Sobhan Daliry, CPO & lider al strategiei AI la Pipefy – Seria de interviuri

Sobhan Daliry, CPO & lider al strategiei AI la Pipefy, este un executiv cu experiență în produse și tehnologie care a condus strategia AI a companiei din 2023, contribuind la transformarea fluxurilor de lucru tradiționale în procese tot mai inteligente și autonome. Pe parcursul carierei sale, Daliry a combinat strategia de produs, transformarea organizațională și leadershipul tehnologic în startup-uri și companii consacrate. Înainte de a se alătura Pipefy, a fondat și a ocupat funcția de CEO la Polen.me și a petrecut peste cinci ani ca CEO/CPO la NZN, unde a condus redresarea companiei și strategia de produs. Rolurile sale anterioare includ Director de Management al Produsului la PSafe, Product Manager la Peixe Urbano și poziții în servicii digitale, telecomunicații, consultanță și dezvoltare de afaceri la Oi/Telemar, Claro, AIRCOM International și Planeta Tecnologia.

Pipefy este o platformă globală de management al proceselor și AI concepută pentru a ajuta organizațiile să automatizeze și să orchestreze fluxurile de lucru de business. Fondată în 2015, compania a evoluat de la o platformă de automatizare a proceselor fără cod la un mediu de orchestrare axat pe AI care reunește AI Agents, fluxuri de lucru, formulare, portaluri, aplicații, date, analize, mesagerie și integrări. Platforma sa permite echipelor să creeze și să administreze AI Agents folosind limbaj natural și instrumente fără cod, menținând în același timp guvernanța, securitatea și vizibilitatea la nivel de întreprindere. Capacitățile AI ale Pipefy includ agenți care pot interpreta documente, executa sarcini de flux de lucru, sprijini luarea deciziilor, interacționa cu sisteme externe și orchestra procese în domenii precum finanțe, resurse umane, achiziții, operațiuni cu clienții și conformitate.

Cariera ta te-a purtat de la inginerie în telecomunicații la companii precum Claro și Oi, la leadership de produs la Peixe Urbano și PSafe, ocupând funcția de CEO/CPO la NZN, fondând Polen.me și acum conducând strategia de produs și AI la Pipefy. Cum a influențat această evoluție modul în care gândești construirea de produse AI care rezolvă probleme operaționale reale, în loc să se limiteze la prezentarea de noi tehnologii?

Telecomul m-a învățat că infrastructura trebuie să funcționeze de fiecare dată, la scară masivă, fără niciun spațiu pentru „funcționează în mare parte”. Un apel pierdut nu este un eșec de demonstrație, ci un client care pleacă. Această mentalitate — fiabilitatea înaintea noutății — nu m-a părăsit niciodată. La Peixe Urbano și PSafe am învățat lecția opusă: cât de repede produsele de consum trăiesc sau mor în funcție de faptul că rezolvă o problemă reală, resimțită astăzi, nu una teoretică. Conducerea NZN ca CEO/CPO m-a obligat să susțin ambele adevăruri simultan — nu poți depăși execuția unei teze proaste și nu poți depăși teza unei execuții proaste. Fondarea Polen.me mi-a oferit cea mai costisitoare lecție: capitalul și timpul sunt limitate, așa că fiecare funcționalitate pe care o construiești este o funcționalitate pe care nu ai construit-o, iar costul urmăririi unei demonstrații impresionante în loc de un flux de lucru real apare luni mai târziu, nu pe scenă. Când am ajuns la Pipefy, întrebarea pe care o pun despre fiecare funcționalitate AI este aceeași pe care aș-o pune despre un turn de telefonie: rezistă aceasta în producție, sub sarcină reală, când nimeni nu privește? Dacă un agent AI funcționează doar într-un mediu de demonstrație curat, nu este un produs — este un trailer pentru unul.

Ai condus formularea și implementarea strategiei AI a Pipefy din 2023. Ce presupuneri despre AI în întreprinderi aveai la început și care s-au schimbat cel mai mult pe măsură ce AI generativ și agenții AI au evoluat?

