Ajay Vasal, globální lídr pro data a AI, Genpact – rozhovor

Ajay Vasal, globální lídr pro data a AI, Genpact, je zkušený technologický a strategický manažer s více než dvacetiletou zkušeností v oblasti umělé inteligence, datové strategie, digitální transformace, fúzí a akvizic a podnikového poradenství. V současné roli ve společnosti Genpact vede iniciativy zaměřené na pomoc podnikům při škálování přijetí AI a přechodu z asistivní AI na více autonomní, provozně integrované systémy. Předtím, než nastoupil do společnosti Genpact, strávil Vasal téměř devět let ve společnosti Accenture, kde zastával několik seniorních vedoucích pozic, včetně globálního lídra pro data a AI pro spotřebitelské odvětví a globálního ředitele Centra pro data a přehledy. Během své kariéry se zaměřil na pomoc organizacím při získávání měřitelné obchodní hodnoty z dat prostřednictvím provozní efektivity, růstu výnosů a snižování rizik, a také na vedení strategických investic, iniciativ M&A a programů transformace poháněných AI napříč odvětvími.

Genpact je globální společnost poskytující profesionální služby a digitální transformaci se specializací na data, AI, analytiku, inteligentní automatizaci a provozní modernizaci pro velké podniky. Původně založena uvnitř General Electric (GE.TO ), než se stala nezávislou společností, Genpact nyní slouží organizacím napříč odvětvími, včetně finančních služeb, zdravotnictví, výroby, maloobchodu a spotřebního zboží. Společnost se stále více profiluje kolem transformace podniků poháněné AI, kombinující analytiku, automatizaci a odborné znalosti, aby pomohla firmám modernizovat pracovní postupy, zlepšit rozhodování a nasadit velké systémy AI zodpovědně.

Vy jste strávil roky v Accenture, kde jste formoval strategii dat a AI napříč odvětvími, než jste nastoupil do své současné role ve společnosti Genpact. Jak vám tato zkušenost ovlivnila váš pohled na to, proč podniky stále mají problémy s získáním skutečné hodnoty z investic do AI?

Jedna z největších lekcí, které jsem získal z práce napříč odvětvími, je, že většina organizací neselhává kvůli slabé technologii. Realita je taková, že selhávají, protože se snaží nasadit AI na provozní modely, které nebyly navrženy pro autonomní provedení. Zjištění z našeho nedávného výzkumu toto jasně potvrzují. Zatímco podniky agresivně přecházejí na přijetí AI, mnoho z nich stále zápasí s potřebou přepracovat provozní modely, které jsou nezbytné pro autonomní provedení ve velkém měřítku. Tato mezera zdůrazňuje, jak mnoho podniků stále řeší otázky kolem governance, odpovědnosti a organizační připravenosti.

Vidíme také, že organizace přecházejí rychle, aniž by měly správné měřicí rámce na místě. Sedmdesát jedna procent výkonných ředitelů se domnívá, že agentic AI přinese návratnost investic rychleji než jakákoliv předchozí vlna technologií, a přesto šedesát sedm procent stále spoléhá na metriky produktivity, které byly vytvořeny pro dřívější modely automatizace. Moje zkušenosti ukázaly, že úspěšné přijetí AI není nikdy pouze o nasazení modelů. Je to o přepracování pracovních postupů, sladění technologií s obchodními prioritami a pomoci lidem pochopit, jak se jejich role vyvíjí spolu s stále více autonomními systémy.

Vaše nedávná zpráva, Autonomy Requires Trust in AI, ukazuje, že většina výkonných ředitelů se domnívá, že agentic AI zásadně změní obchodní operace, a přesto většina systémů zůstává dohlížena. Jaký je největší rozpor mezi vírou a provedením?

Rozpor je zcela zaměřen kolem důvěry. Výkonní ředitelé jasně věří, že agentic AI změní, jak se práce provádí, ale víra v technologii se automaticky nepřekládá do pohodlí s předáním autority pro rozhodování. Naše výzkum ukázal, že pouze dvacet dva procent organizací je pohodlné s tím, aby AI systémy fungovaly s autonomií na úrovni domény nebo široké autonomie.

Většina podniků je stále pohodlná s používáním AI jako asistenta, který může doporučovat, shrnovat nebo podporovat pracovní postupy. Hesitance začíná, když se AI systémy očekávají, že budou fungovat autonomně způsoby, které ovlivňují operace, zákazníky, soulad nebo finanční výsledky. Tato hesitance nutí mnoho podniků udržet lidi těsně zapojené do procesů schvalování a dohledu, i když tlačí směrem k více autonomním provozním modelům.

