Четан Алсисария, генеральный директор и сооснователь Polestar Analytics – Серия интервью

Четан Алсисария, генеральный директор и сооснователь – лидер в области корпоративных технологий, специализирующийся на данных, аналитике и трансформации, основанной на ИИ. После ранних ролей в Deloitte, PwC и EY, он стал сооснователем Polestar Analytics в 2012 году и с тех пор расширил ее до глобальной компании по ИИ и данным. Он руководит продажами, стратегическими альянсами, разработкой услуг и технической доставкой, а также является председателем CAIO Circle, сообщества лидеров ИИ, ориентированного на продвижение ответственной и практической адопции ИИ. Кроме того, он стал сооснователем Xumane Equity, отражая его более широкий фокус на инновациях в корпоративных системах и платформах.

Polestar Analytics – глобальная компания по слиянию ИИ и данных, которая помогает предприятиям превратить фрагментированные данные в действенные идеи посредством своей проприетарной 1Platform. Объединяя инженерную обработку данных, аналитику, ИИ и бизнес-потоки в одну экосистему, компания позволяет организациям улучшать процесс принятия решений, оптимизировать операции и масштабировать адопцию ИИ. С сильным акцентом на отраслевых случаях использования и измеримых результатах, Polestar эволюционировала от консалтинговой компании до платформенной компании, доставляющей упрощенные, интеллектуальные решения на корпоративном масштабе.

Вы стали сооснователем Polestar Analytics в 2012 году после ролей в Deloitte, PwC и EY. Какой пробел в корпоративных данных и аналитике вы увидели в то время, и как эта первоначальная видение эволюционировала в сегодняшнюю платформу, основанную на ИИ?

Вы знаете, когда Аджай, Амит и я начали Polestar Analytics в 2012 году, ирония была поразительной; компании тонули в данных, но голодали по решениям. Все собирали все, но разрыв между наличием данных и возможностью сделать что-то осмысленное с ними был огромным. Это была проблема, которую мы решили.

Перемотаем время вперед до сегодняшнего дня, и честно говоря, проблема не исчезла, она просто изменила форму. Объем больше, ставки выше, и теперь у вас есть агенты в смеси с людьми, которые должны понимать все это. Это на самом деле сделало нашу первоначальную видение яснее, а не более неясной.

Наш девиз, Данные в результаты, упрощено!, – это действительно нить, которая соединяет 2012 год с сегодняшним днем. Мы начали с доставки данных; получение правильных данных для правильных людей в правильное время. Затем ИИ вошел и усилил то, что было возможно. Теперь с 1Platform мы продвигаемся дальше; упрощая и максимизируя результаты не только для людей, но и для агентов, которые все чаще принимают или информируют решения.

Что интересно, так это то, как наша экосистема созрела, чтобы поддержать это. Наши глубокие интеграции с Microsoft (MSFT ), Databricks и Anaplan помогают объединить данные, бизнес-кейсы и планирование. И 1Platform сидит поверх всего этого, родной для этих сред, а не прикрепленный.

Итак, эволюция выглядит так: доставка данных → углубленные идеи, усиленные ИИ → упрощенные, готовые к агентам результаты. Стремление к совершенству остается тем же. Скорость, с которой мы можем добиться этого, – это то, что изменилось экспоненциально.

Polestar Analytics позиционирует себя как компания по слиянию данных и ИИ. Что такое слияние на практике для крупных предприятий, имеющих дело с фрагментированными системами и изолированными данными?

Большую часть времени фрагментация не является технологической проблемой, это проблема людей и процессов. Это как у вас есть финансовая команда, работающая на Anaplan, операционная команда, живущая в Excel, команда инженерии данных, строящая трубопроводы на Azure, и все тянут в разных направлениях с разными определениями одного и того же метрика. Никакой ИИ не исправляет проблему доверия, если основа сломана.

Итак, когда мы говорим о слиянии, мы имеем в виду решение этой основы сначала. Прежде чем вы можете добавить интеллект поверх, вам нужно, чтобы данные были чистыми, управляемыми и критически доступными. Не только для ваших аналитиков, но и для ваших агентов.

На практике слияние с 1Platform выглядит так: мы не разрываем и не заменяем то, что построили предприятия. Мы идем в родные среды, в которые они уже живут, такие как Databricks, Microsoft и Anaplan, и мы шьем слой данных и интеллекта поверх них. Ваши данные планирования в Anaplan говорят с вашими операционными данными в Databricks, и ваша экосистема Microsoft – это то место, где решения на самом деле появляются для людей и агентов, чтобы действовать.

