Archana Joshi, Leder – Strategi (BFS og EnterpriseAI), LTIMindtree – Intervju-serie

Archana Joshi har mere end 24 års erfaring i IT-serviceindustrien, med ekspertise i AI (herunder generativ AI), Agile og DevOps-metodologier samt grønne software-initiativer. Hun leder i øjeblikket vækststrategier og markedspositionering for Enterprise AI-service og Banking og Financial Services-forretningsenheden i LTIMindtree. Joshi har arbejdet med Fortune 100-kunder over hele verden og er en fast taler på brancheforum og begivenheder.

LTIMindtree er et globalt teknologi-konsulent- og digitalt løsningsfirma, der arbejder med virksomheder over hele verden for at støtte forretningsmodel-evolution, innovation og vækst gennem digitale teknologier. Med mere end 700 kunder tilbyder LTIMindtree domæne- og teknisk ekspertise med det formål at forbedre konkurrencedygtighed, kundeoplevelser og forretningsresultater i en stadig mere sammenhængende verden.

Givet din omfattende erfaring med at transformere IT-tjenester over hele virksomheder, hvordan er din personlige ledelsesstil udviklet i LTIMindtree, især i relation til at fremme adoptionen af Generativ AI?

Med mere end to årtiers erfaring i IT-tjenester har jeg dedikeret min karriere til at drive transformative teknologiløsninger for kunder, enten det er Agile/DevOps eller generativ AI (GenAI). I LTIMindtree er mit fokus på at enable virksomheder til at udnytte GenAI til at strategiere og udføre deres digitale transformationsrejser. Jeg prioriterer kunde-centreret strategier, hvor jeg arbejder tæt sammen med kunder for at forstå deres unikke udfordringer og levere tilpassede AI-løsninger, der driver forretningsværdi. Som leder af strategi, må jeg samarbejde med hold over hele afdelingerne for at fremme GenAI-adoption og holde mig informeret om nye udviklinger for at guide mine beslutninger. GenAI-behandler store mængder data for at give handlingsorienterede indsigt. Denne funktion er særligt gavnlig for en data-orienteret leder som mig, der værdsætter evidensbaserede strategier.

For eksempel, hver morgen, når jeg starter min dag med GenAI-baserede copiloter for at hjælpe mig med at forstå de vigtigste punkter, der kræver min opmærksomhed, eller give indsigt til at oprette rapporter, som jeg kan dele med mit hold om adoption. Faktisk siger jeg ofte inden for holdet, at GenAI-baserede copiloter i virkeligheden er blevet integrale medlemmer af vores hold, ligesom betroede wingmen. De støtter os ved at give værdifulde indsigt, automatisere opgaver og holde os alignet med vores strategiske mål.

Hvordan ændrer Generativ AI traditionelle IT-service-modeller, især i brancher, der har været langsommere til at adoptere digital transformation?

GenAI revolutionerer traditionelle IT-service-modeller over alle brancher ved at væsentligt forbedre IT-udviklerproduktiviteten. Fra copiloter, der genererer kode, til syntetisk data til test og automatisering af IT-drift, bliver hver enkelt facet af IT transformeret. Derved skifter fokus for IT-service-modeller fra omkostningsdrevne til effektivitets- og impact-drevne tilgange. Dette betyder, at værdien af IT-tjenester nu måles efter deres evne til at levere konkrete resultater snarere end kun omkostningsbesparelser. Denne ændring fører også til nye typer af arbejde i IT-tjenester, såsom udvikling af brugerdefinerede modeller, data-engineering til AI-behov og implementering af ansvarlig AI.

Kun 18 måneder siden var disse tjenester ikke normen. Selv i tungt regulerede brancher som sundheds- og finansservices, hvor legacy-systemer er almindelige, bliver værdien af GenAI i forbedring af operativ effektivitet stadig mere anerkendt.

Vores egen forskning i LTIMindtree, med titlen “The State of Generative AI Adoption“, fremhæver tydeligt disse tendenser. I sundhedssektoren ser vi, hvordan GenAI har en stor indvirkning på automatisering af ting som medicinske diagnoser, dataanalyse og administrative opgaver. Dette hjælper læger og sundhedsydelere med at træffe hurtigere og mere præcise beslutninger – selv om adoptionen forbliver forsigtig på grund af strenge compliance- og reguleringsrammer. I finansservices forbedrer GenAI risikostyring, svindelforespørgsel og kundeservice ved at automatisere manuelle opgaver. Dog er sektorens adoption drevet af bekymringer omkring risiko, governance og følsomme data.

