Дон Шурман, CTO у Pegasystems – Серія інтерв’ю

Дон Шурман є головним технічним директором і віце-президентом з питань маркетингу продукції у Pegasystems, відповідальним за платформу Pega та додатки для управління відносинами з клієнтами (CRM).

У нього є 20 років досвіду у доставці рішень для корпоративного програмного забезпечення для організацій Fortune 500, з фокусом на цифровій трансформації, мобільності, аналітиці, управлінні бізнес-процесами, хмарі та CRM.

Pegasystems пропонує потужну платформу, розроблену для допомоги організаціям досягати бізнес-трансформуючих результатів через реальне оптимізування. Платформа дозволяє клієнтам звертатися до ключових бізнес-викликів за допомогою прийняття рішень на основі штучного інтелекту та автоматизації робочих процесів, включаючи персоналізацію взаємодії з клієнтами, автоматизацію послуг та покращення операційної ефективності. Заснована у 1983 році, Pegasystems розробила масштабовану та гнучку архітектуру, яка підтримує підприємства у задоволенні поточних вимог клієнтів, а також адаптації до майбутніх потреб.

Враховуючи ваш широкий досвід як CTO у Pegasystems, як Pega GenAI відрізняється у швидко змінюваному ландшафті генеративного штучного інтелекту для підприємств?

Pega вже багато років інноваційно розробляє рішення штучного інтелекту, включаючи дослідження генеративного штучного інтелекту ще до того, як він став популярним. Я думаю, що є три речі, які відрізняють нас:

По-перше, ми не просто прискорюємо процеси, ми стимулюємо інновації. Більшість постачальників корпоративного програмного забезпечення представили різні боти, агенти або функції співробітництва на основі генеративного штучного інтелекту, але правда в тому, що ці інструменти не забезпечать конкурентної переваги. Ми дозволяємо нашим клієнтам переосмислити, як працює їхній увесь бізнес, за допомогою унікальних інструментів, таких як Pega GenAI Blueprint, який забезпечує найкращі дизайни додатків за секунди. Ми не просто автоматизуємо завдання; ми фундаментально переосмислюємо, як працюють підприємства та інновації.

По-друге, ми не просто автоматизуємо в ізоляції, ми оркеструємо виконання роботи від початку до кінця. Інші постачальники розсипають ці функції ботів генеративного штучного інтелекту та сподіваються, що це достатньо для підвищення ефективності. Наша платформа заснована на нашому лідерському управлінні випадками та оркеструванні, яке дозволяє нам не тільки автоматизувати за допомогою генеративного штучного інтелекту, але й оркеструвати та оптимізувати весь процес від початку до кінця.

По-третє, ми не просто генеричний двигун генеративного штучного інтелекту – ми зосереджені на забезпеченні кращої взаємодії з клієнтами та автоматизації робочих процесів за допомогою штучного інтелекту. Іноді проблема вимагає творчої сили генеративного штучного інтелекту, тоді як інші питання можуть вимагати передбачувального штучного інтелекту або прийняття рішень для введення більшої логіки в процес.

У вашій статті в Forbes “Unlocking The Potential Of Advanced AI For Business Innovation,” ви згадуєте потенціал генеративного штучного інтелекту для переосмислення бізнес-операцій. Які конкретні приклади того, де штучний інтелект міг би каталізувати трансформацію спадщини в усталених компаніях?

Директор з питань дизайну Deutsche Telekom (DTE.DE ) Даніель Венцель розповів аудиторії на PegaWorld iNspire цього літа, як він зараз використовує Pega GenAI Blueprint, щоб допомогти йому переосмислити понад 800 окремих бізнес-процесів у відділі HR-сервісів. Він каже, що найбільшим瓶нем у спробах покращити ці процеси було те, що бізнесмени та ІТ-спеціалісти не говорять однією мовою, що призводить до нереалізованих очікувань. Pega GenAI Blueprint допомагає обом сторонам зрозуміти процес і те, як його покращити значно швидше, ніж традиційні методи, що призводить до більш ефективних рішень.

Та сама стаття обговорює обмеження поточних застосунків генеративного штучного інтелекту. Як компанії можуть перейти від інкрементних покращень продуктивності до використання повного трансформативного потенціалу штучного інтелекту?

