Rozhovory
Ajay Vasal, globální ředitel pro data a AI ve společnosti Genpact – Série rozhovorů

Klíčové bodyPřekážkou číslo jedna pro přijetí agentní umělé inteligence není výkon modelů, ale…
Zobrazit více
- Překážkou číslo jedna pro přijetí agentní umělé inteligence není výkon modelů, ale redesign procesů.
- Procento podniků stále používá metriky produktivity, které nejsou vhodné pro autonomní systémy umělé inteligence.
- Pouze 22 % organizací důvěřuje systémům umělé inteligence s doménovou nebo širokou autonomií.
Ajay Vasal, globální ředitel pro data a AI ve společnosti Genpact, je zkušený manažer v oblasti technologií a strategie s více než dvacetiletou praxí v umělé inteligenci, datové strategii, digitální transformaci, fúzích a akvizicích a podnikovém poradenství. Ve své současné roli vede iniciativy, které podnikům pomáhají rozšiřovat využití AI a přecházet od asistenční AI k samostatnějším systémům začleněným přímo do provozu. Před příchodem do Genpactu působil téměř devět let v Accenture, kde zastával několik vrcholových pozic, mimo jiné globálního vedoucího pro data a AI ve spotřebitelských odvětvích a globálního ředitele Centre for Data & Insights. Během své kariéry pomáhal organizacím získávat z dat měřitelnou obchodní hodnotu prostřednictvím vyšší provozní efektivity, růstu výnosů a zmírňování rizik. Vedl také strategické investice, fúze a akvizice a transformační programy založené na AI napříč odvětvími.
Genpact je globální společnost poskytující odborné služby a podporu digitální transformace. Specializuje se na data, AI, analytiku, inteligentní automatizaci a modernizaci provozu velkých podniků. Původně vznikla uvnitř General Electric (GE.TO ) a později se osamostatnila. Dnes slouží organizacím například ve finančních službách, zdravotnictví, výrobě, maloobchodu a odvětví spotřebního zboží. Stále více se zaměřuje na transformaci podniků pomocí AI. Kombinuje analytiku, automatizaci a odvětvové znalosti, aby firmám pomohla modernizovat pracovní postupy, zlepšit rozhodování a odpovědně nasazovat rozsáhlé systémy AI.
Před nástupem do současné role v Genpactu jste v Accenture řadu let utvářel datové a AI strategie napříč odvětvími. Jak tato zkušenost ovlivnila váš pohled na to, proč podniky stále obtížně získávají skutečnou hodnotu z investic do AI?
Jedním z největších poučení z práce napříč odvětvími je, že většina organizací neselhává kvůli slabé technologii. Potíže vznikají tím, že se snaží přidat AI k provozním modelům, které nikdy nebyly navrženy pro samostatné plnění úkolů. Zjištění našeho nedávného výzkumu to jasně potvrzují. Podniky sice zavádějí AI velmi intenzivně, mnohé však stále obtížně přetvářejí provozní modely potřebné pro samostatné plnění úkolů ve velkém měřítku. Tento rozdíl ukazuje, kolik podniků stále řeší otázky řízení a dohledu, odpovědnosti a organizační připravenosti.
Vidíme také, že organizace postupují rychle, aniž by měly zavedené vhodné rámce měření. Celkem 71 procent vedoucích pracovníků věří, že agentní AI přinese návratnost investic rychleji než jakákoli předchozí technologická vlna, ale 67 procent stále spoléhá na ukazatele produktivity vytvořené pro starší modely automatizace. Moje zkušenost ukazuje, že úspěšné zavedení AI nikdy nespočívá jen v nasazení modelů. Jde o přepracování pracovních postupů, sladění technologií s obchodními prioritami a pomoc lidem, aby pochopili, jak se jejich role vyvíjejí vedle stále samostatnějších systémů.
Vaše nedávná zpráva Autonomy Requires Trust in AI ukazuje, že většina vedoucích pracovníků věří, že agentní AI zásadně změní fungování podniků, ale většina systémů zůstává pod dohledem. V čem spočívá největší rozdíl mezi přesvědčením a uskutečněním?
Tato mezera souvisí výhradně s důvěrou. Vedoucí pracovníci zjevně věří, že agentní AI promění způsob práce, ale víra v technologii automaticky neznamená, že jsou připraveni svěřit jí rozhodovací pravomoci. Náš výzkum zjistil, že pouze 22 procent organizací je ochotno s důvěrou nechat systémy AI pracovat samostatně v určité oblasti nebo se širokou autonomií.
