Don Schuerman은 Pegasystems의 최고 기술 책임자이자 제품 마케팅 부사장으로, Pega의 플랫폼과 고객 관계 관리(CRM) 애플리케이션을 담당하고 있습니다.
그는 디지털 전환, 이동성, 분석, 비즈니스 프로세스 관리, 클라우드 및 CRM에 중점을 두고 Fortune 500대 기업에 엔터프라이즈 소프트웨어 솔루션을 제공한 20년의 경험을 보유하고 있습니다.
페가시스템즈 실시간 최적화를 통해 조직이 비즈니스 혁신 결과를 달성할 수 있도록 설계된 강력한 플랫폼을 제공합니다. 이 플랫폼을 통해 고객은 고객 참여 개인화, 서비스 자동화, 운영 효율성 향상 등 엔터프라이즈 AI 의사 결정 및 워크플로 자동화를 사용하여 주요 비즈니스 과제를 해결할 수 있습니다. 1983년에 설립된 Pegasystems는 기업이 현재 고객 요구 사항을 충족하는 동시에 미래 요구 사항에도 적응할 수 있도록 지원하는 확장 가능하고 유연한 아키텍처를 개발했습니다.
Pegasystems에서 CTO로 근무한 광범위한 경험을 고려할 때 Pega GenAI는 빠르게 발전하는 기업용 생성 AI 환경에서 어떻게 차별화됩니까?
Pega는 생성 AI가 주류로 자리잡기 훨씬 전에 탐구하는 것을 포함하여 수년간 AI 솔루션을 혁신해 왔습니다. 저는 우리를 차별화하는 세 가지 요소가 있다고 생각합니다.
첫째, 우리는 단지 프로세스 속도를 높이는 것이 아니라 혁신을 주도하고 있습니다. 대부분의 엔터프라이즈 소프트웨어 공급업체는 다양한 세대의 AI 봇, 에이전트 또는 부조종사 기능을 출시했지만 실제로는 이러한 유사한 도구가 경쟁 차별화를 주도하지 못한다는 것입니다. 우리는 고객이 몇 초 만에 동급 최고의 앱 디자인을 제공하는 Pega GenAI Blueprint와 같은 고유한 도구를 사용하여 전체 비즈니스가 어떻게 운영되는지 재구상할 수 있도록 지원합니다. 우리는 단지 작업을 자동화하는 것이 아닙니다. 우리는 기업이 운영되고 혁신하는 방식을 근본적으로 재구상하고 있습니다.
둘째, 우리는 단지 독립적으로 자동화하는 것이 아니라 작업 방식을 조율하고 있습니다. 처음부터 끝까지 이루어집니다. 다른 공급업체에서는 이러한 세대 AI 봇 기능을 추가하고 이것이 효율성을 높이는 데 충분하기를 바랍니다. 우리 플랫폼은 업계 최고의 사례 관리 및 조정에 기반을 두고 있으며, 이를 통해 Gen AI로 자동화할 뿐만 아니라 전체 프로세스를 처음부터 끝까지 조정하고 최적화할 수 있습니다.
셋째, 우리는 일반적인 Gen AI 엔진이 아닙니다. – 우리는 AI를 통해 더 나은 고객 참여와 워크플로 자동화를 추진하는 데 중점을 두고 있습니다. 때로는 당면한 문제에 생성적 AI의 창의성이 필요한 반면, 다른 문제에는 프로세스에 더 많은 논리를 주입하기 위해 예측 AI나 의사 결정 AI가 필요할 수도 있습니다.
Forbes 기사에서 “비즈니스 혁신을 위한 고급 AI의 잠재력 활용,” 비즈니스 운영을 재구상하는 생성적 AI의 잠재력을 언급하셨습니다. AI가 기존 기업의 레거시 혁신을 촉진할 수 있는 구체적인 예는 무엇입니까?
