Shane Eleniak, Chief Product Officer la Calix – Seria de interviuri

Shane Eleniak ocupă funcția de Chief Product Officer la Calix, unde conduce viziunea strategică și execuția platformei și soluțiilor SaaS ale companiei. Cu accent pe facilitarea furnizorilor de servicii de comunicații pentru a-și simplifica afacerile și a oferi experiențe excepționale pentru abonați, Shane supraveghează întregul ciclu de viață al produsului – de la conceptualizare la implementare de lider de piață.

Sub conducerea sa, Calix și-a consolidat poziția de pionier în industria broadband, livrând în mod constant instrumente inovatoare care împuternicesc furnizorii să concureze și să câștige.

Calix este o companie tehnologică cu sediul în Statele Unite, care oferă platforme de cloud, software și servicii gestionate, concepute pentru furnizorii de servicii de broadband și comunicații. Oferta sa principală se concentrează pe o platformă de broadband cu funcționalitate AI, care integrează infrastructura cloud, datele și sistemele de rețea pentru a ajuta furnizorii să simplifice operațiunile, să îmbunătățească implicarea clienților și să ofere experiențe digitale mai personalizate. Permițând acestor furnizori să treacă de la servicii de conectivitate de bază la furnizori de experiențe complete, Calix îi ajută să crească veniturile, să sporească loialitatea abonaților și să sprijine transformarea digitală a comunităților prin servicii de broadband mai avansate și mai scalabile.

Cariera dvs. acoperă mai mult de trei decenii în inginerie, rețele, platforme cloud și conducere de produse la scară largă. Cum v-au influențat aceste experiențe perspectiva asupra a ceea ce este necesar realmente pentru a face ca AI să efectueze munca reală în cadrul companiilor, în loc să rămână un experiment lateral?

Am început în telecomunicații tradiționale și rețele, unde întregul joc era legat de traseul datelor și de fiabilitatea la scară. Dacă nu puteți livra un serviciu curat și fiabil, nimic din ceea ce construiți deasupra lui nu contează cu adevărat. Pe atunci, telefonul era pe peretele bucătăriei, cablajul interior nu se schimba niciodată, și atâta timp cât exista tonul de apel, totul era în regulă.

Broadband-ul și Internetul au schimbat această situație. Brusc, nu mai era doar “este pornit?” Ci era Ethernet și apoi Wi-Fi, copiii pe console de joc și tablete, dumneavoastră pe un apel Zoom, colaborând pe o foaie de calcul din cloud, și mobilitate constantă – dispozitive în interiorul casei, în curte, la meciul de fotbal, la cafenea. Experiența abonatului a devenit mult mai complexă decât o stare binară “pornit/oprit”, și lumea furnizorilor de servicii a devenit extrem de dinamică. În acea lume, o perspectivă retrospectivă asupra datelor – depozite de date clasice și rapoarte istorice după o lună – nu mai este suficientă. Trebuie să colectați date, să înțelegeți experiența și să generați insight-uri în timp real, deoarece abonații așteaptă ca problemele să fie rezolvate proactiv, nu în ore sau zile.

Această evoluție a influențat modul în care gândesc despre AI. Majoritatea oamenilor vor să pună AI “deasupra”, în același mod în care pun inteligență de afaceri sau SaaS deasupra datelor existente. Experiența mea spune că trebuie să gândești mult mai profund decât atât și să proiectezi pentru insight-uri și acțiuni în timp real.

Pentru abonați, însă, așteptările nu s-au schimbat prea mult în ultimii 25 de ani. Ei doresc în continuare conectivitate securizată și gestionată, care să pară la fel de simplă ca tonul de apel – ei vor ca totul să “funcționeze” fără a gândi la toate straturile și complexitatea, și vor asta peste tot în viața lor. Cariera mea în telecomunicații și cloud m-a făcut foarte confortabil cu această paradoxă: construiți sisteme extrem de complexe pentru a putea abstrage toată acea complexitate și a oferi o experiență simplă și bună la margine. Acesta este exact modul în care gândesc despre AI care face munca reală în orice companie, broadband sau altceva.

