切坦·阿尔西萨里亚，Polestar Analytics 首席执行官兼联合创始人 – 采访系列

切坦·阿尔西萨里亚，Polestar Analytics 首席执行官兼联合创始人，是一位企业技术领导者，专门从事数据、分析和人工智能驱动的转型。早期，他曾在德勤、普华永道和安永担任职务，之后，他于 2012 年联合创立了 Polestar Analytics，并将其发展成为一个全球的人工智能和数据公司。他负责销售、战略联盟、服务开发和技术交付，同时还担任 CAIO Circle 的主席，CAIO Circle 是一个为人工智能领导者提供的社区，专注于推进负责任和实用的人工智能采用。此外，他还联合创立了 Xumane Equity，这反映了他在企业系统和平台上的更广泛关注。

Polestar Analytics 是一家全球的人工智能和数据融合公司，通过其专有的 1Platform 帮助企业将碎片化的数据转化为可行的见解。通过将数据工程、分析、人工智能和商业工作流融合到一个生态系统中，该公司使组织能够改善决策、优化运营和扩大人工智能采用。凭借对行业特定用例和可衡量结果的强烈关注，Polestar 已经从咨询为主的公司转变为平台驱动的企业，能够在企业规模上提供简化的、智能驱动的解决方案。

您于 2012 年在德勤、普华永道和安永担任职务后联合创立了 Polestar Analytics。当时，您在企业数据和分析方面看到了什么样的差距？您的最初愿景如何演变成今天的人工智能驱动的 1Platform？

当阿杰、阿米特和我于 2012 年创立 Polestar Analytics 时，很有趣的是，公司们被数据淹没，但却饥渴于决策。每个人都在收集一切，但拥有数据和利用数据做出有意义的事情之间的差距是巨大的。这就是我们要解决的问题。

快进到今天，老实说，问题并没有消失，它只是改变了形状。数据量更大，赌注更高，现在你还需要将代理加入到人类决策者中。我们的最初愿景变得更加清晰，而不是更加模糊。

我们的座右铭“数据到结果，简化！”是连接 2012 年和今天的线索。我们从数据可交付性开始；确保正确的数据在正确的时间交付给正确的人。然后，人工智能出现并放大了可能性的范围。现在，通过 1Platform，我们正在进一步推进；不仅简化人类的结果，还简化代理的结果。

令人兴奋的是，我们的生态系统已经成熟，以支持这一点。我们与微软、Databricks 和 Anaplan 的深度集成使数据、业务用例和规划结合在一起。1Platform 跨越所有这些，原生于这些环境，而不是附加在上面。

所以，演变看起来像这样：数据可交付性 → 人工智能增强的见解 → 简化、代理就绪的结果。追求卓越的目标是一样的。到达那里所需的速度是变化的指数。

Polestar Analytics 将自己定位为数据和人工智能融合公司。在实践中，对于处理碎片化系统和孤立数据的大型企业来说，这种融合到底是什么样的？

大多数时候，碎片化不是技术问题，而是人员和流程问题。就像财务团队使用 Anaplan，运营团队使用 Excel，数据工程团队在 Azure 上构建管道，每个人都朝着不同的方向努力，使用不同的指标定义。没有人工智能可以修复信任问题，如果基础是破碎的。

所以，当我们谈论融合时，我们的意思是先解决基础问题。在你可以在上面添加智能之前，你需要干净、受治理和可访问的数据。不仅仅是针对你的分析师，也是针对你的代理。

在实践中，1Platform 的融合看起来像这样：我们不会破坏和替换企业已经建立的东西。我们进入他们已经存在的环境，例如 Databricks、微软和 Anaplan，并将数据和智能层连接起来。你的 Anaplan 中的规划数据与 Databricks 中的运营数据对话，你的微软生态系统是人们和代理采取行动的决策出现的地方。

魔力不在于任何一个集成中，而在于 1Platform 的连接层，它使所有东西感觉像一个连贯的系统，而不是断开的工具。这就是实践中的融合，故意简化，直到复杂性对业务来说是不可见的。

您的专有 1Platform 旨在将数据、人工智能和工作流融合到一个系统中。这种方法与传统的商业智能堆栈或现代数据平台（如 Databricks 或 Snowflake）有什么不同？

Databricks 和 Snowflake 是强大的平台，我们不是在与它们竞争，我们是建立在它们之上。这种区别很重要。Databricks 提供基础设施和计算能力。我们坐在上面，问一个不同的问题：现在怎么办？

传统的商业智能堆栈在当时做了很多事情，但商业智能已经演变。今天，业务用户需要的不仅仅是仪表板。你可以有一个美丽设计的仪表板，有 15 个图表，但有人仍然需要解释它的含义并决定下一步该做什么。洞察和行动之间的差距正是 1Platform 所处的位置。

1Platform 不是静态的，它不断演变。它不仅仅回答你提出的问题；它提出你甚至没有想到的问题。这样改变了业务用户与数据之间的关系。

我们在 Databricks 和 Azure 之上构建了低代码和无代码接口，允许管道在几秒钟内启动。曾经需要数据工程师花费数天时间的任务现在可以由业务用户触发。除此之外，Agenthood AI 允许用户通过简单的拖放界面创建和编排代理，而无需深入的技术专业知识。

但真正的区别在于最终用户体验。用户不再需要在多个仪表板之间跳转；他们会收到自然语言见解、上下文推荐和代理驱动的叙述。关键绩效指标（KPI）不仅仅出现在屏幕上；代理积极监控它们，标记重要内容，并解释原因。区别不在于数据平台本身，而在于数据准备就绪后发生的一切。