Kan du dele specifikke eksempler på, hvordan LTIMindtree har integreret GenAI i traditionelle IT-arbejdsgange for at drive effektivitet og innovation?

I LTIMindtree har vi en 3-delt strategi for AI. Filosofien “AI i alt, alt for AI, AI for alle” understreger vores engagement i at integrere AI over alle aspekter af vores operationer og tjenester. Denne tilgang sikrer, at AI ikke blot er et tilføjelse, men en kernekomponent i vores løsninger, der driver innovation og effektivitet.

Kunder ser på AI for at forbedre effektiviteten over hele linjen. Fra reduktion af timer brugt på repetitive, tidskrævende opgaver til skalering af operationer og forbedring af forretningsprocessernes pålidelighed, bliver AI en kernekomponent i deres strategi. Vore ingeniører fokuserer på at integrere AI-copiloter i deres arbejdsgange, der dækker alt fra kodning, test og deployment til software-maintenance.

For eksempel har vi i en transformationsbevægelse for et Fortune 200-selskab anvendt GenAI-baserede copiloter til at konvertere store lagrede procedurer til Java, hvilket muliggør deres moderniseringsrejse. Vi har for nylig arbejdet med et stort forsikringsselskab, der ønskede at automatisere deres data-ekstraktionsprocesser. De stod over for skalerbarheds- og nøjagtighedsproblemer med deres manuelle tilgang. Så vores team udviklede en companion-bot, der nu hjælper med at behandle multiple dokumenter, hvor kritisk information som risiko, berettigelse, dækning og prisdetaljer udtrækkes. Dette har betydeligt reduceret den tid, det tager dem at tilbyde produkter og styre forskellige dækninger.

Hvad er nogle af de etiske overvejelser, virksomheder skal være opmærksomme på, og hvordan sikrer LTIMindtree ansvarlig brug af AI?

Udviklingen af AI er lovende, men det bringer også mange corporate udfordringer, især omkring etiske overvejelser i, hvordan vi implementerer det.

I LTIMindtree har vi et AI-råd bestående af tværfaglige eksperter fra AI, sikkerhed, juridisk, data-integritet og forskellige brancher. Dette råd har etableret AI-garanti-rammer og samarbejder med brancher om AI-reguleringsretningslinjer. Derudover arbejder det med hold, der implementerer AI, for at validere deres etiske risiko-posturer.

For at implementere GenAI effektivt har vi etableret en samling af kerne-etiske principper, der er alignet med vores virksomheds-værdier, og som omfatter retfærdighed, ansvarlighed, gennemsigtighed og privatliv. Dette kræver executive-sponsorering og støtte fra juridiske og sikkerhedshold. Herefter indføres tekniske interventioner i vores interne processer, der fokuserer på høj-kvalitets, upartisk data, med foranstaltninger for at sikre data-integritet og retfærdighed. Fremme af en etisk AI-kultur indebærer kontinuerlig træning om AI-kapaciteter og potentielle faldgruber, såsom AI-hallucinationer. Endelig udføres regelmæssige audit og opdateringer af AI-systemer for at adressere sårbarheder og sikre nøjagtigheden af AI-udgangspunkter. Denne omfattende tilgang sikrer, at GenAI implementeres ansvarligt og effektivt, og driver forretningsværdi, samtidig med at det opretholder etiske standarder.

Hvordan adresserer LTIMindtrees AI-platform bekymringer omkring AI-etik, sikkerhed og bæredygtighed?

Da vi fortsætter med at rulle nye AI-værktøjer og platforme ud, må vi sikre, at de opfylder vores standarder og reguleringskrav omkring teknologiens brug. Ud over at opretholde datakvalitet for at give præcise og upartiske udgangspunkter, er vi forpligtet til at opfylde høje standarder for sikkerhed og bæredygtighed.

Vores platform er bygget omkring principperne for ansvarlig og bevidst AI. I forhold til bæredygtighed er vi opmærksomme på den voksende energibehov, der kræves for at understøtte AI-modeller, fra træning til fortsat drift. Vi har adopteret en reducere, genbruge og recirkulere-tilgang til AI for at adressere det carbon-aftryk og vigtigheden af at skabe miljøvenlige og bæredygtige AI-praktikker. Gennem denne proces fokuserer vi på at reducere parametrene ved at fokusere på mindre, mere specifikke store sprogmodeller (LLM’er), der kan effektivt adressere behovene for virksomhedsapplikationer, samtidig med at vi skaber et mindre carbon-aftryk. Derudover genbruger vi data til forskellige anvendelser og brugsfald for at undgå redundanser og genbruge mekanismer og prompts, der kan bruges til lignende opgaver for at fremme effektivitet og bæredygtighed. Vi ser også på kvantificerede modeller for at reducere hukommelsesaftryk, modtage hurtigere inferens, reducere omkostninger og bygge bæredygtige applikationer.

