Адам Філд, Головний офіцер з питань штучного інтелекту в Tungsten Automation – Серія інтерв’ю

Адам Філд, Головний офіцер з питань штучного інтелекту в Tungsten Automation, є довгостроковим лідером підприємства з великим досвідом у сфері штучного інтелекту, інтелектуальної автоматизації та стратегії продукту. На своїй поточній посаді він очолює глобальні зусилля компанії щодо трансформації штучного інтелекту, керуючи інтеграцією штучного інтелекту в портфоліо продуктів Tungsten, керуючи лабораторією штучного інтелекту Tungsten та встановленням рамок управління для відповідальної реалізації штучного інтелекту. До того, як стати Головним офіцером з питань штучного інтелекту, він обіймав посаду Головного офіцера з питань продукту, керуючи портфелем, який генерував понад 550 мільйонів доларів доходу на рік. Перед тим, як приєднатися до Tungsten, Філд провів майже 17 років у Pegasystems, де він очолював інноваційні та клієнтські ініціативи, допоміг сформувати стратегію розвитку технологій та став відомим завдяки реалізації великомасштабних демонстрацій продукту та програм інновацій для підприємств.

Tungsten Automation, раніше відома як Kofax, є компанією з розробки програмного забезпечення для підприємств, яка зосереджена на автоматизації робочих процесів, інтелектуальній обробці документів, роботизованій автоматизації процесів (RPA) та оркеструванні бізнес-процесів. Компанія надає інструменти автоматизації, які використовуються організаціями різних галузей, таких як фінанси, охорона здоров’я, страхування та уряд, для оптимізації документів та підвищення ефективності. Її платформа поєднує технології штучного інтелекту, низькокодової автоматизації та інтелектуальної обробки документів для допомоги підприємствам автоматизувати повторювані завдання, витягувати інформацію з неструктурованих даних та модернізувати бізнес-процеси у великих масштабах.

Ви провели роки, очолюючи стратегію продукту та інновації, включаючи створення інноваційних лабораторій та розширення портфоліо продукту на суму понад 500 мільйонів доларів, перш ніж зайняти посаду Головного офіцера з питань штучного інтелекту в Tungsten Automation. Що переконало вас, що зараз є момент для повного переходу на керівництво штучним інтелектом, і як ваш попередній досвід вплинув на це рішення?

Я провів велику частину своєї кар’єри, зосереджуючись на перетворенні нових технологій у щось, що дійсно працює у великих масштабах у середовищі підприємств. За останні кілька років стало очевидним, що штучний інтелект не просто ще одна можливість інтегрувати його у продукти. Він змінює спосіб побудови програмного забезпечення та прийняття рішень у бізнесі, здавалося б, затіняючи та порушуючи все, що було раніше. Цей перехід від експериментів до реальних очікувань результатів, разом з усе більш недопустимим фактом, що штучний інтелект залишається, зробив це правильним моментом для повного переходу на керівництво штучним інтелектом.

Також стало очевидним, що успіх штучного інтелекту вимагає людей, які поєднують технічну експертизу та галузеву компетентність. Tungsten хоче допомогти компаніям робити штучний інтелект правильно та отримувати реальні результати, тому Tungsten створила офіс штучного інтелекту та мою посаду в ньому.

Tungsten еволюціонувала від ранньої захоплення документів та OCR до повної інтелектуальної автоматизації платформи, що підтримує критичні робочі процеси тисяч організацій. Як ви бачите, що ця спадщина впливає на ваш підхід до агентського штучного інтелекту сьогодні?

Історія Tungsten глибоко пов’язана з тим, як підприємства насправді працюють. Ми провели десятиліття, працюючи з документами та робочими процесами, які знаходяться в центрі критичних бізнес-процесів. Це означає, що ми розуміємо, наскільки складними та часто неструктурованими можуть бути ці відомості.

Ця основа дуже актуальна для агентського штучного інтелекту. Ці системи повинні працювати в реальних середовищах, а не тільки тлумачити інформацію в ізоляції. Наш досвід у сфері інтелектуальної обробки документів дозволяє нам зосередитися на контексті та забезпечувати, щоб штучний інтелект діяв у спосіб, що є сумісним з тим, як працює бізнес. Це питання побудови систем, які можуть бути довіреними у виробництві, а не тільки досліджувані у теорії.

Це саме той момент, коли остання еволюція штучного інтелекту стає такою цікавою. Вона переносить інтелектуальну обробку документів у місця, куди ми раніше не могли її перенести — вирішення проблем, які раніше були надто дорогими або неможливими для вирішення.

Ви підкреслили, що штучний інтелект повинен бути вбудований у весь портфель продуктів, а не розглядатися як окрема функція. Що таке “родний” перехід на штучний інтелект у великому, встановленому програмному продукті?

