Archana Joshi, Chef for Strategi (BFS og EnterpriseAI), LTIMindtree – Interviewsammenhæng

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 Business Unit i LTIMindtree. Joshi har arbejdet med Fortune 100-kunder over hele verden og er en fast taler ved brancheforum og begivenheder.

LTIMindtree er et globalt teknologi- 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 verden, hvordan har din personlige ledelsesstil udviklet sig i LTIMindtree, især i forbindelse med indførelsen af Generativ AI?

Med mere end to årtiers erfaring i IT-tjenester har jeg viet min karriere til at drive transformative teknologiløsninger for kunder, enten det er Agile/DevOps eller generativ AI (GenAI). I LTIMindtree fokuserer jeg på at give virksomheder mulighed for at udnytte GenAI til at udvikle og gennemføre deres digitale transformationsrejser. Jeg prioriterer kundeorienterede strategier, hvor jeg arbejder tæt sammen med kunder for at forstå deres unikke udfordringer og levere tilpassede AI-løsninger, der driver forretningsværdi. Som chef for strategi må jeg samarbejde med hold over hele virksomheden for at fremme GenAI-adopteringsprocessen 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 en integreret del af vores hold, ligesom tillidsværdige vingmænd. De støtter os ved at give værdifulde indsigt, automatisere opgaver og holde os i gang 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 hele verden ved at forbedre IT-udviklerproduktiviteten betydeligt. Fra copiloter, der genererer kode til syntetisk data til test og automatisering af IT-drift, bliver hver enkelt del af IT omdefineret. Følgelig skifter fokus for IT-service-modeller fra omkostningsdrevne til effektivitets- og påvirkningsdrevne tilgange. Dette betyder, at værdien af IT-tjenester nu måles efter deres evne til at levere konkrete resultater snarere end kun omkostningsbesparelser. Denne skiftning fører også til nye former for arbejde i IT-tjenester, såsom udvikling af brugerdefinerede modeller, dataingeniørarbejde til AI-behov og implementering af ansvarlig AI.

Kun 18 måneder siden var disse tjenester ikke normen. Selv i strengt regulerede brancher som sundheds- og finanstjenester, hvor legacy-systemer er almindelige, anerkendes værdien af GenAI i forbedring af driftseffektivitet stadig mere.

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 ved at automatisere ting som medicinsk diagnose, dataanalyse og administrative opgaver. Dette hjælper læger og sundhedsydelere med at træffe hurtigere og mere præcise beslutninger – selv om adoptionen stadig er forsigtig på grund af strenge overholdelses- og reguleringsrammer. I finanstjenester forbedrer GenAI risikostyring, svindelforespørgsel og kundeservice ved at automatisere manuelle opgaver. Dog er sektorens adoption drevet af bekymringer omkring risiko, styring 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 tredelt strategi for AI. Filosofien “AI i alt, alt for AI, AI for alle” understreger vores engagement i at integrere AI på tværs af alle aspekter af vores drift 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 effektivitet over hele linjen. Fra at reducere timer, der bruges på repetitive, tidskrævende opgaver, til at skala operations og forbedre pålideligheden af forretningsprocesser, bliver AI en kernekomponent i deres strategi. Vores ingeniører fokuserer på at integrere AI-copiloter i deres arbejdsgange, der dækker alt fra kodning, test og implementering til softwarevedligehold.

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 arbejdede nylig med et stort forsikringsselskab, der ønskede at automatisere deres dataudtræksprocesser. De stod over for skala- og nøjagtighedsproblemer med deres manuelle tilgang. Så udviklede vores team en companion-bot, der nu hjælper med at behandle multiple dokumenter, udtrække kritisk information som risiko, berettigelse, dækning og prisdetaljer. Dette har betydeligt reduceret den tid, det tager dem at tilbyde produkttilbud og administrere forskellige dækninger.

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

AI’s udvikling 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, dataintegritet og forskellige brancher. Dette råd har etableret AI-garantirammer og samarbejder med industriorganisationer om AI-reguleringsretningslinjer. Det arbejder også med hold, der implementerer AI, for at validere deres etiske risikostillinger.

For at implementere GenAI effektivt har vi etableret en række kerne-etiske principper, der er tilpasset vores virksomheds værdier, og som omfatter retfærdighed, ansvar, gennemsigtighed og privatliv. Dette kræver executive sponsorkap og støtte fra juridiske og sikkerhedshold. Herefter inkorporeres tekniske interventioner i vores interne processer, der fokuserer på højkvalitets-, upartisk data med foranstaltninger for at sikre dataintegritet 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 den 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 også 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 klar over den voksende energibehov, der kræves for at støtte AI-modeller, fra træning til fortsat drift. Vi har antaget en reducere, genbruge og recirkulere-tilgang til AI for at adressere det carbonaftryk og 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 carbonaftryk. Derudover genbruger vi data til forskellige formål og anvendelser for at undgå redundans 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, få hurtigere inferens, reducere omkostninger og bygge bæredygtige applikationer.

Som jeg nævnte tidligere er sikkerhed en nøglebekymring ved brug af enhver AI-værktøj eller -applikation. I LTIMindtree har vi ikke blot prioriteret datasikkerhed 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 tredjepartsleverandører som Nvidia Nemo-garder 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 styringsforanstaltninger og et velbygget rammeværk.

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

Integration af GenAI i Agile-praktikker ændrer, hvordan hold arbejder. Det forbedrer produktivitet, strømliner processer og åbner nye muligheder for innovation. Da softwareudviklingslandskabet udvikler sig, udnytter vi GenAI til at automatisere de repetitive opgaver, der kan belaste hold. Denne skiftning giver dem mulighed for at fokusere mere på kreativt problemsløsning og innovation – præcis hvor de skal være.

