Russ Fradin, VD och medgrundare av Larridin – Intervju-serie

Russ Fradin, VD och medgrundare av Larridin, är en erfaren entreprenör och chef med en imponerande meritlista när det gäller att bygga och skala upp framgångsrika teknologiföretag. Han co-founderade Larridin i augusti 2024 efter över ett decennium av ledarskap i organisationer som Carbon Health, där han för närvarande tjänstgör som vice ordförande, och Dynamic Signal, som han grundade och ledde som VD i nästan tio år. Fradin har också haft nyckelpositioner i styrelser för innovativa företag, inklusive Leanplum och CoachArt, vilket speglar hans engagemang för att främja teknologi, hälsovård och sociala initiativ.

Larridin är ett nästa generations teknologiföretag som är dedikerat till att förändra hur organisationer arbetar med data och beslutsfattande. Plattformen använder avancerad artificiell intelligens och automatisering för att effektivisera komplexa affärsprocesser, vilket hjälper företag att få insikter snabbare och mer intuitivt. Med fokus på effektivitet, skalbarhet och intelligent integration, ger Larridin företag möjlighet att fatta smartare, datadrivna beslut samtidigt som de låser upp nya nivåer av operativ excellens inom branscher.

Du har hjälpt till att bygga mätningsplattformar inom digital annonsering och analys innan du lanserade Larridin — hur ledde din tidigare karriär och erfarenheter dig till att se behovet av ett företag som är dedikerat till företags AI-mätning och styrning?

Som serieentreprenör ville jag att mitt nästa företag skulle kombinera min djupa bakgrund inom mätning och analys med den transformerande potentialen av AI. I otaliga samtal med företagsledare kom ett tema ständigt upp: trots massiva investeringar, hade företag inget sätt att spåra, mäta eller optimera sina AI-initiativ. Det fanns helt enkelt inga verktyg som gav dem synlighet eller kontroll över AI-antagandet, och det är exakt den lucka som inspirerade skapandet av Larridin.

Du beskriver ofta Larridin som en “intelligenslager” ovanför alla AI-verktyg — hur kom den positioneringen till och vilka risker såg du som gjorde det nödvändigt?

För företag blir det alltmer utmanande att förstå hur AI faktiskt används och om det levererar verkligt ROI. Många ledare ställer samma frågor: Använder anställda verkligen de AI-verktyg vi har investerat i? Hur kan vi mäta deras påverkan? Vilka användningsfall levererar mest värde och är värda att skala? Genom att känna till denna synlighetslucka, byggde vi Larridin som ett intelligenslager över alla AI-verktyg, vilket ger företagsledare möjlighet att kartlägga, mäta och optimera AI-användning, och slutligen omvandla det till konkreta affärsresultat.

Scout samlar in metadata (snarare än innehåll) för att avslöja AI-användning över hela organisationen — i vilka situationer blir dessa signaler otydliga, och hur validerar eller finjusterar du dem?

Scout samlar inte bara in metadata; det analyserar också prompter för att förstå färdighetsnivåer och användningsmönster. Tänk på den här plattformen som Google Analytics. Den spårar inte enskilda prompter eller innehåll; den aggregerar och tolkar trender som uppdateras i realtid över hela organisationen. Den här flödet av data hjälper till att finjustera insikter över tid, vilket säkerställer att den synlighet företag får är korrekt, kontextuell och handlingsbar.

Nexus centraliserar prompter, policys och integrationer — hur övertygar du team att flytta arbetsflöden till Nexus snarare än att fortsätta med deras ad-hoc AI-verktyg?

Nyckeln till att anta nya teknologier ligger i att driva beteendeförändring. I det här fallet handlar det om att bygga AI-kompetens. Människor är angelägna om att använda AI, men hur hjälper man dem att göra det på ett ansvarsfullt sätt? Det är troligt att de flesta anställda inte känner till riskerna med att använda oauktoriserade verktyg eller om de följer reglerna när de interagerar med vissa appar.

Från din utgångspunkt, vilka är de mest vilseledande måtten eller indikatorerna som ledare tenderar att missförstå som verklig AI-mognad?

