Aera Technology联合创始人兼首席执行官Fred Laluyaux – 采访系列

Fred Laluyaux，Aera Technology联合创始人、总裁兼首席执行官，是一位经验丰富的企业软件高管，他曾在分析、自动化和决策交叉点建设和领导公司。 trước创立Aera之前，他曾担任Anaplan首席执行官，并在SAP担任过多个高级领导职位，涵盖财务、业绩管理、风险、销售和公司发展等领域。早期，他曾在Business Objects和ALG Software担任高管职位，并创立了Transcribe Technologies，这使他拥有了数十年的经验，能够将复杂的数据转化为商业成果，并扩大全球软件组织的规模。

Aera Technology开发了人工智能驱动的决策智能软件，旨在帮助大型企业以更快的速度和更高的精度运营。该公司的平台不断分析来自整个组织和其外部环境的数据，并实时将洞察转化为推荐和自动化的行动。通过关注决策而不是仪表盘，Aera旨在帮助组织从反应性分析转变为主动、持续改进的运营。

您创立并领导了多家企业软件公司，从早期的Transcribe Technologies到Anaplan，现今的Aera Technology。您在大型企业中看到的问题是什么，促使您认为决策智能需要成为一个独立的类别？为什么2017年是建立Aera的合适时机？

我已经在这个问题上工作了十多年——远在Aera成立之前。2010年，当我在SAP工作时，我写了一篇关于我认为将成为大型企业面临的最大挑战的论文：做出和执行决策的速度足够快，以跟上经济的数字化。

三个力量正在碰撞——数量、复杂性和速度。决策正在变得更加细致，更加接近影响点，但企业仍然被结构为人、工具和流程的深金字塔，这根本无法扩大规模。

真正的问题变成了：如何将技术的力量带到交易层面？不仅仅是洞察或仪表盘，而是执行决策的机器，持续学习所有做出的决策，并且由人类控制。

至于2017年，我们开始得早。市场还没有完全准备好，我们也没有准备好。这是创业的性质：您从清晰的愿景开始，并提前建设，以便在市场成熟时准备就绪。在Aera的情况下，需要几年时间。COVID-19没有帮助。但是，令人着迷的是，我们的核心愿景自最初构想以来一直保持不变，同时平台和市场已经发展到Aera现在领导决策智能类别并与世界上一些最大的组织合作的程度。

今天，人们正在讨论人工智能代理，但您已经明确表示，洞察力本身是不够的。您如何向试图区分分析、人工智能辅助推荐和真正决策智能的CIO解释差异？

传统的分析和商业智能工具告诉您发生了什么。人工智能可以帮助预测可能发生的事情。人工智能辅助推荐建议选项，但仍然依赖人类来决定和采取行动。

决策智能超越了静态仪表盘或一次性推荐。它运作为一个连续的学习循环，以加速和改进决策——使用数据、分析、人工智能和自动化来评估权衡、模拟场景和实时执行和监控行动，符合业务目标。

虽然人工智能可以帮助团队预测需求或优化工作流，但决策智能决定如何采取这些洞察的行动。它在整个企业范围内平衡成本、风险、服务水平和运营约束。

Aera经常被描述为实现“自主驾驶企业”。在实际操作中，这是什么意思？哪些决策在今天可以实现这一水平的自动化？

当我们谈论自主驾驶企业时，这不是没有控制的自治。从第一天开始，我们的愿景就是从人们通过机器支持做出和执行决策，转变为机器执行决策并由人类引导——具有明确的意图、约束和问责制。

在实践中，Aera作为一个决策代理运作。它不断理解数据，检测触发器，评估权衡，推荐行动，并直接在企业系统中执行决策。使用Aera，人类不管理仪表盘；他们治理决策，通常通过简单的同意或不同意的交互。

今天可以实现这一水平自动化的决策是高容量和可重复的——例如库存再平衡、采购订单优先级和参数更改——在这些情况下，速度至关重要，手动协调会产生最大的低效率。

您曾与全球企业合作，涉及供应链、财务和运营等领域。CIO在哪里看到决策智能带来的最快和最有形的回报，无论是在工作资本、服务水平还是浪费减少方面？

CIO看到决策智能带来的最快和最有形的回报是在决策高容量、可重复和受成本、容量或服务权衡约束的领域。 在供应链和运营中，这通常包括库存再平衡、采购订单优先级和物流。 这就是自动化执行在规模上推动可衡量的工作资本、服务水平和浪费减少方面的收益。

例如，一家全球生命科学公司使用决策智能实时监控需求并调整采购订单——自动请求供应商取消或减少，验证响应并确认更改。这种功能每年为公司带来数百万美元的浪费减少，同时还减少了卡车行驶里程和相关的温室气体排放。

许多公司已经难以在规模上运用人工智能模型。您看到组织在尝试从洞察生成转变为自动化决策执行时遇到的最常见的障碍是什么？

挑战通常出现在团队开始使用独立的人工智能工具时。他们可能会自动化一个单独的工作流程，但难以在整个业务中一致地运用决策。没有一个可组合、专门设计的决策平台，这些努力很难治理、扩大或适应不断变化的条件。

