Sarah Edwards, Chief Product a Strategy Officer, Kantata – Rozhovorová série

Sarah Edwards, Chief Product a Strategy Officer, Kantata, má více než 27 let zkušeností v oblasti profesionálních služeb, poradenství, produktové strategie a obchodního vedení. Během své kariéry pracovala v Severní Americe i Evropě, budovala a rozšiřovala služby organizací a vyvíjela hluboké znalosti v oblasti projektového řízení, řízení zdrojů a provozní excelence. Předtím, než se připojila k Kantatě, zastávala vedoucí pozice v Hitachi Consulting, kde řídila globální týmy, a dříve pomáhala růst poradenských firem, včetně Fulcrum Solutions a Edenbrook. V Kantatě je zodpovědná za vedení produktových a strategických iniciativ napříč portfoliem společnosti, pomáhá profesionálním službám organizacím zlepšit viditelnost, předpověď, přidělování zdrojů a celkový obchodní výkon prostřednictvím účelově vytvořených technologických řešení.

Kantata je přední poskytovatel softwaru pro automatizaci profesionálních služeb (PSA), zaměřený výhradně na potřeby poradenských firem, agentur, poskytovatelů IT služeb a dalších projektově založených organizací. Vznikla spojením Mavenlink a Kimble, společnost nabízí platformu poháněnou umělou inteligencí, která spojuje projektové plánování, řízení zdrojů, finanční operace, předpověď, spolupráci a obchodní inteligenci v jednotném prostředí. Jejím cílem je pomoci organizacím zlepšit ziskovost projektů, optimalizovat využití pracovních sil, zvýšit přesnost předpovědi a získat přehled o celém životním cyklu dodávky služeb. Spojující provozní data s umělou inteligencí, Kantata pomáhá profesionálním službám firmám učinit informovanější rozhodnutí, zlepšit výsledky dodávky a efektivně škálovat v komplexním obchodním prostředí.

Začali jste svou kariéru jako konzultant Oracle (ORCL ), poté vedl Oracle praxi v Edenbrook a Hitachi Consulting a později pomáhali tvarovat produktovou strategii Kantaty po dobu více než deset let. Jak tato cesta ovlivnila váš pohled na to, kde může umělá inteligence vytvořit největší hodnotu pro profesionální služby firmy, a jaké zkušenosti z těch dřívějších poradenských prostředí stále platí dnes?

Pohledem zpět na svou kariéru, profesionální služby průmysl se za posledních 30 let prakticky nezměnil. Pravidla hry byla taková, že se podniky rozrůstaly růstem počtu zaměstnanců; čím více zaměstnanců, tím více projektů mohlo být přijato. Ale nyní je tato kniha zcela přepsána díky umělé inteligenci a nové technologii. Slyším mnohem více nejistoty v tomto odvětví než kdykoli předtím. Jak vypadá náš talent? Co potřebuji napříč lidmi a agenty? Jak fakturuji umělým inteligentním agentům? Na tyto otázky zatím nikdo nezná skutečné odpovědi.

Argumentovali jste, že mnoho organizací měří úspěch umělé inteligence nesprávně, zaměřují se na produktivitu a efektivitu. Proč věříte, že “kumulace odborných znalostí” je významnějším metrickým ukazatelem pro hodnocení návratnosti investic do umělé inteligence?

Zaměření se pouze na zisky z produktivity a efektivity nedostačuje k měření dlouhodobého úspěchu umělé inteligence. Aktivace umělé inteligence je o více než jen automatizaci stávajícího stavu; je o fundamentální změně způsobu, jakým operujeme. Pro mě je míra kumulace odborných znalostí organizace – schopnost zachytit, syntetizovat, škálovat a neustále budovat na institucionálních a kmenových znalostech – mnohem významnější, protože umožňuje firmám realizovat odborné znalosti v měřítku. Odborné znalosti jsou primární měnou poradenského světa, ale pokud tyto specifické dovednosti a specializované znalosti zůstávají izolované nebo v jedné osobě, není to efektivní systém.

Jaké jsou největší mýty, které mají výkonní manažeři, když se snaží vypočítat návratnost investic do iniciativ umělé inteligence?

Výkonní manažeři mluví主要ně o návratnosti investic do umělé inteligence v termínech úspor nákladů a efektivitě, ale je mylné se domnívat, že toto je jediné místo, kde umělá inteligence může přinést hodnotu. Měli by také určit, jak umělá inteligence generuje růst výnosů tím, že vytváří nové výnosové kanály, pomáhá zajišťovat více klientů nebo umožňuje firmám přijímat více projektů.

Jak mohou organizace začít zachycovat a škálovat institucionální znalosti, které目前 existují pouze v rozhovorech zaměstnanců, projektových zkušenostech a kmenových znalostech?

Mnohé profesionální služby firmy stále spoléhají na tabulky, izolovaná data a kmenové znalosti, aby vedly své podnikání. Přidání jednorázového agenta umělé inteligence s obecným tréninkem na jeden projekt nebo datový proud nebude mít velký dopad. Integrovaná platforma s umělou inteligencí a předpovědními informacemi, která může fungovat napříč projekty a pracovními postupy, ano. Ale ne všechny platformy jsou vytvořeny stejně. Aby měly dopad, musí být postaveny na sjednocujícím znalostním grafu, který zachytí institucionální znalosti v měřítku, umístí je do kontextu a poskytne agentům umělé inteligence autonomii k akci na základě získaných poznatků, s lidmi v smyčce.

Mnohé společnosti nasazují asistenty a agenty umělé inteligence napříč podnikem. Co odlišuje organizace, které vytvářejí trvalé konkurenční výhody, od těch, které pouze automatizují stávající pracovní postupy?

