Mark Clayman, administrerende direktør for Netrio – Interviewserie

Mark Clayman, administrerende direktør for Netrio, er en erfaren teknologi-leder med mere end to årtiers ledelseserfaring inden for cloud computing, managed IT-tjenester, cybersikkerhed og enterprise-infrastruktur. Før han tiltrådte som administrerende direktør for Netrio i 2024, fungerede han som administrerende direktør for Navisite gennem dens overtagelse af Accenture, og tidligere ledede han RDX og TriCore Solutions under perioder med betydelig vækst og succesfulde overtagelser. Tidligere i sin karriere havde Clayman ledende roller hos Navisite og fungerede som CIO for Surebridge, hvor han opbyggede en reputation for at skala teknologiorganisationer, integrere opkøbte virksomheder og modernisere managed service-drift for enterprise- og mid-markeds-kunder.

Netrio er en nordamerikansk managed IT-tjenesteudbyder, der fokuserer på at hjælpe små og mid-markeds-organisationer med at modernisere og sikre deres teknologi-miljøer. Virksomheden specialiserer sig i managed IT, cloud-tjenester, cybersikkerhed, infrastruktur-styring og digital transformations-løsninger med ekspertise på tværs af brancher som sundhedsvesen, finansielle tjenester og detailhandel. Efter fusionen med SUCCESS Computer Consulting har Netrio udvidet sin rækkevidde og kapaciteter, hvilket har positioneret virksomheden som en større MSP, der kan levere enterprise-klasse teknologistøtte, operationel effektivitet og cybersikkerhedsbeskyttelse til vækst-orienterede virksomheder, der navigerer i stadig mere komplekse IT-miljøer.

Du har ledet flere managed services- og cloud-virksomheder gennem større overtagelser, herunder roller hos RDX, Navisite, TriCore Solutions og nu Netrio. Hvordan er din perspektiv på enterprise IT-transformation ændret over disse forskellige epoker, og hvad overbeviste dig om, at AI ville blive den næste grundlæggende ændring for Managed Service-udbydere?

Over årene har jeg fundet ud af, at enterprise IT-transformation ikke kun handler om en ny teknologikategori. Det kan starte sådan med managed hosting, cloud, sikkerhed, automation og nu AI, men den virkelige transformation sker, når teknologien ændrer, hvordan virksomheder opererer og konkurrerer. Tidligere i min karriere var fokus på infrastruktur: hvor arbejdsbyrden boede, hvordan systemer blev styret, hvordan man kunne forbedre op-tid og hvordan man kunne reducere omkostninger. Over tid ændrede samtalen sig til, hvordan teknologi kan skabe værdi for organisationen. Kunder begyndte at spørge ikke kun, ‘Kan du køre dette miljø?’ men ‘Kan du hjælpe os med at blive mere effektive, mere sikre, mere robuste og mere konkurrencedygtige?’ AI er en grundlæggende ændring, fordi det berører alle disse spørgsmål på én gang. For MSP’er er AI ikke kun et nyt værktøj, vi tilføjer til porteføljen… Det er en paradigmændring, der ændrer, hvordan tjenester leveres, hvordan ingeniører arbejder, hvordan kunder forbruger support og hvordan vi skaber forretningsværdi.

Du har beskrevet AI som det nye leveringsrygmarv for MSP’er. Hvad ser en AI-nativ MSP ud til fem år fra nu sammenlignet med den traditionelle MSP-model, som virksomheder er vant til i dag?

Den traditionelle MSP-model er bygget op omkring mennesker, processer og værktøjer, der reagerer på problemer: overvågning af et miljø, åbning af en billet, tildeling af en ingeniør, løsning af problemet og rapportering tilbage til kunden. En AI-drevet MSP vil se meget anderledes ud. AI vil sidde på tværs af hele leveringsmodellen, fra overvågning og ITSM til sikkerhed, endpoint-styring, kunde-kommunikation, analytics og forretnings-workflow-optimering. Inden for de næste 2-3 år vil MSP-ledere ikke kun bruge AI til at besvare spørgsmål hurtigere; de vil bruge det til at detektere mønstre, prioritere risiko, løse kendte problemer, sammenfatte og opdatere billetter, analysere holdninger og guide ingeniører mod den næste bedste handling. Og, hvad der er aller vigtigst, vil kundeoplevelsen være meget mere selvbetjening og AI-platform-drevet.

Netrio fremmer en “AI-først, menneske-anden” support-filosofi. Hvad er ændret i brugeradfærd, så kunderne er blevet mere komfortable med at interagere med AI, før de taler med en menneskelig tekniker?