Cea mai mare presupunere pe care a trebuit să o elimin fost că modelul ar fi factorul limitativ. În 2023, toată lumea — inclusiv eu — optimiza pentru „care LLM este cel mai inteligent”. Ce s-a dovedit a fi cu adevărat factorul limitativ a fost contextul: știe agentul ce este procesul în realitate, care sunt limitele, cum arată „finalizat” pentru versiunea specifică a conturilor de plătit a clientului. Calitatea modelului a continuat să se îmbunătățească pe o curbă pe care toată lumea o anticipa; contextul procesului nu s-a îmbunătățit de la sine, pentru că nimeni nu l-a structurat. A doua presupunere care s-a schimbat a fost legată de autonomie. Am presupus că piața dorește agenți care acționează complet independent, cât mai rapid posibil. Ce își doresc — și încă doresc — întreprinderile este autonomie delimitată: agenți care iau decizii reale în cadrul regulilor pe care nu le pot încălca, cu o urmă care să o dovedească ulterior. Autonomia totală fără guvernanță nu este ambiție, ci doar risc cu o interfață mai bună. Piața a maturizat mai repede cerințele de încredere decât pe cele de capacitate brută, iar această reordonare este cel mai mare lucru pe care l-am greșit la început.

Pipefy diferențiază între automatizarea AI relativ simplă și agenții AI care pot raționa în situații ambigue, pot planifica multiple etape și pot executa acțiuni pe parcursul unui flux de lucru. Cum ar trebui întreprinderile să determine când o sarcină necesită cu adevărat un agent AI versus când automatizarea deterministă rămâne soluția mai bună?

Testul pe care îl folosesc este simplu: dacă poţi scrie regula, scrie regula. Automatizarea deterministă este încă soluţia corectă pentru orice situaţie în care arborele decizional este cunoscut în avans şi nu se schimbă — direcţionează această factură către acest aprobat dacă este sub această sumă. Acesta nu este un job pentru un agent, iar pretinderea contrară adaugă doar latenţă şi imprevizibilitate la ceva ce era deja rezolvat. Un agent îşi câştigă locul în momentul în care situaţia are ambiguităţi pe care o regulă fixă nu le poate rezolva — factura nu se potriveşte exact cu PO‑ul, lipseşte un câmp, cererea clientului nu se încadrează în nicio categorie existentă. Aici raţionamentul are valoare reală: să decizi ce să faci în continuare când „în continuare” nu este deja scris. Greşeala pe care o văd constant la întreprinderi este să construiască un agent pentru cei 80 % de cazuri care erau deja deterministe, pentru că este mai spectaculos, şi să lase cei 20 % ambigui — partea cu adevărat dificilă — pentru ca un om să le desfăşeze manual. Inversează acel raport şi ai construit ceva real.

Există o schimbare tot mai accentuată de la copilotii autonomi la „orchestrarea agențială”, unde AI poate coordona procese ce se întind pe mai multe sisteme. Ce separă orchestrarea agențială autentică de simpla adăugare a unui model lingvistic mare pe o platformă de automatizare existentă?

Introducerea unui nod LLM într-un flux de automatizare existent îţi oferă un pas unic mai inteligent. Orchestrarea autentică înseamnă că AI are o vedere persistentă şi structurată a întregului proces — nu doar a acestei sarcini, ci şi a poziţiei sale în secvenţă, a ceea ce s‑a întâmplat deja în amonte, a ceea ce trebuie să fie adevărat în aval pentru ca aceasta să fie considerată finalizată. Diferenţa constă în faptul dacă inteligenţa are memorie a procesului sau doar memorie a promptului. Un copilot răspunde la întrebarea pe care i‑o adresezi. Orchestrarea coordonează acţiuni între sisteme care nu comunică nativ — ERP‑ul tău, CRM‑ul tău, API‑ul unui partener — moştenind aceleaşi reguli, permisiuni şi jurnal de audit pe care restul procesului le rulează deja. Dacă trebuie să construieşti un strat de guvernanţă separat în jurul funcţionalităţii AI pentru că platforma de automatizare de dedesubt nu are unul, nu ai orchestrare agenţială — ai un chatbot cu acces API, iar acestea nu au acelaşi profil de risc.

Agentii AI fără cod pot permite echipelor de business să automatizeze procese din ce în ce mai complexe fără a aştepta resursele de inginerie. Cum democratizezi această capacitate fără a crea o nouă generaţie de AI umbră, agenţi prost proiectaţi sau riscuri de securitate?

