Chetan Alsisaria, CEO และผู้ร่วมก่อตั้ง Polestar Analytics – Interview Series

Chetan Alsisaria ซีอีโอและผู้ร่วมก่อตั้งเป็นผู้นำด้านเทคโนโลยีสำหรับองค์กรที่เชี่ยวชาญด้านข้อมูล วิเคราะห์ และการเปลี่ยนแปลงที่ขับเคลื่อนด้วย AI หลังจากทำงานในตำแหน่งแรกที่ Deloitte PwC และ EY เขาได้ร่วมก่อตั้ง Polestar Analytics ในปี 2012 และได้ขยายบริษัทให้กลายเป็นบริษัท AI และข้อมูลระดับโลก เขาเป็นผู้นำด้านการขาย การสร้างพันธมิตรเชิงกลยุทธ์ การพัฒนบริการ และการส่งมอบทางเทคนิค ในขณะเดียวกันก็ทำหน้าที่เป็นประธานของ CAIO Circle ซึ่งเป็นชุมชนสำหรับผู้นำ AI ที่มุ่งเน้นการนำ AI ไปใช้ในทางที่มีความรับผิดชอบและเป็นไปได้ นอกจากนี้เขายังร่วมก่อตั้ง Xumane Equity ซึ่งสะท้อนถึงการมุ่งเน้นของเขาในด้านนวัตกรรมทั่วทั้งระบบและแพลตฟอร์มขององค์กร

Polestar Analytics เป็นบริษัทที่รวม AI และข้อมูลเข้าด้วยกันระดับโลกที่ช่วยให้องค์กรสามารถเปลี่ยนข้อมูลที่กระจัดกระจายให้เป็นข้อมูลที่สามารถนำไปใช้ได้จริงผ่าน 1Platform ที่เป็นของบริษัทเอง โดยการรวมการวิศวกรรมข้อมูล การวิเคราะห์ AI และการทำงานทางธุรกิจเข้าด้วยกันในระบบเดียว บริษัทช่วยให้องค์กรสามารถปรับปรุงการตัดสินใจ เพิ่มประสิทธิภาพการดำเนินงาน และขยายการนำ AI ไปใช้ โดยมุ่งเน้นไปที่กรณีการใช้งานที่เฉพาะเจาะจงและผลลัพธ์ที่วัดได้ Polestar ได้พัฒนาไปจากบริษัทที่ให้บริการที่ปรึกษามาเป็นธุรกิจที่ขับเคลื่อนด้วยแพลตฟอร์มที่ให้บริการโซลูชันที่ชาญฉลาดและง่ายต่อการใช้งานในระดับองค์กร

คุณร่วมก่อตั้ง Polestar Analytics ในปี 2012 หลังจากทำงานที่ Deloitte PwC และ EY คุณเห็นช่องว่างในด้านข้อมูลและวิเคราะห์ขององค์กรในขณะนั้นอย่างไร และวิสัยทัศน์ดั้งเดิมนั้นได้พัฒนาไปอย่างไรจนกลายเป็น 1Platform ที่ขับเคลื่อนด้วย AI ในปัจจุบัน

คุณรู้ไหมว่าเมื่อ Ajay Amit และฉันเริ่ม Polestar Analytics ในปี 2012 สิ่งที่น่าขำคือ บริษัทต่างๆ กำลังจมอยู่ในข้อมูล แต่กำลังหิวโหยต่อการตัดสินใจ ช่องว่างระหว่างการมีข้อมูลและการทำอะไรที่มีความหมายด้วยมันคือสิ่งที่เราตั้งใจแก้ไข

ข้ามไปสู่ปัจจุบัน และอย่างจริงใจ ช่องว่างนั้นยังไม่หายไป มันเพียงแต่เปลี่ยนรูปเท่านั้น ปริมาณข้อมูลมากขึ้น มีผลกระทบมากขึ้น และตอนนี้มีระบบอัตโนมัติที่ต้องเข้าใจและตัดสินใจร่วมกับมนุษย์ ซึ่งทำให้วิสัยทัศน์ดั้งเดิมของเราชัดเจนขึ้น ไม่ใช่สับสน