Většina podniků stále bez obav používá AI jako asistenta, který může doporučovat, shrnovat nebo podporovat pracovní postupy. Váhání začíná ve chvíli, kdy mají systémy AI jednat samostatně způsobem, který ovlivňuje provoz, zákazníky, dodržování předpisů nebo finanční výsledky. Kvůli tomu mnoho podniků ponechává lidi úzce zapojené do schvalování a dohledu, i když usiluje o samostatnější provozní modely.
Mnoho podniků do AI výrazně investuje, ale nedokáže prokázat podstatné výnosy. Jakých chyb se organizace nejčastěji dopouštějí při měření hodnoty vytvářené AI?
Velkou chybou je, že mnoho organizací stále používá ukazatele produktivity navržené pro dřívější vlny automatizace. Data ukazují, že 67 procent podniků stále spoléhá na měření založené na produktivitě, které nedokáže plně zachytit hodnotu přizpůsobivých systémů fungujících na základě rozhodování. Vzniká tak skutečný rozdíl mezi očekáváním a způsobem, jakým se hodnota doopravdy měří.
Dalším problémem je, že mnoho organizací dosud nedefinovalo ukazatele úspěchu odpovídající povaze AI. Jen malá část podniků měří například samostatné dokončování pracovních postupů, menší potřebu eskalace nebo samostatné řešení výjimek. Pokud se firmy budou dál soustředit pouze na snižování nákladů nebo ušetřené hodiny, přehlédnou širší provozní dopad, který má agentní AI přinést.
Zpráva naznačuje, že organizační připravenost je větší překážkou než samotná technologie. Jaké konkrétní strukturální změny musí podniky provést, aby využily plný potenciál agentní AI?
Organizace musí znovu promyslet, jak v celém podniku funguje odpovědnost, vlastnictví pracovních postupů a rozhodování. Jedním z nejjasnějších závěrů výzkumu je, že organizační připravenost se stává větší překážkou než technologie sama. Celkem 33 procent podniků označilo za hlavní překážku zavádění nepřipravenost obchodních procesů na integraci agentní AI.
Největších pokroků dosahují firmy, které přepracovávají pracovní postupy od začátku do konce, aby samostatné systémy mohly fungovat v jasně vymezených hranicích a strukturách dohledu. Zjistili jsme také, že 44 procent podniků očekává, že agentní AI sníží počet úrovní řízení, protože systémy převezmou koordinační úkoly tradičně vykonávané středním managementem. Zaměstnanci potřebují mnohem jasněji vědět, kdo odpovídá za dohled, kdy zasáhnout a jaké místo má lidský úsudek ve stále samostatnějším prostředí.
Pouze malá část organizací je připravena s důvěrou dát agentům AI skutečnou autonomii. Co bude potřeba, aby podniky systémům AI důvěřovaly natolik, že jim svěří rozhodovací pravomoci?
Důvěra v agentní AI se v konečném důsledku opírá o odpovědnost a kontrolu. Podniky zůstávají při předávání rozhodovacích pravomocí opatrné, protože vedení chce mít jistotu, že samostatné systémy dokážou fungovat v jasných mantinelech a strukturách řízení a dohledu.
Firmy, které postupují vpřed, navrhují systémy, v nichž jsou eskalační cesty, podmínky pro zásah a kontrolní mechanismy začleněny přímo do provozního modelu. Většina organizací uděluje autonomii postupně podle situace v podnikání a tolerance k riziku, místo náhlého přechodu k úplné samostatnosti. S úspěšným nasazováním získávají podniky větší jistotu a důvěra roste, protože vedení jasně vidí, jak se rozhodnutí přijímají, kdo za ně odpovídá a jak se zachovává lidský dohled.
Podniky očekávají rychlé rozšíření agentní AI, ale mnohé stále spoléhají na zastaralé ukazatele produktivity. Jak by měly vypadat účinnější ukazatele výkonnosti odpovídající povaze AI?
Ukazatele určené pro AI musí měřit plnění úkolů a výsledky, nikoli pouze aktivitu. Tradiční měření produktivity se zaměřuje na to, zda lidé pracují rychleji. Agentní AI však mění situaci, protože systém sám začíná přebírat část provozní zátěže. To je důležité, protože mnoho organizací stále měří agentní AI optikou produktivity navrženou pro starší vlny automatizace, nikoli pro samostatné plnění úkolů.
Účinnější ukazatele by měly sledovat samostatné dokončování pracovních postupů, nižší míru eskalace, rychlejší realizaci rozhodnutí a to, jak účinně systémy řeší výjimky s omezenými lidskými zásahy. Tyto ukazatele podávají mnohem jasnější obraz o tom, zda AI skutečně zlepšuje plnění úkolů ve velkém měřítku.
Zdůrazňujete, že přepracování procesů je hlavní překážkou zavádění. Proč je v této další fázi AI proměna pracovních postupů důležitější než výkon modelů?
