مقابلات
أنكور دينغرا، الرئيس التنفيذي لشركة ProHance – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
Ankur Dhingra، الرئيس التنفيذي لشركة ProHance، هو مدير تنفيذي ذو خبرة في مجال التكنولوجيا والعمليات يمتلك أكثر من عقدين من القيادة في مجال إنتاجية المؤسسات والخدمات المالية والعمليات التجارية العالمية. يقود ProHance منذ عام 2020، مع تركيزه على بناء منصة موحدة لمراقبة وحوكمة وتحسين الإنتاجية عبر العاملين البشر، والموردين، وأنظمة الذكاء الاصطناعي. قبل توليه منصب الرئيس التنفيذي، كان دينغرا شريكًا في FutureIP، حيث تم تطوير ProHance كمنصة لإدارة العمليات والتحليلات. في السابق، قضى أكثر من ثماني سنوات في American Express، شغل فيها منصب نائب الرئيس والمدير العام للعمليات الخلفية العالمية، وكان قد قاد سابقًا عمليات التفاعل مع العملاء التي تشمل مكالمات هاتفية واسعة النطاق، والدردشة، والامتثال التنظيمي، ووظائف ضمان الأعمال. تشمل مسيرته أيضًا أدوارًا قيادية عليا في Genpact، حيث أدار فريقًا مصرفيًا يضم 1,100 موظف وميزانية تشغيلية بقيمة 35 مليون دولار، وفي GE Capital، حيث قاد عمليات الخدمات المالية في الهند.
ProHance هي شركة متخصصة في الذكاء العمالي للمؤسسات وتحليلات الإنتاجية، تقدم للمنظمات رؤية فورية حول كيفية تنفيذ العمل عبر الموظفين، والموردين الخارجيين، ومساعدي الذكاء الاصطناعي، والوكلاء المستقلين. تُصنّف منصتها كـ “غرفة تحكم الإنتاجية”، وتجمع بين تحليلات القوة العاملة، وتخطيط السعة، وتخصيص العمل الذكي، وقياس الإنتاجية، وأدوات الحوكمة لمساعدة المؤسسات على تحديد عنق الزجاجة التشغيلي، وتحسين استغلال الموارد، وفهم تأثير الذكاء الاصطناعي على أداء المنظمة. تقول ProHance إن تقنيتها تُستخدم من قبل أكثر من 450,000 مستخدم في 220 مؤسسة عبر 55 دولة، مع تطبيقات تمتد إلى البنوك والخدمات المالية، وتع outsourced business processes، ومراكز القدرات العالمية، والرعاية الصحية، وتكنولوجيا المعلومات.
قضيت أكثر من عقدين من الزمن في قيادة عمليات واسعة النطاق في GE Capital وGenpact وAmerican Express قبل أن تصبح الرئيس التنفيذي لشركة ProHance. ماذا علمتك تلك التجارب عن حدود إدارة القوة العاملة والإنتاجية التقليدية، وكيف شكّلت هذه الدروس الطريقة التي تبني بها ProHance لتكون مؤسسة تضع الذكاء الاصطناعي في المقام الأول؟
علمتني خبرتي في GE Capital وGenpact وAmerican Express أن أحد أكبر الفجوات في إدارة القوة العاملة التقليدية لم يكن بالضرورة في الواجهة الأمامية، بل في المكتب الخلفي.
في American Express، عملت سابقًا في جانب خدمة العملاء، حيث كان لمركز الاتصال إمكانية الوصول إلى تقنيات متقدمة إلى حد ما لقياس الإنتاجية—مثل أين يقضي الأشخاص وقتهم، ومستوى الاستخدام، وحجم التفاعلات، وكيف يمكن تحسين العمليات. ولكن عندما انتقلت إلى قيادة عمليات المكتب الخلفي، رأيت واقعًا مختلفًا تمامًا.
يتم إنجاز كمية هائلة من العمل في المؤسسات الكبيرة خلف الكواليس—مثل معالجة المعاملات، وإدارة القضايا، وإدخال البيانات وغيرها من الأنشطة القائمة على العمليات—ومع ذلك كان هناك قياس ضئيل ومفيد لكيفية إنجاز هذا العمل فعليًا. التقنية والرؤية التي كانت متاحة للواجهة الأمامية لم تُنقل ببساطة إلى المكتب الخلفي.
أصبحت مهووسًا بالمشكلة إلى حد شبه غير منطقي. بدأت أبحث عن التقنيات المتاحة وأتحدث مع اللاعبين الراسخين في المجال، لكن ما وجدته إما كان غير عملي، أو مكلفًا جدًا، أو ببساطة غير مصمم لواقع عمليات المكتب الخلفي. ظللت أفكر: هذه صناعة تتجاوز قيمتها 150 مليار دولار، وهذه مشكلة موجودة منذ سنوات. لا بد أن هناك من يحلها بشكل أفضل.