Магия не в каком-либо из этих интеграций. Это в соединительном слое 1Platform, который делает все это похожим на одну связную систему, а не на отсоединенные инструменты. Это то, что такое слияние на практике, намеренное упрощение, пока сложность не становится невидимой для бизнеса.

Ваша проприетарная 1Platform направлена на объединение данных, ИИ и рабочих процессов в одну систему. Как этот подход отличается от традиционных стеков бизнес-интеллекта или современных платформ данных, таких как Databricks или Snowflake?

Databricks и Snowflake – мощные платформы, мы не конкурируем с ними, мы построены поверх них. Это различие имеет значение. Databricks дает вам инфраструктуру и вычисления. Мы сидим поверх этого и задаем другой вопрос: что дальше?

Традиционные стэки бизнес-интеллекта сделали многое правильно для своего времени, но бизнес-интеллект эволюционировал. Сегодня бизнес-пользователям нужно больше, чем панели. У вас может быть красиво спроектированная панель с пятнадцатью графиками, и все равно кому-то придется интерпретировать, что это значит и что делать дальше. Этот разрыв между идеей и действием – это именно то место, где работает 1Platform.

1Platform не является статичной, она постоянно эволюционирует. Она не только отвечает на вопросы, которые вы задаете; она поднимает вопросы, о которых вы даже не подумали. Это меняет отношения между бизнес-пользователями и их данными.

Мы построили интерфейсы с низким кодом и без кода поверх Databricks и Azure, которые позволяют запускать трубопроводы за секунды. Задачи, которые ранее занимали дни для инженеров данных, теперь могут быть запущены бизнес-пользователями. Поверх этого ИИ-агентство позволяет пользователям создавать и оркестрировать агентов через простые интерфейсы перетаскивания без глубокой технической экспертизы.

Но реальное различие заключается в опыте конечного пользователя. Вместо того, чтобы прыгать через несколько панелей, пользователи получают идеи в естественном языке, контекстные рекомендации и нарративы, управляемые агентами. KPI не просто сидят на экране; агенты активно мониторят их, флагируют, что важно, и объясняют, почему. Дифференциация не в самой платформе данных, а во всем, что происходит после того, как данные готовы.

Многие предприятия застряли в том, что часто называют “пилотным адом” ИИ. Какие являются самыми большими структурными или организационными барьерами, которые предотвращают ИИ от достижения производства в масштабе?

Я называю это пилотным кладбищем, потому что большинство проектов не просто застревают, они тихо умирают. Самые большие барьеры не технические, они организационные. Люди, процессы и данные.

Управление изменениями постоянно недооценивается. Когда вы перерабатываете, как люди работают, вы бросаете вызов тому, как они получают ценность. Организации, которые преуспевают, – это те, где лидерство делает компетенцию ИИ видимо важной. Когда повышение квалификации вознаграждается и переработка процессов поддерживается структурно, адопция ускоряется.

Затем есть проблема кривой Дж. Инвестиции в ИИ часто падают, прежде чем они поднимутся. Многие организации ожидают ROI в течение 90 дней, не видят его и бросают усилия. Те, кто преуспевает, обязуются полной кривой.

Готовность данных – это еще один критический фактор. Плохие данные приводят к уверенно неправильным решениям. Пока основа данных не заслуживает доверия, ИИ в масштабе становится обязанностью, а не активом.

Наконец, дисциплина использования имеет значение. Вместо того, чтобы пытаться сделать все с помощью ИИ, организации должны сосредоточиться на случаях использования, которые двигают реальные бизнес-метрики, доказывают их и затем масштабируют.

В Polestar Analytics, объединяя данные, ИИ и рабочие процессы в одном месте, ускоряет как открытие проблем, так и выявление возможностей, превращая слияние в катализатор перемен.

ИИ-агенты становятся основной темой в отрасли. Как Polestar Analytics думает об ИИ-агентах внутри корпоративных рабочих процессов, и какие реальные случаи использования набирают обороты?

Для нас агенты должны быть встроены как в слой данных, так и в бизнес-потоки, чтобы создать реальную ценность. Агент ценообразования, например, не просто большая языковая модель, сидящая на панели; он интегрирован в инфраструктуру данных, понимает контекст и поддерживает реальные решения.

По всей нашей сети из более чем 100 агентов некоторые действуют как помощники, в то время как другие полностью автоматизированы. Самая сильная трекция – в управлении ростом доходов, включая ценообразование, промоакции и медиа-смесь, где решения часты и интенсивны в данных.