Proměna pracovních postupů je důležitá, protože ani nejpokročilejší systémy AI nelze účinně rozšiřovat v nefunkčních nebo roztříštěných procesech. Náš výzkum zjistil, že 33 procent podniků označilo připravenost procesů za hlavní překážku zavádění agentní AI.
Další fáze se liší tím, že agentní AI je navržena k plnění úkolů napříč pracovními postupy, nikoli pouze k pomoci uvnitř nich. Organizace musí přepracovat procesy pro samostatné plnění úkolů tím, že vyjasní odpovědnost za rozhodování, odstraní zbytečné předávání mezi účastníky a začlení řízení a dohled přímo do pracovních postupů. Přepracování pracovních postupů je nyní v mnoha ohledech skutečným základem pro rozsáhlé využití AI.
Zpráva naznačuje, že AI sníží počet organizačních úrovní díky automatizaci koordinačních úkolů. Jak se podle vás v důsledku toho budou vyvíjet role vedení a středního managementu?
S tím, jak agentní AI přebírá více koordinačních úkolů a provozního dohledu, se role vedení pravděpodobně přesunou od řízení rutinního plnění úkolů k určování strategie, uplatňování úsudku a řízení. Náš výzkum zjistil, že mnoho podniků očekává, že agentní AI sníží počet koordinačních úrovní v organizaci, protože samostatné systémy převezmou více odpovědnosti za provozní dohled.
Střední management historicky hrál významnou roli při směrování rozhodnutí a udržování provozní kontinuity mezi týmy. Jakmile samostatné systémy začnou přebírat více těchto činností, vedení se bude muset více zaměřit na řešení výjimek, odpovědnost a zajištění souladu systémů s obchodními cíli. Lidské vedení bude ještě důležitější v oblastech, kde mají stále největší význam souvislosti, etika a úsudek.
Genpact se profiluje jako společnost nabízející řešení agentní AI a pokročilých technologií. Jak se její přístup k agentní AI liší od tradičních poradenských nebo technologických firem?
Přístup Genpactu vychází z plnění úkolů a výsledků a z řešení toho, co často označujeme za problém „posledního kroku“ při zavádění AI. Mnoho organizací už prokázalo, že modely AI dokážou přinášet poznatky nebo zvyšovat produktivitu. Skutečnou výzvou je však začlenit tyto schopnosti do běžících podnikových procesů, v nichž se skutečně pracuje. Právě zde se mnoho iniciativ AI zastaví. Soustředíme se na to, abychom klientům pomohli převést agentní AI do praxe až po poslední krok realizace, a systémy tak mohly přinášet měřitelné výsledky ve financích, dodavatelském řetězci, zákaznických službách a dalších klíčových podnikových funkcích.
Náš přístup odlišuje kombinace hlubokých procesních znalostí a schopností v oblasti dat, technologií a AI. Nejde jen o nasazování modelů nebo vytváření pilotních projektů. Přepracováváme pracovní postupy, začleňujeme řízení a dohled do provozu a pomáháme podnikům vytvářet struktury odpovědnosti potřebné pro samostatné plnění úkolů ve velkém měřítku. Protože jsme agentní AI začlenili také do vlastního provozu, máme praktické zkušenosti s tím, co vyžaduje přechod od experimentů k dopadu na celý podnik.
Domníváte se, že agentní AI v budoucnu prohloubí rozdíl mezi vedoucími a zaostávajícími podniky? Co by firmy měly dělat už nyní, aby nezůstaly pozadu?
Ano, věřím, že se rozdíl prohloubí, protože agentní AI postupně násobí hodnotu jinak než předchozí technologické vlny. Organizace, které úspěšně přepracují pracovní postupy, zavedou rámce odpovědnosti a vybudují důvěru v samostatné systémy, získají provozní výhody, které budou konkurenti obtížně napodobovat. Pozoruhodná je rychlost této změny. Celkem 29 procent podniků očekává, že se agentní AI během příštích 12 měsíců rozšíří do celého podniku.
Firmy, které si chtějí udržet konkurenceschopnost, by nyní měly upřednostnit přípravu provozního modelu na samostatné plnění úkolů. To zahrnuje přepracování pracovních postupů, vymezení struktur odpovědnosti, vybudování rámců měření odpovídajících povaze AI a investice do připravenosti zaměstnanců. Organizace, které na těchto základech začnou pracovat včas, budou v mnohem lepší pozici než ty, které AI stále pojímají jako samostatnou technologickou iniciativu.
Děkujeme za skvělý rozhovor. Čtenáři, kteří se chtějí dozvědět více, mohou navštívit Genpact.