Når vi starter med at integrere GenAI i Agile-rammer, er der nogle nøglepunkter, vi gerne vil understrege. Først og fremmest er det vigtigt at forstå naturen af AI-værktøjer og deres potentielle indvirkning på holdets 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 realtidsindsigt, så det er essentiel at validere og forfine deres udgangspunkter.

Vores AI-native DevOps udnytter avanceret teknologi som viden graf, brugerdefinerede SLM’er (små sprogmodeller) sammen med softwareudviklingslivscyklus-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 brugerhistorie, sprintplanlægning, kodegenerering til CI/CD-pipelines og efterfølgende fejlhåndtering.

Hvordan adresserer LTIMindtree behovet for nye talenter og kompetencer? Hvad initiativer har du ledt for at sikre, at jeres hold er udstyret til en AI-dreven fremtid?

Opkomsten af innovative teknologier i IT-industrien har fremhævet en kompetencekløft mellem de færdigheder, vores arbejdskraft i øjeblikket har, og hvad der er nødvendigt for at trives i en AI-dreven verden. GenAI har potentialet til at ændre de daglige roller for mange medarbejdere, så det er afgørende 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 at træne og påbegynde 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.

Vores træningsstrategier inkluderer data-drevne tilpasninger, realtids-online-læring, avanceret forstærket læring, overførselslæring og feedback-løkker. På denne måde sikrer vi, at vores hold ikke blot holder trit med ændringer, men også er ægte udstyret til at udmærke sig i 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 kurssammensætning til administration af kurset, såvel som udstyr af professorer via træn-til-træner-tilgange.

Hvordan ser du på udviklingen af menneskeligt talent i en stadig mere AI-dreven arbejdsplads, og hvilke skridt tager du for at forberede jeres arbejdskraft på denne ændring?

I fortiden var der distinkte roller for kreative personer og tekniske eksperter. Imidlertid er der en tydelig skiftning mod at antage, mainstream og skala innovative indholdsskabningsteknikker, der udvisker grænserne mellem kreativitet og teknologi. Denne integration påvirker forskellige brancher, hvor den konventionelle adskillelse mellem kreative roller og tekniske job langsomt forsvinder. Mens dette er lovende, kommer denne udvikling med sine udfordringer, der tydeligt indikerer en betydelig skiftning af fokus på genoptræning som en essentiel fordel ved AI’s fordele.

Den store samtale nu er, hvordan vi kan gøre denne GenAI-forandring holdbar og skala. Her er det, hvor ændringsstyring bliver afgørende. Det kræver en struktureret tilgang og et dedikeret hold for at overvåge AI-adoptionsprocessen. Mennesker, ikke kun teknologi, er hjertet af en vellykket GenAI-adopteringsproces. Det kan være et kraftfuldt værktøj til empowerment, selv for dem, der oprindeligt opfatter det som en trussel. Forrester forudser, at kun 1,5% af job vil gå tabt på grund af GenAI, mens 6,9% vil blive påvirket af det. Derfor må ledere prioritere gennemsigtighed og motiverer deres arbejdskraft omkring AI’s fremtid på arbejdspladsen.

AI ændrer jobroller over hele IT-sektoren, automatiserer daglige opgaver og lægger vægt på strategisk beslutningstagning og kompleks problemsløsning. I LTIMindtree mener vi, at dette er en holdningsændring, og derfor har vi etableret en dedikeret centralinitiativ GARUDA, der fokuserer på denne ændringsadoption. GARUDA-initiativet er ikke kun om rollebaseret træning og opskolering, men også om at skabe AI-ambassadører, der kan drive denne adoption over hele virksomheden. Vi arbejder også med vores HR-funktion for at se på virkningerne på forskellige roller inden for organisationen, sammen med deres karriereveje og tilhørende belønninger og anerkendelser. I dag har vi på LTIMindtree tre niveauer af opskolingsveje – grundlæggende, praktiker og ekspert. Over 50.000 af vores medarbejdere har allerede gennemført de grundlæggende opskolingsinitiativer, 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 retning i de næste 3-5 år?

Vi er kun lige begyndt at udforske, hvad GenAI kan gøre, og jeg er begejstret over dets potentiale på tværs af IT-industrien og ud over. Da flere sektorer kommer om bord, finder jeg mig selv særligt begejstret over dets anvendelser til at forandre 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 krisehåndtering på stedet, give tidlig hjælp og støtte til flygtninge i nød. Den innovative brug af teknologi bringer håb og lettelse til sårbare befolkninger i deres største tid af nød. For et amerikansk livsforsikringsselskab udviklede vi en GenAI-løsning, der oversætter tale i realtid, hvilket betydeligt forbedrer kundeoplevelsen. Ved at brobygge kommunikationskløfter fremmer denne teknologi bedre forståelse og forbindelse mellem mennesker, bringer os tættere sammen og sikrer, at sprogbarrierer ikke længere hindrer effektive oplevelser.

I de kommende år vil Agentic AI muliggøre selvstændig opgaveudførelse og beslutningstagning. Inden 2027 vil brancheforskrevne modeller dominere, syntetisk dataanvendelse vil stige, og energieffektive implementeringer vil vokse. Multimodale modeller, der integrerer tekst, billeder, lyd og videoindgang, vil forbedre kapaciteter og drive betydelig økonomisk indvirkning og innovation. GenAI er på vej til at tilføje op til 4,4 billioner dollars til den globale økonomi årligt, revolutionere brancher og drive effektivitet og bæredygtighed, detailhandel, sundheds- og livsvæsenssektorer.

Realiteten 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 transition, kan jeg ikke vente med at se, hvordan det udvikler sig og hvilke innovationer, der kommer herefter.