La Calix, accentuați adesea că AI operațional este construit, nu cumpărat. Care sunt cele mai comune greșeli pe care le fac organizațiile atunci când încearcă să adauge AI fără a reevalua modul în care fluxurile de lucru trec prin companie?

Pentru mine, nu este atât despre “construit versus cumpărat”, cât despre faptul că trebuie să vă opriți și să priviți întreaga stivă tehnologică. Multe companii au decis că AI este pur și simplu utilizarea unor API-uri pentru a accesa un model LLM, conectându-l la stiva dvs. cu un înveliș și cumpărând tokenuri – și astfel aveți o strategie AI. Acesta nu este modul în care funcționează.

Prea mulți dintre noi ne lăsăm fascinați de tehnologie în loc de rezultat. Am văzut acest film înainte. Când au apărut calculatoarele personale, toată lumea a vrut să discute despre faptul că aveau un 286 sau un 386, câtă memorie aveau și ce sistem de operare rulează. Astăzi, nimeni nu poate spune specificațiile laptopului sau telefonului său, și nimeni nu se îngrijorează până nu încetează să facă ceea ce au nevoie să facă. Ceea ce contează este: face acest lucru să fiu mai eficient în munca mea? Același lucru este valabil și pentru AI. Dacă nu puteți lega asta de fluxuri de lucru reale, valoare reală și ROI real, specificațiile tehnice sunt doar zgomot.

O altă greșeală mare este încercarea de a atașa AI la ceea ce aveți deja, fără a întreba ce efect are asupra arhitecturii, modelului de securitate și costurilor. AI este o tehnologie fundamentală, nu o actualizare incrementală a funcțiilor. Când o tratați ca pe o actualizare incrementală, ajungeți la date proaste, probleme de securitate, halucinații, costuri care nu se opresc sau o mulțime de activitate care nu rezolvă o problemă pentru nimeni.

În cele din urmă, nu puteți ignora contextul și importanța expertizei verticale. Acțiunea este totul despre context, și acel context diferă în domenii precum telecomunicații, fintech și îngrijire a sănătății. La Calix, am început cu experiență profundă într-o industrie și am construit o platformă verticală în jurul acesteia. Am înțeles deja datele, insight-urile, fluxurile de lucru și contextul, astfel încât stiva putea reflecta acea realitate. Cele mai multe companii cunosc foarte bine industria lor verticală. Oportunitatea este de a codifica acea cunoaștere într-o stivă tehnologică verticală, în loc de a se baza pe un strat orizontal subțire și un model AI generic, și apoi de a încerca să coase totul împreună. Companiile sunt despre rezultate, nu despre modele. Întrebarea reală este cum această tehnologie vă ajută să livrați acele rezultate în felul în care fluxurile dvs. de lucru funcționează.

Ați descris o arhitectură pe cinci straturi pentru AI operațional, care include date, cunoaștere, orchestrare, încredere și acțiune. De ce este important să separați explicit aceste straturi, și care dintre ele este cel mai des subestimat sau omis de către întreprinderi?

Pentru o perioadă de timp, stiva a fost destul de simplă: date, insight-uri, tablouri de bord, fluxuri de lucru, oameni. Ați construit depozite de date, ați pus inteligență de afaceri deasupra, ați creat motoare de flux de lucru și ați dat munca grea oamenilor. Într-o lume agențială, aceasta nu se mai susține. Aveți nevoie de date, cunoaștere, orchestrare, încredere și acțiune, deoarece fiecare strat îndeplinește o funcție distinctă.

