Interviews
Ajay Vasal, global chef for data og AI hos Genpact – Interviewserien

NøglepunkterProcesomlægning er den største barriere for adoption af agentisk AI, ikke…
Vis mere
- Procesomlægning er den største barriere for adoption af agentisk AI, ikke modelpræstation.
- Procentdel af virksomheder bruger stadig produktivitetsmålinger, der er uegnede til autonome AI-systemer.
- Kun 22% af organisationer stoler på AI-systemer med domæneniveau eller bred autonomi.
Ajay Vasal, global chef for data og AI hos Genpact, er en erfaren teknologi- og strategileder med mere end to årtiers erfaring inden for kunstig intelligens, datastrategi, digital transformation, fusioner og opkøb samt virksomhedsrådgivning. I sin nuværende rolle leder han initiativer, der hjælper virksomheder med at udvide deres brug af AI og gå fra assisterende AI til mere selvstændige systemer, der er integreret i driften. Før han kom til Genpact, arbejdede Vasal næsten ni år hos Accenture, hvor han havde flere ledende stillinger, blandt andet som global chef for data og AI inden for forbrugerrettede brancher og global chef for Centre for Data & Insights. Gennem sin karriere har han hjulpet organisationer med at skabe målbar forretningsværdi fra data gennem mere effektiv drift, højere omsætning og mindre risiko. Han har også ledet strategiske investeringer, fusions- og opkøbsinitiativer samt AI-drevne forandringsprogrammer på tværs af brancher.
Genpact er en global virksomhed inden for professionelle tjenester og digital transformation med speciale i data, AI, analyse, intelligent automatisering og modernisering af store virksomheders drift. Genpact blev oprindeligt grundlagt i General Electric (GE.TO ) og blev senere selvstændig. I dag betjener virksomheden organisationer inden for blandt andet finansielle tjenester, sundhed, produktion, detailhandel og forbrugsvarer. Den har i stigende grad rettet sig mod AI-drevet virksomhedsudvikling og kombinerer analyse, automatisering og brancheekspertise for at hjælpe virksomheder med at modernisere arbejdsgange, forbedre beslutninger og indføre store AI-systemer på en ansvarlig måde.
Du arbejdede i flere år hos Accenture med at forme data- og AI-strategier på tværs af brancher, før du tiltrådte din nuværende rolle hos Genpact. Hvordan har den erfaring påvirket dit syn på, hvorfor virksomheder stadig har svært ved at få reel værdi ud af deres AI-investeringer?
En af de vigtigste erfaringer fra at arbejde på tværs af brancher er, at de fleste organisationer ikke mislykkes, fordi teknologien er svag. Problemerne opstår, fordi de forsøger at lægge AI oven på driftsmodeller, der aldrig blev udformet til selvstændig udførelse. Resultaterne fra vores seneste undersøgelse bekræfter dette tydeligt. Virksomhederne tager hurtigt AI i brug, men mange har stadig svært ved at omlægge de driftsmodeller, der skal understøtte selvstændig udførelse i stor skala. Kløften viser, hvor mange virksomheder der stadig arbejder med spørgsmål om styring, ansvar og organisatorisk parathed.
Vi ser også organisationer gå hurtigt frem, før de har egnede målerammer på plads. Af de adspurgte ledere mener 71 procent, at agentbaseret AI vil give afkast af investeringen hurtigere end nogen tidligere teknologibølge, men 67 procent bruger stadig produktivitetsmål, som blev udviklet til ældre automatiseringsmodeller. Min erfaring er, at vellykket brug af AI aldrig kun handler om at indføre modeller. Det handler om at omlægge arbejdsgange, afstemme teknologien med virksomhedens prioriteter og hjælpe folk med at forstå, hvordan deres roller udvikler sig sammen med stadig mere selvstændige systemer.
Jeres seneste rapport, Autonomy Requires Trust in AI, viser, at de fleste ledere mener, at agentbaseret AI vil ændre virksomhedernes drift grundlæggende, men at de fleste systemer stadig er under opsyn. Hvad er den største kløft mellem overbevisning og udførelse?
Kløften handler helt om tillid. Lederne er tydeligt overbeviste om, at agentbaseret AI vil ændre måden, arbejdet udføres på. Men tro på teknologien betyder ikke automatisk, at man er tryg ved at overlade beslutningskompetence til den. Vores undersøgelse viste, at kun 22 procent af organisationerne er trygge ved at lade AI-systemer arbejde selvstændigt inden for et bestemt fagområde eller med bred selvstændighed.
De fleste virksomheder er stadig trygge ved at bruge AI som en assistent, der kan anbefale, opsummere eller understøtte arbejdsgange. Tøven opstår, når AI-systemer forventes at handle selvstændigt på måder, der påvirker driften, kunderne, overholdelsen af regler eller de økonomiske resultater. Det får mange virksomheder til at holde mennesker tæt involveret i godkendelse og opsyn, selv mens de bevæger sig mod mere selvstændige driftsmodeller.