Vad varje företag borde fråga sig idag är om de AI-verktyg som finns tillgängliga inom företaget levererar verkligt värde. En sak är antalet personer som använder ChatGPT, till exempel. Men hur många av dem använder det på ett sätt som ger en verklig konkurrensfördel och visar verkligt värde? Att ha de senaste eller dyraste AI-verktygen betyder inte att alla kommer att använda dem och maximera dem. Företag som har lärt sig att dra nytta av AI spårar och mäter dess användning för att säkerställa verkligt ROI, skalar framgångsrika interna användningsfall och skapar en kultur som främjar AI-litteracitet för alla.

När auktoriserade och oauktoriserade AI-verktyg samexisterar, hur isolerar du vilken användning som faktiskt levererar affärspåverkan?

Det första steget vore att få synlighet och förstå vilka verktyg som används, av vem, hur de påverkar prestationen, om de är säkra? När företag har kartlagt de AI-tillgångar som körs i deras ekosystem, är det dags att gräva ner sig i måtten och mäta ROI för dessa verktyg. Det är möjligt att ett oauktoriserat verktyg levererar mer värde än ett auktoriserat, medan andra bara lägger till brus och risk. När organisationer har en tydlig översikt och realtidsinsikter i vad som fungerar och vad som inte fungerar, kan de bygga på sin tekniska stack och fortsätta framåt som en helhet.

 Hur balanserar du styrning (regler, övervakning, begränsningar) med att ge team flexibilitet och frihet att experimentera och innoviera?

Styrning och innovation måste gå hand i hand i AI-eran. Det bästa sättet att uppnå denna balans är genom att ge anställda verktygen och möjligheten att experimentera med AI på ett säkert och ansvarsfullt sätt. När styrning blir en blockerare eller uppfattas som en flaskhals, kommer kreativitet och experiment att avstanna, men när det är en möjliggörare, ger det människor möjlighet att pusha gränserna och bygga nya lösningar med tillförsikt.

Medan nya modeller, agenter och självbetjäningsverktyg dyker upp snabbt, hur håller du Larridins upptäckt, kopplingar och policys aktuella och robusta?

Anpassningsförmåga och flexibilitet är två pelare för Larridin. Nya AI-verktyg dyker upp varje dag, och människor är villiga att testa dem, oavsett om de är auktoriserade eller inte. Vår plattform upptäcker automatiskt nya AI-tillgångar och deras användningstrender, och har en ständigt utvecklande kopplingsbibliotek, vilket säkerställer att synligheten aldrig förloras. Detta dynamiska ramverk tillåter organisationer att omorganisera sina regler för säkerhet och regelefterlevnad i realtid.

Sedan Larridins grundande, vilka av dina tidiga antaganden har överraskat dig mest — särskilt när det gäller antagande, motstånd eller mätning av värde?

Idag lever företag i en AI-delad värld. Vissa människor antar det instinktivt och arbetar naturligt med den här tekniken, kontinuerligt experimenterande och drivande innovation. Andra kanske inte har tid eller benägenhet att klättra den inlärningskurvan, vilket inte nödvändigtvis betyder att de är motståndare. Att förstå att människor motiveras av olika saker och främja en beteendeförändring kring AI genom att brottas mellan dessa två världar är avgörande för antagande och tillväxt. Vissa organisationer kanske inte har insett detta ännu.

Även synlighetsproblemet är intressant. I dagens snabbt föränderliga AI-värld, förlorar man synligheten över AI-stacken oftare än förväntat, även med företag som kontinuerligt genomför interna revisioner. I en nyligen genomförd undersökning vi genomförde, medgav över 70% av IT- och finansföretagsledare att de har förlorat synligheten. Detta gör det svårt att mäta det verkliga värdet av AI, och många organisationer saknar de verktyg och processer som behövs för att upprätthålla en aktuell spårning och mätning av sina AI-applikationer.

Under de kommande 3–5 åren, vad är din ideala vision för företags AI-styrning och antagande — och hur ser du Larridins roll utvecklas mot den framtiden?

Från och med nu, måste styrning, säkerhet, regelefterlevnad och antagande fungera i harmoni. Den här integrerade miljön tillåter företag att blomstra genom att ge anställda möjlighet att skapa sina egna AI-agenter för att stödja arbetsflöden och lösa problem, vilket frigör dem att fokusera på strategiska initiativ. Larridin öppnar vägen till den här nästa generationsansatsen för samarbetet mellan AI och människor.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Larridin.