Фред Лалюо, співзасновник і генеральний директор Aera Technology – Серія інтерв’ю

Фред Лалюо, співзасновник, президент і генеральний директор Aera Technology, – досвідчений виконавець програмного забезпечення для підприємств, який створив і очолював компанії на перетині аналітики, автоматизації та прийняття рішень. До заснування Aera він обіймав посаду генерального директора Anaplan і займав різні керівні посади в SAP, охоплюючи фінанси, управління ефективністю, ризик, продажі та корпоративний розвиток. Раніше в своїй кар’єрі він працював на виконавчих посадах у Business Objects і ALG Software, а також заснував Transcribe Technologies, що дало йому десятирічний досвід розширення глобальних організацій програмного забезпечення та перетворення складних даних у результати бізнесу.

Aera Technology розробляє програмне забезпечення для прийняття рішень на основі штучного інтелекту, призначене для того, щоб великі підприємства працювали з більшою швидкістю та точністю. Платформа компанії безперервно аналізує дані з усієї організації та її зовнішнього середовища, перетворюючи знання у рекомендації та автоматизовані дії в режимі реального часу. Зосереджуючись на рішеннях, а не на панелях управління, Aera спрямована на допомогу організаціям у переході від реактивного аналізу до проактивного, безперервно вдосконалюваного управління.

Ви заснували та очолювали кілька підприємств програмного забезпечення, від раннього етапу створення Transcribe Technologies до керівництва Anaplan та співзаснування Aera Technology. Яка проблема ви бачили у великих підприємствах, яка переконала вас у необхідності існування інтелекту прийняття рішень як окремої категорії, і чому 2017 рік був правильним моментом для створення Aera?

Я працюю над цією проблемою вже понад десятиліття – ще до заснування Aera. У 2010 році, коли я був у SAP, я написав статтю про те, що, на мою думку, стане найбільшим викликом для великих підприємств: прийняття та виконання рішень достатньо швидко, щоб відповідати темпу цифровізації економіки.

Три сили зіштовхнулися – обсяг, складність та швидкість. Рішення перейшли до більш дрібного рівня, ближче до точки впливу, але підприємства все ще були структуровані як глибокі піраміди людей, інструментів та процесів, які просто не могли масштабуватися.

Правдиве питання стало: як привести силу технологій до транзакційного рівня? Не тільки знання чи панелі управління, а машини, які приймають рішення, безперервно вчаться з усіх прийнятих рішень, і люди, які контролюють.

Що стосується 2017 року, ми були ранніми. Ринок ще не був повністю готовий, і ми теж. Це природа стартапу: ви починаєте з чітким баченням і будуєте рано, щоб бути готовими, коли ринок дозріває. У випадку з Aera це зайняло кілька років. І COVID-19 не допоміг. Але це було цікаво побачити, як наше основне бачення залишилося вірним своїй первісній формі, тоді як платформа та ринок еволюціонували до точки, де Aera зараз лідирує у категорії інтелекту прийняття рішень та працює з деякими з найбільших організацій світу.

Є багато обговорень сьогодні навколо агентів штучного інтелекту, але ви були чіткими у тому, що знання самі по собі недостатньо. Як ви пояснюєте різницю між аналітикою, рекомендаціями, допоміжними штучним інтелектом, та справжнім інтелектом прийняття рішень керівникам інформаційних технологій, які намагаються розрізняти шум?

Традиційна аналітика та бізнес-інформаційні інструменти кажуть вам, що сталося. Штучний інтелект може допомогти передбачити, що може статися. Рекомендації, допоміжні штучним інтелектом, пропонують варіанти, але вони все ще залежать від людей, які приймають рішення та діють.

Інтелект прийняття рішень рухається за межі статичних панелей управління або окремих рекомендацій. Він діє як безперервний цикл навчання для прискорення та вдосконалення рішень – використовуючи дані, аналітику, штучний інтелект та автоматизацію для оцінки компромісів, моделювання сценаріїв та виконання та моніторингу дій у режимі реального часу, узгоджених з бізнес-цілями.

Хоча штучний інтелект може допомогти командам передбачити попит або оптимізувати робочі процеси, інтелект прийняття рішень визначає, як діяти на основі цих знань. Він балансує витрати, ризик, рівень обслуговування та оперативні обмеження по всьому підприємству у масштабі.

Aera часто описується як можливість створення самоуправляючого підприємства. У практичному сенсі, що це означає всередині великої організації, і які рішення реально готові до цього рівня автоматизації сьогодні?

Коли ми говоримо про самоуправляюче підприємство, це не означає автономію без контролю. З самого початку наше бачення полягало у переході від людей, які приймають та виконують рішення, підтримувані машинами, до машин, які приймають рішення під керівництвом людей – з чітким наміром, обмеженнями та підзвітністю.