Nu obţii o democratizare sigură cerând utilizatorilor de business să fie mai prudenţi — o obţii prin

făcând balustradele parte integrantă a drumului, nu o pistă separată pe care oamenii trebuie să o aleagă pentru a circula. Fiecare agent pe care îl creează un utilizator de business moşteneşte aceleaşi accesuri bazate pe roluri, acelaşi jurnal de audit şi aceleaşi reguli de business care deja guvernează procesul în care este construit — nu sunt configuraţii opţionale, ci structurale. Acesta este răspunsul real la AI‑ul umbră: nu este o problemă de politică, ci una de arhitectură. AI‑ul umbră apare când instrumentul aprobat este mai greu de utilizat decât cel neaprobat, astfel că oamenii îşi construiesc agentul într-un cont personal ChatGPT sau într-un instrument de automatizare aleatoriu, fără nicio vizibilitate pentru IT. Dacă experienţa fără cod este cu adevărat rapidă şi guvernanţa este invizibilă pentru că este automată, nu există niciun motiv pentru ca o echipă de business să o ocolească. În momentul în care transformi guvernanţa într‑un pas manual pe care cineva trebuie să‑l amintească, ai pierdut deja.

Pe măsură ce agenţii AI capătă capacitatea de a lua decizii şi de a executa acţiuni, nu doar de a le recomanda, cum ar trebui organizaţiile să decidă unde este potrivită autonomia deplină şi unde oamenii ar trebui să rămână în circuit?

Axa pe care o folosesc nu este „cât de inteligent este agentul”, ci reversibilitatea şi raza de impact. Dacă o decizie greşită este ieftină de detectat şi ieftină de anulat — rutare, categorisire, redactare — permite agentului să acţioneze şi să revizuiască în agregat. Dacă o decizie greşită este costisitoare, dificil de inversat sau atinge direct bani, conformitate sau relaţia cu un client, păstrează un om în circuit pentru acel pas specific, chiar dacă agentul a luat corect ultimele o mie de decizii. Greşeala este să tratezi autonomia ca pe un singur buton pe care îl ridici pentru întregul flux de lucru. Procesele reale sunt o secvenţă de paşi cu profiluri de risc foarte diferite, iar designul corect plasează omul exact la pasul unde o greşeală este costisitoare — nu pretutindeni şi nu nicăieri. De asemenea, acesta este motivul pentru care „human‑in‑the‑loop”, făcut corect, nu este un impozit pe viteză — este modul în care construieşti încrederea pentru a elimina în cele din urmă acel pas din etapele cu risc scăzut, deoarece ai dovezile care să demonstreze ce decizii le ia agentul în mod constant corect.

Pipefy pune accent pe guvernanţă prin mecanisme precum jurnalele de audit, controalele de acces bazate pe roluri, regulile de business şi trasabilitatea în cadrul fluxului de lucru însuşi. Devine esenţială integrarea guvernanţei direct în stratul de orchestrare pe măsură ce companiile trec agenţii AI de la experimente la producţie?

Nu devine esențial — este deja esențial, iar companiile care descoperă acest lucru pe calea grea sunt cele care au lansat agenți în producție primul și acum construiesc lanțul de audit retroactiv. Este invers și este costisitor să repari retroactiv. Dacă lanțurile de audit, accesul bazat pe roluri și trasabilitatea nu sunt native stratului de orchestrare în sine, fiecare agent nou pe care îl implementezi devine un nou loc în care guvernanța poate eșua în tăcere — și nu vei afla până când un auditor, un regulator sau un incident nu pune întrebarea. Încorporarea guvernanței în stratul de orchestrare înseamnă că fiecare acțiune a unui agent moștenește automat aceleași reguli și lasă aceleași dovezi pe care le-ar lăsa o acțiune umană, fără ca cineva să fie nevoit să le configureze separat. Întreprinderile care trec de la experimente AI la AI în producție descoperă că criteriile de succes ale pilotului și cele ale producției sunt diferite: un pilot trebuie să funcționeze, producția trebuie să fie defensibilă. Guvernanța este diferența dintre aceste două bare.

Multe companii pot demonstra un pilot AI impresionant, dar întâmpină dificultăți în a-l transforma în valoare de afaceri măsurabilă. Ce metrici ar trebui să urmărească liderii atunci când determină dacă o inițiativă de automatizare AI oferă cu adevărat ROI și care sunt cele mai comune motive pentru care piloții promițători nu reușesc să se scaleze?

