Четан Алсісарія, CEO і співзасновник, Polestar Analytics – Серія інтерв’ю

Четан Алсісарія, CEO і співзасновник є лідером корпоративної технології, який спеціалізується на даних, аналітиці та трансформації, керованій штучним інтелектом. Після ранніх ролей у Deloitte, PwC і EY він заснував Polestar Analytics у 2012 році і з тих пір розширив її до глобальної компанії з штучним інтелектом і даних. Він керує продажами, стратегічними альянсами, розробкою послуг та технічною доставкою, а також служить головою CAIO Circle, спільноти лідерів штучного інтелекту, які зосереджені на просуванні відповідальної та практичної адоптації штучного інтелекту. Крім того, він заснував Xumane Equity, що відображає його ширшу увагу на інноваціях у корпоративних системах і платформах.

Polestar Analytics є глобальною компанією з конвергенції штучного інтелекту та даних, яка допомагає підприємствам перетворити фрагментовані дані на дієвані інсайти за допомогою своєї пропріетарної 1Platform. Об’єднавши інженерію даних, аналітику, штучний інтелект та бізнес-потоки в одну екосистему, компанія дозволяє організаціям покращувати процес прийняття рішень, оптимізувати операції та масштабувати адоптацію штучного інтелекту. З сильним акцентом на галузевих випадках використання та вимірних результатах Polestar еволюціонувала від консалтингової компанії до платформо-орієнтованого бізнесу, який доставляє спрощені, інтелект-орієнтовані рішення на рівні підприємства.

Ви заснували Polestar Analytics у 2012 році після ролей у Deloitte, PwC і EY. Яку прогалину у корпоративних даних і аналітиці ви побачили на той час, і як ця оригінальна бачення еволюціонувала у сьогоднішню платформу 1Platform, керовану штучним інтелектом?

Ви знаєте, коли Аджай, Аміт і я заснували Polestar Analytics у 2012 році, іронія була вражаючою; компанії тонули у даних, але голодні по рішеннях. Кожен збирав усе, але розрив між тим, що у вас є дані, і тим, що ви робите щось значуще з ними, був величезним. Це проблема, яку ми поставили собі за мету вирішити.

Пропустимо вперед до сьогодні, і чесно кажучи, проблема не зникла, вона просто змінила форму. Об’єм більший, ставки вищі, і тепер у вас є агенти поряд з людьми, які повинні зрозуміти все це. Це насправді зробило нашу оригінальну бачення яснішою, а не менш ясною.

Наш девіз, Дані до результатів, спрощено!, є насправді ниткою, яка з’єднує 2012 рік із сьогоденням. Ми почали з доставки даних; отримання правильних даних правильним людям в правильний час. Потім штучний інтелект прийшов і посилив те, що було можливим. Тепер з 1Platform ми рухаємось далі; спрощуючи та максимізуючи результати не тільки для людей, але і для агентів, які все частіше роблять або інформують рішення.

Що цікаво, так це те, як наша екосистема дозріла, щоб підтримати це. Наші глибокі інтеграції з Microsoft, Databricks і Anaplan допомагають об’єднати дані, бізнес-використання та планування. І 1Platform сидить по всьому цьому, рідний для цих середовищ, а не прикручений.

Таким чином, еволюція виглядає так: доставка даних → інсайти, посилені штучним інтелектом → спрощені, готові до агентів результати. Погоня за досконалістю така сама. Швидкість, з якою ми можемо досягнути цього, є тим, що змінилося експоненціально.

Polestar Analytics позиціонує себе як компанію з конвергенції даних і штучного інтелекту. Що таке конвергенція на практиці для великих підприємств, які справляються з фрагментованими системами та силованими даними?

Більшість часу фрагментація не є технологічною проблемою, це проблема людей і процесів. Це як у вас є фінансова команда, яка працює на Anaplan, операційна команда, яка живе в Excel, команда інженерії даних, яка будує трубопроводи на Azure, і всі тягнуть у різні боки з різними визначеннями одного й того ж метрики. Ніщо з цього не виправляє проблему довіри, якщо основа пошкоджена.

Таким чином, коли ми говоримо про конвергенцію, ми маємо на увазі вирішення цієї основи спочатку. Перед тим, як ви можете накласти інтелект на верх, вам потрібно дані, які чисті, керуються та критично доступні. Не тільки вашим аналітикам, але й усе частіше вашим агентам.

На практиці конвергенція з 1Platform виглядає так: ми не викидаємо та не заміняємо те, що підприємства побудували. Ми йдемо у рідне середовище, яке вони вже мають, наприклад Databricks, Microsoft і Anaplan, і ми швємо шар даних та інтелекту через них. Ваші дані планування в Anaplan розмовляють з вашими операційними даними в Databricks, і ваша екосистема Microsoft є тим місцем, де рішення насправді з’являються для людей та агентів, щоб діяти.

