Афшен Афшар, засновник Pilot Wave Holdings – Інтерв’ю серія

Афшен Афшар, засновник Pilot Wave Holdings, – ветеран галузі даних та інвестиційний лідер, чиє кар’єра охоплює старші посади в Goldman Sachs (GS ), J.P. Morgan та Cerberus Capital Management, де він допоміг започаткувати великомасштабні ініціативи з науки про дані та штучного інтелекту в фінансових установах. З технічною основою, заснованою на дослідженнях нейробіології та машинного навчання в Стенфордському університеті, Афшар побудував кар’єру на перетині передових аналітичних даних, приватного капіталу та операційної трансформації, в кінцевому підсумку зосередившись на застосуванні штучного інтелекту до реальної бізнес-продуктивності. В Pilot Wave він об’єднує інвестиційну експертизу, оперативне лідерство та глибокі технічні знання, щоб ідентифікувати, придбати та масштабувати компанії за допомогою даних-орієнтованих стратегій та сучасних технологій.

Pilot Wave Holdings – це платформа придбання та зростання, орієнтована на трансформацію малих та середніх підприємств за допомогою штучного інтелекту та передових технологій. Компанія використовує власні системи штучного інтелекту для аналізу операцій, виявлення неефективності та підвищення продуктивності в своїх портфельних компаніях. Об’єднуючи практичну операційну участь з сучасною інфраструктурою даних, Pilot Wave спрямована на модернізацію традиційних підприємств, яким історично бракувало доступу до передових інструментів, готуючи їх до масштабованого, довгострокового зростання в усе більш технологічно-орієнтованій економіці.

Ви обіймали піонерські керівні посади з штучного інтелекту в компаніях, таких як JPMorgan і Cerberus, а пізніше заснували Pilot Wave Holdings, щоб привнести штучний інтелект у традиційні галузі. Яке ядро проблем або розчарування спонукало вас перейти від будівництва штучного інтелекту всередині великих установ до придбання та трансформації компаній безпосередньо?

Основною проблемою була необхідність наділення повноваженнями для руху зі швидкістю. Всередині великих установ, навіть якщо люди погоджуються з можливістю, зазвичай є занадто багато рівнів між визначенням проблеми та фактичними діями щодо її вирішення. Штучний інтелект зазвичай не провалюється через те, що технічна робота є неможливою, а через те, що організація є занадто повільною, занадто політизованою або занадто фрагментованою, щоб діяти з терміновістю. Я хотів працювати в середовищі, де стратегія, операції та технології могли б бути швидко узгоджені. Придбання та будівництво компаній безпосередньо створює таке наділення повноваженнями. Якщо ви хочете змінити, як працює бізнес зі швидкістю та волею, бути власником є важливим.

Багато галузей все ще святкують успішні пілотні проєкти, однак справжня вартість приходить від систем виробництва. Чому ініціативи штучного інтелекту так часто зазнають невдачі на етапі переходу, і що відрізняє організації, які успішно оперціоналізують штучний інтелект від тих, які застряють?

Багато пілотних проєктів спроектовані для успіху, що саме є причиною, чому багато компаній обманюють себе. Вони відбуваються в чистих середовищах, з додатковою увагою, обмеженим обсягом та жодного тертя, яке з’являється у виробництві. Глибшою проблемою часто є емпатійний розрив. Технологи часто не витрачають часу, або, чесно кажучи, не мають бажання, щоб дізнатися про досвід оператора, тому вони будують щось, що працює в теорії або у демонстрації, але не пасує реальності роботи. Компанії, які успішно оперціоналізують штучний інтелект, – це ті, які серйозно ставляться до людського робочого процесу з самого початку та будують для реальної операційної складності, а не намагаються уникнути її. Кожен каже, що хоче вартість виробництва, але багато команд все ще оптимізовані для аплодисментів пілотного проєкту.