Deutsche Telekom의 디자인 담당 SVP인 Daniel Wenzel은 PegaWorld iNspire의 청중에게 설명됨 올 여름 그가 현재 어떻게 Pega GenAI Blueprint를 사용하여 HR 서비스 부서에서 800개 이상의 개별 비즈니스 프로세스를 재구성하고 있는지 설명합니다. 그는 이러한 프로세스를 개선하려는 노력에서 가장 큰 병목 현상은 비즈니스 담당자와 IT가 동일한 언어를 사용하지 않아 기대가 실현되지 않는다는 점이라고 말했습니다. Pega GenAI Blueprint는 두 이해관계자가 프로세스를 이해하고 기존 방법보다 훨씬 빠르게 프로세스를 개선하여 보다 효과적인 솔루션을 얻을 수 있도록 도와줍니다.
같은 기사에서는 현재 생성 AI 애플리케이션의 한계에 대해 논의합니다. 기업은 어떻게 점진적인 생산성 향상을 넘어 AI의 완전한 혁신 잠재력을 활용할 수 있습니까?
엔터프라이즈 소프트웨어에서 대부분의 생성 AI는 프로세스의 특정 측면을 가속화하는 데 도움이 되는 일회성 기능으로 적용됩니다. 그러나 이러한 유형의 기능은 이제 일반화되어 경쟁 우위를 거의 제공하지 않습니다. 요약 및 텍스트 생성과 같은 생산성 해킹은 테이블 스테이크입니다. 기업이 시장에서 발전하기 위해 필요한 것은 생성 AI를 사용하여 높은 수준에서 비즈니스를 수행하는 모든 새로운 방식을 혁신하는 것입니다. 예를 들어 Gartner는 그들이 부르는 새로운 기술 범주를 식별했습니다. 비즈니스 오케스트레이션 및 자동화 기술(BOAT) 이는 비용 합리화부터 의사 결정 개선, 운영 비용 절감, 현재 작업에 적합한 자동화 기술 사용에 이르기까지 비즈니스 결과를 보다 전체적으로 추진하는 방법을 살펴봅니다. 일회성 세대 AI 기능이 그 자리를 차지하지만 이는 퍼즐의 일부일 뿐 모든 문제를 해결하는 만병통치약은 아닙니다.
일반적인 생산성 향상을 넘어서는 생성적 AI의 가장 유망한 기업 사용 사례는 무엇이며 기업이 이를 가장 잘 구현할 수 있는 방법은 무엇입니까?
가장 흥미로운 생성 AI 기회는 모범 사례를 프로세스에 주입할 수 있는 잠재력입니다. 단지 더 많은 코드를 작성하기 위해 Gen AI를 사용하는 사람들은 앞으로 더 많은 기술적 부채를 겪게 될 수 있습니다. 소프트웨어 설계 프로세스에 IP를 주입하면 게임 체인저가 되어 조직이 수년간의 경험을 바탕으로 최적의 솔루션에 훨씬 더 빠르게 도달할 수 있습니다. 그리고 단순한 코드 라인이 아닌 시각적 모델로 개발되었기 때문에 기술 및 비기술 이해관계자 간에 시간이 지남에 따라 협업하고 개선하는 것이 더 쉽습니다. 이전에는 앱 디자인을 마무리하는 데 몇 주가 걸렸고 매우 전문적인 기술이 필요했습니다. 이제 이러한 Gen AI 기반 도구를 사용하면 비즈니스 사용자가 특정 요구 사항을 일반 언어로 입력하고 개념에서 포괄적인 설계로 빠르게 이동할 수 있습니다. 포레스터 최근에 AI를 사용하여 로우 코드 또는 모델 기반 설계 시스템에 IP를 주입하면 기업이 소프트웨어를 사용하는 방식이 근본적으로 변화되어 더 많은 것을 구축하고 ‘기성’ 앱을 훨씬 적게 구매할 수 있게 될 것이라고 예측하는 일부 연구를 발표했습니다. 저는 이것이 큰 변화라고 생각하며 Pega GenAI Blueprint를 통해 기업 고객이 선택할 플랫폼이 될 수 있는 좋은 위치에 있다고 믿습니다.