Som jeg nævnte tidligere er sikkerhed en vigtig bekymring i forbindelse med brugen af enhver AI-værktøj eller -applikation. I LTIMindtree har vi ikke blot prioriteret data-sikkerhed og fair brug, men har også gjort det til en hjørnesten i vores AI-strategi. Vi har også inkorporeret 50+ bedst-i-klassen-modererings-API’er og ansvarlige AI-rammer fra tredjeparts-leverandører som Nvidia Nemo-guardrails og IBM Watson Governance-modeller. Vores platform administrerer data effektivt, idet den tager hensyn til privatliv, sikkerhed, etisk brug og bæredygtighed ved at udnytte sunde styre-mål og et velbygget rammeværk.

Hvordan påvirker GenAI Agile-projektstyring i LTIMindtree? Hvad er fordelene for Agile-hold, og er der nogen kompromiser?

Integrering af GenAI i Agile-praktikker transformerer, hvordan hold arbejder. Det forbedrer produktiviteten, strømliner processer og åbner nye muligheder for innovation. Da software-udviklingslandskabet udvikler sig, udnytter vi GenAI til at automatisere de repetitive opgaver, der kan belaste holdene. Denne ændring giver dem mulighed for at fokusere mere på kreativt problemløsning og innovation – præcis hvor de skal være.

Når vi starter med at integrere GenAI i Agile-rammer, er der nogle vigtige punkter, vi gerne vil understrege. Først og fremmest er det vigtigt at forstå naturen af AI-værktøjer og deres potentielle indvirkning på hold-samarbejde. For eksempel har Agile-hold brug for at være opmærksomme på begrænsningerne af disse værktøjer. De afhænger af eksisterende data snarere end at give realtids-indsigter, så det er essentiel at validere og raffinere deres udgangspunkter.

Vores AI-native DevOps udnytter avanceret teknologi som viden-grafer, brugerdefinerede SLM’er (små sprogmodeller) sammen med software-udviklings-livscyklus-agenter. Dette har potentialet til at opnå 35-50% effektivitet i produktivitet over hele Agile-DevOps-cyklen for en virksomhed. Det hjælper et Agile-hold under oprettelse af brugerhistorier, sprint-planlægning, kode-generering til CI/CD-pipelines og efterfølgende incident-håndtering.

Hvordan adresserer LTIMindtree behovet for nye talenter og færdigheder, og hvilke initiativer har du ledt for at sikre, at jeres hold er udstyret til den AI-drevne fremtid?

Opkomsten af innovative teknologier i IT-industrien har fremhævet et gap mellem de færdigheder, vores arbejdskraft i øjeblikket har, og hvad der er nødvendigt for at trives i en AI-drevet verden. GenAI har potentialet til at ændre daglige roller for mange medarbejdere, så det er essentiel at forberede os på nye færdigheder og roller.

I LTIMindtree tager vi føringen i denne transformation ved at fokusere på at opskolere vores medarbejdere for at møde disse fremvoksende krav. Vi har vores GARUDA-initiativ, der specifikt er designet til træning og onboarding af hold i GenAI og enterprise AI. Vi erkender, at effektiv træning og uddannelsesressourcer er afgørende, og vi er forpligtet til at skabe en kultur af kontinuerlig læring.

Vore træningsstrategier inkluderer data-drevne tilpasninger, realtids-online-læring, avanceret forstærkning-læring, overførsels-læring og feedback-løkker. På denne måde sikrer vi, at vores hold ikke blot holder trit med ændringerne, men er sandt udstyret til at udføre deres udviklende roller. Det er en spændende tid, og vi er alle på denne rejse sammen.

Derudover har vi indgået samarbejdsaftaler med syv akademiske institutioner for at udstyre fremtidige talenter med AI-færdigheder. Her er vi involveret lige fra kurriculum-design til administration af kurriculum, samt udstyr af professorer via træn-the-trainer-tilgange.

Hvordan ser du rollen af menneskelig talent udvikle sig i en stadig mere AI-drevet arbejdsplads, og hvilke skridt tager du for at forberede jeres arbejdskraft på denne ændring?

