Ajay Vasal, Global Leder for Data & AI, Genpact – Intervju-serie

Ajay Vasal, Global Leder for Data & AI, Genpact, er en erfaren teknologi- og strategi-direktør med mere end to årtiers erfaring inden for kunstig intelligens, datastrategi, digital transformation, fusioner og overtagelser samt enterprise-rådgivning. I sin nuværende rolle hos Genpact leder han initiativer, der fokuserer på at hjælpe virksomheder med at skala AI-adoptions- og overgangen fra assistent-AI til mere autonome, operationsintegrerede systemer. Før han kom til Genpact, tilbragte Vasal næsten ni år hos Accenture, hvor han havde flere senior ledelsespositioner, herunder Global Data & AI Lead for Forbrugerindustrier og Global Chef for Centre for Data & Insights. Gennem sin karriere har han fokuseret på at hjælpe organisationer med at låse op for målbare forretningsværdi fra data gennem operations-effektivitet, omsætningsvækst og risikomindskning, samt ledelse af strategiske investeringer, fusioner og overtagelser samt AI-drevne transformationsprogrammer på tværs af industrier.

Genpact er et globalt professionelt services- og digital transformations-selskab, der specialiserer sig i data, AI, analytics, intelligent automation og operationsmodernisering for store virksomheder. Oprindeligt grundlagt inden for General Electric (GE.TO ) før det blev et selvstændigt selskab, servicerer Genpact nu organisationer på tværs af industrier, herunder finansielle services, sundhedsvesen, fremstilling, detailhandel og forbrugervarer. Selskabet har stadig mere positioneret sig omkring AI-drevet virksomheds-transformation, kombinerer analytics, automation og domæne-ekspertise for at hjælpe virksomheder med at modernisere arbejdsgange, forbedre beslutningstagning og implementere store AI-systemer ansvarligt.

De har brugt år på at forme data- og AI-strategi på tværs af industrier, før de trådte ind i deres nuværende rolle hos Genpact. Hvordan har denne erfaring påvirket deres perspektiv på, hvorfor virksomheder stadig kæmper med at udtrække reel værdi fra AI-investeringer i dag?

En af de største lærdomme fra at arbejde på tværs af industrier er, at de fleste organisationer ikke fejler, fordi teknologien er svag. Realiteten er, at de kæmper, fordi de prøver at lagre AI på driftsmodeller, der aldrig var designede til autonom udførelse. Resultaterne fra vores seneste forskning understreger dette punkt tydeligt. Mens virksomheder bevæger sig aggressivt ind i AI-adoptions-, kæmper mange stadig med at redesigne driftsmodellerne, der er nødvendige for at støtte autonom udførelse i stor målestok. Denne lukning fremhæver, hvor mange virksomheder stadig arbejder med spørgsmål omkring styring, ansvar og organisations-beredskab.

Vi ser også, at organisationer flytter sig hurtigt, før de har de rette målemodeller på plads. 71% af direktører mener, at agens AI vil levere ROI hurtigere end nogen tidligere bølge af teknologi, men 67% afvirker stadig på produktivitetsmål, der blev bygget til tidligere automationsmodeller. Min erfaring har vist, at succesfuld AI-adoptions- aldrig kun handler om at implementere modeller. Det handler om at redesigne arbejdsgange, tilpasse teknologi med forretningsprioriteter og hjælpe mennesker med at forstå, hvordan deres roller udvikler sig sammen med stadig mere autonome systemer.

Deres seneste rapport, Autonomi Kræver Tillid til AI, viser, at de fleste direktører mener, at agens AI vil fundamentalt ændre forretningsoperationer, men de fleste systemer forbliver overvåget. Hvad er den største afbrydelse mellem overbevisning og udførelse?

Afbrydelsen er helt centreret omkring tillid. Direktører tror tydeligt, at agens AI vil omforme, hvordan arbejde bliver gjort, men tillid til teknologien oversætter sig ikke automatisk til komfort med at overdrage beslutningsmyndighed. Vores forskning fandt, at kun 22% af organisationer er komfortable med at lade AI-systemer operere med domæne-niveau eller bred autonomi.

De fleste virksomheder er stadig komfortable med at bruge AI som en assistent, der kan anbefale, sammenfatte eller understøtte arbejdsgange. Tøven begynder, når AI-systemer forventes at operere autonomt på måder, der påvirker operationer, kunder, overholdelse eller finansielle resultater. Denne tøven tvinger mange virksomheder til at holde mennesker tæt involveret i godkendelses- og tilsynsprocesser, selvom de skynder sig mod mere autonome driftsmodeller.