Mnohé podniky investují značně do AI, ale selhávají při prokázání skutečných návratů. Jaké jsou nejčastější chyby, které organizace dělají, když se snaží měřit hodnotu poháněnou AI?

Velkou chybou je, že mnoho organizací stále používá metriky produktivity, které byly navrženy pro dřívější vlny automatizace. Data ukazují, že šedesát sedm procent podniků stále závisí na metrikách založených na produktivitě, které nemohou plně zachytit hodnotu adaptivních, rozhodovacích systémů. To vytváří skutečný rozpor mezi očekáváním a tím, jak je hodnota skutečně měřena.

Jinou otázkou je, že mnoho organizací dosud nedefinovalo AI-nativní metriky úspěchu. Pouze malý procentní podíl podniků měří věci, jako je autonomní dokončení pracovního postupu, snížení eskalace nebo autonomní zpracování výjimek. Pokud společnosti budou pokračovat ve zaměřování se pouze na snížení nákladů nebo úspory hodin, budou chybět širší provozní dopad, který agentic AI má vytvořit.

Zpráva naznačuje, že organizační připravenost je větší bariérou než technologie sama. Jaké konkrétní strukturální změny musí podniky provést, aby odemkly plný potenciál agentic AI?

Organizace potřebují přehodnotit, jak odpovědnost, vlastnictví pracovních postupů a rozhodování fungují napříč podnikem. Jedním z nejzřetelnějších závěrů z výzkumu je, že organizační připravenost se stává větší bariérou než technologie sama. Ve skutečnosti třicet tři procent podniků identifikovalo, že obchodní procesy nejsou připraveny pro integraci agentic AI jako hlavní překážku pro přijetí.

Společnosti, které dělají největší pokroky, přepracovávají pracovní postupy od začátku do konce, aby autonomní systémy mohly fungovat v jasně definovaných hranicích a strukturách dohledu. Také jsme zjistili, že čtyřicet čtyři procent podniků očekává, že agentic AI bude snižovat vrstvy řízení napříč organizací, protože systémy absorbují úkoly koordinace tradičně zpracovávané středním managementem. Zaměstnanci potřebují mnohem větší jasnost kolem odpovědnosti, bodů zásahu a toho, kde lidský úsudek zapadá do stále více autonomního prostředí.

Pouze malý procentní podíl organizací je pohodlný s tím, aby AI agentům poskytli skutečnou autonomii. Co bude potřeba, aby podniky důvěřovaly AI systémům s autoritou pro rozhodování?

Důvěra v agentic AI nakonec spočívá v odpovědnosti a kontrole. Podniky jsou stále opatrné, když předávají autoritu pro rozhodování, protože lídři chtějí mít jistotu, že autonomní systémy mohou fungovat v jasných mantinelech a strukturách governance.

Společnosti, které postupují vpřed, navrhují systémy, kde jsou cesty eskalace, spouštěče zásahu a kontrolní mechanismy governance vestavěny přímo do provozního modelu. Většina organizací uděluje autonomii postupně na základě obchodního kontextu a tolerance vůči riziku, spíše než aby udělaly náhlý skok k plné autonomii. Jakmile podniky získají důvěru prostřednictvím úspěšných nasazení, důvěra roste, protože lídři jasně vidí, jak jsou rozhodnutí učiněna, kde leží odpovědnost a jak je lidský dohled udržován.

Podniky očekávají, že budou škálovat agentic AI rychle, a přesto mnoho z nich stále spoléhá na zastaralé metriky produktivity. Jak by měly vypadat více efektivní, AI-nativní metriky výkonu?

AI-nativní metriky potřebují měřit provedení a výsledky spíše než aktivitu. Tradiční metriky produktivity se zaměřují na to, zda lidé pracují rychleji, ale agentic AI mění rovnici, protože systém sám začíná nést část provozní zátěže. To je důležité, protože mnoho organizací stále měří agentic AI prostřednictvím produktivity, která byla navržena pro dřívější vlny automatizace, spíše než autonomní provedení.

Více efektivní měření by se měla zaměřit na autonomní dokončení pracovního postupu, snížení míry eskalace, rychlejší rozhodování a to, jak efektivní systémy zpracovávají výjimky s omezeným lidským zásahem. Tyto metriky poskytují mnohem jasnější obraz o tom, zda AI skutečně zlepšuje provedení ve velkém měřítku.

Vy zdůrazňujete, že přepracování pracovních postupů je hlavní bariérou pro přijetí. Proč je transformace pracovních postupů důležitější než výkon modelu v této další fázi AI?