Nu am încredere în nicio discuție despre ROI AI care începe cu „ore economisite”, pentru că orele economisite de cine, verificate cum? Metricile care rezistă cu adevărat sub scrutinul CFO sunt cele pe care auditorii le pot confirma independent: timpul de ciclu al unui proces specific, înainte și după; rata de eroare sau de refacere; procentul unui flux de lucru care acum se finalizează fără intervenție umană; și acoperirea liniei de audit — poți arăta, pentru fiecare decizie agentică, de ce a fost luată. Dacă nu poți produce acel lanț de audit, nu ai un număr ROI, ai o anecdotă. Piloții eșuează să scaleze aproape întotdeauna din același motiv: au fost construiți pentru a demonstra că modelul funcționează, nu pentru a demonstra că procesul funcționează de la cap la cap, în producție, integrat cu sistemele de care restul companiei depinde deja. Un pilot care trăiește într-un sandbox, deconectat de sistemul real de înregistrare, va părea întotdeauna mai bun decât performează odată ce este conectat la tot ce rulează deja. Scalarea este o problemă de integrare a sistemelor îmbrăcată în costumul AI.

Ai condus, de asemenea, inițiative de schimbare organizațională la Pipefy în timp ce introduci noi capabilități AI. Din experiența ta, cât de mult din adoptarea cu succes a AI în întreprinderi reprezintă de fapt o provocare tehnologică versus o provocare de proces, cultură și management al schimbării?

Dacă sunt sincer, adoptarea cu succes a AI în întreprinderi este 20 % tehnologie și 80 % tot restul. Tehnologia funcționează în mare parte acum — nu este acolo unde îmi pierd somnul. Ceea ce determină cu adevărat dacă o inițiativă AI rămâne este dacă oamenii ale căror sarcini se schimbă au încredere în sistem suficient pentru a renunța la verificarea manuală pe care o făceau de zece ani și dacă conducerea este dispusă să reproiecteze procesul în loc să lipească AI peste cel vechi. Am trecut prin asta intern, construind propriile noastre instrumente de inginerie — tehnologia de a automatiza părți din modul în care construim software a existat cu mult înainte ca echipa să aibă încredere suficientă pentru a renunța la dublă verificare manuală. Deblocarea nu a fost un model mai bun, ci o dovadă vizibilă, repetată de suficiente ori, că judecata sistemului se potrivește cu a lor. Managementul schimbării pentru AI nu este un exercițiu de comunicare, ci un exercițiu de acumulare a dovezilor — câștigi încredere în loturi mici, verificabile, nu o declari într-o adunare generală.

Privind spre viitor, te aștepți ca software‑ul tradițional de flux de lucru și de proces de afaceri să evolueze în straturi de orchestrare în care oamenii, agenții AI și sistemele enterprise colaborează continuu? Dacă da, ce se va schimba fundamental în modul în care companiile își proiectează și gestionează operațiunile?

Da, și cred că schimbarea este mai mare decât își dau majoritatea oamenilor seama. Software‑ul de flux de lucru era inițial locul în care documentai cum ar trebui să se desfășoare munca. Acum devine locul în care munca se întâmplă efectiv — un runtime live în care oamenii, agenții și sistemele enterprise acționează simultan în același proces guvernat, în loc ca un om să folosească software‑ul ca un arhivist pasiv după eveniment. Ceea ce se schimbă fundamental este unde „sistemul de înregistrare” trăiește cu adevărat. În trecut, înregistrarea era o bază de date actualizată odată ce ceva se întâmplase în afara ei. Într-un strat de orchestrare, înregistrarea și execuția sunt același lucru — procesul devine interfața, accesibilă nu doar printr-un ecran, ci printr-un API, un server MCP, un CLI, astfel încât orice agent, intern sau al unui partener, poate acționa în interiorul său sub aceleași reguli ca un om. Companiile care tratează această schimbare ca „adaugă AI la instrumentele mele existente” vor continua să lovească plafonul descris anterior. Cele care consideră stratul lor de proces ca produsul real — lucrul în care merită să investești pentru a-l structura corect — sunt cele care vor amplifica un avantaj pe care nimeni nu îl poate copia doar cumpărând același model AI.

Vă mulțumim pentru interviul excelent, cititorii care doresc să afle mai multe ar trebui să viziteze Pipefy.