คำขวัญของเรา คือ Data to Outcomes Simplified! เป็นเส้นที่เชื่อมต่อปี 2012 ถึงปัจจุบัน เราเริ่มต้นด้วยการนำส่งข้อมูลให้ถูกต้อง เราก้าวหน้าเมื่อ AI เข้ามาขยายความเป็นไปได้ และตอนนี้ด้วย 1Platform เราก้าวหน้าต่อโดยการทำให้ผลลัพธ์ง่ายขึ้น ไม่ใช่แค่สำหรับมนุษย์ แต่ยังรวมถึงระบบอัตโนมัติที่ตัดสินใจหรือให้ข้อมูลเชิงลึกด้วย

สิ่งที่น่าตื่นเต้นคือว่าระบบนิเวศของเราพัฒนาเพื่อสนับสนุนสิ่งนี้ การรวมเข้ากับ Microsoft (MSFT ) Databricks และ Anaplan ช่วยให้ข้อมูล การใช้งานทางธุรกิจ และการวางแผนมารวมกัน 1Platform นั่งอยู่เหนือทั้งหมดนี้ เป็นส่วนหนึ่งของสิ่งแวดล้อมเหล่านั้น ไม่ใช่เพิ่มเข้ามา

การเปลี่ยนแปลงดูเหมือนนี้: การส่งมอบข้อมูล → ข้อมูลเชิงลึกที่ขยายด้วย AI → ผลลัพธ์ที่ง่ายขึ้นและพร้อมสำหรับระบบอัตโนมัติ การไล่หาความเป็นเลิศยังคงเหมือนเดิม ความเร็วที่เราสามารถไปถึงนั้นเปลี่ยนแปลงไปอย่างมาก

Polestar Analytics ตำแหน่งตัวเองเป็นบริษัทที่รวมข้อมูลและ AI เข้าด้วยกัน ในทางปฏิบัติ การรวมเข้าด้วยกันสำหรับองค์กรขนาดใหญ่ที่ต้องจัดการกับระบบที่กระจัดกระจายและข้อมูลที่แยกจากกันจะดูเหมือนอย่างไร

ส่วนใหญ่ของเวลา การกระจัดกระจายไม่ใช่ปัญหาเทคโนโลยี แต่เป็นปัญหาเกี่ยวกับคนและกระบวนการ มันเหมือนกับที่คุณมีทีมการเงินที่ทำงานบน Anaplan ทีมการดำเนินการที่ใช้ Excel ทีมวิศวกรรมข้อมูลที่สร้างพายพ์บน Azure และทุกคนดึงในทิศทางที่แตกต่างกันด้วยการวัดที่แตกต่างกัน ไม่มี AI ที่สามารถแก้ปัญหาได้ถ้าฐานของมันไม่ถูกต้อง

เมื่อเราพูดถึงการรวมเข้าด้วยกัน เรากำลังแก้ปัญหาเกี่ยวกับฐานก่อนที่จะวาง AI ลงไป ก่อนที่จะวางความฉลาดลงไป คุณต้องมีข้อมูลที่สะอาด มีการจัดการ และสามารถเข้าถึงได้ ไม่ใช่แค่สำหรับนักวิเคราะห์ แต่ยังรวมถึงระบบอัตโนมัติด้วย

ในทางปฏิบัติ การรวมเข้าด้วยกันของ 1Platform ดูเหมือนนี้: เราไม่ได้ถอดถอนหรือเปลี่ยนสิ่งที่องค์กรได้สร้างขึ้นมา เราเข้าไปในระบบที่องค์กรใช้อยู่แล้ว เช่น Databricks Microsoft และ Anaplan และเรารวมข้อมูลและชั้นข้อมูลเชิงลึกข้ามพวกมัน ข้อมูลการวางแผนใน Anaplan พูดคุยกับข้อมูลการดำเนินงานใน Databricks และระบบนิเวศของ Microsoft คือที่ที่การตัดสินใจเกิดขึ้นสำหรับทั้งคนและระบบอัตโนมัติ