Більшість генеративного штучного інтелекту в корпоративному програмному забезпеченні застосовується як окремі функції, які допомагають прискорити конкретні аспекти процесу. Але ці типи функцій тепер звичайні, забезпечуючи мало конкурентної переваги. Хіти продуктивності, такі як підсумовування та генерація тексту, є базовими вимогами – що бізнесу потрібно для просування на ринку, це використання генеративного штучного інтелекту для інновацій нових способів ведення бізнесу на високому рівні. Наприклад, Gartner визначив нову категорію технологій, яку вони називають Business Orchestration and Automation Technologies (BOAT), яка розглядає забезпечення бізнес-результатів більш цілісно, від оптимізації витрат до покращення прийняття рішень, зниження операційних витрат та використання правильних технологій автоматизації для завдання. Одноразові функції генеративного штучного інтелекту мають своє місце, але це лише частина пазла і не срібна куля для вирішення всіх проблем.

Які найбільш перспективні корпоративні випадки використання генеративного штучного інтелекту, які виходять за рамки типових покращень продуктивності, і як компанії можуть найкраще реалізувати ці випадки?

Найбільш цікавий випадок використання генеративного штучного інтелекту – це можливість впровадження найкращих практик у процес. Ті, хто використовує генеративний штучний інтелект лише для написання коду, можуть готувати себе до більшої технічної заборгованості в майбутньому. Впровадження інтелектуальної власності у процес розробки програмного забезпечення є революційним, що дозволяє організаціям досягати оптимального рішення значно швидше на основі років досвіду. І оскільки це розроблено як візуальна модель, а не просто рядки коду, це легше співпрацювати та вдосконалювати його з часом серед технічних та нетехнічних зацікавлених сторін. Раніше завершення дизайну додатку могло зайняти тижні та вимагати дуже спеціалізованих навичок; тепер ці інструменти, підтримувані генеративним штучним інтелектом, дозволяють бізнес-користувачам вводити свої конкретні потреби звичайною мовою та швидко переходити від концепції до повного дизайну. Forrester недавно опублікував деякі дослідження, передбачаючи, що використання штучного інтелекту для впровадження інтелектуальної власності в низькокодові або модельні системи дизайну фундаментально змінить, як підприємства використовують програмне забезпечення – дозволяючи їм будувати більше та купувати менше програмного забезпечення “з полиці”. Я думаю, що це велика трансформація, і ми вважаємо, що з Pega GenAI Blueprint ми добре позиціоновані, щоб бути платформою вибору для наших корпоративних клієнтів.

Ви раніше припустили, що генеративний штучний інтелект може допомогти у розробці продукції шляхом виявлення пробілів на ринку. Чи можете ви роз’яснити, як працює цей процес, і поділитися реальним прикладом?

Наш Pega Customer Decision Hub є рішенням передбачувального штучного інтелекту, яке допомагає нашим клієнтам приймати наступні найкращі дії з клієнтами, незалежно від того, чи це означає продаж продукції, виправлення проблеми зі службою або іноді нічого не робити. Це дозволяє нам зв’язатися з клієнтами індивідуально з діями, які найкраще служать їхнім індивідуальним потребам. Але робота в індивідуальному порядку означає, що вам потрібно велика кількість підходящих пропозицій – це значно краще, ніж спамінг усіх однакових повідомлень, але це вимагає від організацій маркетингу створення більшої кількості повідомлень, унікальних для різних груп клієнтів. Тепер з генеративним штучним інтелектом ми можемо виявити, які клієнти були недооцінені, а потім запропонувати нові дії та створити нові рішення, які були б більш вигідними для цих груп. Це має потенціал допомогти організаціям розширити свій ринок до аудиторій, яких вони зазвичай не могли адресувати.

Як усталені компанії з спадковими системами можуть ефективно інтегрувати генеративний штучний інтелект, щоб залишатися конкурентоспроможними проти більш гнучких стартапів, особливо у переосмисленні своїх核心 операцій?

Я думаю, що ми вступаємо в точку повороту для спадкових систем. Протягом десятиліть великі підприємства відкладали технічну заборгованість. Ми провели роки, застосовуючи тимчасові рішення, такі як RPA, які не вирішували фундаментальної проблеми, яку спадкові системи створюють для підприємств – вони висмоктують ІТ-видатки, які могли б йти на інновації, вони вводять ризик та унеможливлюють підприємствам рухатися швидко у змінучих ринках. На щастя, я вважаю, що одним із суперсили генеративного штучного інтелекту є те, що він дозволить нам значно прискорити темп, у якому ми переробляємо та виходимо зі спадкових систем – не просто перекодуючи їх, а переосмислюючи робочі процеси та процеси самі по собі, щоб вони працювали на сучасних хмарних архітектурах та забезпечували цифрові досвіди, які очікують клієнти та працівники.