이전에 생성 AI가 시장 격차를 식별하여 제품 개발에 도움이 될 수 있다고 제안하셨습니다. 이 프로세스가 어떻게 작동하는지 자세히 설명하고 실제 사례를 공유해 주실 수 있나요?
Pega 고객 결정 허브는 고객이 제품 판매, 서비스 문제 해결, 때로는 아무것도 하지 않는 등 고객과 함께 차선책 조치를 취하도록 돕는 예측 AI 솔루션입니다. 이를 통해 고객의 개별 요구에 가장 적합한 조치를 통해 고객과 1:1로 연결할 수 있습니다. 그러나 1:1 방식으로 운영한다는 것은 엄청난 양의 맞춤형 제안이 필요하다는 것을 의미합니다. 이는 동일한 메시지로 모든 사람에게 스팸을 보내는 것보다 훨씬 낫지만 마케팅 조직은 다양한 고객 그룹에 고유한 더 많은 메시지를 작성해야 합니다. 이제 Gen AI를 사용하면 어떤 고객이 서비스를 제대로 받지 못하고 있는지 파악한 다음 새로운 조치를 제안하고 이러한 그룹에 더 유익한 새로운 치료법을 구축할 수 있습니다. 이는 조직이 일반적으로 다룰 수 없었던 시장 대상으로 확장하는 데 도움이 될 수 있는 잠재력을 가지고 있습니다.
레거시 시스템을 갖춘 기존 기업이 어떻게 생성 AI를 효과적으로 통합하여 더욱 민첩한 스타트업과의 경쟁 우위를 유지할 수 있습니까? 특히 핵심 운영을 재구상하는 데 있어서 그렇습니다.
우리는 레거시 시스템의 전환점에 진입하고 있다고 생각합니다. 수십 년 동안 대기업은 기술 부채를 갚아 왔습니다. 우리는 레거시 시스템이 기업에 미치는 근본적인 고갈을 해결하지 못한 RPA와 같은 임시방편 솔루션을 적용하는 데 수년을 보냈습니다. 이는 혁신으로 이어질 수 있는 IT 지출을 빼내고 위험을 초래하며 기업이 변화하는 시장에서 빠르게 움직이는 것을 방해합니다. . 운 좋게도 저는 Gen AI의 초능력 중 하나가 레거시 시스템을 단순히 다시 코딩하는 것이 아니라 현대적인 시스템에서 실행되도록 워크플로와 프로세스 자체를 재고함으로써 레거시 시스템을 재설계하고 폐기하는 속도를 극적으로 가속화할 수 있다고 믿습니다. 클라우드 아키텍처를 구축하고 고객과 직원이 기대하는 디지털 경험을 제공합니다.
에 대한 별도의 기사에서 AI 선언문 수립귀하는 실행 가능한 결과에 AI 전략을 연결하는 것이 중요하다고 강조하셨습니다. 기업이 AI 목표를 실질적인 비즈니스 결과에 맞출 수 있는 방법에 대한 지침을 제공할 수 있습니까?
비즈니스 목표가 무엇인지, 해결해야 할 문제가 무엇인지 파악하는 것보다 AI와 같은 새로운 도구에 집중하는 것부터 시작하는 기업이 너무 많습니다. 문제보다는 도구에 초점을 맞춤으로써 비즈니스에 적합하지 않을 수 있는 경로에 스스로를 가두는 것입니다. 대신, 그들은 한발 물러서서 그들이 실제로 달성하려고 하는 것이 무엇인지 자문해 볼 필요가 있습니다. 때로는 Gen AI가 올바른 솔루션이 아니며 AI 의사결정을 대신 적용함으로써 더 나은 서비스를 제공할 수도 있습니다. 그들은 다양한 비즈니스 문제를 해결하는 데 더 적합한 다양한 유형의 AI가 있다는 것을 기억해야 합니다.
기업은 어떻게 생성 AI를 활용하여 일상적인 작업을 자동화하는 것이 아니라 운영을 혁신할 수 있습니까? 이 영역에서 ROI를 극대화하려면 어떤 전략을 사용해야 합니까?
