Adam Field，Tungsten Automation 首席 AI 官 – 采访系列

Adam Field，Tungsten Automation 首席 AI 官，是一位长期的企业技术领导者，具有深厚的人工智能、智能自动化和产品策略专业知识。在他的当前角色中，他领导公司的全球 AI 转型工作，负责将 AI 融入 Tungsten 的产品组合，指导 Tungsten AI 实验室，并为负责任的 AI 采用建立治理框架。在成为首席 AI 官之前，他曾担任首席产品官，管理一个每年产生超过 5.5 亿美元收入的产品组合。在加入 Tungsten 之前，Field 在 Pegasystems 工作了近 17 年，领导创新和客户体验计划，帮助塑造新兴技术战略，并以交付大规模产品展示和企业创新计划而闻名。早期，他曾在 Staples、Publicis Sapient 和 Fidelity Investments 担任技术和咨询角色。

Tungsten Automation，前身为 Kofax，是一家专注于 AI 驱动的工作流自动化、智能文档处理、机器人流程自动化 (RPA) 和业务流程编排的企业软件公司。该公司提供的自动化工具被各个行业的组织使用，例如金融、医疗保健、保险和政府，以流线型文档密集型操作和提高效率。其平台结合了 AI、低代码自动化和文档智能技术，帮助企业自动化重复性任务、从非结构化数据中提取洞察力，并在规模上现代化业务工作流程。

您花了多年时间领导产品策略和创新，包括建立创新实验室和扩大 5 亿美元以上的产品组合，然后您担任 Tungsten Automation 的首席 AI 官。是什么让您相信现在是转向 AI 领导的正确时机，您之前的经验如何影响了这一决定？

我在职业生涯中的大部分时间都专注于将新技术转化为在企业环境中真正起作用的东西。过去几年里，很明显 AI 不仅仅是另一个可以集成到产品中的功能。它正在改变软件的构建方式和企业中决策的方式，似乎正在超越和颠覆之前的一切。这一从实验到真正期望结果的转变，加上 AI 已经成为企业不可或缺的一部分的事实，使得现在是转向 AI 领导的正确时机。

很明显，AI 不会成为许多人所宣传的万能解决方案。AI 成功需要具有技术专业知识和行业知识的人。Tungsten 想要帮助公司正确地使用 AI 并真正获得回报，这就是为什么 Tungsten 创建了 AI 办公室和我的角色。

Tungsten 已经从早期的文档捕获和 OCR 演变成一个全面的智能自动化平台，为成千上万的组织提供关键工作流程支持。您如何看待这种遗产对您当前的 AI 方法的影响？

Tungsten 的历史与企业实际运作方式密切相关。我们花了几十年时间与企业中最关键的业务流程相关的文档和工作流程打交道。这种基础对于 AI 非常重要，因为这些系统需要在真正的环境中运行，而不仅仅是在隔离的环境中解释信息。我们的文档智能背景使我们能够专注于上下文和确保 AI 以与业务运作一致的方式运行。它是关于建立可以在生产中信任的系统，而不仅仅是在理论上探索它们。

这就是为什么 AI 的最新进展如此令人兴奋。它将智能文档处理带到了我们以前无法达到的领域——解决过去太昂贵或无法解决的问题。

您强调了将 AI 融入整个产品组合，而不是将其作为一个独立的功能。什么是“AI 原生”转型的实际含义？

很早就清楚，生成和代理 AI 功能很快就会成为基本要求，这意味着客户不再愿意为它们额外付费。我们还意识到，这些技术使我们能够现代化 Tungsten 多年来一直在做的事情：帮助公司理解其文档数据。

我们没有改变我们的品牌承诺。我们没有创建一次性的产品或附加功能。我们重构了产品的使用方式，当这种基础设施到位时，AI 可以以一种感觉自然的方式运行，而不是作为一个单独的功能。并且客户开始解决的用例从结构化文档转移到非结构化信息源。并且，我们重新定义了“文档”的含义。文档不再只是纸张的图像或数字文件。非结构化数据存在于索赔调整员的笔记、联系中心的电话记录、社交媒体帖子、网络文章等方面。

采取这种方法使我们的客户能够使用他们的专有数据增强基础和开放模型，这是真正的区别所在。

作为公司的第一任首席 AI 官，您如何平衡创新速度与治理、安全和负责任的 AI 部署的需要？

在企业环境中，信任与速度同样重要。治理和安全不能被视为事后补充。它们需要从一开始就被构建到系统中。

我们通过提前设定期望来实现这一点，通过教育我们的最终用户。例如，我职责的半数专注于内部 AI 战略、传播和治理。我们很早就成立了一个跨职能咨询委员会。我们鼓励分享、实验和沟通。当技术准备好推出到所有员工和多个内部系统时，我们会让我们的咨询团队了解潜在的安全或监管障碍。他们欣赏这种洞察力，通常会参与解决方案。