قادتني تلك البحث في النهاية إلى ProHance، حيث كان راجيش شارما وكشور ريدي (المؤسسان المشاركان لـ ProHance) قد بنيا بالفعل تقنية تعالج العديد من التحديات التي حددتها كمستخدم متقدم لهذه الأنظمة. كنت أعرف تمامًا ما يجب أن تقوم به التقنية—التقاط النشاط تلقائيًا، والعمل عبر أنظمة تشغيل مختلفة، وقياس الوقت داخل النظام وخارجه، وتوفير رؤية موثوقة لكيفية حدوث العمل فعليًا.
شكلت تلك التجربة طريقة تفكيري حول ProHance اليوم. الدرس هو أنه لا يمكن بناء مؤسسة تضع الذكاء الاصطناعي في المقام الأول بمجرد إضافة الذكاء الاصطناعي إلى أدوات إدارة القوة العاملة الحالية. أولًا، تحتاج إلى فهم موثوق ومفصل للعمل نفسه. ثم يمكن للذكاء الاصطناعي تحويل طريقة تحليل هذا العمل، وتحسينه، وإعادة تصميمه في النهاية.
بالنسبة لي، تدور فكرة ProHance حول نقل نفس مستوى الرؤية والذكاء الذي تمتلكه المؤسسات تاريخيًا في الواجهة الأمامية إلى كامل المنظمة—واستخدام الذكاء الاصطناعي للحصول على قياس أفضل للإنتاجية، مما سيحسن بشكل أساسي طريقة إنجاز العمل.
مع تولي الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي حصة متزايدة من الأعمال المعرفية، قد تصبح إشارات الإنتاجية التقليدية مثل عدد ساعات العمل أو استخدام التطبيقات أقل معنى. كيف يجب على المؤسسات إعادة تعريف الإنتاجية عندما يستطيع الإنسان إنجاز ما كان يستغرق عدة ساعات في 30 دقيقة؟
يجب أن تنتقل الإنتاجية من قياس النشاط إلى قياس النتائج. إذا مكن الذكاء الاصطناعي شخصًا من إكمال ما كان يستغرق ثلاث ساعات في 30 دقيقة، فإن معيار الثلاث ساعات لم يعد ذا صلة. يجب أن يتركز الانتباه على ما تم تحقيقه، وجودة النتيجة، ومدى فعالية استخدام الوقت والمهارات.
هذا يعني أيضًا أن المؤسسات تحتاج إلى فهم أين يزيل الذكاء الاصطناعي العمل المتكرر فعليًا وأين يظل الحكم البشري حاسمًا. يجب أن تعكس الإنتاجية بشكل متزايد النتائج، والسعة، والجودة، وتأثير الأعمال، بدلاً من عدد الساعات التي يقضيها الموظف على المكتب أو استخدام التطبيقات.
لقد وصفت الذكاء العمالي بأنه يصبح أكثر أهمية في المؤسسة التي تضع الذكاء الاصطناعي في المقام الأول. ماذا يعني “الذكاء العمالي” عمليًا، وكيف يختلف عن أدوات مراقبة الموظفين وتحليلات القوة العاملة التي استخدمتها الشركات تاريخيًا؟
الذكاء العمالي هو في جوهره تمكين المنظمة من فهم أوضح لكيفية حدوث العمل فعليًا. يجمع بين إشارات حول عبء العمل، والسعة، والاستخدام، والعمليات، والنتائج لمساعدة القادة على تحديد أين تكون الفرق مضغوطة، وأين توجد سعة، وأين يتعثر العمل.
هذا يختلف عن مراقبة الموظفين التقليدية، التي غالبًا ما تركز على نشاط الفرد. ينبغي أن يعمل الذكاء العمالي على مستوى أوسع بكثير. الهدف ليس سؤال “ماذا يفعل هذا الموظف في كل دقيقة؟” بل “كيف يتدفق العمل عبر المنظمة، وماذا يمكننا أن نفعل لتحسينه؟”
تدمج ProHance بشكل متزايد بيانات القوة العاملة الحتمية مع التعلم الآلي لتوليد رؤى تنبؤية، بما في ذلك تحديد مخاطر الانفصال المحتملة ومخاطر الاحتفاظ بالموظفين. كيف تضمن أن نماذج الذكاء الاصطناعي تميز الأنماط ذات المعنى عن التباينات العادية في سلوك الموظفين، ومدى أهمية الشفافية عندما يتخذ المديرون قرارات تتعلق بالأشخاص؟
في ProHance، نؤمن بأن جودة وسياق البيانات الأساسية أمر حاسم. يتفاوت سلوك الموظف طبيعيًا بناءً على المشاريع، وحجم العمل، والفرق، والفصول، ودورات الأعمال. لا يعني التغيير في النشاط بحد ذاته بالضرورة وجود انفصال أو خطر احتفاظ.