สิ่งที่พิเศษไม่ได้อยู่ในอินเทกรेशनใดอินเทกรेशनหนึ่ง แต่อยู่ในชั้นเชื่อมต่อของ 1Platform ที่ทำให้ทุกสิ่งดูเหมือนเป็นระบบเดียว ไม่ใช่เครื่องมือที่ไม่เชื่อมต่อ นั่นคือสิ่งที่การรวมเข้าด้วยกันในทางปฏิบัติหมายถึง การทำให้ซับซ้อนกลายเป็นเรื่องง่ายจนกลายเป็นเรื่องธรรมดา

แพลตฟอร์ม 1Platform ที่เป็นของ Polestar Analytics มีเป้าหมายที่จะรวมข้อมูล AI และการทำงานเข้าด้วยกันในระบบเดียว วิธีการนี้แตกต่างจากสแต็ค BI แบบดั้งเดิมหรือแพลตฟอร์มข้อมูลสมัยใหม่ เช่น Databricks หรือ Snowflake อย่างไร

Databricks และ Snowflake เป็นแพลตฟอร์มที่มีพลัง เราไม่ได้แข่งขันกับพวกเขา เราสร้างบนพวกมัน ความแตกต่างนี้มีความสำคัญ Databricks ให้โครงสร้างพื้นฐานและคอมพิวเตอร์ เรานั่งอยู่เหนือสิ่งนั้นและถามคำถามที่แตกต่าง: ตอนนี้เราจะทำอะไรต่อไป

สแต็ค BI แบบดั้งเดิมได้ทำหลายสิ่งที่ถูกต้องสำหรับเวลาของมัน แต่ธุรกิจอินเทลลิเจนซ์ได้พัฒนาไปแล้ว ในปัจจุบัน ผู้ใช้ทางธุรกิจต้องการมากกว่าแค่แดชบอร์ด คุณสามารถมีแดชบอร์ดที่ออกแบบได้ด้วยชาร์ต 15 ชาร์ต และยังคงต้องมีคนตีความว่ามันหมายถึงอะไรและตัดสินใจว่าจะทำอะไรต่อไป ช่องว่างระหว่างข้อมูลเชิงลึกและการกระทำคือที่ที่ 1Platform ทำงาน

1Platform ไม่ใช่สิ่งที่静止 มันพัฒนาไปอย่างต่อเนื่อง มันไม่เพียงแต่ตอบคำถามที่คุณถาม แต่ยังแสดงคำถามที่คุณไม่เคยคิดจะถามด้วย สิ่งนี้เปลี่ยนความสัมพันธ์ระหว่างผู้ใช้ทางธุรกิจและข้อมูลของพวกเขา

เราสร้างอินเทอร์เฟซ low-code และ no-code บน Databricks และ Azure ที่ช่วยให้สามารถสร้างพายพ์ได้ภายในไม่กี่วินาที งานที่เคยใช้เวลาวันสำหรับวิศวกรข้อมูลสามารถถูกเรียกใช้โดยผู้ใช้ทางธุรกิจได้ บนพื้นฐานนั้น Agenthood AI ช่วยให้ผู้ใช้สามารถสร้างและจัดการระบบอัตโนมัติผ่านอินเทอร์เฟซ drag-and-drop โดยไม่ต้องมีความเชี่ยวชาญทางเทคนิค

สิ่งที่แตกต่างจริงๆ คือประสบการณ์ของผู้ใช้ปลายทาง แทนที่จะกระโดดระหว่างแดชบอร์ดหลายชุด ผู้ใช้รับข้อมูลเชิงลึกภาษาธรรมชาติ ข้อแนะนำตามบริบท และเรื่องราวที่ขับเคลื่อนด้วยระบบอัตโนมัติ KPI ไม่เพียงแต่นั่งอยู่บนหน้าจอ แต่ระบบอัตโนมัติก็ตรวจสอบอยู่เสมอ ระบุสิ่งที่สำคัญ และอธิบายว่าทำไม สิ่งที่แตกต่างไม่ใช่แพลตฟอร์มข้อมูลเอง แต่เป็นทุกสิ่งที่เกิดขึ้นหลังจากที่ข้อมูลพร้อมแล้ว

หลายองค์กรยังคงติดอยู่ในสถานะที่เรียกว่า “AI pilot purgatory” อุปสรรคที่ใหญ่ที่สุดในด้านโครงสร้างหรือองค์กรที่ขัดขวางไม่ให้ AI เข้าสู่การผลิตในระดับใหญ่คืออะไร

