Par Chadha, zakladatel, CEO a CIO HandsOn Global Management – série rozhovorů

Par Chadha, zakladatel, CEO a CIO HandsOn Global Management, je podnikatel, investor a technologický výkonný ředitel s desetiletími zkušeností se stavěním a rozšiřováním firem založených na technologiích. Od založení HandsOn Global Management v roce 2001 se soustředí na investice do automatizace pracovních postupů, velkých dat, robotické procesní automatizace (RPA), kognitivních technologií a umělé inteligence v oblasti finančních služeb, zdravotnictví, pojišťovnictví a právních trhů. Je také spoluzakladatelem Rule14 a dříve působil jako předseda a výkonný předseda Exela Technologies, stejně jako předseda SourceHOV.

HandsOn Global Management (HGM) Limited je technologicky orientovaná společnost působící na průsečíku strategických investic a obchodních služeb, spojující nasazení kapitálu s provozní odborností k budování a rozšiřování firem založených na technologiích. Společnost se stále více zaměřuje na služby ve zdravotnictví řízené AI, včetně řízení výnosového cyklu, lékařského kódování, ambientního poslechu a analytiky zdravotnictví, a zároveň aplikuje automatizaci poháněnou AI a optimalizaci procesů napříč podnikových pracovních postupů. HGM popisuje svůj model jako hybrid investiční firmy a diverzifikovaného poskytovatele služeb, využívající akvizice, integraci technologií a provozní realizaci k dlouhodobému růstu na trzích včetně Severní Ameriky, Asie‑Pacifiku a Středního východu.

Založil jste HandsOn Global Management v roce 2001, dlouho předtím, než se umělá inteligence stala mainstreamovým investičním tématem. Co vás původně inspirovalo k založení společnosti a jak se její investiční filozofie vyvíjela spolu s pokrokem v automatizaci pracovních postupů, datové inteligenci a agentní AI?

Název HandsOn popisuje, jak přemýšlím o organizaci. Pokud nemůžete být hands‑on — pokud jste hands‑off — nepatříte do naší organizace. Očekávám, že lidé, kteří dohlížejí na podniky, včetně mě, budou praktikovat to, co nazývám služební vedení. Naším úkolem je sloužit lidem, kteří pro nás pracují, a pomáhat jim být úspěšnější.

Technologie se změnila enormně, ale základní otázka se příliš nezměnila: co technologie umožňuje podniku dělat lépe?

U automatizace jsem vždy sledoval to, co nazývám flexibilní kapacitou. Pokud jeden zaměstnanec zvládne 100 transakcí a automatizace mu umožní zvládnout 250, vytvoříte kapacitu pro růst bez přidání stejného množství nákladů. To činí podnik ziskovější a škálovatelný.

Nyní AI posouvá toto ještě mnohem dál. Přecházíme k pracovním postupům založeným na AI, kde dochází k orchestraci mnoha různých úkolů, s lidmi v cyklu a s agentní AI v cyklu. Myslím, že takové společnosti budou mít obrovskou poptávku a budou jedněmi z nejdisruptivnějších firem.

Technologie se tedy vyvinula, ale naše filozofie zůstává hands‑on: pochopit provozní problém, pochopit, kde lze vytvořit produktivitu, a proměnit technologii v podnik.

Jako CEO i hlavní investiční ředitel, jaké charakteristiky odlišují AI společnost s potenciálem stát se trvalým podnikem od té, která těží hlavně z krátkodobého nadšení kolem technologie?

Pro mě je rozdíl v tom, zda dokážete investici přeměnit na podnik. Jinak je investice jen nákladem.

Může být spousta nadšení kolem duševního vlastnictví nebo nové technologie, ale někdo ji musí používat. Musí něco řešit, mít hodnotovou nabídku a nakonec generovat příjmy.