Na začátku boomu umělé inteligence spousty organizací spěchaly implementovat nástroje umělé inteligence, aby nebyly zanechány pozadu, ale tento druh neúmyslného nasazení vedl k tomu, že mnoho firem pocítilo “agent bloat” (tj. když agenti se stávají pomalými, drahými na běh nebo nepřesnými kvůli špatnému řízení a přetížení nástroji nebo informacemi). Co víc, všichni tito agenti pracují v izolaci a není dlouhodobá strategie, jak operacionalizovat všechny agenti společně.

Organizace, které vytvářejí skutečné, dlouhodobé konkurenční výhody, nasazují agenty, kteří nemají přehled pouze o jedné konkrétní věci; nasazují agenty, kteří mají přehled napříč celou deskou. Personální řízení, zdrojové řízení, dodání, atd. jsou všechny pohyblivé části profesionálních služeb, které musí fungovat společně, aby udržely věci v chodu. A poskytují těmto agentům kontext, znalosti a porozumění, které potřebují, aby měli skutečný dopad.

Jak budete vidět změnu operačního modelu profesionálních služeb firem v příštích pěti letech, zejména kolem poradenství, implementace a poradenské práce?

Umělá inteligence mění model talentu. Dovednosti se vyvíjí rychleji než kdykoli předtím, a je velká otázka, odkud pochází další úroveň talentu. Některé jsou také znepokojeny, že umělá inteligence odčerpá lidským pracovníkům jejich kreativitu a kognitivní myšlení; proto předpokládám, že dojde ke změně v tom, jak firmy zapojují své zaměstnance, aby zajistily, že budou flexibilně využívat tyto svaly a nebudou se příliš spoléhat na výstup umělé inteligence. Na konci dne je umělá inteligence umožňující silou, která osvobozuje zaměstnance od taktických, nudných úkolů, aby se mohli soustředit na strategickou práci, která dělá rozdíl.

Jak očekáváte, že se firmy budou odchylovat od fakturace založené na hodinách a využití směrem k více výsledkům založeným cenovým modelům? Jaké výzvy stojí v cestě této transformace?

Když profesionální služby firmy obdrží žádost o návrh, stalo se standardem, aby prospektové firmy zeptali se, jak firma snižuje náklady pomocí umělé inteligence a jak tyto úspory nákladů poskytují hodnotu zákazníkovi. Co často chybí, je mechanismus pro měření této úspory nákladů a narativ pro sdělení prospektům, jak umělá inteligence zvyšuje stávající odborné znalosti firmy a hodnotu, kterou dodávají.

Kantata byla hlasitou o přeměně organizačních znalostí na strategickou aktivum prostřednictvím svého Expertise Engine. Co vyvolalo tuto koncentraci, a jaké mezery jste viděli v tradičních systémech znalostního managementu?

Dnešní podniková umělá inteligence je většinou zaměřena na obecné nástroje umělé inteligence, které jsou navrženy tak, aby shrnovaly schůzky, odpovídaly na podněty nebo automatizovaly izolované úkoly. A pokud jde o profesionální služby, nefunguje to. Skutečnou výzvou, kterou profesionální služby firmy čelí, není automatizace úkolů. Je to provozní složitost.

Profesionální služby firmy fungují na neustále se měnící síti personálních rozhodnutí, dodacích kompromisů, projektového rizika, cílů využití, předpovědních modelů a finančních závislostí. Obecné nástroje umělé inteligence nerozumí tomuto kontextu, což znamená, že nemohou rozumně pracovat napříč podnikem.

Kantata se uchýlí k jinému přístupu k umělé inteligenci. Místo toho, aby přidala obecného agenta nebo chatbota na stávající software, budujeme umělou inteligenci přizpůsobenou provozním realitám profesionálních služeb. Naše Expertise Engine spojuje odhady, personální řízení, dodání, předpověď a finanční řízení do jednoho provozního modelu, poskytující agentům umělé inteligence plný podnikový kontext pro inteligentní akci napříč pracovními postupy.

Toto není včerejší kopilotní umělá inteligence. Je to provozní umělá inteligence.

Jakou roli budou hrát agenti umělé inteligence v profesionálních službách organizacích, a kde budete věřit, že lidská odbornost zůstane nenahraditelná?

Jakmile agenti umělé inteligence převezmou část zátěže z lidských pracovníků, otevře se jim možnost soustředit se na více kreativní části své práce. Automatizace není jen o efektivitě a úspoře času a nákladů, je to o úlevě a osvobození pro zaměstnance. To povýší jejich kreativní stránku a postaví novou generaci myslitelů, kteří se stanou tvůrci nástrojů umělé inteligence, nikoli pouze jejich uživateli. Tato změna bude nezbytná, protože se umělá inteligence stane všudypřítomnou, a každá firma bude moci produkovat výstup rychle a levně, ale pouze ty, které budou pokračovat ve investicích do lidské odbornosti, budou produkovat silnou, smysluplnou práci.

Pohledem dopředu, co by měli dělat obchodní lídři dnes, aby zajistili, že jejich organizace nebudou pouze přijímat umělou inteligenci, ale budovat udržitelnou odbornou výhodu, která se bude kumulovat v čase?

Místo toho, aby přidali obecného agenta nebo chatbota na stávající software, by profesionální služby firmy měly hledat superagenty umělé inteligence, kteří mají schopnost porozumět kontextu napříč vším, co je zapojeno do řízení profesionálních služeb firem – od personálního řízení po předpověď, finanční řízení a projektové dodání – a vytvořit účelově vytvořené agenty, kteří mohou fungovat autonomně.

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