Стало очевидним з самого початку, що можливості, пов’язані з генерацією та агентським штучним інтелектом, швидко стали стандартними, тобто клієнти не завжди були готові платити додатково за них. Ми також зрозуміли, що ці технології дозволяють нам модернізувати те, що Tungsten робила протягом років: допомагати компаніям зрозуміти свої дані документів.

Ми не змінили нашу обіцянку бренду. Ми не створили окремі продукти або додаткові функції. Ми переробили те, як продукт використовується, і коли ця основа знаходиться на місці, штучний інтелект може працювати у спосіб, який здається природним у продукті, а не окремим від нього. І випадки, які наші клієнти почали вирішувати, перейшли від структурованих документів до неструктурованих джерел інформації. І, ми переозначили “документ” на своєму шляху. Тепер документ вже не є зображенням паперу або цифровим файлом. Неструктуровані дані живуть у таких речах, як нотатки страхових агентів, транскрипти дзвінків центру зв’язку, публікації у соціальних мережах, статті у мережі та багато іншого.

Такий підхід дозволяє нашим клієнтам доповнювати основу та відкрите моделі своїми власними даними, які є справжнім диференціатором.

Як перший Головний офіцер з питань штучного інтелекту компанії, як ви балансуєте швидкість інновацій з необхідністю управління, безпеки та відповідальної реалізації штучного інтелекту у великих масштабах?

Завжди є тиск на швидке впровадження штучного інтелекту, але у середовищі підприємств довіра має таку ж важливість, як і швидкість. Управління та безпека не можуть бути розглянуті як післяthought. Вони повинні бути закладені у систему з самого початку.

Ми робимо це, встановлюючи очікування з самого початку шляхом освіти наших кінцевих користувачів. Наприклад, половина моєї посади зосереджена на внутрішній стратегії штучного інтелекту, євангелізмі та управлінні. Ми зібрали раду з різних функцій дуже рано. Ми заохочуємо обмін, експерименти та спілкування. Були випадки, коли технологія була готова до впровадження у всіх працівників, пов’язаних з кількома внутрішніми системами. Прототипи були потужними та всіх завзяхували, але ми повідомили нашій раді про потенційні проблеми безпеки чи нормативні перешкоди. Вони цінують інформацію та часто беруть участь у вирішенні.

Я думаю, що також важливо не дозволяти досконалості заважати прогресу. Ми встановили очікування з нашим персоналом, що вони повинні очікувати зміни, і багато з них. Вони повинні очікувати, що ми будемо впроваджувати інструменти та функції по мірі їх готовності, отримувати відгуки, змінювати курс, якщо необхідно, та потім впроваджувати ще.

Агентський штучний інтелект швидко стає основним напрямком у галузі. На вашу думку, що відрізняє справжні підприємства-рівневі агентські системи від експериментальних або переоцінених реалізацій?

Ключова різниця полягає в тому, як системи працюють у реальних умовах. Багато експериментальних підходів працюють добре у контрольованих середовищах, але борються, коли вони зустрічають неструктуровані дані чи складні робочі процеси. Системи рівня підприємства повинні обробляти цю змінність та все ж таки давати стабільні результати.

Більшість систем за останні 30 років були побудовані для взаємодії людини або через дуже контрольований доступ API. Системна інтеграція повинна бути переосмислена у агентську еру. Все, від того, як обробляти винятки, помилки та аудит, є різним, коли агенти взаємодіють, а не людина через традиційний інтерфейс.

Іншим важливим фактором є підзвітність. Організації повинні розуміти, як приймаються рішення, та бути能够 довіряти результатам. Цей рівень прозорості є тим, що дозволяє агентським системам перейти від цікавих демонстрацій до реального оперативного використання.

Ви очолюєте лабораторію штучного інтелекту Tungsten як центр дослідження та прикладної інновації. Як ви забезпечуєте, що експериментальна робота зі штучним інтелектом перекладається у вимірювані бізнес-результати для клієнтів?

Я насправді прийняв протилежний підхід з лабораторією штучного інтелекту Tungsten. Я повідомив команду з самого початку, що можна експериментувати, навчатися та пробувати нові підходи, навіть якщо результати ніколи не потраплять у наші продукти. Часто краще дізнатися, чого не робити. Я вважаю, що це дало їм свободу думати вільно та експериментувати новими способами робити речі.

Як приклад, хоча я не можу розкрити точну функцію, одна з наших поточних дослідницьких спринтів включає в себе абсолютно новий підхід до існуючої компоненти продукту. Дослідники знайшли нові методи для вирішення проблеми, що призвело до “моменту відкриття”, коли ми можемо запропонувати клієнтам повністю нове рішення. Якщо б ми тільки досліджували, як реалізувати те, що вже було у дорожній карті, ми б ніколи не прийшли до цього.