У окремій статті про створення маніфесту штучного інтелекту, ви підкреслюєте важливість зв’язування стратегії штучного інтелекту з дієвіми результатами. Чи можете ви надати керівництво щодо того, як компанії можуть вирівняти свої цілі штучного інтелекту з осяжними бізнес-результатами?

Занадто багато компаній починають зосереджуватися на новому інструменті, такому як штучний інтелект, а не починають з визначення своїх бізнес-цілей та проблеми, яку потрібно вирішити. Зосереджуючись на інструменті, а не на проблемі, вони обмежують себе шляхом, який може не бути оптимальним для їхнього бізнесу. Замість цього їм потрібно зробити крок назад і запитати себе, чого вони насправді намагаються досягти. Іноді генеративний штучний інтелект не є правильним рішенням і може бути краще забезпечений застосуванням рішення штучного інтелекту. Вони повинні пам’ятати, що існують різні типи штучного інтелекту, які краще підходять для вирішення різних бізнес-проблем.

Як компанії можуть використовувати генеративний штучний інтелект для революціонізування своїх операцій, а не просто автоматизації звичайних завдань? Які стратегії вони повинні використовувати, щоб максимізувати ROI в цій області?

Не зосереджуйтеся лише на окремих завданнях – це запобігатиме вам бачити ліс за деревами. Відступіть назад і зрозумійте свої загальні бізнес-потоки та результати, яких ви намагаєтеся досягти від них. Генеративний штучний інтелект можна використовувати для аналізу процесів та впровадження найкращих практик у різних галузях. Це може призвести до глибоких змін, дозволяючи компаніям переосмислити та переробити свої核心 робочі процеси. Наприклад, штучний інтелект може допомогти спроектувати нові операційні моделі з нуля або переробити існуючі для покращення ефективності та інновацій. Встановіть чіткі метрики для вимірювання успіху та регулярно уточнюйте свій підхід на основі цих знань. Використовуючи штучний інтелект для забезпечення значних змін, а не інкрементних покращень, компанії можуть розблокувати значну цінність та залишатися попереду конкурентів.

Які галузі, на вашу думку, найбільш підготовлені до отримання вигоди від переробки робочих процесів за допомогою штучного інтелекту, і як їм слід починати впроваджувати цей підхід?

Практично будь-яка організація може універсально виграти від покращення своїх робочих процесів, особливо у швидко змінючихся ринках. Сервісні галузі, такі як фінансові послуги, телекомунікації та охорона здоров’я, можуть, ймовірно, реалізувати найбільші вигоди для поліпшення взаємодії з клієнтами. Ці сектори обробляють складні, інтенсивні дані процеси та піддаються зростаючому тиску для підвищення ефективності, зниження витрат та забезпечення кращих результатів. Крім того, будь-яка галузь із великою кількістю спадкових послуг – таких як банківська справа – може виграти від вивчення своїх процесів, створених роками тому, для їхньої модернізації та забезпечення того, щоб вони трималися кроку з новими конкурентами.

Як підхід “людина в циклі” підвищує ефективність та етичне впровадження штучного інтелекту, особливо у клієнтоорієнтованих ролях?

Генеративний штучний інтелект, хоча й потужний, може виробляти виходи, які не завжди точні або підходящі. Інтегруючи людський нагляд, ми можемо пом’якшити ризики, такі як неточності вмісту, створеного штучним інтелектом, або етичні питання.

Наприклад, у сфері обслуговування клієнтів штучний інтелект може генерувати відповіді та рекомендації, але наявність людини для перегляду цих виходів забезпечує їхню відповідність цінностям компанії та потребам клієнтів. Цей нагляд є важливим для підтримання прозорості та підзвітності, особливо коли моделі штучного інтелекту виробляють правдоподібні, але неправильні або вводять в оману відомості.

Цікаво, що наявність людини в циклі дозволяє взяти одну зі слабкостей генеративного штучного інтелекту – він є внутрішньо непередбачуваним або недетермінованим, що означає, що він не дає вам одного й того ж答案у двічі – і перетворити її на силу. З Pega GenAI Blueprint ми використовуємо генеративний штучний інтелект як партнера для генерування ідей, пропонуючи нові підходи до дизайну робочих процесів. Людина завжди є остаточним рішенням, але постійно пропонуючи нові підходи, генеративний штучний інтелект стимулює оригінальне мислення та допомагає людям уникнути “перефарбовування коровиної доріжки”.

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