Stephen Straus, VD och medgrundare av KUNGFU.AI – Intervjuserie

Stephen Straus, VD och medgrundare av KUNGFU.AI, är entreprenör, investerare och teknologichef med årtionden av erfarenhet av att bygga och rådgiva företag. Innan han lanserade KUNGFU.AI 2017 tjänstgjorde han som generalpartner på Austin Ventures och grundade eller medgrundade flera företag, inklusive mbue, som förvärvades av Bluebeam. Straus är också en långvarig partner och mentor på Capital Factory och sitter i Engineering Advisory Board vid University of Texas at Austin’s Cockrell School of Engineering. Utöver teknik och investeringar har han medgrundat och är ordförande för Impact Dyslexia samt grundat Startup Diversity and Inclusion Pledge, vilket speglar ett bredare fokus på hur teknik, entreprenörskap och organisatoriskt ledarskap kan skapa positiv samhällspåverkan.

KUNGFU.AI är ett Austin-baserat managementkonsult- och ingenjörsföretag som fokuserar uteslutande på artificiell intelligens. Företaget grundades 2017 och kombinerar AI‑strategi med ingenjörskonst för att hjälpa organisationer att gå från experiment till produktionsklara AI‑system, med arbete som spänner över områden som agentisk AI, maskininlärning, datorseende, AI‑styrning och samarbete mellan människa och maskin. Metoden betonar att designa AI utifrån hur organisationer och deras människor faktiskt arbetar, snarare än att behandla AI som en fristående teknikimplementation. KUNGFU.AI verkar inom branscher som sjukvård, offentlig sektor, private equity, detaljhandel, finans och försäkring, och rapporterar att 96 % av deras uppdrag når produktionsstadiet.

Du tillbringade år som riskkapitalist på Austin Ventures under dot‑com‑boomen och -kraschen, och såg senare paralleller mellan internets framväxt och vad som började hända med AI. Vad övertygade dig om att möjligheten var tillräckligt betydelsefull för att slutligen medgrunda KUNGFU.AI, och vad såg du då som många företagsledare fortfarande missade?

Jag tror att det var mönsterigenkänning från att ha en förstaplats i internetrevolutionen under dot‑com‑eran som ledde mig till att medgrunda företaget sex år innan ChatGPT lanserades. Jag kan egentligen inte förklara det, men jag fick en stark övertygelse om att AI skulle bli nästa stora tekniska övergång som världen skulle genomgå, och precis som internet skulle det förändra konkurrensgrunden.

Personligen har jag i mitt liv sett flera omvälvande tekniska övergångar, redan från jag var 11 år gammal. Jag såg en Apple I, och även om jag inte förstod det då, så representerade den början på persondatorrevolutionen.

Åtminstone ur ett tjänsteperspektiv såg väldigt få personer samma sak som mina medgrundare och jag. Före ChatGPT var det mycket svårt att hitta andra tjänsteföretag som fokuserade på AI, och nu är det nästan omöjligt att hitta ett tjänsteföretag som inte påstår sig erbjuda AI‑tjänster.

KUNGFU.AI grundades år innan generativ AI blev en prioritet i styrelserummet. Hur har din definition av ett “AI‑first” företag förändrats i takt med att tekniken har utvecklats från traditionell maskininlärning till generativ och alltmer agentisk AI?

När vi startade företaget insåg vi verkligen att vi var pionjärer när det gällde vad det innebär att vara ett AI‑professionellt tjänsteföretag. Men det var först när ChatGPT kom som vi förstod att vi också hade möjlighet att vara pionjärer när det gäller vad det innebär att vara ett AI‑aktiverat professionellt tjänsteföretag.

Vi hade gjort viss begränsad intern automatisering före ChatGPT, men det var egentligen framväxten av LLM‑modeller och nu agentisk AI som gjort det möjligt för oss att bli ett AI‑aktiverat professionellt tjänsteföretag. Jag tror att vi gör betydande framsteg mot det. Vi ökade intäkterna med över 80 % förra året, och vi höll i princip personalstyrkan oförändrad. Inom tjänster är både den tillväxttakten och den avkopplade personalökningen, enligt mig, verkligen anmärkningsvärd och visar vad som är möjligt i tjänstesektorn i detta nya tidevarv av

Du har hävdat att företag gör ett misstag när de behandlar AI som en annan mjukvaruimplementation. Hur ser det egentligen ut när en organisation använder AI för att ompröva vad företaget kan bli, snarare än att bara göra befintliga processer mer effektiva?

AI skiljer sig från traditionell mjukvara på flera dimensioner. Detta diagram är från min nya bok, Wayfinding: A Business Fable About Leading in the Age of AI.