개별 작업에만 집중하지 마십시오. 이렇게 하면 나무보다는 숲을 보지 못하게 됩니다. 한 걸음 물러서서 전반적인 비즈니스 워크플로와 이를 통해 달성하려는 결과를 이해하세요. 생성적 AI를 사용하면 프로세스를 분석하고 다양한 산업 분야의 모범 사례를 주입할 수 있습니다. 이는 기업이 핵심 워크플로를 재고하고 재설계할 수 있도록 함으로써 근본적인 변화를 주도할 수 있습니다. 예를 들어 AI는 새로운 운영 모델을 처음부터 설계하거나 기존 모델을 재설계하여 효율성과 혁신을 개선하는 데 도움을 줄 수 있습니다. 성공을 측정하기 위한 명확한 지표를 설정하고 이러한 통찰력을 바탕으로 접근 방식을 정기적으로 개선하세요. AI를 활용하여 점진적인 개선이 아닌 의미 있는 변화를 주도함으로써 기업은 상당한 가치를 창출하고 경쟁에서 앞서 나갈 수 있습니다.
AI를 사용하여 워크플로를 재설계함으로써 가장 큰 이익을 얻을 수 있는 산업은 무엇이며, 이러한 접근 방식을 어떻게 구현해야 합니까?
거의 모든 조직은 특히 빠르게 변화하는 시장에서 워크플로 개선을 통해 보편적으로 이익을 얻을 수 있습니다. 금융 서비스, 통신, 의료 등의 서비스 산업은 고객과의 소통 방식을 간소화함으로써 가장 큰 이익을 얻을 수 있습니다. 이러한 부문은 복잡하고 데이터 집약적인 프로세스를 처리하며 효율성을 향상하고 비용을 절감하며 더 나은 결과를 제공해야 한다는 압력이 커지고 있습니다. 또한 은행과 같이 기존 서비스가 많은 산업은 수년 전에 확립된 프로세스를 검토하여 현대화하고 새로운 경쟁에 보조를 맞추는 방식으로 이익을 얻을 수 있습니다.
‘인간 참여형(Human-In-The-Loop)’ 접근 방식은 특히 고객을 대면하는 역할에서 AI의 효과성과 윤리적 배포를 어떻게 향상합니까?
생성적 AI는 강력하지만 항상 정확하거나 적절하지 않은 출력을 생성할 수 있습니다. 인간의 감독을 통합함으로써 AI로 생성된 콘텐츠의 부정확성 또는 윤리적 문제와 같은 위험을 완화할 수 있습니다.
예를 들어 고객 서비스에서 AI는 응답과 권장 사항을 생성할 수 있지만 이러한 결과를 사람이 검토하면 회사 가치와 고객 요구 사항에 부합하는지 확인할 수 있습니다. 이러한 감독은 특히 AI 모델이 그럴듯하지만 부정확하거나 오해의 소지가 있는 정보를 생성하는 경우 투명성과 책임성을 유지하는 데 중요합니다.
흥미롭게도 루프에 인간이 있으면 Gen AI의 약점 중 하나를 취할 수 있습니다. 이는 본질적으로 예측 불가능하거나 비결정적입니다. 즉, 동일한 답변을 두 번 제공하지 않는다는 의미입니다. 이를 강점으로 전환할 수 있습니다. . Pega GenAI Blueprint를 통해 우리는 Gen AI를 브레인스토밍 파트너로 사용하여 워크플로 설계에 대한 새로운 접근 방식을 제안합니다. 인간은 항상 최종 결정자이지만, 끊임없이 새로운 접근 방식을 제안함으로써 Gen AI는 독창적인 사고를 추진하고 인간이 ‘소의 길을 다시 포장’하는 것을 방지하도록 돕습니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. 페가시스템즈.
게시물 Don Schuerman, Pegasystems의 CTO – 인터뷰 시리즈 처음 등장한 Unite.AI.
