Lokdeep Singh, CEO společnosti Unily – Série rozhovorů

Lokdeep Singh má více než 20 let zkušeností s vedením rychle rostoucích podnikových softwarových společností. Nedávno působil jako seniorní poradce ve společnosti Providence Equity Partners, kde podporoval portfoliové společnosti v oblasti AI strategie, provozní dokonalosti a akcelerace vstupu na trh. Předtím byl generálním ředitelem Talkwalker, globálního lídra v oblasti podnikové spotřebitelské inteligence, kde vedl transformaci k dosažení udržitelného, ziskového růstu; a ve společnosti Synchronoss Technologies jako generální manažer.

Unily je platforma pro podnikové zaměstnanecké zkušenosti navržená tak, aby pomáhala velkým organizacím spojovat zaměstnance, zefektivňovat interní komunikaci a přenášet pracovní nástroje, znalosti a služby do jednotného digitálního prostředí. Společnost byla založena v roce 2006 a obsluhuje globální podniky s rozptýlenou, kancelářskou i frontální pracovní silou, kombinující intranetové funkce, komunikaci se zaměstnanci, vyhledávání, analytiku, integrace a personalizaci v jediné platformě. Unily stále častěji prezentuje svou technologii jako AI-native, využívající řízenou umělou inteligenci k automatizaci správy obsahu, zobrazování relevantních informací, personalizaci zaměstnaneckých zkušeností a umožnění pracovníkům interagovat s propojenými podnikových aplikacemi prostřednictvím konverzačních rozhraní. Platforma se integruje s široce používanými systémy jako Microsoft 365 a Teams a je postavena pro organizace s komplexními technologickými prostředími, regulatorními požadavky a velkými vícejazyčnými pracovními silami.

Začal jste svou kariéru hluboko v telekomunikačním inženýrství a síťové infrastruktuře, než jste přešel do rolí CTO, produktového, obecného managementu a CEO, nakonec vedl Talkwalker k úspěšnému odchodu a nyní převzal vedení v Unily. Jaký vliv měla tato cesta na váš pohled na to, co skutečně potřebují zaměstnanci k důvěře a přijetí transformační technologie, jako je AI?

Moje kariéra mi poskytla perspektivu, která leží mezi technologií a lidmi, kteří ji mají používat. Na počátku jsem se soustředil na infrastrukturu, zajišťoval, aby systémy fungovaly spolehlivě, bezpečně a ve velkém měřítku. Jakmile jsem přešel do produktové oblasti, obecného managementu a nakonec do rolí CEO, uvědomil jsem si, že technická schopnost je jen jednou částí úspěšnosti technologie.

Zaměstnanci přijmou nově vznikající technologii pouze tehdy, když pochopí, jak ovlivní jejich práci, věří, že jim pomůže spíše než uškodí, a mají jistotu, že se bude chovat předvídatelně.

Největší chybou, kterou vedoucí mohou udělat, je považovat přijetí AI za nasazení softwaru. Můžete nasadit nejlepší model na světě, ale pokud zaměstnanci nevěří informacím, které poskytuje, nechápou, co je mu povoleno dělat, nebo neznají hranice, přijetí zůstane povrchní. Důvěra musí být navržena do zaměstnanecké zkušenosti od samého začátku.

Schopnosti AI se zlepšují mimořádně rychle, zatímco důvěra v organizacích se často zdá, že postupuje mnohem pomaleji. Co pohání tuto rostoucí propast mezi tím, co AI technicky dokáže, a tím, co zaměstnanci jsou ochotni jí povolit dělat?

Mezera v důvěře existuje, protože organizace výrazně investovaly do zvýšení schopností AI, ale ne stejným tempem do její srozumitelnosti, odpovědnosti a zakotvení v důvěryhodných informacích.

AI nyní dokáže uvažovat, generovat obsah a jednat, ale mnoha organizacím stále chybí autoritativní systém záznamu pro znalosti a obsah. Když zaměstnanci neví, odkud AI čerpá své odpovědi, zda jsou informace aktuální, nebo kdo je vlastní, důvěra rychle eroduje.

Uzavření mezery vyžaduje více než lepší modely. Vyžaduje silnou správu obsahu a důvěryhodnou znalostní základnu, která zajišťuje, že AI pracuje s přesnými, bezpečnými a aktuálními informacemi. Organizace, které uspějí, budou ty, které učiní důvěru součástí samotné AI zkušenosti, nikoli jen doplňkem.