Partea vizibilă pe care toată lumea vrea să o discute este stratul de acțiune – agenții. Acesta este vârful aisbergului. Ceea ce determină dacă puteți lăsa agenții să atingă sisteme reale este tot “lucrul plictisitor” de sub linia de plutire: conducte de date și date curate, stratul de cunoaștere care oferă context, orchestrarea care coordonează fluxurile de lucru dinamice și modelul de încredere care decide ce ar trebui să fie permis din start. Când Titanicul s-a scufundat, nu a fost partea mică pe care o puteți vedea care l-a scufundat; a fost masa uriașă de gheață de sub apă. AI operațional este la fel. Conductele de sub suprafață sunt ceea ce face sau ruinează.

În mod istoric, nu am tratat orchestrarea și încrederea ca straturi separate, deoarece oamenii făceau cea mai mare parte a acestei munci. Orchestrationul însemna manageri și cozi de bilete; încrederea însemna nume de utilizator și parole. Acum trebuie să aveți încredere în entități – agenți – să facă lucruri, și trebuie să coordonați mai mulți agenți în timp real, în jurul datelor dinamice. Acesta este un problemă de proiectare complet diferită, ceea ce face ca aceste straturi să fie necesare.

Stratul pe care majoritatea oamenilor îl subestimează este încrederea. Multe organizații cred că pot gestiona încrederea pentru că au controale de acces – cine poate conecta la ce sistem. Într-o lume agențială, încrederea reală nu este “are acest utilizator acces?” Ci “este această acțiune particulară adecvată pentru acest individ sau acest agent la acest punct în timp?” Acesta este un întrebare de guvernanță, nu unul de control al accesului. Dacă nu faceți acest strat explicit, rămâneți în țara demonstrațiilor, deoarece nu veți fi niciodată confortabil lăsând agenții să facă munca reală în producție.

Deci, încrederea este evident o parte fundamentală a strategiei dvs. de AI. Cum proiectați sistemele astfel încât deciziile automate să rămână observabile, auditabile și reversibile, în timp ce se deplasează suficient de repede pentru a livra valoare pentru afaceri?

Trebuie să începeți de la o mentalitate de încredere zero. Prima întrebare nu este “poate acest agent să facă asta tehnic?” Prima întrebare este “trebuie acest agent, în numele acestei persoane, să încerce să facă asta deloc?” Dacă răspunsul este nu, atunci nu continuați.

Dacă răspunsul este da, intrați în baraje: auditabilitate, trasabilitate și necesitatea unui om în buclă. Modelul nostru se bazează pe un strat de încredere care acționează un pic ca un polițist de circulație la începutul fiecărei interacțiuni: cine sunteți, ce faceți și de ce faceți asta? Acest lucru elimină multe dintre problemele de securitate, deoarece nu lăsați agenții să ruleze și să facă lucruri, și apoi sperați să observați după aceea.

Alternativa este să lăsați agenții să ruleze, și apoi să ridicați o alarmă dacă fac ceva rău. Presupuneți că puteți vedea, descoperi, identifica și opri în timp real, la viteza și scala la care aceste sisteme funcționează. Acesta este un problemă foarte grea, și este de ce atât de mulți oameni se luptă – încearcă să caute actori răi în timp real, în loc de a preveni acțiuni rele din start.

În plus, am adăugat porți stratificate. Chiar și dacă un agent acționează în numele persoanei potrivite, încă mai privim la sesiune și conținut – încearcă să otrăvească un model, să abuzeze o API sau să împingă ceva în afara politicii? Toate acestea sunt înfășurate în observabilitate completă, astfel încât puteți audita ce s-a întâmplat și puteți reveni asupra acestuia, dacă este necesar. Acesta este modul în care vă deplasați rapid și totuși dormiți liniștiți noaptea.

Multe companii reușesc să genereze insight-uri AI, dar se luptă să le traducă în acțiune. Care au fost deciziile de proiectare care au permis Calix să introducă AI direct în fluxurile de lucru zilnice de marketing, operațiuni și suport clienți?