另一个常见的障碍是缺乏对决策破坏的清晰理解。公司投资人工智能和预测，但没有找出为什么库存会积累、预测会失误或物流会表现不佳。决策的分散可见性会加剧这个问题。

成功的团队从一个明确的、高影响力的使用案例开始，权衡是可以理解的，通过推荐和执行建立信任，并逐渐自动化。从那里开始，他们可以随着决策不断适应和改进而扩大规模。

Agentic AI正在成为行业的热门词汇。您如何看待代理在决策智能平台中的作用，企业在自治和人类监督之间需要谨慎的地方在哪里？

在决策智能中，代理在嵌入在监督决策系统中的时候最有价值——而不是独立操作。使用Aera Decision Cloud平台，代理作为协调团队工作，每个代理贡献特定的能力：模拟场景；集成实时信号；验证可行性；评估财务影响；并执行操作——所有这些都围绕着一个决策进行协调。

企业需要谨慎的地方是自治而没有治理。在实践中，代理决策始终由人类引导。人类团队设定参数和目标，监控性能，测试假设，并从控制室环境中管理数据质量。系统可以连续运行，但人类治理决策的演变。这平衡使得代理人工智能在企业中可扩展、可靠和安全。

信任是至关重要的，当决策影响收入、客户或合规性时。Aera如何确保决策是可解释的、可审计的和可辩护的，特别是在受监管的环境中？

信任始于透明度。对于每个决策，Aera捕获完整的上下文——使用的数据、推荐、背后的逻辑、做出的决策和结果。随着系统运行和刷新，它监控和测量决策结果，以不断改进决策。

我们称之为自动决策学习。根据决策性能，Aera计算推荐的置信度——解释根因、权衡和预期影响。用户可能会看到一个推荐，附带明确的理由和92%的置信度。

这种方法是自治的，但受到监督。通过平台的决策智能网络，用户可以在整个决策、行动和结果中拥有完整的可见性。他们可以监控性能，测试假设，管理数据质量，并随着时间的推移调整逻辑。

根据您与CIO的对话，随着决策智能系统的成熟，人类的角色正在如何演变？哪些技能变得更加重要，因为机器正在承担更多的操作决策？

随着决策智能的成熟，人类的角色并没有消失——它转移到了价值链的上游。我们看到人们从手动执行决策转变为设计、治理和改进决策。

在许多消费品公司中，传统的规划者角色已经演变为决策分析师，他们专注于监控结果、理解权衡和随着时间的推移改进决策逻辑。与此同时，决策架构师定义了引导机器行为的意图、约束和防护栏。

最重要的技能变成了判断、系统级思维和设定正确决策的能力。人类仍然牢牢地控制着决策，但不再关注每个个别行动。

Gartner的首个决策智能平台魔力象限表明，这个类别正在进入主流。您认为哪些功能将在未来几年内将领先的供应商与落后者区分开来？

作为首个Gartner魔力象限中决策智能平台的领导者，我们认为领导力将由强大的执行力和在整个决策生命周期中提供全面、可组合能力来定义。在Gartner的伴侣关键能力研究中，Aera还因其在关键决策使用案例中的性能而受到认可，包括决策分析、决策工程、决策科学和决策管理——评估平台如何在企业规模上建模、运用、治理和持续改进决策。

我们相信，领先的供应商还将因其将高级人工智能技术（包括生成式和代理式人工智能）集成到监督的企业级决策系统中的能力而受到区分。这种集成需要专门设计的平台，这些平台是可组合的、对业务用户具有低代码和自然语言接口，并且在规模上受到治理和安全要求的约束。最终，强大的供应商将将决策智能嵌入为一个连续学习和改进的运营层，而不仅仅是另一个需要管理的应用程序。

对于认识到洞察和行动之间差距的组织，Aera的平台如何帮助他们在实践中弥合这一差距？对于希望推动可衡量的业务影响的CIO来说，什么样的首次部署被认为是成功的？

弥合洞察和行动之间的差距始于将决策运用到日常运营中。Aera的平台使CIO能够将决策视为连续的流程：监控结果；测试权衡；并随着时间的推移改进性能。这通常以决策中心为锚点，无论是虚拟的还是物理的，团队在那里治理和完善决策的制定和执行。

Aera在单个可组合平台中统一了数据、分析、业务规则、人工智能和自动化，以驱动从洞察到执行和学习的决策。其可组合的架构允许IT保持监督和安全，同时使业务团队能够定义、适应和演化决策流程。随着结果被捕获，决策不断改进，团队可以专注于判断、策略和例外情况。

一个成功的首次部署通常在10-12周内证明了一个高影响力的决策使用案例的可衡量结果，端到端执行和持续改进决策。这创建了一个可重复的蓝图，适用于企业规模。

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