Mange virksomheder investerer tungt i AI, men fejler med at demonstrere meningsfulde afkast. Hvad er de mest almindelige fejl, organisationer begår, når de prøver at måle AI-drevet værdi?

En stor fejl er, at mange organisationer stadig bruger produktivitetsmål, der er designede til tidligere bølger af automation. Data viser, at 67% af virksomheder stadig afhænger af produktivitetsbaserede mål, der ikke kan fange værdien af adaptive, beslutningsdrevne systemer. Dette skaber en reel afbrydelse mellem forventninger og, hvordan værdi faktisk måles.

Et andet problem er, at mange organisationer endnu ikke har defineret AI-naturlige succesmål. Kun en lille procentdel af virksomheder måler ting som autonom arbejdsgangsafslutning, reduceret eskalering eller autonom undtagelseshåndtering. Hvis virksomheder fortsætter med at fokusere kun på omkostningsreduktion eller timer gemt, vil de misse den bredere operations-mæssige impact, agens AI er designet til at skabe.

Rapporten foreslår, at organisations-beredskab er en større barriere end teknologien selv. Hvad specifikke strukturelle ændringer skal virksomheder gøre for at låse op for det fulde potentiale af agens AI?

Organisationer skal omdefinere, hvordan ansvar, arbejdsgangs-ejerskab og beslutningstagning fungerer på tværs af forretningen. En af de tydeligste takeaway fra forskningen er, at organisations-beredskab bliver en større barriere end teknologien selv. Faktisk identificerede 33% af virksomheder, at forretningsprocesser ikke var klar til agens-integration som den største hindring for adoption.

De virksomheder, der gør den mest fremgang, redesignerer arbejdsgange fra ende til anden, så autonome systemer kan operere inden for tydeligt definerede grænser og tilsynsstrukturer. Vi fandt også, at 44% af virksomheder forventer, at agens AI vil flade ledelsesstrukturer, da systemer absorberer koordinationsopgaver traditionelt håndteret af mellemledere. Medarbejdere har brug for langt større klarhed omkring tilsynsansvar, indgribelsespunkter og hvor menneskelig dømmekraft passer ind i en stadig mere autonom miljø.

Kun en lille procentdel af organisationer er komfortable med at give AI-agenter reel autonomi. Hvad vil det kræve af virksomheder for at stole på AI-systemer med beslutningsmyndighed?

Tillid til agens AI kommer til syvende og sidst ned til ansvar og kontrol. Virksomheder er stadig forsigtige med at overdrage beslutningsmyndighed, fordi ledere ønsker tillid til, at autonome systemer kan operere inden for tydelige grænser og styringsstrukturer.

De virksomheder, der bevæger sig fremad, designer systemer, hvor eskalationsveje, indgribelsstrigger og styringskontroller er bygget direkte ind i driftsmodellen. De fleste virksomheder giver autonomi inkrementalt baseret på forretningskontekst og risikotolerance snarere end at gøre et pludseligt spring til fuld autonomi. Da virksomheder får tillid gennem succesfulde implementeringer, vokser tilliden, fordi ledere kan tydeligt se, hvordan beslutninger bliver truffet, hvor ansvar ligger, og hvordan menneskelig tilsyn opretholdes.

Virksomheder forventer at skala agens AI hurtigt, men mange af dem afhænger stadig af forældede produktivitetsmål. Hvad skulle mere effektive, AI-naturlige performancesmål se ud?

AI-naturlige mål skal måle udførelse og resultater snarere end aktivitet. Traditionelle produktivitetsmål fokuserer på, om mennesker arbejder hurtigere, men agens AI ændrer ligningen, fordi systemet selv begynder at bære en del af den operations-mæssige arbejdsbyrde. Dette er vigtigt, fordi mange organisationer stadig måler agens AI gennem en produktivitetslins, der var designet til tidligere automationsbølger snarere end autonom udførelse.

Mere effektive mål skal fokusere på autonom arbejdsgangsafslutning, reduceret eskalering, hurtigere beslutningsudførelse og, hvordan systemer håndterer undtagelser med begrænset menneskelig indgriben. Disse mål giver et langt klarere billede af, om AI faktisk forbedrer udførelse i stor målestok.

De fremhæver, at proces-redesign er den førende barriere for adoption. Hvorfor er arbejdsgangs-transformation vigtigere end model-præstation i denne næste fase af AI?

