Адам Филд, главный директор по искусственному интеллекту в Tungsten Automation – Интервью

Адам Филд, главный директор по искусственному интеллекту в Tungsten Automation, является опытным лидером в области корпоративных технологий с глубокими знаниями в области искусственного интеллекта, интеллектуальной автоматизации и стратегии продукта. В своей текущей роли он руководит глобальными усилиями компании по трансформации искусственного интеллекта, курирует интеграцию искусственного интеллекта во весь портфель продуктов Tungsten, руководит лабораторией искусственного интеллекта Tungsten и устанавливает рамки управления для ответственного внедрения искусственного интеллекта. До того, как стать главным директором по искусственному интеллекту, он занимал должность главного директора по продукту, управляя портфелем, который генерировал более 550 миллионов долларов годового дохода. До прихода в Tungsten Филд провел почти 17 лет в Pegasystems, где он возглавлял инициативы по инновациям и опыту клиентов, помогал формировать стратегию развивающихся технологий и стал известен тем, что доставлял крупномасштабные демонстрации продукта и программы инноваций для корпораций. Ранее в своей карьере он занимал технологические и консультационные роли в Staples, Publicis Sapient и Fidelity Investments.

Tungsten Automation, ранее известная как Kofax, является корпоративной软件-компанией, ориентированной на автоматизацию рабочих процессов, интеллектуальную обработку документов, автоматизацию роботизированных процессов (RPA) и оркестровку бизнес-процессов. Компания предоставляет инструменты автоматизации, используемые организациями из различных отраслей, таких как финансы, здравоохранение, страхование и государственный сектор, для оптимизации операций, связанных с документами, и повышения эффективности. Ее платформа объединяет искусственный интеллект, низкокодовую автоматизацию и технологии интеллектуальной обработки документов, чтобы помочь предприятиям автоматизировать повторяющиеся задачи, извлекать информацию из неструктурированных данных и модернизировать бизнес-процессы в масштабе.

Вы провели годы, руководя стратегией продукта и инновациями, включая создание инновационных лабораторий и масштабирование портфеля продукта на сумму более 500 миллионов долларов, прежде чем перейти на должность главного директора по искусственному интеллекту в Tungsten Automation. Что убедило вас, что сейчас самое подходящее время для полного перехода на руководство искусственным интеллектом, и как ваш предыдущий опыт повлиял на это решение?

Я провел большую часть своей карьеры, сосредоточившись на превращении новых технологий в нечто, что действительно работает в масштабе корпоративных сред. За последние несколько лет стало ясно, что искусственный интеллект не является просто еще одной возможностью, которую можно интегрировать в продукты. Он меняет то, как строится программное обеспечение и принимаются решения на протяжении всего бизнеса, казалось бы, затмевая и нарушая все, что было раньше. Этот переход от экспериментов к реальным ожиданиям результатов, в сочетании с все более неоспоримым фактом, что искусственный интеллект остается, сделал это правильным временем для полного перехода на руководство искусственным интеллектом.

Также стало очевидным, что искусственный интеллект не оправдал ожиданий как панацея, которой его многие рекламировали. Успех искусственного интеллекта требует людей, которые сочетают техническую экспертизу и знания отрасли. Tungsten хочет помочь компаниям правильно использовать искусственный интеллект и получить реальные результаты, поэтому Tungsten создала офис искусственного интеллекта и мою роль в нем.

Tungsten эволюционировала от ранней захвата и распознавания документов до полной интеллектуальной платформы автоматизации, обеспечивающей критически важные рабочие процессы для тысяч организаций. Как вы видите, что это наследие формирует ваш подход к агентному искусственному интеллекту сегодня?

История Tungsten глубоко связана с тем, как корпорации действительно работают. Мы провели десятилетия, работая с документами и рабочими процессами, которые находятся в центре критически важных бизнес-процессов. Это означает, что мы понимаем, насколько сложными и часто неструктурированными могут быть эти сведения.

Эта основа очень актуальна для агентного искусственного интеллекта. Эти системы должны работать в реальных средах, а не только интерпретировать информацию в изоляции. Наш опыт в области интеллектуальной обработки документов позволяет нам сосредоточиться на контексте и обеспечить, чтобы искусственный интеллект действовал так, чтобы быть последовательным с тем, как работает бизнес. Это о построении систем, которые можно доверять в производстве, а не только исследовать в теории.

Это именно то, что делает эту последнюю эволюцию искусственного интеллекта так интересной. Она переносит интеллектуальную обработку документов в места, куда мы никогда не могли ее привести раньше — решение проблем, которые были слишком дорогими или невозможными для решения в прошлом.