Vezměte například automatizaci. Musíte také pochopit funkci, kterou automatizujete. Marketing, prodej, nákup, HR, finance, administrativa, daňové přiznání a bezpečnost jsou velmi odlišné funkce. Automatizace musí být navržena podle toho, co konkrétní podnik skutečně dělá. Čerpací stanice má velmi specifické potřeby. Restaurace má velmi specializované potřeby.

Společnosti, které přežijí, budou ty, kde zákazníci vidí rozdíl — vyšší ziskovost, větší škálovatelnost, větší kapacitu nebo schopnost udělat něco, co dříve ekonomicky nešlo. Technologie je důležitá, ale nakonec se musí stát podnikem.

HandsOn Global Management zaujímá aktivní provozní roli při budování, akvizicích a transformaci společností. Jak tento hands‑on přístup mění způsob, jakým hodnotíte AI investice ve srovnání s tradičním modelem venture kapitálu nebo private equity?

Nevěřím v to, že byste seděli nahoře a jen lidem říkali, co mají dělat. Můj přístup byl vždy takový, že lidé, kteří pro vás pracují, mají mezery, a vaším úkolem je pomoci tyto mezery zaplnit a učinit je úspěšnými.

To znamená, že když se díváme na investici, myslíme operativně. Kdo ji bude řídit? Jak bude umístěna? Kdo jsou zákazníci a partneři? Jaká je hodnota nabídky? Může být škálovatelná?

Spolupracuji ruku v ruce s týmy managementu, ale také chci, aby provozní osoba vedla. Udělám úvod, nechám tuto osobu převzít vedení, budu v kopii a budu k dispozici. Pro nás není vlastnictví investice a provoz podniku dvěma zcela oddělenými činnostmi.

Mnoho firem experimentuje s AI, ale jen málo z nich ji úspěšně nasadilo napříč kritickými operacemi. Co odlišuje organizace, které přecházejí od izolovaných pilotních projektů k adopci v produkčním měřítku?

Velkou část tvoří to, zda je samotná organizace připravena na změnu.

Technologie může postupovat rychleji než lidé. Máme lidi čerstvé ze školy, kteří znají AI, znají agenty a mohou být velmi rychle produktivní. Současně lidé s pěti, deseti nebo dvaceti lety profesionální zkušenosti mohou mít potíže přejít ze své komfortní zóny do nové zóny. Vidíme stejné chování v USA, Indii, na Filipínách i v Evropě.

Stává se to organizačním problémem, nikoli jen technologickým.

Společnosti, které přejdou, budou ochotny změnit samotný pracovní postup. Jakmile orchestrujete různé úkoly s lidmi a agentní AI pracujícími v rámci procesu, měníte způsob, jakým je práce vykonávána.

Pokud společnosti tento posun neprovedou, udělá to někdo jiný. Myslím, že se to stává otázkou přežít nebo zemřít. Společnosti, které disruptují, budou postupovat vpřed, a společnosti, které ne, budou disruptovány.

Iniciativy HGM ve zdravotnictví zahrnují autonomní lékařské kódování, hlasovou a konverzační inteligenci, prediktivní analytiku a AI agenty, kteří operují napříč administrativními a klinickými pracovními postupy. Kde podle vás může AI odstranit největší množství tření ve zdravotnictví, aniž by ohrozila přesnost, soukromí nebo důvěru pacientů?

Jedním z největších problémů ve zdravotnictví je, že jsme digitalizovali jednotlivé funkce, ale nutně jsme nepropojili celé podniku. Nároky, registrace, řízení péče, lékárna, služby poskytovatelů, analytika a výnosový cyklus mohou stále fungovat jako nespojené systémy. To vytváří duplicitní práci, neefektivitu, vyšší náklady a špatnou zkušenost.

Nemyslím si, že odpovědí je jen další aplikace. Inteligence musí být zakomponována do pracovního postupu. Příležitost spočívá v tom, že spojíme data, procesy a lidi, aby AI mohla pomoci pochopit, co se děje, předpovědět, co přijde dál, doporučit akci a automatizovat práci, která může být vhodně automatizována.