ฉันเรียกมันว่า “สุสานการทดลอง” เพราะโครงการส่วนใหญ่ไม่เพียงแต่หยุดชะงัก แต่ยังตายไปอย่างเงียบๆ อุปสรรคที่ใหญ่ที่สุดไม่ใช่ด้านเทคนิค แต่เป็นด้านองค์กร คือคน กระบวนการ และข้อมูล

การเปลี่ยนแปลงเป็นสิ่งที่ถูกมองข้ามเสมอ เมื่อคุณเปลี่ยนแปลงวิธีการทำงาน คุณท้าทายวิธีที่คนได้รับมูลค่า องค์กรที่ประสบความสำเร็จคือที่ที่ผู้นำทำให้ความสามารถด้าน AI เป็นสิ่งสำคัญที่เห็นได้ชัด เมื่อการเพิ่มทักษะและการออกแบบกระบวนการได้รับการสนับสนุน การนำไปใช้จะเร็วขึ้น

จากนั้นก็มีปัญหา J-curve การลงทุนด้าน AI มักจะลดลงก่อนที่จะเพิ่มขึ้น องค์กรหลายแห่งคาดหวัง ROI ภายใน 90 วัน ไม่เห็นผลลัพธ์ และทิ้งโครงการไป องค์กรที่ประสบความสำเร็จคือที่ที่มุ่งมั่นไปกับเส้นโค้งเต็ม

ความพร้อมของข้อมูลเป็นอีกปัจจัยสำคัญ ข้อมูลที่ไม่ดีนำไปสู่การตัดสินใจที่ไม่ถูกต้อง จนกว่าฐานข้อมูลจะเชื่อถือได้ AI ในระดับใหญ่จะกลายเป็นภาระมากกว่าทรัพย์สิน

สุดท้าย การมีวินัยในการใช้กรณีการใช้งานมีความสำคัญ องค์กรไม่ควรพยายามทำทุกสิ่งที่เป็นไปได้ด้วย AI แต่ควรเน้นไปที่กรณีการใช้งานที่ขยายนิพจน์ธุรกิจที่แท้จริง พิสูจน์แล้ว และขยายสเกล

ที่ Polestar Analytics การนำข้อมูล AI และการทำงานมารวมกันในจุดเดียว ช่วยเร่งการค้นหาปัญหาและระบุโอกาส ทำให้การรวมเข้าด้วยกันกลายเป็นตัวเร่งการเปลี่ยนแปลง

AI ที่เป็นตัวแทน (Agentic AI) กำลังเป็นหัวข้อหลักในอุตสาหกรรมอย่างไร Polestar Analytics คิดเกี่ยวกับ AI ที่เป็นตัวแทนภายในกระบวนการทำงานขององค์กรอย่างไร และกรณีการใช้งานจริงใดที่กำลังได้รับความนิยม

สำหรับเรา ตัวแทน AI ต้องถูกฝังอยู่ในระดับข้อมูลและกระบวนการทำงานเพื่อสร้างมูลค่าจริง ตัวแทนราคาจึงไม่ใช่แค่ LLM ที่นั่งอยู่บนแดชบอร์ด แต่เป็นส่วนหนึ่งของโครงสร้างข้อมูล เข้าใจบริบท และสนับสนุนการตัดสินใจที่แท้จริง

ในบรรดาตัวแทนมากกว่า 100 ตัว บางตัวทำหน้าที่เป็นผู้ช่วย ในขณะที่อื่นๆ เป็นอัตโนมัติเต็มที่ การใช้งานที่ได้รับความนิยมมากที่สุดอยู่ในด้านการบริหารราคา รวมถึงการกำหนดราคา การส่งเสริมการขาย และส่วนผสมสื่อ โดยที่การตัดสินใจเกิดขึ้นบ่อยและต้องใช้ข้อมูลมาก

ในด้านวิศวกรรม ตัวแทนการตรวจสอบพายพ์และการแก้ไขข้อผิดพลาดกำลังถูกใช้งาน ตัวแทน FinOps ได้ลดค่าใช้จ่ายคลาวด์ที่ไม่ได้ใช้งานลง 35% มีการนำไปใช้กันอย่างกว้างขวางในด้านการบริหารความมั่งคั่ง

