Дон Шуерман, CTO в Pegasystems – Серія інтерв’ю

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

Він має 20 років досвіду доставки рішень програмного забезпечення для підприємств для організацій Fortune 500, з акцентом на цифрову трансформацію, мобільність, аналітику, управління бізнес-процесами, хмару та CRM.

Pegasystems пропонує потужну платформу, розроблену для того, щоб допомогти організаціям досягти бізнес-трансформуючих результатів через оптимізацію в реальному часі. 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 оперативної ефективності. Заснована в 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 в Pegasystems, як Pega GenAI відрізняється в швидко змінюваному ландшафті генерації штучного інтелекту для підприємств?

Pega вже років інноваційно розробляє рішення штучного інтелекту, включаючи дослідження генерації штучного інтелекту ще до того, як це стало популярним. Я думаю, що є три речі, які відрізняють нас:

По-перше, ми не просто прискорюємо процеси, ми стимулюємо інновації. Більшість постачальників програмного забезпечення для підприємств ввели різні боти генерації штучного інтелекту, агенти або функції ко-пілота, але правда в тому, що ці подібні інструменти не забезпечать конкурентної переваги. Ми дозволяємо нашим клієнтам переосмислити, як працює весь їхній бізнес, за допомогою унікальних інструментів, таких як Pega GenAI Blueprint, який пропонує 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 посипають ці функції генерації штучного інтелекту та сподіваються, що це достатньо для підвищення ефективності. Наша платформа заснована на нашому лідерстві в галузі управління випадками та оркеструванні, що дозволяє нам не тільки автоматизувати за допомогою генерації штучного інтелекту, але також оркеструвати та оптимізувати весь процес від початку до кінця.

По-третє, ми не просто генеричний двигун генерації штучного інтелекту – ми зосереджені на забезпеченні кращої взаємодії з клієнтами та автоматизації робочих процесів через штучний інтелект. Іноді проблема вимагає творчої сили генерації штучного інтелекту, тоді як інші питання можуть вимагати передбачувального штучного інтелекту або рішення штучного інтелекту, щоб вливати більше логіки в процес.

У Вашій статті в Forbes “Розблокування Потенціалу Розширення Штучного Інтелекту для Бізнес-Інновацій,” Ви згадуєте потенціал генерації штучного інтелекту для переосмислення бізнес-операцій. Які конкретні приклади того, де штучний інтелект може каталізувати трансформацію спадщини в встановлених компаніях?

Даніель Венцель, старший віце-президент з дизайну влади Deutsche Telekom, описав 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 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 ж стаття обговорює обмеження поточних застосунків генерації штучного інтелекту. Як компанії можуть вийти за рамки інкрементних покращень продуктивності, щоб використати повний трансформаційний потенціал штучного інтелекту?

Більшість генерації штучного інтелекту в програмному забезпеченні для підприємств застосовується як окремі функції, які допомагають прискорити конкретні аспекти процесу. Але такі функції зараз звичайні, забезпечуючи мало конкурентної переваги. Хіти продуктивності, такі як резюмування та генерація тексту, є базовими вимогами – що бізнесу потрібно для просування на ринку, це використовувати генерацію штучного інтелекту для інновацій нових способів ведення бізнесу на високому рівні. Наприклад, Gartner ідентифікував нову категорію технологій, яку вони називають Бізнес-Оркестрація та Автоматизація Технологій (BOAT), який розглядає питання забезпечення бізнес-результатів більш цілісно, від оптимізації витрат до покращення прийняття рішень, скорочення операційних витрат та використання правильних технологій автоматизації для виконання завдання. Одноразові функції генерації штучного інтелекту мають своє місце, але це лише частина пазла і не срібна куля, щоб вирішити всі проблеми.

Які найперспективніші корпоративні випадки використання генерації штучного інтелекту, які виходять за рамки типових покращень продуктивності, і як бізнес може найкраще реалізувати ці?

Найбільш цікаві можливості генерації штучного інтелекту полягають у потенціалі впровадження найкращих практик у процес. Ті, хто використовує генерацію штучного інтелекту лише для написання більшого коду, можуть готувати себе до технічного боргу в майбутньому. Впровадження інтелектуальної власності у процес розробки програмного забезпечення є грою, що змінює правила, що дозволяє організаціям досягти оптимального рішення значно швидше на основі років досвіду. І оскільки це розроблено як візуальна модель, а не просто рядки коду, це легше співпрацювати та уточнювати його з часом серед технічних та нетехнічних зацікавлених сторін. Раніше завершення дизайну додатку могло зайняти тижні та вимагало дуже спеціалізованих навичок; тепер ці інструменти генерації штучного інтелекту 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 у низькокодові або модельні системи дизайну фундаментально змінить, як підприємства використовують програмне забезпечення – дозволяючи їм будувати більше та купувати менше програмних додатків “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 генерація штучного інтелекту може допомогти у розробці продукції шляхом визначення пробілів на ринку. Чи можете Ви роз’яснити, як працює цей процес, і поділитися реальним прикладом?