Mange virksomheder investerer store beløb i AI, men kan ikke påvise et væsentligt afkast. Hvad er de mest almindelige fejl, organisationer begår, når de forsøger at måle den værdi, AI skaber?
En stor fejl er, at mange organisationer stadig bruger produktivitetsmål, der er udformet til tidligere automatiseringsbølger. Tallene viser, at 67 procent af virksomhederne stadig er afhængige af produktivitetsbaserede mål, som ikke fuldt ud indfanger værdien af tilpasningsdygtige systemer, der arbejder ved at træffe beslutninger. Det skaber en reel kløft mellem forventningerne og den måde, værdien faktisk måles på.
Et andet problem er, at mange organisationer endnu ikke har defineret succeskriterier, der er tilpasset AI. Kun en lille andel af virksomhederne måler eksempelvis selvstændig færdiggørelse af arbejdsgange, færre sager, der kræver eskalering, eller selvstændig håndtering af undtagelser. Hvis virksomhederne fortsat kun fokuserer på lavere omkostninger eller sparede arbejdstimer, overser de den bredere effekt på driften, som agentbaseret AI er beregnet til at skabe.
Rapporten peger på, at organisatorisk parathed er en større barriere end selve teknologien. Hvilke konkrete strukturelle ændringer skal virksomhederne foretage for at udnytte hele potentialet i agentbaseret AI?
Organisationerne skal gentænke, hvordan ansvar, ejerskab til arbejdsgange og beslutninger fungerer på tværs af virksomheden. En af undersøgelsens tydeligste konklusioner er, at organisatorisk parathed er ved at blive en større barriere end teknologien i sig selv. Faktisk angav 33 procent af virksomhederne manglende parathed i forretningsprocesserne til at integrere agentbaseret AI som den største hindring for indførelsen.
De virksomheder, der gør størst fremskridt, omlægger arbejdsgangene fra start til slut, så selvstændige systemer kan arbejde inden for klart definerede grænser og tilsynsstrukturer. Vi fandt også, at 44 procent af virksomhederne forventer, at agentbaseret AI vil reducere antallet af ledelsesniveauer, når systemerne overtager koordineringsopgaver, der traditionelt har ligget hos mellemlederne. Medarbejderne har brug for langt større klarhed om tilsynsansvar, hvornår de skal gribe ind, og hvilken plads menneskelig dømmekraft har i et stadig mere selvstændigt miljø.
Kun en lille andel af organisationerne er trygge ved at give AI-agenter reel selvstændighed. Hvad kræver det, før virksomhederne stoler nok på AI-systemer til at give dem beslutningskompetence?
Tillid til agentbaseret AI handler i sidste ende om ansvar og kontrol. Virksomhederne er stadig forsigtige med at overlade beslutningskompetence, fordi lederne vil være sikre på, at selvstændige systemer kan arbejde inden for klare sikkerhedsrammer og styringsstrukturer.
Virksomhederne, der går forrest, udformer systemer med eskaleringsveje, betingelser for indgriben og styringskontroller direkte indbygget i driftsmodellen. De fleste organisationer giver selvstændighed gradvist ud fra virksomhedens situation og risikotolerance i stedet for pludseligt at gå over til fuld selvstændighed. Efterhånden som vellykkede implementeringer gør virksomhederne tryggere, vokser tilliden, fordi lederne tydeligt kan se, hvordan beslutninger træffes, hvor ansvaret ligger, og hvordan menneskeligt opsyn opretholdes.
Virksomhederne forventer at udvide brugen af agentbaseret AI hurtigt, men mange bruger stadig forældede produktivitetsmål. Hvordan bør mere effektive resultatmål, der er tilpasset AI, se ud?
Mål, der er tilpasset AI, skal måle udførelse og resultater snarere end aktivitet. Traditionelle produktivitetsmål fokuserer på, om folk arbejder hurtigere. Agentbaseret AI ændrer forudsætningerne, fordi systemet selv begynder at overtage en del af den driftsmæssige arbejdsbyrde. Det er vigtigt, fordi mange organisationer stadig måler agentbaseret AI ud fra et produktivitetsperspektiv, som blev udviklet til tidligere automatiseringsbølger og ikke til selvstændig udførelse.
Mere effektive mål bør fokusere på selvstændig færdiggørelse af arbejdsgange, lavere eskaleringsrater, hurtigere gennemførelse af beslutninger og hvor effektivt systemerne håndterer undtagelser med begrænset menneskelig indgriben. Disse mål giver et langt klarere billede af, om AI faktisk forbedrer udførelsen i stor skala.
Du fremhæver, at omlægning af processerne er den største barriere for indførelsen. Hvorfor er ændrede arbejdsgange vigtigere end modellernes ydeevne i denne næste fase af AI?