Den største ændring er, at folks forventninger er blevet nulstillet af den teknologi, de bruger hver dag. I deres personlige liv er brugere vant til at få øjeblikkelige svar, søge efter hjælp på egen hånd, interagere med chatbots og intelligente assistenter og løse grundlæggende problemer uden at vente på, at nogen ringer tilbage. Denne adfærd viser sig nu på arbejdspladsen. Hvis et AI-system kan hjælpe en person med at låse en konto op, diagnosticere et tilslutningsproblem, besvare et “hvordan-gør-jeg” spørgsmål eller lede en anmodning korrekt i sekunder, vil mange brugere foretrække det over den gamle model med at indsende en billet og vente på, at nogen ringer tilbage. Men det er vigtigt at bemærke, at AI-først ikke kan betyde menneske-aldrig. Det betyder, vi skal bruge AI, hvor det skaber hastighed, konsistens og bekvemmelighed, og derefter bringe mennesker ind, når problemet er komplekst, følsomt eller kræver dømmekraft.

Mange virksomheder taler om AI-co-piloter, men du understreger agens-ai og autonom remediering. Hvordan tæt er vi på, at AI-systemer uafhængigt kan løse de fleste rutinemæssige IT-tilfælde uden menneskelig indgriben?

Vi er ved at komme tættere, men jeg tror, det er vigtigt at være praktisk om, hvad autonomt virkelig betyder. Der er allerede mange rutinemæssige tilfælde, hvor AI kan diagnosticere problemet, anbefale handlingen, udføre handlingen og opdatere billetten på en måde, der ligner meget det, en menneskelig ingeniør ville gøre. Det er meget anderledes end en simpel chatbot eller co-pilot, der kun foreslår et svar.

Der er en stor mulighed for at udnytte agens-ai, der kan operere inden for definerede rammer: det kender miljøet, forstår politikken, har den rette adgang og kan løse kendte problemer sikkert. Hos Netrio tænker vi omhyggeligt over, hvor vi skal bruge partner-naturlig AI og hvor vi selv skal bygge vores egne kompetencer. Vi understøtter mange kunder på tværs af forskellige miljøer, og en AI-agent må forstå denne multi-tenant-kompleksitet. I nogle områder, som infrastruktur-advarsel eller sikkerheds-advarsel-konsolidering, kan moden vendor-AI være det rette svar. I andre områder, især hvor arbejdsgangen omfatter kunde-miljøer, endpoint-adgang, legitimationsoplysninger og fjernsupport, bliver MSP-specifikke intelligens meget vigtig.

En af de mere interessante idéer, du har rejst, er AI-drevet holdningsanalyse på hver support-billet. Hvordan vigtig vil emotionel intelligens og kunde-holdning blive i den næste generation af enterprise IT-drift?

Jeg tror, det vil blive en stor del af, hvordan servicekvalitet måles. I managed services er det ikke nok at vide, om en billet blev lukket eller om en SLA blev opfyldt. Du skal også vide, hvordan kunden havde det under denne interaktion. Var de frustrerede? Var de forvirrede? Følte de sig hørt? Førte problemet til, at de blev ved med at have det samme problem? Historisk set ville MSP’er måske have lært om disse mønstre i en månedlig eller kvartalsvis forretningsgennemgang eller fra en kunde-tilfredshedsundersøgelse, hvilket er nyttigt, men ofte for sent. AI-drevet holdningsanalyse giver os mulighed for at forstå kundeoplevelsen i næsten realtid. Det betyder, vi kan identificere, hvor en kunde bliver frustreret, hvor kommunikationen ikke er klar, eller hvor et tilbagevendende problem ødelægger tillid, og vi kan gribe ind hurtigt. Det er det punkt, hvor AI forstærker den menneskelige side af service, i stedet for at erstatte den.

Du har nævnt, at mange organisationer kæmper med “skygge-AI” inden for deres virksomheder. Hvad er de største styre-fejl, virksomheder begår lige nu, når medarbejdere hurtigt adopterer AI-værktøjer på egen hånd?

Den største fejl er at lade AI-adopteringsprocessen ske på en helt fragmenteret måde. Medarbejdere vil eksperimentere, og i mange tilfælde er det en god ting, men organisationen må forstå, hvilke værktøjer der bruges, hvilke data der indtastes og hvilke risici der skabes. Lige nu har mange virksomheder enkeltpersoner, der bruger AI på tværs af forretningen, men der er ingen fælles politik, ingen målestandard, ingen træningsmodel og ingen klar vejviser til at tilpasse med organisationens mål.

Det skaber sikkerhedsrisiko, overholdelsesrisiko og spild af indsats. Den ideelle tilgang er ikke at standse eksperimentering, men i stedet formalisere og organisere den. Virksomheder behøver styre-rammer, adgangskontrol, medarbejder-træning, godkendte brugstilfælde og en måde at måle værdi på. Dette er især sandt i mid-markedet, hvor virksomheder ofte har det samme pres fra bestyrelser og ledelse for at udnytte AI, men de måske ikke har den interne AI-ekspertise, sikkerhed og overholdelses-team til at guide indsatsen.

Når AI automatiserer mere grundlæggende MSP-opgaver, ser du den traditionelle økonomi i managed services fundamentalt ændret over de næste ti år?