Ваша робота зосереджена на інтеграції штучного інтелекту в галузі, такі як інфраструктура, виробництво та електронна комерція. Як розгортання штучного інтелекту в цих середовищах фундаментально відрізняється від розгортання його в цифрових або програмно-орієнтованих компаніях?

Різниця полягає в тому, що в більш традиційних бізнесах вулиці Мейн-стріт емпатія та людський елемент ще важливіші, ніж люди у світі штучного інтелекту зазвичай хочуть визнати. У програмно-орієнтованих середовищах команди можуть часто рухатися швидко та виправляти проблеми пізніше. У інфраструктурі, виробництві та електронній комерції робота пов’язана з фізичними системами, реальними обмеженнями та людьми, які знають одразу, коли щось не пасує тому, як дійсно працює бізнес. Це означає, що ви не можете просто з’явитися з технічно елегантним рішенням та очікувати прийняття. Якщо ви не розумієте досвід оператора, ваша стратегія штучного інтелекту, ймовірно, вже зламана. Ці середовища швидко викривають поверхневе мислення, що є частиною того, чому вони мають таку велику вагу.

Ви стверджували, що прийняття штучного інтелекту повинно починатися з бізнес-пріоритетів, а не інструментів. Як це виглядає на практиці, і як керівництво повинно переорієнтувати свій підхід до трансформації штучного інтелекту?

Більшість команд керівництва починають у неправильному місці. Вони починають з розмови про те, що може зробити ця технологія для нас, тому що це звучить цікаво та актуально, коли правильне місце для початку – це які наші найважливіші бізнес-пріоритети. Як тільки ви знаєте це, тоді ви можете чесно говорити про найкращі інструменти для вирішення цих пріоритетів, і це не завжди має бути штучний інтелект. Це здається очевидним, але більшість компаній все ще переслідують технологію спочатку та сподіваються, що бізнес-кейс якимось чином з’явиться згодом. Це неправильно, і це призводить до великої кількості марних зусиль. Якщо керівництво хоче реальних результатів, їм потрібно зупинити лікування стратегії штучного інтелекту як шопінг-експерименту.

У Pilot Wave ви не тільки радите компаніям, а й перебудовуєте їх після придбання. Які перші структурні або культурні зміни ви впроваджуєте, щоб зробити прийняття штучного інтелекту дійсно ефективним?

Перша річ – це пошуки як старших, так і молодших спонсорів. Молодші спонсори знають щоденну реальність і можуть забезпечити те, що рядові працівники дійсно роблять те, що потрібно зробити, тоді як старші спонсори забезпечують те, що політикика мінімалізується та зусилля не тихо задушаться. Багато компаній надто сильно спираються на підтримку зверху та потім дивуються, чому нічого не змінюється на практиці. Правда полягає в тому, що прийняття штучного інтелекту зазвичай зазнає невдачі або через те, що організація опирається йому на рівні рядових працівників, або через те, що керівництво дозволяє інтерференції накопичуватися навколо нього. Вам потрібно обидва види підтримки на місці з самого початку. В іншому випадку ініціатива стає ще одним виконавчим тезисом, який ніколи дійсно не приземляється.

Як штучний інтелект стає все більш здатним і інфраструктура стає все більш абстрактною, які стратегічні ризики виникають для компаній, які не контролюють власні дані та штучний інтелект?

Я би сказав, що компанії завжди потребують фундаментального контролю. Це вимагає інструментування кожної системи, яким чином Pilot Wave підходить до системного дизайну, тому що якщо ви не можете побачити, що відбувається, виміряти це та встановити обмеження навколо нього, тоді ви приймаєте ризик, який ви не розумієте. Це не означає, що ви не повинні делегувати завдання, оскільки делегування дійсно продовжиться у масштабі, але делегування без вимірювання не є виконуваною стратегією. Багато частини ринку спокушуються абстракцією, оскільки це робить речі легшими та швидшими, але ця зручність може приховувати реальну системну хрупкість. Якщо правильне інструментування, вимірювання та обмеження встановлені на місці, потенційний системний ризик можна мінімізувати. Якщо вони не встановлені, ви будуєте залежність до того, як ви не заслужили довіру.