Společnosti často přistupují k podnikovému AI jako k problému nasazení technologie zaměřenému na modely, integrace, bezpečnost a infrastrukturu. Proč se domníváte, že těžší výzvou je nakonec otázka lidí a organizace?

AI mění vztah mezi lidmi a technologií. Předchozí podnikovou technologie většinou čekaly, až jim zaměstnanci řeknou, co mají dělat. AI dokáže interpretovat záměr, dávat doporučení a stále častěji jednat.

To dělá z přijetí AI výzvu budoucnosti práce, nikoli jen technologickou výzvu. Mění způsob, jakým se práce vykonává, jak se rozhoduje a jak týmy spolupracují. Organizace nemohou jen nasadit AI a očekávat, že transformace nastane. Zaměstnanci musí pochopit, kde AI zapadá do jejich pracovních postupů, a cítit se zmocněni ji efektivně využívat.

Nejúspěšnější iniciativy AI jsou poháněny přijetím ze základny, nikoli příkazy shora dolů. Když zaměstnanci vidí jasnou hodnotu ve své každodenní práci, přijetí se přirozeně zrychluje.

Proto je rámec pro ROI AI jednoduchý – jde o důvěru, zmocnění a správu. Budujte důvěru prostřednictvím transparentnosti a důvěryhodných znalostí, zmocněte zaměstnance nástroji, které zlepšují jejich práci, a zaveďte správu, která zajistí odpovědné používání AI. Technologie umožňuje změnu, ale lidé, procesy a kultura nakonec určují její úspěch.

Organizace potřebují řízení, ale příliš restriktivní politiky mohou zaměstnance tlačit k neautorizovaným nástrojům nebo odrazovat od experimentování vůbec. Jak vypadá efektivní rámec pro řízení AI, pokud je cílem zvýšit jak důvěru, tak přijetí, místo pouhého kontrolování používání?

Dobré řízení by mělo působit jako zábrany, které umožňují zaměstnancům rychleji a bezpečněji postupovat.

To znamená být velmi jasný ohledně toho, k čemu mohou zaměstnanci AI používat, jaké informace mohou AI systémům poskytovat a jaké akce AI smí provádět. Tato pravidla by měla být srozumitelná pro zaměstnance, nikoli skrytá v dlouhém politickém dokumentu.

Řízení také musí být dynamické. Riziko spojené s tím, že AI vytvoří první návrh, se výrazně liší od rizika, kdy AI schvaluje platbu, mění záznam zaměstnance nebo komunikuje se zákazníkem. Úroveň lidského dohledu by měla odpovídat potenciálním následkům.

Nakonec by cílem nemělo být minimalizovat používání AI. Mělo by jít o maximalizaci odpovědného používání.

Výzkum Unily zjistil, že 52 % zaměstnanců uvedlo, že ve své organizaci neexistuje žádná známá politika AI, zatímco někteří zaměstnanci přiznali zadávání citlivých informací do neautorizovaných AI nástrojů. Do jaké míry je nárůst „shadow AI“ ve skutečnosti selháním komunikace a řízení, spíše než problémem chování zaměstnanců?

Měli bychom být opatrní při rámování shadow AI jako problému špatného zaměstnance. Významný důvod používání shadow AI je symptom neuspokojené poptávky. Zaměstnanci nacházejí způsoby, jak řešit problémy, na které jim jejich organizace ještě nedala schválené nástroje, což je přirozené lidské chování.

Místo toho, aby se od nich očekávalo, že budou ignorovat technologii, která mění způsob, jakým se práce vykonává, odpovědí je poskytnout zaměstnancům bezpečnou, schválenou cestu k experimentování, včetně jasných hranic a vzdělávání.

Transparentnost a vysvětlitelnost jsou často prezentovány jako nezbytné pro důvěryhodnou AI, ale zaměstnanci nemusí nutně rozumět tomu, jak velký jazykový model funguje interně. Jaké informace by měl AI systém poskytnout, aby si zaměstnanec mohl udělat informované rozhodnutí, zda jeho odpověď nebo doporučení důvěřovat?

Podnikový AI systém by měl jasně uvádět, odkud informace pocházejí, kdy byly naposledy aktualizovány, jaké zdroje nebo podnikové systémy byly použity a proč byla učiněna konkrétní doporučení.

Měl by být také upřímný ohledně nejistoty. Jedním z nejdůležitějších signálů důvěry je, když AI systém řekne v podstatě: „Nemám dostatek informací, abych na to odpověděl s jistotou.“

Důvěra nevychází z toho, že AI předstírá jistotu. Vychází z poskytnutí zaměstnancům dostatečného kontextu, aby mohli uplatnit vlastní úsudek.