Hur AI skiljer sig från traditionell mjukvara

Bortom dessa specifika detaljer och mer strategiskt tror jag att de flesta företag gör ett riktigt stort misstag, nämligen att de försöker lista ut hur de kan använda AI för att automatisera sin verksamhet. Varför är det ett misstag? Nästan alla samma personer skulle hålla med om att AI förändrar allt. Och om det förändrar allt, så inkluderar det att förändra konkurrensgrunden i er bransch.

För mig är det meningslöst att automatisera er verksamhet om er bransch kommer att störas. Det är ungefär som att säga att det är en bra idé att automatisera Blockbuster Video när den kommer att omkullkastas av Netflix.

Det handlar inte om att jag är emot automatisering, men jag anser att varje företags första, andra och tredje prioritet bör vara att ta reda på hur ni kan bli störaren i er bransch. För om ni inte fokuserar på det, så kommer ni per definition inte att vara störaren och sannolikt bli störda, ni kommer att bli störda. Så det bör vara prioriteten, och att enbart fokusera på automatisering kan utgöra en existentiell risk för er organisation.

KUNGFU.AI har nu arbetat med mer än 120 uppdrag över 30 branscher. Från dessa implementeringar, vad skiljer organisationer som förvandlar AI‑experiment till varaktig konkurrensfördel från de som fortfarande sitter fast i pilotprojekt? 

Det finns faktiskt nyckelskillnader som skiljer organisationer som förvandlar AI‑experiment till varaktig konkurrensfördel. Jag tror att det börjar med både ledarens psykologiska profil och ambitionen i de mål de sätter upp.

Låt oss börja med den psykologiska profilen hos de högsta ledarna i företagen, oavsett om det är VD:n, men också styrelsen och ledningsgruppen. Detta är mycket förenklat, men jag ser två huvudarketyper av ledare.

På den positiva sidan ser jag personer som närmar sig denna enorma utmaning att leda i AI‑åldern med viljan att vara tillräckligt sårbara för att säga: Detta är helt nytt. Vi vet knappt vad vi gör för att kunna fatta alla de beslut vi måste fatta och göra alla de investeringar vi måste göra. Och vi kommer att gå framåt med vetskapen om att vi kommer att göra misstag, och vara bekväma med det. Vi kommer att lära oss av dessa misstag och omge oss så mycket som möjligt med experter.

Det står i kontrast till personer som, åtminstone på ytan, går in i detta med att säga: Jag vet vad jag gör, och med en självsäkerhet som för nästan alla är obefogad, vilket snarare är hubris.

Utöver det är de mest framgångsrika de som inser att AI kommer att förändra konkurrensgrunden, och de söker AI‑drivna affärsmodeller byggda på egen data som riktar sig mot sprickpunkter i deras branschs struktur för att kunna förändra branschen och sedan bli ledande i den.

När AI‑agenter blir kapabla att utföra allt mer komplexa arbetsflöden och fatta beslut med mindre mänskligt engagemang, hur förväntar du dig att strukturen i företag, ledningsnivåer och individuella roller kommer att förändras?

Allt detta kommer att förändras och förändras dramatiskt. Vi har ett helt ramverk kring människa‑maskin‑teamwork, som tar forskning som är 50 år gammal och tillämpar den på denna nya AI‑ålder. Möjligheten är inte bara att automatisera arbete eller placera AI‑verktyg framför människor, utan att omdesigna själva arbetet kring team som inkluderar både mänsklig och maskinell intelligens.

Det betyder att människors roll också kommer att förändras. Allt mer kommer människor att gå från att utföra arbete till att designa systemen som får arbetet att ske, samtidigt som de bidrar med omdöme, tillsyn och förståelse för kontext som tekniken fortfarande kräver.

Det är en mycket komplex fråga. Den händer snabbt. Och det är verkligen viktigt att vara extremt medveten om era medarbetares roller när de i allt högre grad arbetar med autonoma agenter.

Företag har nu ett enormt urval av grundmodeller, AI‑plattformar, agenter och tredjepartsverktyg tillgängliga. Var bör företag förlita sig på extern teknik, och vilka AI‑kapaciteter eller datafördelar måste de i slutändan själva äga?

Med alla verktyg som kommer ut blir intelligensdelen av AI snabbt en vara, och jag kan inte nog understryka vikten av att ha egna dataresurser.

Det finns ett uttryck som säger att den bästa dagen att plantera ett träd är för 40 år sedan. Näst bästa dagen är idag. Detta betyder i förhållande till data att om du inte samlar in och arkiverar så mycket data som möjligt från ditt företag, bör du påbörja den processen idag, även om du inte kommer att göra något annat som rör att gå mot en AI‑centrerad framtid.