На стороне инженерии агенты мониторинга трубопроводов и разрешения ошибок уже используются. Агенты FinOps снизили неиспользуемые облачные затраты на 35 процентов. Также есть сильная адопция в управлении богатством.

Мы поддерживаем как экосистемы Microsoft, так и Databricks, и предоставляем платформу для создания пользовательских агентов. Не каждый агент нуждается в основе LLM; архитектура должна соответствовать случаю использования, чтобы сбалансировать масштаб и стоимость.

Управление – это важно. С агентами, взаимодействующими с финансовыми системами или данными клиентов, сильные ограждения и человеческий надзор встроены, чтобы обеспечить надежность на корпоративном масштабе.

С вашим недавним финансированием вы удваиваете ставку на разработку ИП. Насколько важно владеть проприетарными платформами по сравнению с построением поверх существующих экосистем в сегодняшнем ландшафте ИИ?

Мы глубоко интегрированы с платформами, такими как Databricks, Microsoft и Anaplan, которые предоставляют инфраструктуру и масштаб. Мы не пытаемся заменить их.

Наш фокус – владеть слоем интеллекта поверх. Проприетарная ИП позволяет нам контролировать опыт, встроить знания отрасли и доставить последовательную ценность в масштабе.

Наша дифференциация исходит из экспертизы отрасли. Будь то PromoPulse ИИ для управления ростом доходов или WealthPulse для финансовых услуг, ценность заключается в понимании реальных случаев использования и решений.

Проприетарная ИП, для нас, – это кодификация этой экспертизы. Это то, что делает платформу оборонительной и действительно полезной.

Вы работали в тесном сотрудничестве с компаниями из списка Fortune 1000. Как меняются ожидания вокруг ROI ИИ, когда руководители требуют измеримых результатов вместо экспериментов?

Сдвиг реален, но экспериментирование не исчезло. Оно просто ожидается, что будет двигаться быстрее и соединяться с осязаемыми результатами.

Руководители теперь оценивают ROI через более широкие линзы, такие как скорость принятия решений, лояльность клиентов, инновационная способность и устойчивость.

ROI ИИ больше не принадлежит одному лидеру. CTO фокусируется на инфраструктуре и данных, CFO смотрит на финансовое влияние, а COO подчеркивает операционную эффективность.

Организации, которые преуспевают, выравнивают эти перспективы рано и обязуются долгосрочным результатам.

Ваша стратегия расширения включает Северную Америку и Европу. Какие различия вы видите в зрелости адопции ИИ и готовности предприятий в этих регионах?

Разница больше о мышлении, чем о способности.

Северная Америка отдает приоритет скорости и экспериментам, движимым конкурентным давлением.

Европа подчеркивает управление и этику ИИ с самого начала. Однако это не означает более медленную адопцию. Предприятия балансируют структуру с ускорением.

Оба региона сходятся к масштабируемому, ответственному ИИ, встроенному в основные операции.

Вы недавно основали CAIO Circle, чтобы объединить лидеров ИИ. Какие являются самыми срочными разговорами среди руководителей ИИ, особенно вокруг управления и этики?

CAIO Circle был создан, чтобы дать лидерам ИИ пространство для открытого обсуждения.

Центральная задача – баланс между скоростью и долгосрочным риском. Доверие и объяснимость являются основными проблемами, особенно когда системы ИИ влияют на критические решения.

Управление смещается от политических документов к встроенным операционным практикам. В то же время многие организации все еще не имеют моделей выполнения, чтобы реализовать свои стратегии ИИ.

Самые ценные идеи часто исходят от откровенных обсуждений между коллегами, а не из формальных презентаций.

Оглядываясь вперед на три-пять лет, ожидаете ли вы, что корпоративный ИИ консолидируется в единую платформу, подобную вашей, или останется фрагментированной экосистемой инструментов и поставщиков? Где Polestar Analytics стремится позиционировать себя в этом будущем?

Фрагментация, вероятно, продолжится. Крупные платформы, такие как Databricks, Microsoft, Salesforce и Anaplan, останутся центральными игроками.

Что предприятиям нужно, – это объединяющий слой, который соединяет данные, интеллект и рабочие процессы в нечто действенное. Это роль, которую предназначена 1Platform.

Будущее будет благоприятствовать платформам с глубокой вертикальной экспертизой. Generic горизонтальные решения будут бороться за дифференциацию.

Реальная ценность будет исходить от понимания отраслевых потребностей и встраивания интеллекта непосредственно в рабочие процессы принятия решений.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Polestar Analytics.