เราสนับสนุนระบบนิเวศของ Microsoft และ Databricks และให้แพลตฟอร์มสร้างตัวแทนแบบกำหนดเอง ไม่ใช่ตัวแทน AI ทุกตัวที่ต้องใช้ LLM สถาปัตยกรรมควรตรงกับกรณีการใช้งานเพื่อสร้างสมดุลระหว่างขนาดและต้นทุน

การกำกับดูแลเป็นสิ่งสำคัญ ด้วยตัวแทน AI ที่โต้ตอบกับระบบการเงินหรือข้อมูลลูกค้า ระบบป้องกันที่เข้มแข็งและความดูแลของมนุษย์ถูกสร้างขึ้นเพื่อให้แน่ใจถึงความน่าเชื่อถือในระดับองค์กร

ด้วยการระดมทุนล่าสุด คุณกำลังเพิ่มการลงทุนในการพัฒนาสิทธิ์ในทรัพย์สินอีกครั้ง การเป็นเจ้าของแพลตฟอร์มที่เป็นทรัพย์สินส่วนตัวมีความสำคัญเพียงใดเมื่อเทียบกับการสร้างบนระบบนิเวศที่มีอยู่ในภูมิทัศน์ AI ของปัจจุบัน

เรามีการรวมเข้าด้วยกันที่ลึกซึ้งกับแพลตฟอร์มอย่าง Databricks Microsoft และ Anaplan ซึ่งให้โครงสร้างพื้นฐานและขนาด เราไม่ได้พยายามที่จะแทนที่พวกเขา

จุดสนใจของเราคือการเป็นเจ้าของชั้นข้อมูลเชิงลึกบนแพลตฟอร์มเหล่านั้น สิทธิ์ในทรัพย์สินส่วนตัวช่วยให้เราควบคุมประสบการณ์ฝังความรู้ด้านโดเมน และส่งมอบคุณค่าที่สม่ำเสมอในระดับใหญ่

การแตกต่างของเรามาจากความเชี่ยวชาญด้านอุตสาหกรรม ไม่ว่าจะเป็น PromoPulse AI สำหรับการบริหารการเติบโตของรายได้หรือ WealthPulse สำหรับบริการทางการเงิน คุณค่าอยู่ที่การเข้าใจกรณีการใช้งานและการตัดสินใจในโลกแห่งความเป็นจริง

สิทธิ์ในทรัพย์สินส่วนตัวสำหรับเราเป็นการเข้ารหัสของความเชี่ยวชาญนั้น มันเป็นสิ่งที่ทำให้แพลตฟอร์มมีความแข็งแกร่งและเป็นประโยชน์จริงๆ

คุณได้ทำงานร่วมกับบริษัท Fortune 1000 มาหลายแห่ง ความคาดหวังรอบๆ ROI ของ AI กำลังเปลี่ยนแปลงไปอย่างไรเมื่อผู้บริหารต้องการผลลัพธ์ที่วัดได้แทนการลองผิดลองถูก

การเปลี่ยนแปลงนั้นเป็นจริง แต่การลองผิดลองถูกไม่ได้หายไป มันแค่คาดหวังให้เร็วขึ้นและเชื่อมโยงกับผลลัพธ์ที่มีจริง

ผู้บริหารประเมิน ROI ของ AI ผ่านมุมมองที่กว้างขึ้น เช่น ความเร็วในการตัดสินใจ ความจงรักภักดีของลูกค้า ความสามารถในการนวัตกรรม และความยืดหยุ่น

ROI ของ AI ไม่ได้เป็นของเจ้าของคนเดียวอีกต่อไป CTO มุ่งเน้นไปที่โครงสร้างพื้นฐานและข้อมูล CFO มองไปที่ผลกระทบทางการเงิน และ COO เน้นไปที่ประสิทธิภาพการดำเนินงาน

องค์กรที่ประสบความสำเร็จจัดแนวมุมมองเหล่านี้ตั้งแต่แรกและมุ่งมั่นไปกับผลลัพธ์ระยะยาว