Unily Glass je navržen tak, aby posunul podnikové AI od pouhého odpovídání na otázky k vykonávání akcí napříč systémy, jako jsou HR, IT a platformy pro řízení vztahů se zákazníky. Jak by si organizace měly určit, které rozhodnutí mohou agenti činit autonomně a která by i nadále vyžadovala lidské schválení, jak AI přechází od poskytování informací k skutečnému jednání?

Klíčovým principem by měla být proporcionalita rizika. Pokud AI agent plánuje schůzku nebo vyhledává informace, negativní dopad nesprávné akce je relativně omezený. Můžete mu poskytnout mnohem větší autonomii. Avšak pokud agent schvaluje finanční transakci, mění odměnu zaměstnance, ruší přístup nebo činí rozhodnutí s důsledky pro zákazníka, práh by měl být výrazně vyšší.

Organizace by měly stanovit explicitní úrovně autonomie na základě faktorů jako finanční dopad, regulatorní expozice, reverzibilita a dopad na lidi. Čím více důsledná nebo nevratná akce je, tím důležitější se stává lidské schválení.

Cílem je udržet lidi smysluplně v kontrole tam, kde to má význam.

Podniky stále častěji nasazují více copilotů, specializovaných agentů, velkých jazykových modelů a aplikací s AI napříč technologickým stackem. Jak mohou organizace zabránit tomu, aby to vytvořilo další vrstvu fragmentace, a očekáváte, že centralizovaná vrstva důvěry nebo orchestraci se stane nezbytnou?

Riziko je, že znovu vytvoříme stejnou fragmentaci, jakou podnikový software přinesl během posledních několika desetiletí, jenže nyní může každá aplikace mít své vlastní AI rozhraní a svého agenta.

Zaměstnanci by neměli muset rozumět, který model stojí za kterou aplikací, ani si pamatovat, kde se v organizaci AI nachází. Měli by být schopni komunikovat s AI v kontextu své práce a mít k dispozici správné informace a schopnosti, které jsou pro ně sjednoceny.

Právě zde se stává stále důležitější vrstva orchestraci a důvěry. Může poskytnout konzistentní způsob správy identity, oprávnění, kontextu, přístupu k datům a akcí napříč různými AI systémy.

Pravděpodobně nebude existovat jeden model nebo jedna AI platforma, která bude vlastnit vše, ale organizace budou čím dál více potřebovat společnou vrstvu, která umožní, aby všechny tyto systémy spolupracovaly odpovědně.

Mnoho organizací dokáže měřit, jak často zaměstnanci používají AI nástroj, ale samotné používání neprokazuje, že investice přináší hodnotu. Jaké metriky by měli vedoucí sledovat, aby zjistili, zda AI skutečně zlepšuje produktivitu, rozhodování, zkušenost zaměstnanců nebo obchodní výsledky?

Používání je zajímavý výchozí bod, ale nejde o výsledek. Vedoucí by se měli ptát, zda AI zkracuje dobu potřebnou k dokončení důležitých pracovních postupů, odstraňuje opakující se úkoly, zlepšuje kvalitu nebo rychlost rozhodnutí a snižuje tření pro zaměstnance.

Díval bych se na metriky jako ušetřený čas na workflow, míru dokončení úkolů, míru chyb, spokojenost zaměstnanců, čas k vyřešení a nakonec obchodní ukazatele spojené s konkrétní funkcí, která AI nasazuje.

Nejsilnější organizace propojí AI metriky přímo s obchodními výsledky místo oslavování aktivity samé o sobě.

Jak se enterprise AI vyvíjí od asistentů, kteří generují obsah, k agentům, kteří dokážou provádět stále složitější pracovní postupy, co podle vás stále podceňují obchodní vedoucí ohledně vztahu mezi schopnostmi AI, důvěrou zaměstnanců a úspěšnou adopcí?

Mnoho vedoucích stále podceňuje, jak moc důvěra určuje strop adopce AI.

Společnosti často hovoří o schopnostech AI, jako by vyšší schopnosti automaticky znamenaly vyšší hodnotu. Není to pravda. Extrémně schopný systém, kterému zaměstnanci nedůvěřují, může přinést méně hodnoty než omezenější systém, který rozumí a používají s jistotou.

To vyžaduje, aby firmy uvažovaly o technologiích, správě, zkušenostech zaměstnanců a organizačních změnách jako o jednom systému. Firmy musí zjistit, jak učinit AI dostatečně důvěryhodnou, aby skutečně změnila způsob práce lidí.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Unily.