Ændrede arbejdsgange er vigtige, fordi selv de mest avancerede AI-systemer ikke kan skaleres effektivt inden for mangelfulde eller fragmenterede processer. Vores undersøgelse viste, at 33 procent af virksomhederne angav processernes parathed som den største barriere for at indføre agentbaseret AI.
Det, der gør næste fase anderledes, er, at agentbaseret AI er udformet til at udføre arbejde på tværs af arbejdsgange frem for blot at assistere inden for dem. Organisationerne skal omlægge processerne omkring selvstændig udførelse ved at tydeliggøre beslutningsansvaret, fjerne unødvendige overdragelser og bygge styringen direkte ind i arbejdsgangene. På mange måder er omlægning af arbejdsgangene nu selve grundlaget for AI-anvendelse i stor skala.
Rapporten peger på, at AI vil reducere antallet af niveauer i organisationen, når koordineringsopgaver automatiseres. Hvordan ser du ledelsens og mellemledernes roller udvikle sig som følge af det?
Når agentbaseret AI overtager flere opgaver inden for koordinering og driftstilsyn, vil lederrollerne sandsynligvis forskydes fra at lede rutinemæssig udførelse til at vejlede strategi, dømmekraft og styring. Vores undersøgelse viste, at mange virksomheder forventer, at agentbaseret AI vil reducere antallet af koordineringsniveauer i organisationen, efterhånden som selvstændige systemer tager mere ansvar for driftstilsynet.
Mellemlederne har historisk spillet en vigtig rolle i at sende beslutninger til de rette instanser og opretholde kontinuiteten i driften på tværs af teams. Når selvstændige systemer begynder at håndtere flere af disse aktiviteter, må ledere fokusere mere på undtagelseshåndtering, ansvar og at sikre, at systemerne understøtter forretningsmålene. Menneskelig ledelse bliver endnu vigtigere på områder, hvor sammenhæng, etik og dømmekraft stadig betyder mest.
Genpact beskriver sig som en virksomhed, der leverer løsninger inden for agentbaseret AI og avanceret teknologi. Hvordan adskiller virksomhedens tilgang til agentbaseret AI sig fra traditionelle konsulent- eller teknologivirksomheders?
Genpacts tilgang bygger på udførelse og resultater og på at løse det, vi ofte beskriver som problemet med det »sidste skridt« i AI-indførelsen. Mange organisationer har allerede vist, at AI-modeller kan skabe indsigt eller forbedre produktiviteten. Den virkelige udfordring er at integrere disse evner i virksomhedens faktiske arbejdsgange, hvor arbejdet udføres. Det er her, mange AI-initiativer går i stå. Vi fokuserer på at hjælpe kunderne med at få agentbaseret AI i praktisk drift helt frem til udførelsen, så systemerne skaber målbare resultater inden for økonomi, forsyningskæde, kundeservice og andre centrale virksomhedsfunktioner.
Det, der adskiller vores tilgang, er kombinationen af dyb procesviden og kompetencer inden for data, teknologi og AI. Vi indfører ikke bare modeller eller bygger pilotprojekter. Vi omlægger arbejdsgange, integrerer styring i driften og hjælper virksomheder med at skabe de ansvarsstrukturer, der kræves til selvstændig udførelse i stor skala. Fordi vi også har integreret agentbaseret AI i vores egen drift, har vi praktisk erfaring med, hvad det kræver at gå fra eksperimenter til effekter i hele virksomheden.
Når du ser fremad, tror du så, at agentbaseret AI vil øge afstanden mellem førende virksomheder og dem, der halter bagefter? Hvad bør virksomhederne gøre nu for at undgå at sakke bagud?
Ja, jeg tror, at afstanden vil vokse, fordi agentbaseret AI opbygger værdi på en anden måde end tidligere teknologibølger. De organisationer, der lykkes med at omlægge arbejdsgange, etablere ansvarsrammer og opbygge tillid til selvstændige systemer, vil få driftsmæssige fordele, som bliver svære for konkurrenterne at efterligne. Det slående er, hvor hurtigt denne ændring sker. Af virksomhederne forventer 29 procent, at agentbaseret AI vil blive taget i brug i hele virksomheden inden for de næste 12 måneder.
For virksomheder, der vil bevare konkurrenceevnen, bør prioriteten nu være at forberede driftsmodellen til selvstændig udførelse. Det omfatter at omlægge arbejdsgange, definere ansvarsstrukturer, opbygge målerammer tilpasset AI og investere i medarbejdernes parathed. De organisationer, der begynder tidligt med dette fundament, vil stå langt stærkere end dem, der stadig betragter AI som et selvstændigt teknologiinitiativ.
Tak for et godt interview. Læsere, der vil vide mere, kan besøge Genpact.