Наш Pega Customer Decision Hub є передбачуваним рішенням штучного інтелекту, яке допомагає нашим клієнтам зробити наступний найкращий крок з їх клієнтами, незалежно від того, чи це означає продаж продукції, виправлення проблеми з сервісом або іноді нічого не робити. Це дозволяє нам зв’язатися з клієнтами 1:1 з діями, які найкраще служать їхнім індивідуальним потребам. Але робота в 1:1方式 означає, що вам потрібно велика кількість підлаштованих пропозицій – це значно краще, ніж розсилка всіх одним і тим же повідомленням, але це вимагає від організацій маркетингу створення більшої кількості повідомлень, унікальних для різних груп клієнтів. Тепер з генерацією штучного інтелекту ми можемо виявити, які клієнти були недооцінені, а потім запропонувати нові дії та створити нові рішення, які будуть більш корисними для цих груп. Це має потенціал допомогти організаціям розширити свій ринок до аудиторій, яких вони зазвичай не могли адресувати.

Як встановлені компанії з спадковими системами можуть ефективно інтегрувати генерацію штучного інтелекту, щоб залишатися конкурентоспроможними проти більш гнучких стартапів, особливо у переосмисленні своїх核心 операцій?

Я думаю, що ми вступаємо в точку розгортання для спадкових систем. Протягом десятиліть великі підприємства відкладали технічний борг. Ми провели роки, застосовуючи пластирі до рішень, які не адресували фундаментального витоку, який спадкові системи створюють для підприємств – вони висмоктують ІТ-видатки, які могли б йти на інновації, вони вводять ризик і перешкоджають підприємствам рухатися швидко на ринку, який змінюється. На щастя, я вважаю, що одним із суперсил генерації штучного інтелекту є те, що це дозволить нам значно прискорити темп, з яким ми переробляємо та видалити наші спадкові системи – не просто перекодуючи їх, а переосмислюючи самі робочі процеси та процеси, щоб вони працювали на сучасних хмарних архітектурах та забезпечували цифровий досвід, який очікують клієнти та працівники.

У окремій статті про створення маніфесту штучного інтелекту, Ви підкреслюєте важливість зв’язування стратегії штучного інтелекту з дієвими результатами. Чи можете Ви надати рекомендації щодо того, як бізнес може 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 бути не оптимальним для їхнього бізнесу. Натомість вони повинні зробити крок назад і запитати себе, чого вони насправді намагаються досягти. Іноді генерація штучного інтелекту не є правильним рішенням і може бути краще забезпечена застосуванням рішення штучного інтелекту. Вони повинні пам’ятати, що існують різні типи штучного інтелекту, які краще підходять для вирішення різних бізнес-проблем.

Як бізнес може використати генерацію штучного інтелекту, щоб революціонізувати свої операції, а не просто автоматизувати звичайні завдання? Які стратегії вони повинні застосовувати, щоб максимізувати ROI в цій області?

Не зосереджуйтеся просто на окремих завданнях – це запобігатиме вам бачити ліс за деревами. Зробіть крок назад і зрозумійте свої загальні бізнес-потоки та результати, які ви намагаєтеся досягти з них. Генерація штучного інтелекту може бути використана для аналізу ваших процесів та впровадження найкращих практик у різних галузях. Це може привести до глибоких змін, дозволяючи компаніям переосмислити та переробити свої核心 робочі процеси. Наприклад, штучний інтелект може допомогти розробити нові операційні моделі з нуля або переробити існуючі, щоб покращити ефективність та інновації. Встановіть чіткі метрики для вимірювання успіху та регулярно уточнюйте свій підхід на основі цих знань. Використовуючи штучний інтелект для стимулювання значних змін, а не інкрементних покращень, бізнес може розблокувати значну цінність та залишатися попереду конкурентів.

Які галузі, на Вашу думку, найкраще готуються до переваг від переробки робочих процесів за допомогою штучного інтелекту, і як їм слід починати реалізовувати цей підхід?

Практично будь-яка організація може загалом виграти від покращення своїх робочих процесів, особливо на швидко змінюваному ринку. Сервісні галузі, такі як фінансові послуги, телекомунікації та охорона здоров’я, можуть, ймовірно, реалізувати найбільші вигоди, щоб допомогти оптимізувати, як вони взаємодіють зі своїми клієнтами. Ці сектори обробляють складні, інтенсивні дані процеси та піддаються зростаючому тиску для покращення ефективності, скорочення витрат та забезпечення кращих результатів. Крім того, будь-яка галузь із великою кількістю спадкових послуг – таких як банківська справа – може виграти від дослідження своїх процесів, ймовірно, встановлених років тому, щоб модернізувати їх та забезпечити, щоб вони трималися з новими конкурентами.

Як підхід “людина в циклі” підвищує ефективність та етичне розгортання штучного інтелекту, особливо у ролях, орієнтованих на клієнта?

Генерація штучного інтелекту, хоча й потужна, може виробляти виводи, які не завжди точні або підходящі. Інтегруючи людський нагляд, ми можемо пом’якшити ризики, такі як неточності або етичні питання, створені штучним інтелектом.

Наприклад, у сфері обслуговування клієнтів штучний інтелект може генерувати відповіді та рекомендації, але наявність людини, яка переглядає ці виводи, забезпечує те, що вони відповідають 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 генерації штучного інтелекту – вона є внутрішньо непередбачуваною або недетермінованою, що означає, що вона не дає вам одного й того ж答案у двічі – і перетворити це на силу. З Pega GenAI Blueprint ми використовуємо генерацію штучного інтелекту як партнера для мозкової атаки, пропонуючи нові підходи до дизайну робочих процесів. Людина завжди є кінцевим рішенням, але постійно пропонуючи нові підходи, генерація штучного інтелекту стимулює оригінальне мислення та допомагає людям уникнути “перефарбовування коровиної доріжки”.

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