Вы подчеркивали необходимость внедрения искусственного интеллекта во весь портфель продукта, а не рассматривать его как отдельную функцию. Что такое “родной” переход на искусственный интеллект в крупной, устоявшейся программной платформе?

Стало ясно с самого начала, что функции, основанные на генеративном и агентном искусственном интеллекте, быстро становятся обязательными, то есть клиенты не всегда готовы платить за них дополнительно. Мы также поняли, что эти технологии позволяют нам модернизировать то, что Tungsten делала годами: помогать компаниям понять свои данные документов.

Мы не изменили свое брендовое обещание. Мы не создали отдельные продукты или дополнительные функции. Мы переработали то, как используется продукт, и когда эта основа находится на месте, искусственный интеллект может работать так, чтобы казаться естественным внутри продукта, а не отдельно от него. И случаи использования, которые наши клиенты начали решать, перешли от структурированных документов к неструктурированным источникам информации. И мы переопределили “документ” на своем пути. Теперь документ больше не является только изображением бумаги или цифровым файлом. Неструктурированные данные живут в таких вещах, как заметки страховых агентов, транскрипты звонков в контакт-центр, посты в социальных сетях, веб-статьи и многое другое.

Принятие этого подхода позволяет нашим клиентам дополнить основу и открыть модели с их собанными данными, что является真正шим дифференциатором.

Как главный директор по искусственному интеллекту, как вы балансируете скорость инноваций с необходимостью управления, безопасности и ответственного внедрения искусственного интеллекта в масштабе?

Всегда есть давление, чтобы быстро двигаться с искусственным интеллектом, но в корпоративных средах доверие имеет значение так же, как и скорость. Управление и безопасность не могут быть рассмотрены как после мысли. Они должны быть построены в систему с самого начала.

Мы делаем это, устанавливая ожидания заранее, обучая наших конечных пользователей. Например, половина моей роли сосредоточена на внутренней стратегии искусственного интеллекта, евангелизации и управлении. Мы собрали межфункциональный консультативный совет очень рано. Мы поощряем обмен, экспериментирование и общение. Были времена, когда технология была готова к выпуску ко всем сотрудникам, связанным с несколькими внутренними системами. Прототипы были мощными и всех взволновали, но мы сообщили нашей консультативной команде, когда мы столкнулись с потенциальными проблемами безопасности или нормативными барьерами. Они ценят информацию и часто участвуют в решении.

Я думаю, что также важно не позволять совершенству мешать прогрессу. Мы устанавливаем ожидания с нашим персоналом, что они должны ожидать изменений, и многое из этого. Они должны ожидать, что мы выпустим инструменты и функции, когда они будут готовы, получим обратную связь, изменим курс, если необходимо, и затем выпустим еще.

Агентный искусственный интеллект быстро становится основным направлением в отрасли. С вашей точки зрения, что отличает реальные корпоративные системы агентного искусственного интеллекта от экспериментальных или переоцененных реализаций?

Ключевое различие заключается в том, как системы работают в реальных условиях. Многие экспериментальные подходы работают хорошо в контролируемых средах, но борются, когда они сталкиваются с неидеальными данными или сложными рабочими процессами. Корпоративные системы должны обрабатывать эту изменчивость и все равно обеспечивать последовательные результаты.

Большинство систем за последние 30 лет были построены для взаимодействия человека или через очень контролируемый доступ API. Интеграция систем должна быть пересмотрена в эпоху агентного искусственного интеллекта. Все, от того, как обрабатывать исключения, ошибки и аудит, отличается, когда агенты взаимодействуют, а не человек через традиционный интерфейс.

Другим важным фактором является подотчетность. Организации должны понимать, как принимаются решения, и быть в состоянии доверять результатам. Этот уровень прозрачности является тем, что позволяет агентным системам перейти от интересных демонстраций к реальному оперативному использованию.

Вы возглавляете лабораторию искусственного интеллекта Tungsten в качестве центра исследований и прикладных инноваций. Как вы обеспечиваете, чтобы экспериментальная работа по искусственному интеллекту переводилась в измеримые бизнес-результаты для клиентов?

Я фактически принял противоположный подход с лабораторией искусственного интеллекта Tungsten. Я сообщил команде заранее, что нормально экспериментировать, учиться и пробовать новые подходы, даже если результаты никогда не войдут в наши продукты. Часто лучше узнать, что не делать. Я считаю, что это дало им свободу думать свободно и экспериментировать новыми способами делать вещи.

Как пример, хотя я не могу раскрыть точную функцию, одна из наших текущих исследовательских спринтов включает в себя совершенно новый подход к существующему компоненту продукта. Исследователи нашли новые методы решения проблемы, что привело к “моменту просветления”, который может позволить нам предложить совершенно новое решение для наших клиентов. Если бы мы просто исследовали, как реализовать то, что уже было в дорожной карте, мы никогда не добрались бы до этого.