กลยุทธ์การขยายตัวของคุณรวมถึงอเมริกาเหนือและยุโรป คุณเห็นความแตกต่างใดในระดับการนำ AI ไปใช้และความพร้อมขององค์กรระหว่างภูมิภาคเหล่านี้

ความแตกต่างอยู่ที่ความคิดมากกว่าความสามารถ

อเมริกาเหนือให้ความสำคัญกับความเร็วและทดลอง โดยขับเคลื่อนด้วยแรงกดดันจากการแข่งขัน

ยุโรปเน้นไปที่การกำกับดูแลและจริยธรรม AI ตั้งแต่แรก แต่นี่ไม่ได้หมายความว่าการนำไปใช้จะช้ากว่า องค์กรกำลังสร้างสมดุลระหว่างโครงสร้างและความเร็ว

ทั้งสองภูมิภาคกำลังเคลื่อนไปสู่การนำ AI ที่มีความรับผิดชอบและฝังอยู่ในกระบวนการหลักขององค์กร

คุณได้ก่อตั้ง CAIO Circle เพื่อนำผู้นำ AI มารวมกัน สิ่งที่พูดคุยกันอย่างเร่งด่วนในหมู่ Chief AI Officers ในขณะนี้คืออะไร โดยเฉพาะอย่างยิ่งเกี่ยวกับการกำกับดูแลและจริยธรรม

CAIO Circle ถูกสร้างขึ้นเพื่อให้ผู้นำ AI มีพื้นที่สำหรับการอภิปรายที่เปิดกว้าง

ความท้าทายหลักคือการสร้างสมดุลระหว่างความเร็วและความเสี่ยงในระยะยาว ความไว้วางใจและความสามารถในการอธิบายเป็นข้อกังวลหลัก โดยเฉพาะอย่างยิ่งเมื่อระบบ AI มีอิทธิพลต่อการตัดสินใจที่สำคัญ

การกำกับดูแลกำลังเปลี่ยนจากการมีเอกสารนโยบายไปสู่การปฏิบัติงานที่ฝังอยู่ในกระบวนการ ในขณะเดียวกัน องค์กรหลายแห่งยังคงไม่มีรูปแบบการดำเนินการที่จะส่งมอบกลยุทธ์ AI ของตน

ข้อมูลเชิงลึกที่มีคุณค่ามากที่สุดมักมาจากการสนทนาที่เปิดกว้างระหว่างเพื่อนร่วมงานมากกว่าการนำเสนออย่างเป็นทางการ

เมื่อมองไปข้างหน้า 3-5 ปี คุณคาดหวังว่า AI ขององค์กรจะรวมเข้าด้วยกันเป็นแพลตฟอร์มที่รวมกันอย่าง Polestar Analytics หรือยังคงเป็นระบบนิเวศที่กระจัดกระจายของเครื่องมือและผู้ให้บริการ Polestar Analytics มีเป้าหมายที่จะจัดตำแหน่งตัวเองในอนาคตอย่างไร

การกระจัดกระจายมีแนวโน้มที่จะยังคงอยู่ แพลตฟอร์มหลักๆ เช่น Databricks Microsoft Salesforce และ Anaplan จะยังคงเป็นผู้เล่นหลัก

สิ่งที่องค์กรต้องการคือชั้นการทำงานที่รวมข้อมูล ความฉลาด และกระบวนการทำงานเข้าด้วยกัน นั่นคือบทบาทที่ 1Platform ได้รับการออกแบบมา

อนาคตจะชื่นชอบแพลตฟอร์มที่มีความเชี่ยวชาญด้านแนวตั้ง (vertical expertise) การแก้ปัญหาแบบแนวนอน (horizontal solutions) ทั่วไปจะดิ้นรนในการแยกความแตกต่าง

คุณค่าจริงจะมาจากการเข้าใจความต้องการที่เฉพาะเจาะจงทางอุตสาหกรรมและฝังความฉลาดลงในกระบวนการตัดสินใจโดยตรง อนาคตจะชื่นชอบแพลตฟอร์มที่มีความเชี่ยวชาญด้านแนวตั้ง (vertical expertise) Generic horizontal solutions will struggle to differentiate. Real value will come from understanding industry-specific needs and embedding intelligence directly into decision-making workflows. Thank you for the great interview, readers who wish to learn more should visit Polestar Analytics.