Mult înainte de a deveni AI steaua spectacolului, la Calix eram deja obsedați de o întrebare: ce face ca un insight să fie cu adevărat acționabil pentru o persoană reală, într-un job real? Din 2018, am lucrat cu furnizorii de servicii pentru a înțelege cum lucrează diferiți actori – ce face un marketer marți dimineața, ce face o echipă de operațiuni când se declanșează o alarmă, ce fac echipele de suport atunci când un abonat sună frustrat. Acest lucru ne-a forțat să fim foarte clari cu privire la care insight-uri contează pentru cine, în ce context și ce înseamnă “acțiune bună”.

Deci, când a apărut AI agențial, nu am început de la zero. Am avut deja sisteme în timp real care generau insight-uri acționabile legate de personaje și fluxuri de lucru specifice. Întrebarea de proiectare a devenit: dat fiind un set de instrumente diferit și o stivă tehnologică diferită, cum ați re-proiecta aceste fluxuri de lucru într-o lume AI agențială, în loc de a încerca să inventați totul de la zero?

Când asociați această cunoaștere profundă a personajelor cu AI agențial, puteți construi fluxuri de lucru dinamice peste date dinamice. Agenții pot determina în timp real care sunt pașii și care personaje trebuie să fie implicați, pe baza a ceea ce se întâmplă, în loc de a vă forța să codificați sute de fluxuri rigide în micro-servicii. Pentru majoritatea companiilor, problema grea în acest moment este de a face decizii în timp real pe baza contextului și apoi de a proiecta fluxul de lucru potrivit. Pentru noi, acea parte era deja în loc; am făcut insight-uri în timp real, legate de personaje și acționabile, de ani de zile. AI agențial este doar un set de instrumente noi pe baza acestei fundații.

Viziunea dvs. de platformă include interoperabilitatea agenților (A2A) și sistemele AI federate. Cum schimbă această abordare modul în care uneltele enterprise colaborează, comparativ cu integrările punctuale tradiționale?

Dacă priviți ultimii 20 de ani, modelul implicit a fost “cumpărați o mulțime de unelte SaaS și le conectați în jurul unui lac de date”. Fiecare sistem nou a însemnat o integrare punctuală, o conductă de date și un loc în plus pentru a reconcilia adevărul. Într-o lume agențială, acest lucru nu se escaladează. Vrei ca datele să rămână acolo unde aparțin și ca agenții să vorbească unii cu alții prin interfețe bine definite.

Acesta este motivul pentru care vorbim despre a atinge sistemul la două straturi: MCP la stratul de cunoaștere și A2A la straturile de orchestrare și încredere. MCP este modul în care agenții descoperă și utilizează unelte și date fără o integrare personalizată de fiecare dată. A2A este modul în care agenții coordonează munca cu alții, sub garduri clare.

Odată ce aveți asta, colaborarea nu mai arată ca o grămadă de conectări fragile și începe să arate ca o rețea de specialiști care pot colabora dinamic în jurul muncii reale. Aici intră analogia matricei Eisenhower. Nu totul este la fel de urgent și important. Unele lucruri sunt cu adevărat critice pentru timp, unele sunt importante, dar pot fi programate, unele trebuie doar să se facă, și unele sunt zgomot. Cu coordonarea agenților la nivelul de orchestrare și încredere, puteți trata aceste categorii diferit la scară: agenții pot ataca problemele urgente și importante, pot pune în coadă sau programa cele importante, dar nu urgente, și pot ține munca de mică valoare departe de tot restul. Acesta este un world diferit de “hai să adăugăm încă un conector și să sperăm că coada se golește”. Efectiv, vedeți fluxuri de lucru dinamice, orchestrate și de încredere, în jurul evenimentelor și datelor dinamice, în loc de o încurcătură de integrări punctuale, unde totul strigă cu aceeași prioritate.