Transformace pracovních postupů záleží, protože ani ty nej pokročilejší AI systémy nemohou škálovat efektivně uvnitř poškozených nebo fragmentovaných procesů. Naše výzkum ukázal, že třicet tři procent podniků identifikovalo připravenost procesů jako hlavní bariéru pro přijetí agentic AI.

Co dělá tuto fázi odlišnou, je, že agentic AI je navržena pro provedení napříč pracovními postupy, spíše než pouze asistenci uvnitř nich. Organizace musí přepracovat procesy kolem autonomního provedení, jasně definovat vlastnictví rozhodnutí, odstranit zbytečné předávání a vestavět governance přímo do pracovních postupů. Mnohými způsoby je přepracování pracovních postupů nyní skutečnou základnou pro škálovatelné přijetí AI.

Zpráva naznačuje, že AI bude snižovat organizační struktury, protože úkoly koordinace se budou automatizovat. Jak vidíte, že se role lídrů a středního managementu budou vyvíjet v důsledku?

Jakmile agentic AI převezme více úkolů koordinace a provozního dohledu, role lídrů se pravděpodobně posunou od řízení rutinního provedení k vedení strategie, úsudku a governance. Naše výzkum ukázal, že mnoho podniků očekává, že agentic AI sníží vrstvy řízení napříč organizací, protože systémy absorbují úkoly koordinace tradičně zpracovávané středním managementem.

Střední management historicky hrál významnou roli v směrování rozhodnutí a udržování provozní kontinuity napříč týmy. Jakmile autonomní systémy začnou zpracovávat více z těchto aktivit, lídři budou muset se zaměřit více na řízení výjimek, odpovědnosti a zajištění, aby systémy byly v souladu s obchodními cíli. Lidské vedení se stane ještě důležitějším v oblastech, kde kontext, etika a úsudek stále záleží nejvíce.

Genpact se profiluje jako agentic a pokročilá technologická řešení. Jak se společnost Genpact liší ve svém přístupu k agentic AI oproti tradičním poradenským nebo technologickým firmám?

Přístup Genpactu je založen na provedení a výsledcích a na tom, co často popisujeme jako řešení „poslední míle“ problému přijetí AI. Mnohé organizace již prokázaly, že AI modely mohou generovat přehledy nebo zlepšit produktivitu, ale skutečná výzva spočívá v tom, aby tyto schopnosti byly vestavěny do živých obchodních pracovních postupů, kde se práce skutečně provádí. To je místo, kde mnoho iniciativ AI selhává. Naše zaměření je na pomoc klientům při operacionalizaci agentic AI napříč poslední mílí provedení, aby systémy mohly pohánět měřitelné výsledky uvnitř financí, dodavatelského řetězce, zákaznického servisu a dalších hlavních podnikových funkcí.

Co odlišuje náš přístup, je kombinace hlubokých procesních znalostí s daty, technologiemi a AI schopnostmi. Nenasazujeme pouze modely nebo nevyvíjíme pilotní projekty. Přepřacováváme pracovní postupy, vestavujeme governance do operací a pomáháme podnikům vytvářet struktury odpovědnosti, které jsou nezbytné pro autonomní provedení ve velkém měřítku. Protože jsme také vestavěli agentic AI do našich vlastních operací, přinášíme praktické zkušenosti s tím, co je potřeba k přechodu od experimentování k podnikovému dopadu.

Pohledem do budoucnosti, věříte, že agentic AI rozšíří rozdíly mezi vedoucími a zaostávajícími podniky, a co by měly podniky dělat nyní, aby se vyhnuly zaostávání?

Ano, věřím, že rozdíly se rozšíří, protože agentic AI kumuluje hodnotu odlišně než předchozí vlny technologií. Podniky, které úspěšně přepracují pracovní postupy, zavedou rámce odpovědnosti a vybudují důvěru do autonomních systémů, vytvoří provozní výhody, které budou pro konkurenty obtížné replikovat. Co je pozoruhodné, je, jak rychle se tato změna děje. Devětadvacet procent podniků očekává, že agentic AI bude škálovat napříč podnikem do dvanácti měsíců.

Pro podniky, které se snaží zůstat konkurenceschopné, by nyní mělo být prioritou přípravou provozního modelu pro autonomní provedení. To zahrnuje přepracování pracovních postupů, definování struktur vlastnictví, budování AI-nativních měřicích rámců a investice do připravenosti pracovní síly. Podniky, které se pohnou brzy na těchto základech, budou mnohem lépe positionovány než ty, které stále pohlížejí na AI jako na samostatnou technologickou iniciativu.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Genpact.