Administrativní práce je zřejmé místo pro začátek. Poskytovatelé se stále potýkají s manuálními procesy, předchozími schváleními a administrativní zátěží. Pokud technologie může tyto pracovní postupy zjednodušit, vytvoříte více kapacity pro profesionála a nakonec více času pro péči.

Ale důvěra ve zdravotnictví má obrovský význam. Bezpečnost, soulad a správa musí být součástí architektury. Technologie by měla zjednodušovat složitost, ne přidávat k ní. Cílem není AI pro AI samotné. Jde o lepší péči, nižší náklady, lepší provozní výkonnost a lepší zkušenost pro člena i poskytovatele.

V regulovaných odvětvích, jako jsou zdravotnictví, finanční služby, pojišťovnictví a vláda, jak by společnosti měly určit, které rozhodnutí lze delegovat na autonomní AI agenty a která by měla nadále vyžadovat lidskou kontrolu?

Myslím, že odpovědnost se stává rozlišovací čarou.

V regulovaných podnicích má někdo nakonec odpovědnost za to, co je prezentováno. V kybernetické bezpečnosti například regulátoři mohou vyžadovat, aby management a představenstva velmi rychle zveřejnily informace, a vrcholový management může muset podepisovat veřejná prohlášení. Problém je, že nikdo neví vše, zvláště tak rychle.

AI může spojit nástroje, vytvořit základní linii, uspořádat informace a učinit proces mnohem produktivnějším. To však nezruší odpovědnost.

Zdravotnictví je dobrým příkladem. AI může předpovídat, detekovat, doporučovat a automatizovat, ale tyto funkce nenesou stejnou úroveň rizika. Architektura musí rozpoznat, kde je automatizace vhodná a kde lidé musí zůstat v cyklu. Čím důležitější je rozhodnutí, tím důležitější jsou správa, vysvětlitelnost a odpovědnost.

Nevidím to jako volbu mezi zcela autonomní AI a zcela manuální prací. Otázkou je, kde může AI práci vykonávat efektivně a kde člověk stále musí uplatnit úsudek nebo stát za výsledkem.

Spoluzakládal jste Rule14, platformu navrženou k vyhledávání, monitorování, analýze a shrnování informací v reálném čase. Jak velké jazykové modely a generativní AI změnily to, co je možné v datovém těžbě, a jaké základní datové výzvy stále musí být vyřešeny?

Velké jazykové modely vytvářejí příležitost učinit práci založenou na informacích mnohem škálovatelnější.

Máme podniky, kde stovky právníků a dalších profesionálů pracují s obsahem a informacemi, a historicky používali spíše starší nástroje než velké jazykové modely. Co mě zajímá, je to, jak můžete vzít platformy vytvořené pro jeden účel, správně je zabalit a použít je ve velkém měřítku pro zcela jiný účel.

Nejde jen o to, že model dokáže něco shrnout. Můžete změnit ekonomiku toho, jak jsou velké objemy informací zpracovávány, baleny a doručovány.

Ale nepředpokládám, že protože máte velký jazykový model, najednou víte vše. Základní informace stále mají význam a ve skutečném světě mohou být informace neúplné nebo nedostupné, když je potřebujete. Modely nás učiní mnohem produktivnějšími; neodstraňují potřebu pochopit, jaké informace ve skutečnosti máte.

Strategický ekosystém HGM zahrnuje společnosti pracující v oblasti autonomního lékařského kódování, ambientní klinické dokumentace, inteligentních pracovních postupů, plateb, zpracování dat a platforem pro vývoj AI. Jak vytvoříte smysluplnou technickou a komerční spolupráci v rámci portfolia, aniž byste nutili společnosti do umělého ekosystému?

Každou společnost využíváte pro to, co dělá nejlépe.