У практиці Aera діє як агент прийняття рішень. Вона безперервно розуміє дані, виявляє спускові механізми, оцінює компроміси, рекомендує дії та виконує рішення безпосередньо в системах підприємства. Використовуючи Aera, люди не керують панелями управління; вони керують рішеннями, часто через просту згоду чи незгоду.

Рішення, готові до цього рівня автоматизації сьогодні, є високовитратними та повторюваними – ребалансування запасів, пріоритезація замовлень на покупку, зміна параметрів – де швидкість має значення, а ручна координація створює найбільшої неефективності.

Ви працювали у тісній співпраці з глобальними підприємствами у сфері ланцюгів постачання, фінансів та операцій. Де керівники інформаційних технологій бачать найшвидші та найтангібільніші повернення від інтелекту прийняття рішень, чи то у робочому капіталі, рівні обслуговування, чи скороченні відходів?

Керівники інформаційних технологій бачать найшвидші та найтангібільніші повернення від інтелекту прийняття рішень там, де рішення є високовитратними, повторюваними та обмеженими витратами, потужністю чи рівнем обслуговування. У ланцюгах постачання та операціях це часто включає ребалансування запасів, пріоритезацію замовлень на покупку та логістику. Це саме місце, де автоматизоване виконання у масштабі приводить до вимірюваних вигод у робочому капіталі, рівні обслуговування та скороченні відходів.

Наприклад, глобальна компанія у сфері життя використовує інтелект прийняття рішень для безперервного моніторингу попиту та коригування замовлень на покупку – автоматично запитуючи скасування або скорочення постачальників, підтверджуючи відповіді та підтверджуючи зміни. Ця можливість забезпечує понад мільйони щорічних збережень від скорочення відходів, а також скорочення кількості кілометрів транспортування та пов’язаних з цим викидів парникових газів (GHG).

Багато компаній вже зараз борються з операціоналізацією моделей штучного інтелекту у масштабі. Які найпоширеніші блокатори ви бачите, коли організації намагаються перейти від генерації знань до автоматизованого виконання рішень?

Виникають виклики, коли команди починають з експериментів із окремими інструментами штучного інтелекту. Вони можуть автоматизувати окремий робочий процес, але борються з операціоналізацією рішень послідовно по всьому бізнесу. Без композитної, спеціально розробленої платформи прийняття рішень ці зусилля важко керувати, масштабувати або адаптувати, коли умови змінюються.

Іншим поширеним блокатором є відсутність ясності щодо того, де процес прийняття рішень порушується. Компанії інвестують у штучний інтелект та передбачення, але не вираховують, чому запаси зростають, прогнози хибні чи логістика не виконує вимог. Фрагментарна видимість рішень ускладнює проблему.

Команди, які успішно працюють, починають з чіткого, високоефективного випадку використання, де компроміси зрозумілі, створюють довіру через рекомендації та виконання, та автоматизують поступово. Звідти вони можуть масштабуватися, оскільки рішення безперервно адаптуються та вдосконалюються з часом.

Агентний штучний інтелект стає модним словом у галузі. Як ви бачите агентів, що входять до платформ інтелекту прийняття рішень, і де підприємства повинні бути обережними щодо автономії проти людського нагляду?

У сфері інтелекту прийняття рішень агенти додávají найбільшу цінність, коли вони вбудовані у наглядову систему прийняття рішень – а не діють у ізоляції. З платформою Aera Decision Cloud агенти працюють як координовані команди, кожна з яких вносить певну здатність: моделювання сценаріїв; інтеграція сигналів у режимі реального часу; підтвердження здійсненності; оцінка фінансового впливу; та виконання дій – все оркестровано навколо одного рішення.

Там, де підприємства повинні бути обережними, – це автономія без нагляду. На практиці агентські рішення завжди керуються людиною. Людські команди встановлюють параметри та цілі, моніторять виконання, перевіряють припущення та керують якістю даних з контрольної кімнати. Система може працювати безперервно, але люди керують тим, як рішення розвиваються. Це баланс робить агентський штучний інтелект масштабованим, довіреним та безпечним у підприємстві.

Довіра є критичною, коли рішення впливають на доходи, клієнтів чи дотримання вимог. Як Aera забезпечує, щоб рішення були зрозуміліми, аудитованими та обґрунтованими, особливо у регульованих середовищах?

Довіра починається з прозорості. Для кожного рішення Aera захоплює повний контекст – дані, використані для прийняття рішення, рекомендацію, логіку, що стоять за цим, рішення, прийняте, та результат. Коли система працює та оновлюється, вона моніторить та вимірює результати рішень, щоб безперервно вдосконалювати прийняття рішень.

