Afsheen Afshar，Pilot Wave Holdings 的创始人 – 采访系列

Afsheen Afshar，Pilot Wave Holdings 的创始人，是一位资深数据科学和投资领袖，他的职业生涯跨越了高盛、摩根大通和塞伯勒斯资本管理等公司，在金融机构内推动了大规模数据科学和人工智能倡议。凭借在斯坦福大学神经科学和机器学习研究的技术基础，Afshar 建立了一个在高级分析、 私募股权和运营转型交叉点的职业生涯， 最终专注于将人工智能应用于实际业务绩效。在 Pilot Wave，他将投资专业知识、运营领导和深厚的技术知识结合起来，利用数据驱动的策略和现代技术来识别、收购和扩张公司。

Pilot Wave Holdings 是一个专注于通过人工智能和先进技术转型小型和中型企业的收购和增长平台。该公司利用专有的 AI 系统分析运营，揭示低效率，并在其投资组合公司中推动性能改进。通过将手工操作参与与现代数据基础设施相结合，Pilot Wave 旨在使传统企业现代化，这些企业历史上缺乏访问先进工具，使它们能够在日益技术驱动的经济中实现可扩展的长期增长。

您曾在摩根大通和塞伯勒斯等公司担任开创性的 AI 领导角色，后来创立了 Pilot Wave Holdings，以将 AI 引入传统行业。是什么核心洞察或沮丧让您从构建大型机构内的 AI 转向直接收购和转型公司？

核心问题是需要赋予快速行动的权力。在大型机构内部，即使人们同意机会，也通常有太多层次在问题识别和实际采取行动之间。人工智能通常不会因为技术工作不可能而失败，而是因为组织太慢、太政治化或太分散，以至于无法以紧迫感行动。我想在一个战略、运营和技术可以快速对齐的环境中工作。直接收购和建设公司可以实现这种赋权。如果您真正想以速度和自主性改变业务的运行方式，成为所有者是重要的。

许多行业仍然庆祝成功的试点，但真正的价值来自生产系统。为什么人工智能倡议经常在过渡点崩溃，哪些组织成功地实现了人工智能的运营化？

许多试点都是设计来成功的，这就是为什么很多公司欺骗自己。它们发生在干净的环境中，拥有额外的关注、有限的范围和没有在生产中出现的摩擦。更深层次的问题往往是同理心缺口。技术人员通常没有时间或不愿意学习操作员的体验，所以他们构建了在理论上或演示中有效但不适合实际操作的东西。成功实现人工智能运营化的公司是那些从一开始就认真对待人工智能工作流并为实际操作的混乱而构建的人工智能，而不是试图避免它。每个人都说他们想要生产价值，但很多团队仍然优化试点掌声。

您的工作重点是将人工智能嵌入基础设施、制造业和电子商务等行业。将人工智能部署在这些环境中与部署在数字原生或软件优先的公司中有何根本不同？

不同之处在于，在传统的主街企业中，同理心和人性元素比人工智能世界通常承认的更为重要。在软件优先的环境中，团队可以快速移动并稍后修复问题。在基础设施、制造业和电子商务中，工作与物理系统、实际约束和知道当事情不符合业务实际运行方式时会立即反应的员工相关联。这意味着您不能仅仅带着技术上优雅的解决方案出现并期望采用。如果您不了解操作员的体验，您的人工智能策略可能已经破裂。这些环境会迅速暴露肤浅的思考，这也是为什么它们如此重要的原因之一。

您认为人工智能采用的起点应该是业务优先级而不是工具。这种方法在实践中是什么样的，领导团队应该如何重新构建他们的方法来实现人工智能转型？

大多数领导团队从错误的位置开始。他们从“这项技术能为我们做什么”对话开始，因为听起来很令人兴奋和时髦，当正确的开始位置是“我们的最重要业务优先级是什么”。一旦您知道了这一点，您就可以坦率地讨论解决这些优先级的最佳工具，并且它并不总是人工智能。听起来很明显，但大多数公司仍然优先考虑技术，然后希望业务案例会在某种程度上出现。它是反向的，并且导致了很多不必要的动作。如果领导层想要真正的成果，他们需要停止将人工智能策略视为购物练习。

在 Pilot Wave，您不仅仅是在为公司提供建议，您还在收购后重塑它们。您实施的第一个结构或文化变化是什么，以使人工智能采纳真正生效？

第一件事是找到高级和初级赞助商。初级赞助商了解日常现实，可以确保基层员工实际做需要做的事情，而高级赞助商可以最小化政治并确保努力不会被悄悄扼杀。许多公司过于依赖自上而下的支持，然后想知道为什么没有什么改变。事实是，人工智能采纳通常在基层或领导层让干扰堆积在周围时失败。您需要两种形式的支持尽早到位。否则，倡议将成为另一个高管谈话点，但永远不会真正落地。

