de organizações. Como você vê que esse legado está moldando sua abordagem para a IA agente hoje?

A história da Tungsten está profundamente ligada à forma como as empresas realmente operam. Passamos décadas trabalhando com documentos e fluxos de trabalho que estão no centro de processos de negócios críticos. Isso significa que entendemos como essas informações podem ser complexas e frequentemente não estruturadas.

Essa base é muito relevante para a IA agente. Esses sistemas precisam operar em ambientes reais, não apenas interpretar informações em isolamento. Nossa experiência em inteligência de documentos nos permite nos concentrar no contexto e garantir que a IA atue de maneira consistente com a forma como a empresa opera. É sobre construir sistemas que possam ser confiáveis em produção, não apenas explorados em teoria.

Essa é a razão pela qual essa última evolução da IA é tão emocionante. Ela leva o Processamento de Documentos Inteligente a lugares que nunca poderíamos alcançar antes — resolvendo problemas que eram muito caros ou impossíveis de serem abordados no passado.

Você enfatizou a importância de incorporar a IA em todo o portfólio de produtos, em vez de tratá-la como uma funcionalidade isolada. O que significa exatamente “transformação nativa em IA” em uma plataforma de software estabelecida e grande?

Ficou claro desde cedo que os recursos e funcionalidades impulsionados por IA gerativa e agente estavam se tornando rapidamente uma necessidade, significando que os clientes não estavam mais dispostos a pagar extra por eles. Também percebemos que essas tecnologias nos permitiam modernizar o que a Tungsten vinha fazendo por anos: ajudar as empresas a dar sentido aos seus dados de documentos.

Não mudamos nossa promessa de marca. Não criamos produtos ou recursos isolados. Refatoramos a forma como o produto é utilizado, e quando essa base está em lugar, a IA pode operar de maneira que se sinta natural dentro do produto, em vez de separada dele. E os casos de uso que os nossos clientes começaram a abordar mudaram de documentos estruturados para fontes de informação não estruturadas. E, redefinimos o que significa “documento” no caminho. Um documento não é mais apenas uma imagem de papel ou um arquivo digital. Dados não estruturados vivem em coisas como notas de ajuste de sinistros, transcrições de chamadas de centro de contato, postagens de mídia social, artigos da web e muito mais.

Adotar essa abordagem permite que os nossos clientes aumentem a fundação e os modelos abertos com seus dados proprietários, que é o verdadeiro diferenciador.

Como o primeiro Diretor de Inteligência Artificial da empresa, como você está equilibrando a velocidade da inovação com a necessidade de governança, segurança e implantação responsável de IA em escala?

Sempre há um impulso para se mover rapidamente com a IA, mas em ambientes empresariais, a confiança é tão importante quanto a velocidade. A governança e a segurança não podem ser tratadas como uma afterthought. Elas precisam ser construídas no sistema desde o início.

A forma como fazemos isso é definindo expectativas desde o início, educando os usuários finais. Por exemplo, metade do meu papel é focada em estratégia de IA interna, evangelismo e governança. Reunimos um conselho consultivo cross-funcional muito cedo. Encorajamos o compartilhamento, experimentação e comunicação. Houve vezes em que a tecnologia estava pronta para ser implantada em todos os funcionários conectados a vários sistemas internos. Os protótipos eram poderosos e entusiasmaram todos, mas deixamos claro para o nosso conselho consultivo sempre que encontramos obstáculos potenciais de segurança ou regulatórios. Eles apreciam a visão e frequentemente participam da solução.

Acho que também é importante não permitir que a perfeição atrapalhe o progresso. Definimos a expectativa para o nosso pessoal de que eles devem esperar mudanças, e muitas delas. Devem esperar que vamos implantar ferramentas e recursos à medida que estiverem prontos, obter feedback, mudar de curso se necessário e então implantar mais.

A IA agente está se tornando rapidamente um foco importante em toda a indústria. Na sua visão, o que separa os sistemas de IA agente de verdade para empresas dos implementados experimentais ou superestimados?

A diferença-chave está em como os sistemas se saem em condições reais. Muitas abordagens experimentais funcionam bem em ambientes controlados, mas lutam quando encontram dados desorganizados ou fluxos de trabalho complexos. Os sistemas de empresa precisam lidar com essa variabilidade e ainda assim produzir resultados consistentes.

A maioria dos sistemas construídos nos últimos 30 anos foi projetada para interação humana ou acesso via API controlado. A integração de sistemas precisa ser repensada na era da IA agente. Tudo, desde como lidar com exceções, erros e auditorias, é diferente quando os agentes interagem, em vez de um humano por meio de uma interface de usuário tradicional.

Outro fator importante é a responsabilidade. As organizações precisam entender como as decisões são tomadas e ser capaz de confiar nos resultados. Esse nível de transparência é o que permite que os sistemas de IA agente se movam de demonstrações interessantes para uso operacional real.

Você está liderando o Laboratório de IA da Tungsten como um centro de pesquisa e inovação aplicada. Como você garante que o trabalho experimental de IA se traduza em resultados de negócios mensuráveis para os clientes?