Ja, jeg tror, økonomien vil ændre sig ret meget. Den traditionelle managed services-model er ofte bygget op omkring arbejdskraft, værktøjer og margin. Hvis AI og automation reducerer mængden af menneskelig indsats, der kræves for grundlæggende support, overvågning og remediering, er pris-pres på disse kommodificerede tjenester uundgåelige. Men jeg ser ikke på det som en negativ ting. Jeg ser på det som en tvangsfaktor for MSP’er til at flytte opad i værdikæden. Værdien vil kommer fra at hjælpe kunder med at anvende teknologi til forretningsresultater: forbedre operationer, automatisere arbejdsgange, styrke sikkerhed og træffe bedre beslutninger.

Det er derfor, strategiske samtaler med kunder er så vigtige. MSP’er må forstå, hvordan en kunde driver sin forretning – deres leverandørkæde, kundeservicemodel, interne processer, vækstplaner og risikoprofil. Så kan vi bruge AI og automation til at løse mere værdifulde problemer. Så ændrer økonomien sig fra, hvor mange mennesker det kræver at støtte et miljø, til, hvad målbart værdi MSP’en skaber for en forretning.

Mange AI-samtaler fokuserer på store virksomheder, mens mid-markeds-virksomheder ofte mangler den interne ekspertise til at implementere AI på en ansvarlig måde. Hvad er de unikke udfordringer, mid-markeds-organisationer står over for, som overses af den bredere industri?

Mid-markeds-virksomheder er i en meget interessant position. De har reel forretnings-pres for at adoptere AI, og i mange tilfælde har de samme urgensen som større virksomheder. Deres ledelseshold og bestyrelser spørger, hvad deres AI-strategi er, hvor effektiviteten er, og hvordan virksomheden vil blive konkurrencedygtig. Men som nævnt tidligere har de ikke de samme interne ressourcer som en Fortune 500-virksomhed. De har ikke en dedikeret AI-styre-team, en stor sikkerhedsorganisation, en moden datavidenskabsfunktion eller de nødvendige ressourcer til at ændre AI fra pilot til produktion. Så de kan blive fast mellem eksperimentering og eksekvering. De ved, AI er vigtigt, men de har brug for hjælp til at identificere de rigtige brugstilfælde, implementere styre, sikre miljøet, træne medarbejdere og integrere AI i virkelige arbejdsgange. Det er derfor, vores tilgang hos Netrio er fokuseret på praktisk adoption: parathed, styre, strategi, platform-udvikling, aktivering og fortsat udvikling og support.

Netrio opererer på tværs af brancher, herunder sundhedsvesen, finansielle tjenester og detailhandel. Tror du, at fremtidens vindere i AI-aktiverede managed services vil være de virksomheder med den dybeste vertikale ekspertise snarere end den bredeste teknologistak?

Ja, jeg tror det. En bred teknologistak er vigtig, men det er ikke nok i sig selv. Den virkelige værdi kommer, når du forstår kundens forretning dybt nok til at vide, hvor AI kan gøre en reel forskel. Sundhedsvesen, finansielle tjenester, detailhandel, produktion, hospitality – hver af disse brancher har forskellige arbejdsgange, regulatoriske pres, kunde-forventninger, risikoprofiler og operationelle realiteter. En generisk AI-implementering kan skabe nogen effektivitet, men en domæne-specifik løsning kan løse et langt mere meningsfuldt problem. For eksempel er måden, du tænker om AI i en reguleret finansielle tjeneste-miljø, anderledes end, hvordan du tænker om AI i detailhandels-drift eller hospitality-arbejdsgange. De MSP’er, der vinder, vil være dem, der kombinerer AI, automation, sikkerhed og vertikale ekspertise.

Settende blikket fremad, hvilke dele af enterprise IT-styring tror du vil forblive grundlæggende menneske-drevne, uanset hvor avancerede AI-systemer bliver?

De menneske-drevne dele vil være områderne, der kræver tillid, dømmekraft, empati og strategisk kontekst. AI vil fortsætte med at overtage mere af det repetitive operationelle arbejde, og det er en god ting. Det vil hjælpe ingeniører med at arbejde hurtigere, forbedre respons-tider, identificere mønstre og automatisere kendte problemer. Men kunderne har stadig brug for mennesker, der forstår deres forretning, kan hjælpe dem med at træffe valg og kan stå bag de anbefalinger, der gives. Sikkerhed er et godt eksempel. AI kan detektere trusler, prioritere advarsler, automatisere svar og bygge en sikkerheds-kultur, der afhænger meget af mennesker, træning, ledelse og dømmekraft. Det samme er sandt for AI-adopteringsprocessen selv. Du kan implementere kraftfulde værktøjer, men nogen skal stadig beslutte, hvilke brugstilfælde der er vigtige, hvilke risici der er acceptable, hvordan medarbejdere skal trænes og hvordan succes skal måles. Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Netrio.