Тем не менее, это не беспорядок. Мы тщательно относимся к тому, где мы тратим время и сколько времени мы тратим на каждый проект исследования.

Многие организации все еще борются с переходом от пилотных проектов искусственного интеллекта к производству. Какие самые большие барьеры вы видите, и как компании могут их преодолеть?

Одним из самых больших барьеров является темная информация. Большинство организаций имеют доступ к огромным объемам информации, но значительная часть ее живет в документах, электронных письмах, PDF-файлах и других неструктурированных форматах, которые трудно интерпретировать системам искусственного интеллекта. Это означает, что даже хорошо спроектированные модели часто работают с неполной и несогласованной информацией о бизнесе, что приводит к ненадежным выводам и застрявшим инициативам.

Чтобы преодолеть это, компании должны сосредоточиться на превращении темной информации в нечто полезное. Это предполагает не только извлечение информации, но и создание структуры, контекста и управления вокруг нее, чтобы системы искусственного интеллекта могли действительно действовать на ее основе с уверенностью. Как только эта основа будет на месте, искусственный интеллект становится намного более надежным и проще в масштабировании от изолированных пилотных проектов к реальным производственным средам.

Tungsten работает в документо-интенсивных и рабочих процессо-интенсивных отраслях. Как искусственный интеллект меняет то, как предприятия думают о неструктурированных данных и принятии решений?

Искусственный интеллект меняет то, как организации думают о ценности информации, которую они уже имеют. На протяжении многих лет большие объемы корпоративных знаний сидели внутри документов, электронных писем, PDF-файлов и другой неструктурированной информации, которая была трудна для доступа или оперативного использования. Теперь организации осознают, что эти данные содержат контекст и бизнес-логику, которые системы искусственного интеллекта нуждаются для производства надежных результатов. Модели сами по себе являются товаром, информация организаций, объединенная с этими моделями, является дифференциатором.

В то же время растет осознание суверенитета данных, управления и того, где течет корпоративная информация. Многие компании спешат включить больше внешних данных или экспериментировать с широким доступом к моделям, когда на самом деле они уже сидят на огромных объемах неиспользованных интеллектуальных данных внутри своей организации. Фокус начинает смещаться в сторону активации этой внутренней неструктурированной информации в безопасной и управляемой форме, чтобы искусственный интеллект мог поддержать лучшие решения без создания ненужных рисков.

Вы построили консультативные советы клиентов и тесно сотрудничали с корпоративными клиентами на протяжении всей своей карьеры. Насколько важно обратная связь клиентов в формировании стратегии искусственного интеллекта, особенно когда технология развивается так быстро?

Обратная связь клиентов является даром, особенно в области, которая движется так быстро, как искусственный интеллект. Она помогает обеспечить, чтобы стратегия оставалась основанной на реальных бизнес-потребностях, а не теоретических возможностях.

Она также помогает с приоритизацией. Есть много направлений, в которых может двигаться искусственный интеллект, но обратная связь клиентов обеспечивает ясность в отношении того, где можно создать наибольшую ценность. Это сохраняет фокус на результатах, которые имеют значение, и гарантирует, что инновации остаются согласованными с тем, как работают организации.

Я вспоминаю в ранние дни генеративного искусственного интеллекта, клиент на нашем консультативном совете сказал мне, что, хотя он любит направление продукта, он никогда не заплатит дополнительно за новую функцию, основанную на LLM, в нашей дорожной карте. Это было откровением, потому что он был согласован с остальной частью отрасли.

Глядя вперед, где вы видите самую большую возможность для автоматизации, основанной на искусственном интеллекте, в течение следующих 3-5 лет, и на что предприятиям следует сейчас готовиться?

Самая большая возможность заключается в более глубоком подключении искусственного интеллекта к конечным рабочим процессам. Вместо того, чтобы сосредотачиваться на изолированных задачах, организации будут смотреть на то, как искусственный интеллект может поддержать весь процесс и улучшить то, как работа движется по всему бизнесу. Сейчас многие агентные системы нацелены на отдельные задачи, но бизнес работает на основе согласованных конечных процессов.

Чтобы подготовиться к этому сдвигу, предприятиям необходимо инвестировать в свои основы данных и в системы, которые поддерживают прозрачность и контроль. И они должны думать о “строительстве против партнерства”, а не “строительстве против покупки”. Мы видели, что DIY-искусственный интеллект с нуля часто терпит неудачу. Организации, которые выигрывают больше всего, будут те, которые найдут правильных партнеров по искусственному интеллекту, чтобы ускорить свои решения, а не пытаться перестроить все с нуля.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Tungsten Automation.