Na verdade, eu adotei uma abordagem um pouco oposta com o Laboratório de IA da Tungsten. Deixei claro para a equipe desde cedo que estava tudo bem experimentar, aprender e tentar novas abordagens, mesmo que os resultados nunca se tornassem parte dos nossos produtos. Muitas vezes, é melhor aprender o que não fazer. Acredito que isso deu a eles a liberdade de pensar livremente e experimentar novas maneiras de fazer as coisas.

Como exemplo, embora eu não possa divulgar o recurso exato, uma de nossas sprints de pesquisa atuais envolve uma abordagem completamente nova para um componente de produto existente. Os pesquisadores encontraram novos métodos para resolver um problema, o que levou a um momento de “lâmpada” que podemos oferecer uma solução completa de add-on para os nossos clientes. Se apenas pesquisássemos como implementar o que já estava no roadmap, nunca teríamos chegado aqui.

Dito isso, não é um livre-arbítrio. Somos cuidadosos sobre onde gastamos tempo e quanto tempo gastamos em cada projeto de pesquisa.

Muitas organizações ainda estão lutando para mover a IA de pilotos para produção. Quais são as maiores barreiras que você está vendo, e como as empresas podem superá-las?

Uma das maiores barreiras é o “dado escuro”. A maioria das organizações tem acesso a enormes volumes de informações, mas uma grande parte delas vive em documentos, e-mails, PDFs e outros formatos não estruturados que são difíceis para os sistemas de IA interpretarem. Isso significa que mesmo os modelos bem projetados frequentemente trabalham com uma visão incompleta e inconsistente do negócio, o que leva a saídas não confiáveis e iniciativas estagnadas.

Para superar isso, as empresas precisam se concentrar em transformar o “dado escuro” em algo útil. Isso envolve não apenas extrair informações, mas criar estrutura, contexto e governança em torno delas, para que os sistemas de IA possam realmente agir com confiança. Uma vez que essa base esteja estabelecida, a IA se torna muito mais confiável e fácil de escalar de pilotos isolados para ambientes de produção reais.

A Tungsten atua em indústrias intensivas em documentos e fluxos de trabalho. Como a IA está mudando a forma como as empresas pensam sobre dados não estruturados e tomada de decisão?

A IA está mudando a forma como as organizações pensam sobre o valor da informação que já possuem. Por anos, grandes quantidades de conhecimento empresarial ficaram dentro de documentos, e-mails, PDFs e outros conteúdos não estruturados que eram difíceis de acessar ou operacionalizar. Agora, as organizações estão percebendo que esses dados contêm o contexto e a lógica de negócios que os sistemas de IA precisam para produzir resultados confiáveis. Os próprios modelos são commodities; a informação proprietária das organizações combinada com esses modelos é o diferenciador.

Ao mesmo tempo, há uma crescente conscientização em torno da soberania de dados, governança e onde as informações empresariais estão fluindo. Muitas empresas estão correndo para incorporar mais dados externos ou experimentar com acesso amplo a modelos, quando, na realidade, elas já estão sentadas em enormes quantidades de inteligência não utilizada dentro de suas próprias organizações. O foco está começando a mudar para ativar esses dados não estruturados internos de forma segura e governada, para que a IA possa apoiar melhores decisões sem criar riscos desnecessários.

Você construiu Conselhos Consultivos de Clientes e trabalhou em estreita colaboração com clientes empresariais ao longo de sua carreira. Quão importante é o feedback dos clientes em moldar a estratégia de IA, especialmente quando a tecnologia está evoluindo tão rapidamente?

O feedback dos clientes é um presente, especialmente em um espaço que está se movendo tão rapidamente quanto a IA. Ele ajuda a garantir que a estratégia permaneça fundamentada em necessidades de negócios reais, em vez de possibilidades teóricas.

Ele também ajuda com a priorização. Há muitas direções que a IA pode tomar, mas o feedback dos clientes fornece clareza sobre onde o maior valor pode ser criado. Isso mantém o foco em resultados que importam e garante que a inovação permaneça alinhada com a forma como as organizações realmente operam.

Lembro-me de que, nos primeiros dias da IA gerativa, um cliente do nosso conselho consultivo me disse que, embora ela amasse a direção do produto, nunca pagaria extra por um novo recurso impulsionado por LLM em nosso roadmap. Isso foi esclarecedor, pois ela estava alinhada com o resto da indústria.

Olhando para o futuro, onde você vê a maior oportunidade para automação impulsionada por IA nos próximos 3 a 5 anos, e o que as empresas devem se preparar agora?

A maior oportunidade está em conectar a IA mais profundamente em fluxos de trabalho de ponta a ponta. Em vez de se concentrar em tarefas isoladas, as organizações olharão para como a IA pode apoiar processos inteiros e melhorar a forma como o trabalho flui pela empresa. Atualmente, muitos sistemas de IA agente são direcionados a tarefas discretas, mas os negócios operam em processos de ponta a ponta conformes.

Para se preparar para essa mudança, as empresas precisam investir em suas fundações de dados e em sistemas que suportem transparência e controle. E elas devem estar pensando em “construir versus parceiro” em vez de “construir versus comprar”. Já vimos que a IA DIY a partir do zero falha com frequência. As organizações que mais se beneficiarão serão aquelas que encontrarem os parceiros certos impulsionados por IA para acelerar suas soluções, em vez de tentar reconstruir tudo a partir do zero.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Tungsten Automation.