Магія не в жодному з цих інтеграцій. Це у зв’язному шарі 1Platform, який робить все так, щоб воно відчувалося як одна сплочена система, а не роз’єднані інструменти. Це те, що конвергенція виглядає на практиці, свідоме спрощення, поки складність не стане невидимою для бізнесу.

Ваша пропріетарна 1Platform має на меті об’єднати дані, штучний інтелект та робочі потоки в одну систему. Як цей підхід відрізняється від традиційних стеків бізнес-інтелекту або сучасних платформ даних, таких як Databricks або Snowflake?

Databricks і Snowflake є потужними платформами, ми не конкуруємо з ними, ми побудовані на них. Це відмінність має значення. Databricks дає вам інфраструктуру та обчислення. Ми сидимо над цим і ставимо інше питання: тепер що?

Традиційні стеки бізнес-інтелекту багато чого зробили правильно для свого часу, але бізнес-інтелект еволюціонував. Сьогодні бізнес-користувачі потребують більше, ніж лише панелі управління. Ви можете мати красиво спроектовану панель управління з п’ятнадцятьма графіками, і все одно хтось повинен інтерпретувати, що це означає, і вирішити, що робити далі. Це розрив між інсайтом та дією є саме тим місцем, де 1Platform діє.

1Platform не є статичною, вона постійно еволюціонує. Вона не тільки відповідає на питання, які ви ставите; вона піднімає питання, про які ви навіть не думали. Це змінює відносини між бізнес-користувачами та їхніми даними.

Ми побудували інтерфейси з низьким кодом і без коду на верхівці Databricks і Azure, які дозволяють трубопроводам бути створеними за секунди. Завдання, які раніше займали дні у інженерів даних, тепер можуть бути спровоковані бізнес-користувачами. На верхівці цього Agenthood AI дозволяє користувачам створювати та оркеструвати агентів за допомогою простих інтерфейсів перетягування та скидання без глибокої технічної експертизи.

Але справжня відмінність полягає в досвіді кінцевого користувача. Замість того, щоб переходити через кілька панелей управління, користувачі отримують інсайти природної мови, контекстні рекомендації та агент-орієнтовані нариси. KPI не просто сидять на екрані; агенти активно моніторять їх, піднімають питання про те, що має значення, і пояснюють, чому. Відмінність не полягає в самій платформі даних, а в усьому, що відбувається після того, як дані готові.

Багато підприємств залишаються застряглими в тому, що часто називається AI-пілотним пеклом. Які найбільші структурні або організаційні бар’єри перешкоджають штучному інтелекту досягнути виробництва у масштабі?

Я називаю це пілотним кладовищем, тому що більшість проектів не просто застряють, вони тихо вмирають. Найбільші бар’єри не є технічними, вони організаційними. Люди, процеси та дані.

Керування змінами постійно недооцінюється. Коли ви переробляєте, як люди працюють, ви викликаєте питання про те, як вони отримують вигоду. Організації, які успішно роблять це, є тими, де лідерство робить професіоналізм штучного інтелекту видимим. Коли підвищення кваліфікації винагороджується і переробка процесів підтримується структурично, адоптація прискорюється.

Потім є проблема кривої J. Інвестиції в штучний інтелект часто знижуються, перш ніж вони зростуть. Багато організацій очікує ROI протягом 90 днів, не бачать його і відмовляються від зусиль. Ті, хто успішно робить це, зобов’язуються повній кривій.

Готовність даних є ще одним критичним фактором. Погані дані ведуть до впевнених неправильних рішень. До тих пір, поки основа даних не буде довіреною, штучний інтелект у масштабі стає зобов’язанням, а не активом.

Нарешті, дисципліна використання випадків має значення. Замість того, щоб намагатися зробити все зі штучним інтелектом, організації повинні зосередитися на випадках використання, які рухають справжні бізнес-метрики, довести їх і потім масштабувати.

У Polestar Analytics об’єднання даних, штучного інтелекту та робочих потоків на одному місці прискорює як відкриття проблеми, так і ідентифікацію можливостей, перетворюючи конвергенцію на каталізатор змін.

Агентський штучний інтелект стає великою темою по всій галузі. Як Polestar Analytics думає про агентів штучного інтелекту у підприємствах, і які реальні випадки використання набирають популярності?

Для нас агенти повинні бути вбудовані як у шар даних, так і у бізнес-потоки, щоб створити справжню вартість. Агент ціноутворення, наприклад, не просто LLM, який сидить на панелі управління; він інтегрований у інфраструктуру даних, розуміє контекст і підтримує справжнє прийняття рішень.

По всьому нашому агентству з понад 100 агентів деякі діють як помічники, тоді як інші повністю автоматизовані. Найсильніший трекінг є у зростанні доходів, включаючи ціноутворення, промоції та медіа-мікс, де рішення відбуваються часто і даних-інтенсивні.