许多企业仍然陷入所谓的人工智能试验炼狱。阻止人工智能在大规模生产中投入使用的最大结构或组织障碍是什么？

我称之为试验坟墓，因为大多数项目不仅停滞不前，还悄悄死去。最大的障碍不是技术问题，而是组织问题、人员和流程问题。

变革管理经常被低估。当你重新设计人们的工作方式时，你会挑战他们的价值来源。成功的组织是那些领导层明显重视人工智能专业知识的组织。当重视提升技能和支持流程重设计时，采用速度会加快。

然后还有 J 曲线问题。人工智能投资通常会在看到回报之前先下降。许多组织期望在 90 天内看到投资回报率，没有看到就放弃了。成功的组织致力于整个曲线。

数据准备是另一个关键因素。糟糕的数据会导致自信地错误的决策。在数据基础设施值得信赖之前，大规模人工智能成为负担而不是资产。

最后，使用案例的纪律很重要。组织不应该试图用人工智能做所有事情，而应该专注于能够推动真正业务指标的使用案例，证明它们，然后扩大规模。

在 Polestar Analytics，我们通过将数据、人工智能和工作流融合到一个地方，加速了问题发现和机会识别， 将融合转化为变革的催化剂。

代理人工智能在整个行业中成为一个重要主题。Polestar Analytics 如何思考企业工作流中的代理人工智能，以及哪些现实世界的使用案例正在获得关注？

对于我们来说，代理必须嵌入数据层和业务工作流中，以创造真正的价值。例如，定价代理不仅仅是一个大型语言模型（LLM）坐在仪表板上；它集成到数据基础设施中，理解上下文，并支持真正的决策。

在我们 100 多个代理中，一些代理作为助手，而其他代理则是完全自动化的。最强的牵引力在收入增长管理中，包括定价、促销和媒体混合，决策频繁，数据密集。

在工程方面，管道监控和错误解决代理已经在使用中。FinOps 代理将未利用的云成本降低了 35%。财富管理中也采用了代理。

我们支持微软和 Databricks 生态系统，并提供自定义代理构建平台。并非所有代理都需要基于大型语言模型（LLM）；架构应与使用案例相匹配，以平衡规模和成本。

治理至关重要。由于代理与财务系统或客户数据交互，强大的防护措施和人工监督被构建到企业规模的可靠性中。

凭借最近的资金，您正在加倍投入知识产权开发。在今天的人工智能格局中，拥有专有平台与在现有生态系统上构建相比有多重要？

我们与 Databricks、微软和 Anaplan 等平台深度集成，这些平台提供基础设施和规模。我们不是试图取代它们。

我们的重点是拥有智能层。专有知识产权允许我们控制体验、嵌入领域知识并在规模上提供一致的价值。

我们的差异化来自行业专业知识。不管是 PromoPulse AI 用于收入增长管理还是 WealthPulse 用于金融服务，价值在于理解现实世界的使用案例和决策。

对于我们来说，专有知识产权是这种专业知识的编码。它使平台具有防御性和真正的用处。

您曾与《财富》1000 强公司密切合作。随着高管要求有可衡量的结果而不是实验，围绕人工智能投资回报率的期望如何变化？

这种转变是真实的，但实验并没有消失。它只是需要更快地连接到有形的结果。

高管现在通过更广泛的视角评估投资回报率，例如决策速度、客户忠诚度、创新能力和韧性。

人工智能投资回报率不再由单个领导者拥有。首席技术官关注基础设施和数据，首席财务官关注财务影响，首席运营官强调运营效率。

成功的组织提前对齐这些观点，并致力于长期结果。

您的扩张战略包括北美和欧洲。您在人工智能采用的成熟度和企业就绪性方面在这些地区看到什么样的差异？

区别更多的是在于心态，而不是能力。

北美优先考虑速度和实验，受到竞争压力的驱动。

欧洲从一开始就强调治理和道德人工智能。然而，这并不意味着采用速度较慢。企业正在平衡结构与加速。

两个地区都在趋向于将可扩展、负责任的人工智能嵌入核心运营中。

您最近创立了 CAIO Circle，以聚集人工智能领导者。目前，首席人工智能官之间正在进行什么最紧迫的对话，特别是在治理和伦理方面？

CAIO Circle 是为人工智能领导者提供的空间，用于开放讨论。

中心挑战是平衡速度与长期风险。信任和可解释性是主要问题，尤其是当人工智能系统影响关键决策时。

治理正在从政策文件转变为嵌入式操作实践。同时，许多组织仍然缺乏执行模型来交付其人工智能战略。

最有价值的见解通常来自同行的坦率讨论，而不是正式演讲。

展望未来三到五年，您是否预计企业人工智能将整合到统一的平台（如您的平台）中，还是会保持工具和供应商的碎片化生态系统？Polestar Analytics 在这种未来中将如何定位自己？

碎片化可能会继续。像 Databricks、微软、Salesforce 和 Anaplan 这样的主要平台将仍然是中心玩家。

企业需要的是一个能够连接数据、智能和工作流的统一层，将其转化为可行的东西。这就是 1Platform 的作用。

未来将有利于具有深厚垂直专业知识的平台。通用水平解决方案将难以区分。

真正的价值将来自于理解行业特定需求，并将智能直接嵌入决策工作流中。

感谢这次精彩的采访，希望读者能够通过访问 Polestar Analytics 来了解更多信息。