Ett annat sätt jag tänker på den här frågan är att det finns ett helt spektrum av verktyg i AI‑verktygslådan, och de verktyg som folk nu ofta kallar traditionell AI eller maskininlärningsmodeller är vanligtvis inte tillgängliga som färdiga produkter. Och om de är det, ger de inte nödvändigtvis den noggrannhet du kan behöva för att skapa verkligt affärsvärde, och/eller kan de kanske inte utnyttja dina proprietära data.

Jag är därför helt övertygad om att det är vettigt att förlita sig på extern teknik. För många tillämpningar är de mest strategiska sannolikt skräddarsydda lösningar byggda på dina egna data.

Du har betonat vikten av AI‑styrning på styrelsenivå. Vilka frågor bör styrelser ställa till ledningen idag för att avgöra om deras AI‑strategi skapar verkligt strategiskt värde snarare än bara ger inkrementella produktivitetsökningar?

Styrelser har en ny uppsättning utmaningar med AI. De har sin traditionella roll med tillsyn och styrning, som ofta fokuserar på skydd mot nackdelar och riskreducering. Men om de inte balanserar detta med uppmuntran till risktagande, att prova nya saker och att tillhandahålla resurser för att möjliggöra dem, kommer företaget per definition att hamna på efterkälken i denna nya AI‑ålder. Så att hitta rätt balans mellan riskmöjliggörande och riskminimering är avgörande.

Jag anser också att det är viktigt att styrelsen driver ledningen mot AI‑drivna affärsmodeller som kan förändra konkurrensgrunden i deras bransch och som är byggda på proprietära data, för om de inte fokuserar på det blir de inkrementella produktivitetsvinsterna förgäves när deras verksamhet störs.

I Wayfinding berättar du och Ben Szuhaj historien om en VD som har 90 dagar på sig att utveckla en AI‑strategi eller riskera att bli ersatt. Varför valde du en affärsfabel snarare än en traditionell ledarskapsbok för att utforska hur ledare bör reagera på AI‑driven störning?

Jag är ett stort fan av affärsfabeln och författare som Patrick Lencioni, en legend inom genren. Vi valde att skriva den här boken som en fabel eftersom den hjälpte oss att utforska nyanserade ämnen som ledarnas psykologi för att kunna lyckas i denna nya era på ett enkelt och tillgängligt sätt, vilket skulle ha varit mycket svårare i en traditionell affärsbok.

Vi tror att boken verkligen har uppnått något som vi är mycket entusiastiska över, nämligen att undervisa i riktigt substantiellt och relevant material på ett sätt som är snabbt, roligt och engagerande för upptagna ledare. Lärdomarna i den, inklusive de 11 ursprungliga ramverken, är saker som läsarna kan ta med sig till arbetet och använda omedelbart.

Ett centralt tema i Wayfinding är att fatta betydelsefulla beslut när tekniken utvecklas snabbt och säkerhet är omöjlig. Vilket ramverk bör chefer använda för att avgöra när de har tillräckligt med information för att agera, särskilt när väntan på större klarhet i sig kan skapa konkurrensrisk?

Ett av de ramverk som vi utvecklade och delar i boken heter själva Wayfinding. Det är en anpassning av Agile för AI. Det är en hypotesdriven, strukturerad process för att utforska data och validera genomförbarheten av en lösning innan man går vidare till en full produktionsbyggnad. Dess syfte är att besvara om en AI‑lösning både är värd att bygga och om den kommer att fungera. Det är en viktig anledning till att vårt företag har en framgångsfrekvens på över 95 % för att ta proof‑of‑concepts till produktion som har levererat verkligt, mätbart affärsvärde, vilket vi har gjort över 50 gånger för våra kunder.

Om du tar på dig riskkapitalisthatten igen, när du ser på dagens generation av AI‑företag, vilka signaler visar dig att en startup bygger en hållbar konkurrensfördel snarare än en produkt som snabbt kan bli en funktion i en grundmodell eller en större plattform?

Jag har verkligen ingen aning och är ärligt talat mycket glad att jag inte är i den branschen idag. Jag har stor empati för dagens riskkapitalinvesterare. De måste ta stora, djärva satsningar om de vill uppnå förstklassiga avkastningar för sina investerare. Men eftersom tekniken rör sig så snabbt och på ett ganska oförutsägbart sätt, måste det vara mycket svårt att skilja långsiktiga vinnare från förlorare.

Jag betonar lång sikt eftersom om ett företag inte får tur och träffar en viktig möjlighet och blir eliminerat tidigt, kommer det att finnas många företag som ser ut att ha möjlighet att lyckas, men som i slutändan inte blir framgångsrika på grund av hur marknaden utvecklas, vilket återigen är mycket svårt att förutse. Slutsatsen är: precis som under dot‑com‑eran kommer det att finnas några riktigt stora vinnare men också mycket förlorade pengar.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka KUNGFU.AI.