随着人工智能代理变得更加强大，基础设施变得越来越抽象，对于不控制自己数据和人工智能堆栈的公司来说，哪些战略风险出现？

我认为公司总是需要基础控制。这需要对每个系统进行仪表化，这就是 Pilot Wave 设计系统的方式，因为如果您无法看到发生了什么，无法衡量它，并在周围放置防护栏，那么您正在承担您不理解的风险。这并不意味着您不应该委派任务，因为在扩大规模时，委派仍将继续发生，但没有测量的委派不是可执行的策略。市场中的很多人都被抽象所吸引，因为它让事情感觉更容易、更快，但这种便利可以隐藏真正的系统脆弱性。如果正确的仪表化、测量和防护栏到位，则可以将潜在的系统风险降至最低。如果没有，那么您是在没有获得信任的情况下建立依赖关系。

随着人工智能在各个行业的应用日益广泛，技术领导者和操作员应该关注哪些信号，以区分有意义的人工智能能力和肤浅的声明？

始终要求真正的价值衡量。我整个职业生涯都非常注重价值衡量，因为没有这种纪律，很容易将兴奋与结果混淆。每项努力都应受到投资回报率的约束并跟踪。如果有人无法清楚地解释系统如何影响收入、成本、生产率、劳动效率或其他真正的业务指标，那么很可能他们正在出售戏剧性效果。该行业已经变得过于舒适地奖励精致的演示和模糊的声明。没有严格的价值衡量，就有真正的风险将时间和金钱浪费在无谓的事情上。

您曾建立和领导过大规模数据科学组织。随着自动化的增加和基于代理的系统承担更多责任，您如何看待人工智能团队的角色演变？

人工智能将承担更高层次的任务。在 Pilot Wave，我们已经在开发可以接受类似“将我的收入增加 10%”而不是“重新设计我的网站”（这是今天许多人工智能仍然停留在的位置）等输入的人工智能。这种转变以严重的方式改变了人工智能团队的角色，因为工作变得不再是孤立的任务，而是如何在实际业务目标上进行系统推理。许多团队仍然对自动化和技术向上移动的速度估计过低。重心将从任务执行转向业务委托。这是一个比大多数企业准备好的更大的变化。

许多企业在人工智能上投入了大量资金，但难以产生可衡量的投资回报率。您观察到的最常见的失败模式是什么，如何避免它们？

大多数人工智能努力，尤其是在大型企业中，仍然过于关注时髦的仪表盘、流行词和容易内部呈现但难以与真正价值联系起来的东西。公司花费大量时间使工作看起来很复杂，而不是使其有用。失败模式通常并不神秘，它只是缺乏围绕可行价值创造的纪律。如果没有明确的经济目标、所有者和测量框架，努力不应继续。专注于价值创造的每个步骤对于企业人工智能至关重要。否则，企业人工智能将成为一项非常昂贵的品牌推广运动。

展望未来，哪些人工智能能力或系统级突破在未来五到十年内将对物理世界产业产生最大的影响？

能够将非常高层次的目标交给人工智能系统并委托业务的主要部分的能力将变得非常真实。这是最重要的能力，因为它将人工智能从狭隘的任务执行转变为真正的运营杠杆。因此，人们将更加关注业务的关系和信任方面，以及工作的实际物理性质，无论是建筑还是其他基于现场的行业。很多人仍然将人工智能视为旁边的一个生产力层，但这种观点已经开始过时。系统正在变得能够承担更广泛的责任。未来非常令人兴奋，但它也将比许多现有企业愿意承认的更具破坏性。

人工智能的营销和实际表现之间的差距越来越大。技术领导者和操作员应该关注哪些信号，以区分有意义的人工智能能力和肤浅的声明？

始终要求真正的价值衡量。我整个职业生涯都非常注重价值衡量，因为没有这种纪律，很容易将兴奋与结果混淆。每项努力都应受到投资回报率的约束并跟踪。如果有人无法清楚地解释系统如何影响收入、成本、生产率、劳动效率或其他真正的业务指标，那么很可能他们正在出售戏剧性效果。该行业已经变得过于舒适地奖励精致的演示和模糊的声明。没有严格的价值衡量，就有真正的风险将时间和金钱浪费在无谓的事情上。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问 Pilot Wave Holdings。