Є зростаючий розрив між тим, як штучний інтелект рекламується, і тим, як він працює в реальних середовищах. Які сигнали технічним лідерам та операторам слід шукати, щоб відрізнити справжні можливості штучного інтелекту від поверхневих заяв?

Завжди запитуйте про реальну вартість вимірювання. Я був релігійним щодо вимірювання вартості протягом усієї своєї кар’єри, аж до окремих проєктів, оскільки без цієї дисципліни стає дуже легко плутати ентузіазм з результатами. Кожна спроба повинна бути піддана оцінці ROI та відстежуванню. Якщо хтось не може пояснити чітко, як система впливає на доходи, витрати, продуктивність, ефективність праці або інший реальний бізнес-метрик, тоді є хороша можливість, що вони продають театр. Індустрія стала надто комфортною, щоб винагороджувати полішовані демонстрації та невиразні заяви. Без суворого вимірювання вартості існує реальний ризик викинути час та гроші.

Ви побудували та керували великомасштабними організаціями науки про дані. Як ви бачите еволюцію ролі команд штучного інтелекту, коли автоматизація зростає та агентно-орієнтовані системи приймають на себе більшу відповідальність?

Штучний інтелект прийме на себе завдання вищого рівня. У Pilot Wave ми вже розробляємо штучний інтелект, який може прийняти на вході щось на зразок “зростіть мій дохід на 10 відсотків”, а не “переробіть мій веб-сайт”, що значно ближче до того, де багато штучного інтелекту все ще сидить сьогодні. Ця зміна змінює роль команд штучного інтелекту серйозним чином, оскільки робота стає менше про ізольовані завдання та більше про те, як системи розуміють бізнес-цілі. Багато команд все ще думають надто вузько про автоматизацію та недооцінюють, як швидко технологія рухається вгору по стеку. Центр тяжіння буде зміщуватися від виконання завдань до делегування бізнесу. Це значно більша зміна, ніж більшість підприємств готується.

Багато підприємств вкладають великі суми в штучний інтелект, однак борються з генерацією вимірюваного ROI. Які найпоширеніші моделі невдач ви спостерігали, і як їх можна уникнути?

Більшість зусиль штучного інтелекту, особливо в великих підприємствах, все ще зосереджені на привабливих панелях, модних словах та речах, які легко презентувати внутрішньо, але важко пов’язати з реальною вартістю. Компанії витрачають багато часу на те, щоб зробити роботу видимою, а не корисною. Модель невдачі зазвичай не містерійна, це просто відсутність дисципліни щодо створення вартості. Якщо немає чіткої економічної мети, немає власника та немає рамки вимірювання, зусилля не повинні рухатися вперед. Бути релігійно зосередженим на створенні вартості на кожному етапі є критично важливим. В іншому випадку підприємницький штучний інтелект стає дуже дорогим брендинговим вправлянням.

Оглядаючись вперед, які можливості штучного інтелекту чи системні прориви, на вашу думку, матимуть найбільший вплив на фізичні галузі протягом наступних п’яти до десяти років?

Спроможність надавати дуже високорівневі цілі системі штучного інтелекту та делегувати основні частини бізнесу стане дуже реальною дуже скоро. Це саме те, що матиме найбільше значення, оскільки воно рухає штучний інтелект за межі вузького виконання завдань та в реальну операційну перевагу. Як наслідок, люди будуть зосереджуватися більше на відносинних та довірчих аспектах бізнесу, а також на реальній фізичній природі роботи, незалежно від того, чи це будівництво, чи інша галузева галузь. Багато людей все ще говорять про штучний інтелект як про шар продуктивності, який сидить окремо, але цей погляд вже починає відчуватися застарілим. Системи стають здатними приймати на себе більшу відповідальність. Майбутнє дуже цікаве, але воно також буде значно більш деструктивним, ніж багато інкумбентів хочуть визнати.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Pilot Wave Holdings.