Афсін Афшар, Засновник Pilot Wave Holdings – Серія Інтерв’ю

Афсін Афшар, Засновник Pilot Wave Holdings, – ветеран галузі даних та інвестицій, чиє кар’єра охоплює старші посади в Goldman Sachs, J.P. Morgan та Cerberus Capital Management, де він допоміг започаткувати великомасштабні ініціативи з науки про дані та штучного інтелекту в фінансових інституціях. З технічною основою, пов’язаною з нейробіологією та дослідженнями 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 інвестиційний досвід, операційний лідерство та глибокі технічні знання для ідентифікації, придбання та масштабування компаній за допомогою даних 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 компаніях свого портфеля. Об’єднуючи практичну операційну участь із сучасною інфраструктурою даних, Pilot Wave спрямована на модернізацію традиційних підприємств, які історично не мали доступу до передових інструментів, готуючи їх до масштабованого, довгострокового зростання в усе більш технологічно-залежній економіці.

Ви займали піонерські лідерські 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 чи розчарування змусило вас перейти від побудови штучного інтелекту всередині великих інституцій до придбання та трансформації компаній безпосередньо?

Основною проблемою було потреба в емпаверменті для руху зі швидкістю. Всередині великих інституцій, навіть коли люди погоджуються щодо можливості, зазвичай є занадто багато шарів між ідентифікацією проблеми та фактичними діями щодо її вирішення. Штучний інтелект зазвичай не провалюється через те, що технічна робота є неможливою, він провалюється через те, що організація є надто повільною, надто політичною чи надто фрагментованою, щоб діяти з терміновістю. Я хотів працювати в середовищі, де стратегія, операції та технології могли б бути швидко узгоджені. Придбання та побудова компаній безпосередньо створює такий емпавермент. Якщо ви дійсно хочете змінити, як працює бізнес зі швидкістю та волей, бути власником є важливим.

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

Багато пілотних проектів розроблені для успіху, що саме є причиною, чому багато компаній обманюють себе. Вони відбуваються в чистих середовищах, з додатковою увагою, обмеженим обсягом та жодним тертям, яке з’являється у виробництві. Глибшою проблемою часто є емпатійний розрив. Технологи часто не витрачають часу чи, чесно кажучи, не мають бажання вивчати досвід оператора, тому вони будують щось, що працює в теорії чи в демонстрації, але не відповідає 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 нестачі, а не намагаються уникнути її. кожен каже, що хоче виробничу вартість, але багато команд все ще оптимізовані для пілотного аплодисменту.

Ваша робота зосереджена на впровадженні 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 підприємствах Мейн-стріт емпатія та людський елемент є ще важливішими, 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 негайно, коли щось не відповідає 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 важливість.

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

Більшість команд керівництва починають з неправильного місця. 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-приоритети. Як тільки ви знаєте це, тоді ви можете чесно говорити про найкращі інструменти для вирішення цих пріоритетів, і це не завжди повинно бути штучний інтелект. Це здається очевидним, але більшість компаній все ще переслідують технологію спочатку та сподіваються, що бізнес-кейс якимось чином з’явиться пізніше. Це неправильно та призводить до великої кількості марних зусиль. Якщо керівництво хоче реальних результатів, їм потрібно停止ити лікування стратегії штучного інтелекту як покупкової діяльності.

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

Першим є пошук як старших, так і молодших спонсорів. Молодші спонсори знають щоденну реальність та можуть забезпечити, щоб рядові працівники дійсно робили те, що потрібно зробити, тоді як старші спонсори забезпечують, щоб політикика була мінімізована та зусилля не були тихо задушені. Багато компаній надто сильно спираються на верхню підтримку та потім дивуються, чому нічого не змінюється на практиці. Правда полягає в тому, що прийняття штучного інтелекту зазвичай провалюється 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 рано. В іншому випадку ініціатива стає ще одним виконавчим тезисом, який ніколи дійсно не приземляється.

Як штучний інтелект стає все більш здатним та інфраструктура стає все більш абстрактною, які стратегічні ризики виникають для компаній, які не контролюють свій власний дані та стек штучного інтелекту?

Я би стверджував, що компанії завжди потребують фундаментального контролю. Це вимагає інструментування кожної системи, що є тим, як Pilot Wave підходить до системного дизайну, оскільки якщо ви не можете бачити, що відбувається, виміряти це та встановити обмеження навколо цього, тоді ви приймаєте на себе ризик, якого не розумієте. Це не означає, що ви не повинні делегувати завдання, оскільки делегування без doubt продовжуватиметься у масштабі, але делегування без вимірювання не є виконуваною стратегією. Багато ринків седукуються 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, перш ніж ви заслужили довіру.

Є зростаючий розрив між тим, як штучний інтелект маркетингується та тим, як він працює в реальних середовищах. Які сигнали технічні лідери та оператори повинні шукати, щоб відрізнити значимі можливості штучного інтелекту від поверхневих заяв?

Завжди запитуйте про реальне вимірювання вартості. Я був релігійним щодо вимірювання вартості протягом усієї своєї кар’єри, аж до окремих проектів, оскільки без цієї дисципліни стає дуже легко плутати ентузіазм з результатами. Кожна спроба повинна бути підтримана ROI та відстежена. Якщо хтось не може пояснити чітко, як система впливає на доходи, витрати, продуктивність чи інший реальний бізнес-метрик, тоді є велика ймовірність, що вони продають театр. Індустрія стала надто комфортною, винагороджуючи полішені демонстрації та розпливчасті заяви. Без суворого вимірювання вартості існує реальний ризик викидання часу та грошей.

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 все більшу відповідальність?

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

Багато підприємств інвестують великі кошти в штучний інтелект, однак борються з генерацією вимірної ROI. Які найпоширеніші моделі провалів ви спостерігали, та як їх можна уникнути?

Більшість зусиль штучного інтелекту, особливо в великих підприємствах, все ще надто 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 робота виглядала складною, а не корисною. Модель провалу зазвичай не містерійна, це просто відсутність дисципліни щодо створення дієвої вартості. Якщо немає чіткої економічної мети, немає власника та немає вимірювальної рамки, зусилля не повинні рухатися вперед. Бути релігійно зосередженим на створенні вартості на кожному етапі є критично важливим. В іншому випадку підприємчий штучний інтелект стає дуже дорогим брендинговим вправлянням.

Оглядаючи 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 є можливістю, яка матиме найбільший вплив, оскільки вона рухає штучний інтелект за межі вузького виконання завдань та в фактичну операційну леверію. Як наслідок, люди будуть зосереджуватися більше на відносинному та довірчому аспектах бізнесу, а також на фактичній фізичній природі роботи, незалежно від того, чи це будівництво, чи інша галузева промисловість. Багато людей все ще говорять про штучний інтелект як про продуктивний шар, розташований збоку, але цей погляд вже починає відчуватися застарілим. Системи стають здатними приймати на себе більшу відповідальність. Майбутнє дуже цікаве, але воно також буде набагато більш деструктивним, ніж багато інкумбентів хочуть визнати.

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