I fortiden var der distinkte roller for kreative individer og teknologi-eksperter. Dog er der en tydelig ændring i retning af at adoptere, mainstream og skala innovative indholdsskabende teknikker, der udvisker grænserne mellem kreativitet og teknologi. Denne integration påvirker forskellige brancher, hvor den konventionelle adskillelse mellem kreative roller og teknologi-job langsomt forsvinder. Selv om det er lovende, kommer denne udvikling med sine udfordringer, der indikerer en betydelig ændring i fokus på opskolering som en essentiel for at udnytte AI’s fordele.

Den store samtale nu er, hvordan vi kan gøre denne GenAI-ændring holdbar og skala. Her er ændringsstyring afgørende. Det kræver en struktureret tilgang og et dedikeret hold til at overvåge AI-adoptionsprocessen. Mennesker, ikke kun teknologi, er i centrum for en succesfuld GenAI-adoption. Det kan være et kraftfuldt værktøj til empowerment, selv for dem, der initialt opfatter det som en trussel. Forrester forudser, at ved 2030, vil kun 1,5% af job blive tabt til GenAI, mens 6,9% vil blive påvirket af det. Derfor må ledere prioritere gennemsigtighed og motivere deres arbejdskraft omkring fremtiden for AI på arbejdspladsen.

AI ændrer job-roller over hele IT-sektoren, automatiserer daglige opgaver og lægger vægt på strategisk beslutningstagning og kompleks problemløsning. I LTIMindtree mener vi, at dette er en mindset-ændring, og derfor har vi etableret en dedikeret central-initiativ GARUDA – der fokuserer på denne ændrings-adoption. GARUDA-initiativet er ikke kun om rolle-baseret træning og opskolering, men også om at skabe AI-ambassadører, der kan drive denne adoption over forskellige lag. Vi arbejder også med vores HR-funktion for at se på impakter på forskellige roller inden for organisationen, samt deres karriere-veje og tilhørende belønninger og anerkendelser. I dag i LTIMindtree har vi tre niveauer af opskolings-stier – grundlæggende, praktiker og ekspert. Over 50.000 af vores medarbejdere har allerede gennemført de grundlæggende opskolings-initiativer, der inkluderer AI-begreber til brug af copiloter samt ansvarlige AI-overvejelser.

Hvad er nogle af de mest innovative GenAI-anvendelser, du har set for nylig, og hvor ser du teknologien hen i de næste 3-5 år?

Vi er kun lige begyndt at skrabe overfladen af, hvad GenAI kan gøre, og jeg er begejstret for dets potentiale over hele IT-industrien og udover. Da flere brancher springer om bord, finder jeg mig selv særligt begejstret for dets anvendelser til at transformere menneskeliv.

I LTIMindtree har vi samarbejdet med FN’s Flygtningeagentur for at forbedre deres krise-respons-kapaciteter ved hjælp af GenAI. Dette samarbejde sigter mod at accelerere krise-respons på stedet, og give hurtig hjælp og støtte til flygtninge i nød. Den innovative brug af teknologi hjælper med at bringe håb og lettelse til sårbare befolkninger under deres største tid af nød. For et amerikansk livsforsikringsselskab udviklede vi en GenAI-løsning, der oversætter tale i realtid, og betydeligt forbedrer kundeoplevelsen. Ved at brobygge kommunikationskløfter fremmer denne teknologi bedre forståelse og forbindelse mellem mennesker, og sikrer, at sprogbarrierer ikke længere hindrer effektive oplevelser.

I fremtiden vil Agentic AI enable autonom opgave-udførelse og beslutningstagning. Inden 2027 vil brancheforstående modeller dominere, syntetisk data-brug vil stige, og energi-effektive implementeringer vil vokse. Multimodale modeller, der integrerer tekst, billeder, lyd og video-indtastninger, vil forbedre kapaciteter, og drive betydelig økonomisk impact og innovation. GenAI er sat til at tilføje op til 4,4 billioner dollars til den globale økonomi årligt, og vil revolutionere brancher og drive effektivitet og bæredygtighed, detail, sundheds- og livsvidenskab.

Sandheden er, at hver arbejdsplads vil blive berørt af GenAI på en eller anden måde, og bliver en del af vores daglige operationer. Da vi fortsætter denne overgang, kan jeg ikke vente med at se, hvordan det udvikler sig, og hvilke innovationer der kommer herefter.