Ми називаємо це авто-навчанням прийняття рішень. На основі результатів рішення система Aera обчислює оцінки довіри для рекомендацій – пояснюючи кореневі причини, компроміси та очікуваний вплив. Користувач може побачити рекомендацію з чіткою раціоналізацією та рівнем довіри 92%.

Цей підхід є автономним, але наглядованим. Через мережу інтелекту прийняття рішень платформи, яка служить центральною кімнатою керування, користувачі мають повну видимість рішень, дій та результатів. Вони можуть моніторити виконання, перевіряти припущення, керувати якістю даних та коригувати логіку з часом.

На основі ваших розмов з керівниками інформаційних технологій, як роль людей еволюціонує, коли системи інтелекту прийняття рішень дозрівають, і які навички стають більш важливими, коли машини приймають більше операційних рішень?

Когда системи інтелекту прийняття рішень дозрівають, роль людей не зникає – вона рухається вгору по ланцюгу цінності. Ми бачимо зміну від людей, які виконують рішення вручну, до людей, які проектують, керують та вдосконалюють рішення.

У багатьох компаніях з виробництва споживчих товарів традиційні планистські ролі вже еволюціонують у аналітиків рішень, які зосереджені на моніторингу результатів, розумінні компромісів та вдосконалюванні логіки рішень з часом. Разом з ними архітектори рішень визначають намір, обмеження та огорожі, які керують тим, як машини діють.

Найважливішими навичками стають судження, системне мислення та здатність формулювати правильні рішення. Люди залишаються твердо під контролем, керуючи тим, як машини приймають рішення, але не кожну окрему дію.

Перший магічний квадрант Gartner для платформ інтелекту прийняття рішень сигналізує про те, що ця категорія вступає у мейнстрім. Які можливості, на вашу думку, відокремлять лідерів від відсталих у найближчі роки?

Отримавши звання лідера у першому магічному квадранті Gartner для платформ інтелекту прийняття рішень, ми бачимо лідерство, визначене сильною виконавчою здатністю та можливістю забезпечити комплексні, композитні можливості по всьому циклу прийняття рішень. У супровідному дослідженні критичних можливостей Gartner Aera також була визнана за свою продуктивність по ключових випадках використання рішень – включаючи аналіз рішень, інженерію рішень, науку про рішення та опіку рішенням – оцінюючи, наскільки добре платформи можуть моделювати, операціоналізувати, керувати та безперервно вдосконалювати рішення у масштабі підприємства.

Ми віримо, що лідери також будуть відрізнятися своєю здатністю інтегрувати передові техніки штучного інтелекту, включаючи генеративний та агентський штучний інтелект, до наглядових систем прийняття рішень. Це вимагає спеціально розроблених платформ, які є композитними, доступними для бізнесу через низькокодові та природні інтерфейси мови, та керованими у масштабі для задоволення вимог безпеки та регулювання. У кінцевому підсумку, найсильніші постачальники вкладатимуть інтелект прийняття рішень як оперуючий шар, який безперервно вчиться та вдосконалюється, а не просто ще одну програму, яку команди повинні керувати.

Для організацій, які визнають розрив між знаннями та діями, як платформа Aera допомагає їм закрити цей розрив на практиці, і що виглядає успішне перше розгортання для керівника інформаційних технологій, який намагається забезпечити вимірюваний бізнес-імпакт?

Закриття розриву між знаннями та діями починається з операціоналізації рішень у щоденній діяльності. Платформа Aera дозволяє керівникам інформаційних технологій розглядати рішення як безперервні процеси: моніторинг результатів; тестування компромісів; та вдосконалення виконання з часом. Це часто закріплюється у центрі досконалості рішень, віртуальному чи фізичному, де команди керують та уточнюють, як рішення приймаються та виконуються.

Aera об’єднує дані, аналітику, бізнес-правила, штучний інтелект та автоматизацію у єдиній композитній платформі для забезпечення рішень, які походять від знань через виконання та навчання. Її композитна архітектура дозволяє ІТ-відділам підтримувати нагляд та безпеку, тоді як бізнес-команди можуть визначати, адаптувати та еволюціонувати потоки рішень. Коли результати захоплюються, рішення безперервно вдосконалюються, звільняючи команди від фокусу на судженні, стратегії та винятках.

Успішне перше розгортання часто доводить вимірювані результати на одному високоефективному випадку використання рішень за 10-12 тижнів, виконуючи та безперервно вдосконалюючи рішення з кінця в кінець. Це створює повторюваний план для масштабу підприємства.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Aera Technology.