Odată ce agenții AI sunt lăsați să acționeze autonom, guvernanța devine rapid o provocare. Cum echilibrați viteza, răspunderea și supravegherea umană atunci când sistemele AI iau sau execută decizii la scară?

Greșeala pe care o văd este că oamenii cred că pot atașa AI agențial la ceea ce au și apoi încearcă să “echilibreze” viteza, răspunderea și supravegherea umană după aceea. Nu puteți. Trebuie să începeți prin a recunoaște că aceasta este o problemă de stivă tehnologică verticală și prin a construi intenționat un strat de încredere și unul de orchestrare. Fără aceste două straturi, devine haos – totul este primul venit, primul servit, sau cineva care strigă cel mai tare.

Din nou, este vorba despre matricea lui Eisenhower: nu toată munca este creată egal. Încrederea și orchestrarea sunt modul în care operaționalizați asta într-o lume agențială. Nu vrei ca fiecare agent să trateze fiecare sarcină ca pe un incendiu; vrei ca sistemul să știe ce este cu adevărat critic pentru timp, ce poate fi programat și ce ar trebui să fie tratat liniștit în fundal.

Și apoi există “partea îngustă peste cea lată”. Majoritatea companiilor se înșală, crezând că un impact mai mare din partea AI vine din a rămâne larg. Sunteți mult mai bine să alegeți o felie verticală îngustă – un caz de utilizare concret, un set de fluxuri de lucru – și să construiți încrederea și orchestrarea de care aveți nevoie acolo. Deveniți mai subțiri în verticală, faceți-o corect, țineți oamenii în buclă la margini și apoi extindeți. Acesta este modul în care vă deplasați rapid, rămâneți responsabili și evitați crearea unei haotice pe care nu o puteți dezmembră mai târziu.

În calitate de lider al unor echipe mari de produs și inginerie la nivel global, ce schimbări organizaționale sau culturale sunt necesare pentru ca AI să devină o capacitate durabilă a companiei, în loc de o colecție de proiecte pilot neconectate?

Majoritatea întreprinderilor nu au o “problemă de AI”; au o problemă de cunoaștere și flux de lucru. Primul pas este să încetați să jucați cu soluții punctuale și să treceți de la depozite de date la un depozit de cunoaștere federat, pe care toată lumea îl poate vedea și acționa. Atâta timp cât cunoașterea trăiește în silozuri și AI este un strat subțire deasupra fiecărui siloz, veți obține proiecte pilot, nu transformare.

De acolo, trebuie să fiți dispuși să abordați problemele mai grele într-o ordine specifică. Pasul unu este să separați hype-ul de realitate și să adoptați ceea ce funcționează, nu ceea ce este cel mai zgomotos în fluxul dvs. Pasul doi este să re-proiectați stratul de cunoaștere, astfel încât să puteți transforma datele în context federat și partajat, în loc de încă un raport îngropat într-un sistem. Pasul trei este să re-gândiți fluxurile de lucru în jurul acelei cunoașteri și a unui strat real de încredere – cea mai mare parte a muncii de astăzi este organizată în jurul oamenilor, abilităților și cunoașterii locale din silozuri. Dacă nu schimbați asta, agenții vor fi doar un alt instrument care orbitează aceleași vechi blocaje.

Abia atunci ajungeți la schimbarea culturală, care este adesea cea mai grea. Aveți nevoie de o cultură în care oamenii nu sunt primari îngrijorați de a-și pierde locurile de muncă, uneltele sau identitatea, ci sunt cu adevărat entuziasmați să lucreze cu capacități noi. Acesta este un problemă de management al schimbării, nu una tehnologică. Arată mult ca un leadership distribuit real: oamenii de la capătul ascuțit al suliței înțeleg fluxurile de lucru, se simt în siguranță numind fricțiunile și sunt entuziasmați să pună agenții la muncă pe ele.

Privind dincolo de broadband și telecomunicații, care industrii credeți că sunt cel mai bine poziționate pentru a adopta AI operațional, agențial, și care condiții le fac pregătite?

