Lakshmikant Gundavarapu, Chief Innovation Officer ve společnosti Tredence – Interview Series

Lakshmikant Gundavarapu je Chief Innovation Officer ve společnosti Tredence. S více než třemi desetiletími zkušeností v IT sektoru je Lakshmikant uznávanou autoritou v oblasti AI transformace a digitální inovace.

Jako bývalý globální ředitel pro Data & AI ve společnosti Microsoft (MSFT ) India umožnil Lakshmikantovo vedení digitální transformaci pro více než 100 klientů ve 40 zemích. Ve společnosti Microsoft Lakshmikant prosazoval integraci open-source databází na Azure a vytvořil strategická partnerství se společnostmi poskytujícími SaaS řešení.

S talentem pro vytváření klient-centrických AI řešení vyniká Lakshmikant v vytváření strategických partnerství, která pohánějí inovace. Lakshmikant přináší bohaté zkušenosti, technické odbornosti a vůdcovské schopnosti, aby katalyzoval AI-poháněné transformace, a prokázal schopnost překládat vznikající technologie do konkrétních obchodních řešení.

Tredence je společnost pro data a AI, která pomáhá podnikům transformovat analytické experimenty do reálného dopadu. Pracují napříč odvětvími, jako je maloobchod, CPG, technologie, finance, zdravotnictví a cestovní ruch, a nabízejí služby v oblasti datové inženýrství, AI/ML, generativní AI, dodavatelského řetězce, zákaznické zkušenosti a digitální modernizace. Jejich zaměření spočívá v kombinaci rychlosti prostřednictvím akcelerátorů, hluboké odbornosti a silných partnerství, aby poskytli škálovatelná, podniková řešení.

S vašimi lety ve společnosti Microsoft India, jaké zkušenosti utvořily váš pohled na AI-poháněnou podnikovou transformaci, která se nyní projevuje v strategii Tredence?

Během mého působení ve společnosti Microsoft jsem měl příležitost pracovat s podniky napříč různými sektory, včetně leteckého a realitního průmyslu. Je zřejmé, že AI může vytvořit skutečný dopad, když má jasný účel, je podporován spolehlivými daty a je navržen tak, aby se integroval do operačního rozhodování.

Například:

• Velká letecká společnost implementovala AI pro předpověď selhání motorů, což umožnilo proaktivní údržbu a zlepšení bezpečnosti a efektivity.
• Velká realitní firma využila AI pro prediktivní monitorování základních systémů budov, což vedlo ke snížení prostojů a optimalizaci plánů údržby.

Tyto zkušenosti mě naučily, že technologie sama o sobě nevytváří transformaci podniků. Vyžaduje uvážlivé navržení, silné datové základy a mechanismy, které překládají poznatky do skutečných akcí. Tento pohled nyní pohání přístup Tredence: vyvíjíme AI řešení, která jsou účelově orientovaná, datově informovaná a schopná poskytovat měřitelné výsledky napříč podnikem.

Tredence je často popisována jako řešení „poslední míle“ v AI. Můžete sdílet příklady, kde tato urychlená transformace pro klienty? 

Zvažte velký globální maloobchodník. Sjednocením fragmentovaných dat z transakcí, programů loajality, operací dodavatelského řetězce a digitálních doteků jsme umožnili AI aplikace, které poháněly růst výnosů, retenci zákazníků, personalizaci cest a předpověď poptávky. Tyto poznatky jsme aplikovali operačně, čímž jsme proměnili analytiku v hmatatelné obchodní výsledky.

Případová studie maloobchodu: Tredence vytvořila sjednocený personalizační systém, který vygeneroval 58 milionů dolarů ve výnosech a uzavřel 54% KPI mezery. To šlo nad rámec zákaznických poznatků a poskytlo personalizaci generující výnosy v měřítku.

V biotechnologickém průmyslu integrace dat z výzkumu, klinických studií a komerčních aktivit umožnila AI optimalizovat nábor do studií, vylepšit návrh studií a zlepšit zapojení lékařů, což urychlilo dobu uvedení na trh a zvýšilo výnosy.

Napříč sektory, od detekce bankovních podvodů až po prediktivní údržbu ve výrobě, zůstává poučení stejné: AI poskytuje hodnotu pouze tehdy, když pohání rozhodnutí, která jsou pro podnik důležité.

Případová studie bankovnictví: Tredence nasadila GenAI AML (anti-money laundering) copiloty, které nejen generovaly poznatky o podezřelých aktivitách, ale také se integrovaly do denních operací, aby zvýšily propustnost případů o 120 % a snížily falešné pozitivy o 15 %. To ukazuje překlad z AI detekce na operační efektivitu.

Podniky často zápasí s přechodem z AI pilotů do produkce v měřítku. Jaké jsou největší překážky a jak Tredence pomáhá překonat je?

Mnohé AI iniciativy uvíznou, protože nejsou navrženy s jasným obchodním výsledkem, i když jsou technicky silné. Klíčové výzvy zahrnují:

1. Purpose-built design gaps: Poznatky mohou být zajímavé, ale nevyřeší měřitelné obchodní problémy.
2. Data limitations: Fragmentovaná nebo nekvalitní data brání spolehlivému škálování.
3. Operational challenges: Bez automatizovaného nasazení, monitorování, přeškolování a governance zůstávají modely experimentální.

Ve společnosti Tredence řešíme tyto výzvy prostřednictvím:

• Outcome-focused design, zajišťující, že každá AI iniciativa je přímo vázaná na měřitelné obchodní výsledky.
• Robustní datové základy, konsolidující a obohacující datové sady pro spolehlivý modelový výkon.
• Production-ready operační rámce, včetně automatizovaného nasazení, monitorování a přeškolování, aby se udržela přesnost, odolnost a compliance.