النهج هو البحث عن أنماط عبر إشارات متعددة وعلى مدار الوقت، بدلاً من استنتاج استنتاجات من سلوك واحد. يمكن للذكاء الاصطناعي المساعدة في تحديد الأنماط التي قد تستدعي الانتباه، لكنه لا ينبغي أن يُعامل كصانع قرار نهائي.
الشفافية مهمة بنفس القدر. إذا أشار النظام إلى خطر محتمل، يجب أن يتمكن المديرون من فهم العوامل وراء ذلك الإشارة وتطبيق حكمهم الخاص. عندما تُستخدم التقنية لإبلاغ القرارات المتعلقة بالأشخاص، فإن الشفافية والإشراف البشري أمران أساسيان.
هناك قلق مفهوم لدى الموظفين عندما تُدخل المؤسسات تقنية قادرة على تحليل أنماط العمل، واستخدام التطبيقات، والوقت الخامل، أو الأداء. أين يجب أن ترسم المؤسسات الخط الفاصل بين الحصول على رؤية تشغيلية مفيدة وخلق ثقافة مراقبة؟
يتحدد الخط إلى حد كبير بالنوايا، والشفافية، وكيفية استخدام البيانات. يشعر الموظفون بعدم الارتياح عندما تُدخل التقنية دون وضوح حول ما يُقاس ولماذا.
يجب أن يكون الهدف هو فهم العمل على مستوى المنظمة والعمليات، بدلاً من مراقبة الأفراد باستمرار. إذا ساعدت بيانات القوة العاملة في تحديد أعباء العمل الزائدة أو عنق الزجاجة أو العمليات غير الفعّالة، فإنها يمكن أن تحسن تجربة الموظف فعليًا.
يجب على المؤسسات أيضًا أن تكون واضحة بشأن ما لا تحاول تحقيقه. يجب أن تساعد التقنية المديرين على إجراء محادثات أفضل مع فرقهم، وليس استبدال تلك المحادثات أو إنشاء نظام مراقبة مستمرة.
يصبح مساعدو الذكاء الاصطناعي ووكلاء الذكاء الاصطناعي جزءًا متزايدًا من القوة العاملة نفسها. هل تعتقد أن منصات الذكاء العمالي ستحتاج في النهاية إلى قياس إنتاجية البشر ووكلاء الذكاء الاصطناعي معًا، وكيف قد يبدو مقياس إنتاجية إنساني-إلى-ذكاء اصطناعي ذو معنى؟
نعم، أعتقد أن هذا سيصبح أكثر أهمية. مع بدء وكلاء الذكاء الاصطناعي في تولي أجزاء من سير العمل، سيؤدي قياس نشاط البشر فقط إلى إعطاء المؤسسات صورة غير مكتملة عن كيفية إنجاز العمل.
لكن لا أعتقد أننا سنصل إلى نتيجة إنتاجية واحدة “إنسان مقابل ذكاء اصطناعي”. سيكون نهج أكثر فائدة هو فهم الناتج المشترك للأشخاص، وأدوات الذكاء الاصطناعي، والوكلاء عبر سير العمل.
يمكن للمؤسسات النظر إلى مقدار الوقت الذي يزيله الذكاء الاصطناعي من المهام المتكررة، ومدى سرعة تحرك العمليات، وجودة النتائج، وأين لا يزال التدخل البشري مطلوبًا. يصبح السؤال الحقيقي: إلى أي مدى يعمل البشر والذكاء الاصطناعي معًا بفعالية؟
تتحدث ProHance عن الانتقال من قياس الإنتاجية الخام إلى الذكاء التشغيلي، بما في ذلك تحليل عبء العمل، والتنبؤ، وتحسين العملية، وتخصيص الموارد. إلى أي مدى سيشكل مستقبل هذه الفئة دور الذكاء الاصطناعي في تقديم توصيات استباقية للمديرين حول ما يجب تغييره بدلاً من مجرد عرض لوحات التحكم؟
أعتقد أن هذا هو الاتجاه الذي تتجه إليه ProHance في هذه الفئة. لوحات التحكم مفيدة، لكنها لا تزال تترك للمديرين مسؤولية تفسير المعلومات وتحديد ما يجب القيام به بعد ذلك.
المرحلة التالية هي أن تقوم المنصات بتحديد نمط ومساعدة في الإجابة على سؤال “ماذا يجب أن نفعل حيال ذلك؟”. قد يعني ذلك تسليط الضوء على فريق مثقل بالعمل، أو تحديد مجموعة مهارات غير مستغلة، أو توقع فجوة في السعة، أو اقتراح مكان تحسين العملية.