我认为，允许完美主义阻碍进步也是重要的。我们向员工设定了这样的期望：他们应该期待变化，并且变化会很多。他们应该期待我们会在功能和工具准备好时推出它们，获取反馈，在必要时更改方向，然后推出更多。

代理 AI 正在成为整个行业的主要焦点。您认为什么将真正的企业级代理 AI 系统与实验或过度炒作的实现区分开来？

关键区别在于系统在实际条件下的性能。许多实验方法在受控环境中效果良好，但在遇到混乱的数据或复杂的工作流程时会遇到困难。企业级系统需要处理这种可变性并提供一致的结果。

过去 30 年来，系统都是为人类交互或通过受控 API 访问而设计的。代理交互时，系统集成需要重新思考。从处理异常、错误和审计的方式到所有内容都不同。

另一个重要因素是问责。组织需要了解决策如何做出并能够信任结果。这种透明度使代理系统能够从有趣的演示转变为真正的运营使用。

您正在领导 Tungsten AI 实验室作为研究和应用创新中心。您如何确保实验 AI 工作转化为客户的可衡量的业务成果？

我实际上对 Tungsten AI 实验室采取了相反的方法。我让团队知道，实验、学习和尝试新方法是可以的，即使结果可能永远不会进入我们的产品。通常，学习什么不该做更好。我相信这给了他们自由地思考和以新的方式尝试做事。

例如，我不能透露确切的功能，但我们当前的研究冲刺之一涉及对现有产品组件的全新方法。研究人员发现了解决问题的新方法，这导致了一个“灵感”时刻，我们可能能够为客户提供一个全新的附加解决方案。如果我们只研究如何实施现有的路线图，我们永远不会到达那里。

话虽如此，这并不是一片天地。我们在研究项目上花费时间和精力是有所考虑的。

许多组织仍然难以将 AI 从试点转移到生产。您看到的最大障碍是什么，公司如何克服它们？

最大的障碍之一是暗数据。组织可以访问大量信息，但其中很大一部分存在于文档、电子邮件、PDF 和其他非结构化格式中，AI 系统难以解释。这意味着，即使设计良好的模型也经常使用不完整和不一致的业务视图工作，从而导致不可靠的输出和停滞的计划。

要克服这一点，公司需要专注于将暗数据转化为可用的数据。这涉及不仅仅是提取信息，还要为其创建结构、上下文和治理，以便 AI 系统可以自信地对其采取行动。一旦这种基础到位，AI 就变得更加可靠，并且更容易从孤立的试点扩展到真正的生产环境。

Tungsten 在文档密集型和工作流程密集型行业中开展工作。AI 如何改变企业对非结构化数据和决策的思考方式？

AI 正在改变组织对其已经拥有的信息价值的看法。多年来，企业知识的大量信息存储在文档、电子邮件、PDF 和其他非结构化内容中，很难访问或操作。现在，组织意识到，这些数据包含了 AI 系统需要的上下文和业务逻辑，以产生可靠的结果。模型本身是商品，组织的专有信息与这些模型的组合才是区别所在。

同时，也越来越意识到数据主权、治理以及企业信息流向何处。许多公司都在争相获取更多的外部数据或尝试广泛的模型访问，而实际上它们已经拥有大量的未被利用的内部数据。重点正在转向以安全和受控的方式激活内部非结构化数据，以便 AI 可以支持更好的决策，而不会带来不必要的风险。

您在整个职业生涯中建立了客户咨询委员会，并与企业客户密切合作。客户反馈在塑造 AI 战略方面有多重要，特别是在技术发展如此迅速的情况下？

客户反馈是一种宝贵的资源，尤其是在 AI 领域发展如此迅速的情况下。它有助于确保战略保持扎根于真正的业务需求，而不是理论可能性。

它还帮助了优先排序。AI 有很多发展方向，但客户输入提供了明确的指导，告诉我们哪里可以创造最大的价值。这保持了对成果的关注，并确保创新保持与组织实际运作方式的一致性。

我记得在早期的通用 AI 中，客户咨询委员会的一位客户告诉我，她喜欢产品的方向，但她永远不会为我们路线图中的新 LLM 功能额外付费。这是一个启示，因为她与行业其他人保持一致。

展望未来 3 到 5 年，AI 驱动的自动化的最大机遇在哪里，企业现在应该为哪些方面做准备？

最大的机会在于将 AI 更深入地连接到端到端的工作流程中。组织将不再关注孤立的任务，而是关注整个流程和工作在整个业务中如何流动。目前，许多代理系统针对特定任务，但企业运作以合规的端到端流程为基础。

为了应对这一转变，企业需要投资于其数据基础设施和支持透明度和控制的系统。并且他们应该考虑“构建与合作伙伴”而不是“构建与购买”。我们已经看到从头开始的 AI DIY 太多次失败了。最能受益的组织将是那些找到合适的 AI 驱动合作伙伴来加速他们的解决方案，而不是尝试从头开始重建一切的组织。

感谢这次精彩的采访，希望了解更多的读者可以访问 Tungsten Automation。