Möt Brian Remmington: Frågor och svar med chefsarkitekten för mjukvara på M-Files

I maj började Brian Remmington på M-Files som chefsarkitekt för mjukvara. Han har med sig mer än 20 års erfarenhet av innehållshantering och kommer att leda det övergripande arbetet med arkitektur och mjukvarudesign för M-Files -portföljen. Brians bakgrund förenar årtionden av erfarenhet inom dokumenthantering med den kommande vågen av AI för företag.

Vi diskuterade de förändringar han ser inom AI, de största utmaningarna som IT-chefer står inför, varför dokumenthantering med fokus på sammanhang är avgörande samt hans tankar om vad som väntar framöver.

Vilka är några av de största förändringarna du har sett inom dokumenthanteringsbranschen?

AI har medfört en genomgripande förändring i hur organisationer ser på sina ostrukturerade informationsresurser. Tidigare lagrade de dokument för att uppfylla lagstadgade krav, och dokumenten betraktades som en kostnad för verksamheten. Nu börjar de inse att dessa dokument har ett enormt affärsvärde.

De flesta organisationer har idag flera dokumenthanteringssystem med varierande kapacitet och kvalitet, och även om många kan beskriva hur en bra dokumenthantering ser ut är det få som har lyckats uppnå detta i hela sin informationsmiljö. Bristen på styrning och kvalitetssäkring av dokument som lagras i de olika informationssilosen hindrar nu en effektiv användning av AI.

Jag började på M-Files eftersom jag insåg att det inte var en vanlig leverantör av innehållshanteringslösningar. Plattformen gör mer än att bara lagra dokument; den hanterar även affärsobjekt och deras relationer för att modellera människor, produkter, organisationer, processer och information. Tillsammans utgör dessa objekt och nätverket av relationer mellan dem det sammanställda affärssammanhang som krävs för att AI-modeller ska vara tillförlitliga.

Vilken är den största utmaningen som du ser att IT-cheferna står inför just nu?

Jag har under lång tid hjälpt IT-chefer, digitala chefer och chefer för informationsstyrning att lösa sina problem inom informationshantering, och det jag oftast hör är oro över att dålig kontextkvalitet leder till opålitliga AI-resultat.

Alla vill använda AI för att arbeta snabbare och mer effektivt, men om informationskvaliteten och styrningen brister kommer de att misslyckas. Ofta finns det en blandning av information av varierande kvalitet och föråldrad information i de flesta dokumenthanteringssystem, och organisationerna försöker då sortera och bearbeta informationen i efterhand, vilket är en kostsam och tidskrävande metod.

Vilka rekommendationer har ni till organisationer som vill förbereda sig för AI?

I alla projekt måste man först och främst fokusera på det problem man försöker lösa. Om du vill automatisera eller påskynda ett viktigt beslut ska du först ta reda på vilken information en människa skulle behöva för att fatta det beslutet och sedan sammanställa den rätta informationen som kan användas för att styra AI:n. Börja med att lösa ett användningsfall i taget och utvärdera resultatet tills prestandan är genomgående hög. Därefter kan du använda det du lärt dig för att skala upp ditt förbättringsprogram.

Vilka andra utmaningar hör du att dina kollegor talar om?

Människor känner sig alltmer bekväma med tanken på AI, men det finns fortfarande en mycket stor brist på förtroende. Detta hänger ofta samman med kvaliteten på den information som matas in i modellen: om sammanhanget inte är korrekt, reglerat och noggrant utvalt kan man inte lita på resultatet.

Vi hör ofta talas om ”human-in-the-loop” eftersom människor inte litar på AI:s resultat och beslut. Detta tyder på att AI fortfarande fungerar som en rådgivare snarare än som en pålitlig beslutspartner. Att placera en människa i slutet av processen efter AI:n åtgärdar symptomet; att förbättra kvaliteten på sammanhanget i början av processen åtgärdar orsaken.

Vilka förändringar förväntar du dig att se inom den närmaste framtiden?

Utvecklingen mot en mer kontextrik dokumenthantering kommer att fortsätta, men användarna kommer att behöva utvärdera formatet på sin information och avgöra vilka format som är bäst för att AI ska kunna förstå, interagera med och agera utifrån. I många år har leverantörer av dokumenthanteringslösningar hävdat att det handlar om att ”få rätt information till rätt person vid rätt tidpunkt”. I den AI-drivna framtiden måste vi ta hänsyn till varför informationen behövs och vad den ska användas till, så att vi kan tillhandahålla den i ett format som AI kan använda effektivt för att fatta bättre och mer tillförlitliga beslut.