Тим не менше, це не вільнийforall. Ми думаємо про те, де ми витрачаємо час та скільки часу витрачаємо на кожен дослідницький проєкт.

Багато організацій усе ще борються з переходом від пілотних проєктів зі штучним інтелектом до виробництва. Які найбільші бар’єри ви бачите, і як компанії можуть подолати їх?

Одним з найбільших бар’єрів є темні дані. Більшість організацій мають доступ до величезних обсягів інформації, але велика частина з них живе у документах, електронних листах, PDF-файлах та інших неструктурованих форматах, які важко інтерпретувати системам штучного інтелекту. Це означає, що навіть добре спроєктовані моделі часто працюють з неповною та несумісною картиною бізнесу, що призводить до ненадійних виходів та зупинки ініціатив.

Щоб перейти далі, компанії повинні зосередитися на перетворенні темних даних у щось корисне. Це включає не тільки витягування інформації, але також створення структури, контексту та управління навколо неї, щоб системи штучного інтелекту могли дійсно діяти на ньому з впевненістю. Як тільки ця основа знаходиться на місці, штучний інтелект стає набагато більш надійним та легшим для масштабування з ізольованих пілотних проєктів у реальні виробничі середовища.

Tungsten працює у галузях, що залежать від документів та інтенсивних робочих процесів. Як штучний інтелект змінює те, як підприємства думають про неструктуровані дані та прийняття рішень?

Штучний інтелект змінює те, як організації думають про цінність інформації, яку вони вже мають. Протягом років великі обсяги корпоративних знань сиділи у документах, електронних листах, PDF-файлах та інших неструктурованих вмістах, які були важкими для доступу чи оперативної реалізації. Тепер організації розуміють, що ці дані містять контекст та бізнес-логіку, яких системи штучного інтелекту потребують для отримання надійних результатів. Самі моделі є комодитизованими, а організації’власна інформація, поєднана з цими моделями, є диференціатором.

У той же час зростає усвідомлення навколо суверенітету даних, управління та того, куди тече підприємницька інформація. Багато компаній спішать притягнути більше зовнішніх даних або експериментувати з широким доступом до моделей, коли насправді вони вже сидять на величезних обсягах неструктурованих даних всередині своєї організації. Фокус починає зсуватися у бік активації цієї внутрішньої неструктурованої інформації у безпечній та керованій спосіб, щоб штучний інтелект міг підтримувати кращі рішення без створення непотрібного ризику.

Ви створили клієнтські консультативні ради та працювали у тісній співпраці з клієнтами підприємств протягом усієї своєї кар’єри. Наскільки важлива відгуку клієнтів у формуванні стратегії штучного інтелекту, особливо коли технологія розвивається так швидко?

Відгуки клієнтів є даром, особливо у сфері, яка рухається так швидко, як штучний інтелект. Це допомагає забезпечити, що стратегія залишається ґрунтованою у реальних бізнес-потребах, а не у теоретичних можливостях.

Це також допомагає з пріоритезацією. Є багато напрямків, у які штучний інтелект може рухатися, але відгуки клієнтів надають ясність щодо того, де можна створити найбільшу цінність. Це тримає фокус на результатах, які мають значення, та забезпечує, що інновації залишаються сумісними з тим, як організації насправді працюють.

Я пам’ятаю у ранні дні генерації штучного інтелекту, клієнт на нашій консультативній раді сказав мені, що хоча він любить напрямок продукту, він ніколи не заплатить додатково за нову функцію, підтриману LLM, у нашій дорожній карті. Це було відкриттям, оскільки він був сумісним з рештою галузі.

Оглядаючи майбутнє, де ви бачите найбільшу можливість для автоматизації, підтримуваної штучним інтелектом, протягом наступних 3-5 років, і на що підприємства повинні готуватися зараз?

Найбільша можливість полягає у зв’язуванні штучного інтелекту глибше у кінцеві робочі процеси. Замість того, щоб зосереджуватися на ізольованих завданнях, організації будуть дивитися на те, як штучний інтелект може підтримувати цілі процеси та покращувати те, як робота рухається у бізнесі. Наразі багато агентських систем націлені на окремі завдання, але підприємства працюють на основі сумісних кінцевих процесів.

Щоб підготуватися до цього зсуву, підприємства повинні інвестувати у свої дані основи та у системи, які підтримують прозорість та контроль. І вони повинні думати про “будувати чи партнерство”, а не “будувати чи купувати”. Ми бачили, як DIY-штучний інтелект з нуля часто терпить невдачу. Організації, які найбільше виграють, будуть тими, які знайдуть правильних партнерів, підтримуваних штучним інтелектом, для прискорення своїх рішень, а не спробують перебудувати все з нуля.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Tungsten Automation.