На стороні інженерії агенти моніторингу трубопроводів та вирішення помилок вже використовуються. Агенти FinOps знизили невикористані хмарні витрати на 35 відсотків. Є також сильна адоптація у сфері управління багатством.

Ми підтримуємо як екосистеми Microsoft, так і Databricks, і пропонуємо платформу для створення агентів. Не кожен агент потребує бути LLM-орієнтованим; архітектура повинна відповідати випадкові використання, щоб збалансувати масштаб та вартість.

Керування є суттєвим. З агентами, які взаємодіють з фінансовими системами або даними клієнтів, сильні периліси та нагляд людини є вбудованими, щоб забезпечити надійність на рівні підприємства.

З вашим недавнім фінансуванням ви подвоюєте розробку IP. Наскільки важливо володіти пропріетарними платформами порівняно з будівництвом на верхівці існуючих екосистем у сучасному ландшафті штучного інтелекту?

Ми глибоко інтегровані з платформами, такими як Databricks, Microsoft і Anaplan, які забезпечують інфраструктуру та масштаб. Ми не намагаємось їх замінити.

Наш фокус полягає у володінні шаром інтелекту на верхівці. Пропріетарний IP дозволяє нам контролювати досвід, вбудовувати галузеву експертизу та доставляти постійну вартість у масштабі.

Наша відмінність походять від галузевої експертизи. Чи це PromoPulse AI для зростання доходів, чи WealthPulse для фінансових послуг, вартість полягає у розумінні реальних випадків використання та рішень.

Пропріетарний IP для нас є кодифікацією цієї експертизи. Це те, що робить платформу захищеною та справжньо корисною.

Ви працювали у тісній співпраці з компаніями Fortune 1000. Як очікування щодо ROI штучного інтелекту змінюються, коли виконавці вимагають вимірних результатів замість експериментів?

Зміна є справжньою, але експериментування не зникло. Це просто очікується рухатися швидше та зв’язуватися з відчутними результатами.

Виконавці зараз оцінюють ROI через ширші лінзи, такі як швидкість прийняття рішень, лояльність клієнтів, інноваційна здатність та стійкість.

ROI штучного інтелекту більше не належить одному лідеру. CTO фокусується на інфраструктурі та даних, CFO дивиться на фінансовий вплив, а COO підкреслює операційну ефективність.

Організації, які успішно роблять це, виравнюють ці перспективи рано і зобов’язуються довгостроковим результатам.

Ваша стратегія розширення включає Північну Америку та Європу. Які відмінності ви бачите в зрілості адоптації штучного інтелекту та готовності підприємств у цих регіонах?

Відмінність полягає більше у менталітеті, ніж у можливостях.

Північна Америка пріоритезує швидкість та експериментування, яке рухається конкурентним тиском.

Європа підкреслює керування та етичний штучний інтелект з самого початку. Однак це не означає повільної адоптації. Підприємства балансують структуру з прискоренням.

Обидва регіони сходяться до масштабованого, відповідального штучного інтелекту, вбудованого в ядро операцій.

Ви недавно заснували CAIO Circle, щоб об’єднати лідерів штучного інтелекту. Які найбільш нагальні розмови відбуваються серед головних офіцерів штучного інтелекту зараз, особливо навколо керування та етики?

CAIO Circle був створений, щоб дати лідерам штучного інтелекту простір для відкритої дискусії.

Центральним викликом є балансування швидкості з довгостроковим ризиком. Довіра та пояснюваність є великими проблемами, особливо коли системи штучного інтелекту впливають на критичні рішення.

Керування рухається від політичних документів до вбудованих операційних практик. В той же час багато організацій все ще缺ують моделі виконання, щоб доставити на свої стратегії штучного інтелекту.

Найцінніші інсайти часто приходять від відкритих розмов між колегами, а не з офіційних презентацій.

Оглядаючи вперед три-п’ять років, чи очікуєте ви, що корпоративний штучний інтелект консолідується в уніфіковані платформи, такі як ваша, чи залишається фрагментованою екосистемою інструментів та постачальників? Де Polestar Analytics має на меті позиціонувати себе в цьому майбутньому?

Фрагментація, ймовірно, продовжиться. Великі платформи, такі як Databricks, Microsoft, Salesforce та Anaplan, залишаться центральними гравцями.

Тому, що підприємства потребують, є уніфікований шар, який з’єднує дані, інтелект та робочі потоки в щось дієвне. Це роль, яку 1Platform призначена для виконання.

Майбутнє буде схилятися до платформ з глибокою вертикальною експертизою. Генеричні горизонтальні рішення будуть боротися за диференціацію.

Справжня вартість прийде від розуміння галузевих потреб та вбудовування інтелекту безпосередньо у робочі потоки прийняття рішень.

Дякую за велике інтерв’ю, читачі, які бажають дізнатися більше, повинні відвідати Polestar Analytics.