بالنسبة لـ ProHance، ستأتي القيمة بشكل متزايد من الانتقال من الرؤية إلى الفعل. يجب أن يساعد الذكاء الاصطناعي المديرين على اتخاذ قرارات أفضل مع إبقاء القرار نفسه مع الشخص الذي يفهم الأعمال والسياق.
قمت بمقارنة ذكاء الإنتاجية بتقرير صحي سنوي للمؤسسة. ما هي أهم الإشارات التي يجب على التنفيذيين مراقبتها لتحديد ما إذا كانت قوتهم العاملة بصحة جيدة حقًا، ومنتجة، وتتكيف بنجاح مع الذكاء الاصطناعي؟
سأراقب مجموعة من الإشارات بدلاً من رقم إنتاجية واحد. السعة وحجم العمل هما نقطتا الانطلاق الواضحتان، لكن يجب على التنفيذيين أيضًا فهم ما إذا كان العمل موزعًا بفعالية، وأين تظهر عنق الزجاجة، وكيف تتكيف الفرق مع الذكاء الاصطناعي، وما إذا كان الأشخاص يقضون وقتًا طويلاً في أنشطة منخفضة القيمة.
إشارة مهمة أخرى هي الاستدامة. فريق يحقق إنتاجية استثنائية لأن الأشخاص يعملون باستمرار بما يتجاوز السعة المعقولة ليس بالضرورة صحيًا أو منتجًا على المدى الطويل.
القوة العاملة الصحية هي التي تكون فيها السعة، وحجم العمل، والنتائج متوازنة بشكل معقول، ويملك الأشخاص مساحة للتركيز على الأعمال ذات القيمة الأعلى، وتستطيع المؤسسة التكيف مع تغير طبيعة العمل.
لقد اكتسبت “الإنتاجية” دلالات سلبية لدى العديد من الموظفين لأنها قد تعني إنجاز المزيد من العمل بموظفين أقل. كيف يمكن للمؤسسات استعادة مفهوم الإنتاجية واستخدام ذكاء الإنتاجية المدفوع بالذكاء الاصطناعي لتحسين تجربة الموظف، وتقليل الإرهاق، وإزالة الأعمال منخفضة القيمة بدلاً من مجرد زيادة الإنتاج؟
تحتاج المؤسسات إلى الابتعاد عن تعريف الإنتاجية ببساطة على أنها “مزيد من الإنتاجية من عدد أقل من الأشخاص”. هذا التعريف ضيق جدًا، خاصةً في بيئة عمل مدعومة بالذكاء الاصطناعي.
يجب أن يعيد الذكاء الاصطناعي للناس الوقت الذي يُستنزف حاليًا في الإدارة المتكررة، والعمليات اليدوية، والمهام منخفضة القيمة. الفرصة هي استغلال هذا الوقت في حل المشكلات، والتفاعل مع العملاء، والابتكار، والعمل الذي يتطلب الحكم البشري.
إذا استُخدم ذكاء الإنتاجية لتحديد أين يكون الأشخاص مثقلين بالعمل أو يقضون الوقت بشكل غير فعال، يمكن أن يتحول إلى أداة لتحسين تجربة الموظف. يجب أن يكون الهدف تحسين العمل، وليس مجرد جعل الأشخاص يعملون بسرعة أكبر.
نظرة إلى المستقبل، مع دمج الذكاء الاصطناعي في كل سير عمل مؤسسي تقريبًا، ما الذي تعتقد أنه سيفرق بين المؤسسات التي تعزز قوتها العاملة بالذكاء الاصطناعي بنجاح وتلك التي تنشر التقنية ولكنها تفشل في تحويلها إلى تحسينات إنتاجية ذات معنى؟
المؤسسات التي ستستفيد أكثر من الذكاء الاصطناعي هي تلك التي تنظر إلى ما بعد نشر التقنية. مجرد الحصول على أداة ذكاء اصطناعي لا يخلق تحسينات إنتاجية تلقائيًا.
سيفهم القادة أين يغير الذكاء الاصطناعي سير العمل، وكيف تتطور الأدوار، وما إذا كانت المؤسسة تحصل فعليًا على نتائج أفضل من التقنية. كما سيقيسون باستمرار ما ينجح ويعدلون وفقًا لذلك.
في النهاية، ستعامل المؤسسات الناجحة تبني الذكاء الاصطناعي كتحول في طريقة إنجاز العمل، وليس مجرد تنفيذ تقنية أخرى. سيجمعون بين الذكاء الاصطناعي والعمليات المناسبة، والمهارات، ورؤية القوة العاملة، وممارسات الإدارة. هذا هو ما سيحدد ما إذا كان الذكاء الاصطناعي سيصبح ميزة إنتاجية حقيقية أو مجرد طبقة إضافية من التقنية.
شكرًا على هذه المقابلة الرائعة. القراء الذين يرغبون في معرفة المزيد ينبغي أن يزوروا ProHance.