Tento přístup umožňuje podnikům přecházet z experimentů na plnohodnotnou AI, která konzistentně poskytuje obchodní dopad.

Vous nedávno oznámili Milky Way, soustavu autonomních AI agentů. Co inspirovalo jeho design a jak se liší od konvenčních AI asistentů?

Milky Way se zrodila z uvědomění, že podniky potřebují více než pouze dashboardy nebo chatboty. Potřebují rámec pro myšlení, který může spotřebovat, interpretovat a propojit multivariační data, aby generoval akční inteligenci.

Na rozdíl od konvenčních asistentů Milky Way agenti:

• Myšlení napříč různými zdroji dat, propojující poznatky spíše než pouze odpovídající na otázky.
• Analýza komplexních, vícedimenzionálních problémů, propojující informace napříč pracovními postupy.
• Poskytování akční inteligence, převádějící poznatky do rozhodnutí nebo automatizovaných akcí.

Stručně řečeno, Milky Way transformuje AI na síť myšlení agentů, schopných zvládat složitost a pohánět skutečné obchodní výsledky, spíše než nahrazovat základní nástroje.

Rané nasazení Milky Way přineslo rychlé výsledky. Co umožnilo tyto zisky?

Tři prvky udělaly rozdíl:

1. Vložené poznatky tam, kde se dělají rozhodnutí, činí doporučení okamžitě akční.
2. Předvídavá inteligence, převádějící poznatky do proaktivních rozhodnutí spíše než retrospektivní analýzy.
3. Zabezpečené, řízené platformy, umožňující podnikové AI, zatímco se udržuje compliance a kontrola.

Tato kombinace poskytuje hmatatelné obchodní výsledky v týdnech spíše než měsících.

Milky Way priorizuje vysvětlitelnost, audibilitu a myšlení cest. Jak kritické je to pro podnikovou důvěru?

Důvěra je základem podnikové AI. Milky Way zajišťuje:

• Průhledné zdůvodnění pro každé doporučení.
• Auditní stopy dokumentující všechny vstupy, výstupy a akce.
• Průběžné adversativní testování, aby se zajistila robustnost a spolehlivost.

Tato transparentnost a odpovědnost odlišují Milky Way od neprůhledných, černých skříněk, budujících podnikovou důvěru v adopci.

Jak tato změna z nástrojů na AI kolegy ovlivní organizace a rozhodování?

AI kolegové mění způsob, jakým organizace fungují:

• Manažeři přebírají duální role, řídící lidi a zároveň dohlížející na AI agenty.
• Rozhodnutí se stávají spoluprací, s agenty zpracovávajícími myšlení a lidmi poskytujícími kontext a etické dohled.
• Operační struktury se vyvíjejí, aby integrovaly AI do denního rozhodování, zlepšující rychlost, konzistenci a kvalitu výsledků.

Do roku 2028 může být třetina obchodních rozhodnutí učiněna autonomně. Co musí organizace změnit, aby zajistily bezpečnost?

 Abyste bezpečně nasadili autonomní AI, organizace by měly implementovat praktická opatření napříč kulturou, operacemi a governance:

Kultura – Budujte důvěru s AI:

• Začněte s rozhodováním člověka v smyčce a postupně zvyšujte autonomii.
• Vyškolte týmy, aby rozuměly, ověřovaly a zasahovaly do AI doporučení.

Operace – Implementujte monitorování a rizika:

• Průběžně sledujte AI rozhodnutí pro přesnost, zkreslení a compliance.
• Provádějte adversativní simulace, aby identifikovaly zranitelnosti.
• Udržujte zpětné vazby, aby se zlepšily AI modely z lidských oprav.

Governance – Nastavte hranice a eskalační cesty:

• Definujte, která rozhodnutí mohou být plně automatizována a která vyžadují dohled.
• Zajistěte audibilitu a stopovatelnost pro všechny AI-poháněné akce.
• Vytvořte kontingenční procesy, aby zasáhly v případě anomálií nebo rizik.

Tyto kroky umožňují organizacím škálovat autonomní rozhodování bezpečně, zatímco si uchovávají kontrolu, odpovědnost a compliance.

Co je roadmapa Tredence pro Milky Way?

Naší roadmapou je:

1. Průmyslově specifické agenty pro maloobchod, zdravotnictví, výrobu a finanční služby.
2. Hlubší integrace s ERP, CRM a systémy dodavatelského řetězce pro bezproblémovou adopci.
3. Průběžné učení a myšlení, aby agenty umožnily zlepšit svou inteligenci a kontextuální porozumění v čase.

Vize je ekosystém spolupracujících agentů, které podniky mohou sestavit, řídit a důvěřovat.

Jak by měli C-suite lídři připravovat na AI, která přebírá strategická rozhodovací role?

Adopce AI je zralostní cesta:

• Začněte s lidmi v smyčce, pokročte k poloautonomním pracovním postupům a nakonec umožněte plnou autonomii v řízených doménách.
• Investujte do AI gramotnosti, umožňující týmům spolupracovat efektivně s AI systémy.
• Přemýšlejte o KPI, rámcích governance a operačních strukturách, aby se zaměřily na kvalitu rozhodnutí a obchodní dopad, nikoli pouze na modelový výkon.

Nakonec je adopce AI nejen technologickou iniciativou, ale transformací ve vedení, kultuře a operačním rozhodování.

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