Eu nu mă gândesc la asta în termeni de alegere a câștigătorilor pe baza etichetelor de industrie; mă gândesc în termeni de modele. Aproape fiecare verticală are aceeași provocare de bază: au construit silozuri de date și silozuri funcționale, în loc de o vedere unică peste trei cicluri de viață – client, angajat și produs. Cele care sunt pregătite sunt cele dispuse să vadă asta, să admită că nu au un strat real de cunoaștere și să-l corecteze.

De acolo, condițiile arată destul de similare, indiferent dacă sunteți în sănătate, fintech, retail sau infrastructură critică. Aveți nevoie de fluxuri de lucru complexe în care oamenii sunt întinși, puncte reale de fricțiune pe care le puteți numi și suficiente date de înaltă calitate pentru a oferi agenților context. Dacă puteți cartografia fluxurile de lucru actuale, vedea unde munca încetinește sau se îngrămădește, înțelege care predări creează întârzieri și apoi să susțineți asta cu un depozit de cunoaștere federat, AI agențial devine un instrument incredibil.

În acea lume, “pregătirea industriei” se reduce la conducere. Sunt liderii companiei dispuși să meargă dincolo de unelte de marketing și tablouri de bord orizontale subțiri și să investească într-o stivă tehnologică verticală – transformând datele în cunoaștere, federând acea cunoaștere, punând în loc cadre de orchestrare și încredere, și având conversații oneste despre unde este ROI-ul real? Orice companie din orice industrie care face acea muncă este bine poziționată pentru AI operațional, agențial; cele care nu o fac vor fi blocate, adăugând încă un instrument unei grămezi deja zgomotoase.

Pe măsură ce AI-ul enterprise evoluează către medii multi-agente și multi-cloud, cum arată o arhitectură bună de AI peste cinci ani, și care principii ar trebui să se angajeze liderii astăzi pentru a evita reconstruirea sistemelor lor mai târziu?

Peste cinci ani, partea interesantă a AI nu va fi agenții individuali sau modelele; va fi fluxurile de lucru agențiale pe care le fac posibile și valoarea de afaceri pe care o livrează aceste fluxuri de lucru. Agenții înșiși vor apărea și dispărea. Straturile de sub ei – date, cunoaștere, orchestrare, încredere și acțiune – vor continua să evolueze, dar nevoia lor nu dispare.

Acesta este motivul pentru care sunt mai concentrat pe arhitectură decât pe orice instrument specific. Ne mutăm de la depozite de date la depozite de cunoaștere federate, de la integrări punctuale fragile la stive deschise și stratificate. În acea lume, veți avea agenți care rulează în cloud-uri diferite, atingând surse de cunoaștere diferite și coordonându-se prin interfețe bine definite – MCP la stratul de cunoaștere și protocoale agenților la straturile de orchestrare și încredere. Pe măsură ce tehnologia se îmbunătățește, veți dori să puteți înlocui piese mai bune în aceste straturi fără a reconstrui totul de fiecare dată.

Principiile pentru lideri sunt simple. Nu construiți monolitic. Proiectați pentru straturi, astfel încât datele, cunoașterea, orchestrarea, încrederea și acțiunea să poată evolua independent. Proiectați pentru fluxuri, nu pentru funcții, astfel încât să fiți clari cu privire la care fluxuri de lucru contează și ce înseamnă “bun” în ciclurile de viață ale clienților, angajaților și produselor. Și proiectați pentru guvernanță la nivel de agent: presupuneți încredere zero din start, definiți “cartele de agent” clare și utilizați orchestrarea pentru a decide ce este urgent, ce este important și ce trebuie doar să se facă. Dacă faceți asta, puteți lăsa tehnologia să se schimbe – așa cum face întotdeauna – fără a vă îngrijora constant despre reconstruire. Vă mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe ar trebui să viziteze Calix.