Popsal jsem to v kybernetické bezpečnosti jako vytvoření malého klubu. My jsme poskytovatel služby a ostatní společnosti jsou odborníky ve svých oborech. Využíváme každou pro její nejlepší schopnost. Kombinací s námi získají rozšíření k našim zákazníkům a my získáme výhodu toho, v čem jsou velmi dobří.

To je odlišné od tvrzení, že každá společnost musí používat každou jinou, jen proto, že jsou ve stejném portfoliu. Cílem je spojit schopnosti do něčeho, co zákazník může skutečně využít.

Interně používám podobný přístup. Spojuji správné lidi a nechávám provozní osobu vést. Společně vypracují, co mohou dělat společně, jaké jsou rozpočty a zda to patří do produktové roadmapy.

Spolupráce musí vytvářet hodnotu. Jinak není důvod ji vynucovat.

Vedl jste investice, akvizice a provozní transformace napříč různými regiony a odvětvími. Co jste se naučil o přizpůsobování AI produktů různým regulačním prostředím, obchodním kulturám, jazykům a úrovním digitální vyspělosti?

Kultura je důležitá a osobní vztahy jsou důležité.

Když lidé znají jeden druhého jen prostřednictvím firemního adresáře, telefonního čísla nebo e‑mailu, nazývám to velmi neosobním vztahem. To může fungovat, když je vše normální. Ale když budujete, rozšiřujete, opravujete něco nebo řešíte problémy, poznání osoby na druhé straně se stává mnohem důležitějším.

Cestování vás učí, že trhy nejsou všechny stejné. Zjistíte, co lidé jedí, jaké sporty sledují, jak fungují jejich školské systémy, co je kulturně citlivé a co vytváří zbytečné bariéry. Čím více víte o zemi, lidech a jejich životě, tím více snižujete mezery ve vztahu.

Technologie je podobná. Různé trhy jsou na různých úrovních. Některé země jsou v určitých profesionálních službách dál před USA, zatímco my můžeme být dál před v jiných formách automatizace.

Nemůžete předpokládat, že vezmete jeden model, nasadíte ho všude a očekáváte stejný výsledek. Musíte pochopit, jak trh skutečně funguje, a budovat vztahy s lidmi, kteří ho budou používat.

Jak se agentní AI, kognitivní automatizace a fyzická AI nadále sbližují, jaké příležitosti podle vás zůstávají podceněny a jakou radu byste dali zakladatelům budujícím společnosti pro tuto další fázi automatizace?

Myslím, že pracovní postupy založené na AI budou mít obrovskou poptávku – orchestraci různých úkolů s lidmi v cyklu a agentní AI v cyklu. Věřím, že tyto společnosti budou jedněmi z nejdisruptivnějších.

Disrupce bude také širší, než lidé očekávají. Lidé často myslí, že automatizace zasahuje spodní část pracovního trhu. Můj názor je, že často jde o střední vrstvu. Seniorní pracovníci mohou dělat více, takže potřebují méně střední vrstvy. Kódování, testování, zadávání dat a analýza dat jsou automatizovány, zatímco pracovní postupy a dashboardy snižují potřebu řídit některé z těchto funkcí.

Pak je tu fyzická stránka. Restaurace se automatizují. Práce, která dříve vyžadovala lidi během sklizňových a výsadbových období, je nahrazována autonomními stroji, roboty a drony. Toto prostředí se mění velmi rychle.

V této přechodové fázi bude bolest. Výkonné motory potřebují méně nás. Ale pokud nezvýšíme produktivitu, nebudeme schopni konkurovat mnohem početnějším zemím s velmi odlišnými nákladovými strukturami. Pokud to uděláme správně, myslím, že to může být začátek nového amerického století.

Pro zakladatele bych se zaměřil na pracovní postup a produktivitu, kterou vytváříte. Vytvořte něco, co se stane součástí toho, jak je práce skutečně vykonávána, pochopte, kde lidé stále patří v cyklu, a uvědomte si, že organizace, které adoptují vaši technologii, také procházejí zásadní přeměnou pracovního kapitálu.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit HandsOn Global Management.