Arbejdsgangs-transformation er vigtig, fordi selv de mest avancerede AI-systemer ikke kan skala effektivt inden for brudte eller fragmenterede processer. Vores forskning fandt, at 33% af virksomheder identificerede proces-beredskab som den førende barriere for agens AI-adoption.

Hvad der gør denne næste fase anderledes, er, at agens AI er designet til at udføre på tværs af arbejdsgange snarere end kun at assistere inden for dem. Organisationer må redesigne processer omkring autonom udførelse ved at klargøre ejerskab, fjerne unødvendige overdragelser og indbygge styring direkte ind i arbejdsgange. På mange måder er arbejdsgangs-redesign nu den sande grundlag for skalerbar AI-adoption.

Rapporten foreslår, at AI vil flade organisations-strukturer, da koordinationsopgaver bliver automatiseret. Hvordan ser de ledelsesroller og mellemleder-roller udvikle sig herefter?

Som agens AI tager på sig mere koordinations- og operations-tilsynsopgaver, er ledelsesroller sandsynligvis til at ændre sig fra at styre rutine-udførelse til at guide strategi, dømmekraft og styring. Vores forskning fandt, at mange virksomheder forventer, at agens AI vil reducere lag af koordinering på tværs af organisationen, da autonome systemer tager på sig mere operations-tilsyns-ansvar.

Mellemledere har historisk set spillet en stor rolle i at lede beslutninger og opretholde operations-kontinuitet på tværs af teams. Da autonome systemer begynder at håndtere mere af disse aktiviteter, skal ledere fokusere mere på undtagelseshåndtering, ansvar og sikre, at systemer er i overensstemmelse med forretningsmål. Menneskelig ledelse vil blive endnu mere vigtig i områder, hvor kontekst, etik og dømmekraft stadig betyder mest.

Genpact positionerer sig selv som et agens- og avanceret teknologi-løsningsselskab. Hvordan nærmer selskabet sig agens AI anderledes end traditionelle konsulent- eller teknologiselskaber?

Genpacts tilgang er grundlagt i udførelse og resultater og det, vi ofte beskriver som løsningen af “den sidste miles” problemet med AI-adoption. Mange organisationer har allerede bevist, at AI-modeller kan generere indsigt eller forbedre produktivitet, men den virkelige udfordring er at indbygge disse kapaciteter i live-forretningsarbejdsgange, hvor arbejde faktisk bliver gjort. Det er, hvor mange AI-initiativer stopper. Vores fokus er på at hjælpe kunder med at operationalisere agens AI på tværs af den sidste mile af udførelse, så systemer kan drive målbare resultater inden for finans, forsyningskæde, kundeservice og andre kerneforretningsfunktioner.

Det, der adskiller vores tilgang, er kombinationen af dyb proces-ekspertise med data, teknologi og AI-kapaciteter. Vi deployer ikke bare modeller eller bygger piloter. Vi redesignerer arbejdsgange, indbygger styring i operationer og hjælper virksomheder med at skabe ansvarsstrukturerne, der er nødvendige for autonom udførelse i stor målestok. Fordi vi også har indbygget agens AI i vores egne operationer, bringer vi praktisk erfaring med, hvad det kræver at flytte fra eksperimenter til virksomheds-omfattende impact.

Settende fremad, tror de, at agens AI vil udvide afstanden mellem førende og efterladte virksomheder, og hvad skal virksomheder gøre nu for at undgå at falde bagud?

Ja, jeg tror, afstanden vil udvides, fordi agens AI kompenserer værdi på en anden måde end tidligere teknologibølger. De organisationer, der succesfuldt redesignerer arbejdsgange, etablerer ansvarsrammer og bygger tillid til autonome systemer, vil skabe operations-fordele, der bliver svære for konkurrenter at replikere. Det, der er slående, er, hvor hurtigt denne ændring sker. 29% af virksomheder forventer, at agens AI vil skala på tværs af forretningen inden for de næste 12 måneder.

For virksomheder, der søger at forblive konkurrencedygtige, skal prioriteringen nu være at forberede driftsmodellen på autonom udførelse. Dette inkluderer at redesigne arbejdsgange, definere ejerskabsstrukturer, bygge AI-naturlige målemodeller og investere i arbejdsstyrke-beredskab. De organisationer, der flytter tidligt på disse grundlag, vil være bedre positionerede end dem, der stadig nærmer sig AI som en selvstændig teknologi-initiativ. Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Genpact.