Par Chadha, grundlægger, administrerende direktør og investeringschef for HandsOn Global Management – Interviewserie

Par Chadha, grundlægger, administrerende direktør og investeringschef for HandsOn Global Management, er en iværksætter, investor og teknologisk leder med årtier af erfaring i at opbygge og skalere teknologidrevne virksomheder. Siden grundlæggelsen af HandsOn Global Management i 2001 har han fokuseret på investeringer i workflow‑automatisering, big data, robotisk procesautomatisering (RPA), kognitive teknologier og kunstig intelligens inden for finansielle tjenester, sundhedssektoren, forsikring og juridiske markeder. Han er også medstifter af Rule14 og har tidligere været formand og administrerende formand for Exela Technologies samt formand for SourceHOV.

HandsOn Global Management (HGM) Limited er en teknologidrevet virksomhed, der opererer i krydsfeltet mellem strategisk investering og forretningsservice, og kombinerer kapitaludlæg med operationel ekspertise for at opbygge og skalere teknologidrevne virksomheder. Virksomheden fokuserer i stigende grad på AI‑drevne sundhedstjenester, herunder styring af indtægtscyklus, medicinsk kodning, ambient lytning og sundhedsanalytik, samtidig med at den anvender AI‑baseret automatisering og procesoptimering på tværs af virksomhedens arbejdsprocesser. HGM beskriver sin model som en hybrid mellem et investeringsselskab og en diversificeret serviceudbyder, der bruger opkøb, teknologiintegration og operationel gennemførelse til at forfølge langsigtet vækst på markeder som Nordamerika, Asien‑Stillehavsområdet og Mellemøsten.

Du grundlagde HandsOn Global Management i 2001, længe før kunstig intelligens blev et mainstream investeringsområde. Hvad inspirerede dig oprindeligt til at etablere virksomheden, og hvordan har dens investeringsfilosofi udviklet sig i takt med fremskridt inden for workflow‑automatisering, dataintelligens og agentbaseret AI?

Navnet HandsOn beskriver, hvordan jeg tænker på organisationen. Hvis du ikke kan være hands‑on – hvis du er hands‑off – hører du ikke til i vores organisation. Jeg forventer, at de mennesker, der leder virksomheder, inklusive mig selv, praktiserer det, jeg kalder servant leadership. Vores opgave er at tjene de mennesker, der arbejder for os, og hjælpe dem med at blive mere succesfulde.

Teknologien har ændret sig enormt, men det grundlæggende spørgsmål har ikke ændret sig meget: hvad gør teknologien det muligt for virksomheden at gøre bedre?

Med automatisering har jeg altid kigget på det, jeg kalder fleksibel kapacitet. Hvis én medarbejder kan håndtere 100 transaktioner, og automatisering gør det muligt for vedkommende at håndtere 250, har du skabt kapacitet til vækst uden at tilføje den samme omkostning. Det gør virksomheden mere profitabel og skalerbar.

Nu tager AI det betydeligt længere. Vi bevæger os ind i AI‑baserede arbejdsprocesser, hvor der er orkestrering af mange forskellige opgaver, med mennesker i kredsløbet og agentbaseret AI i kredsløbet. Jeg tror, at sådanne virksomheder vil være i meget høj efterspørgsel og vil blive nogle af de mest disruptive virksomheder.

Så teknologien har udviklet sig, men vores filosofi forbliver hands‑on: forstå driftsproblemet, forstå hvor produktivitet kan skabes, og omsæt teknologien til en forretning.

Som både administrerende direktør og investeringschef, hvilke karakteristika adskiller en AI‑virksomhed med potentiale til at blive en holdbar forretning fra en, der primært drager fordel af kortvarig begejstring omkring teknologien?

For mig er forskellen, om du kan omsætte investeringen til en forretning. Ellers er investeringen blot en omkostning.

Der kan være stor begejstring omkring intellektuel ejendom eller ny teknologi, men nogen skal stadig bruge den. Den skal løse et problem, have et værdiforslag og i sidste ende generere indtægter.

Tag automatisering som et eksempel. Du skal også forstå den funktion, du automatiserer. Marketing, salg, indkøb, HR, økonomi, administration, skatterapportering og sikkerhed er meget forskellige funktioner. Automatiseringen skal designes ud fra, hvad netop den pågældende virksomhed faktisk gør. En tankstation har meget specifikke behov. En restaurant har meget specialiserede behov.

De virksomheder, der overlever, vil være dem, hvor kunderne kan mærke forskellen – større rentabilitet, større skalerbarhed, mere kapacitet eller evnen til at gøre noget, de før ikke kunne gøre økonomisk. Teknologien er vigtig, men i sidste ende skal den blive en forretning.

HandsOn Global Management påtager sig en aktiv operationel rolle i at opbygge, erhverve og transformere virksomheder. Hvordan ændrer denne hands‑on tilgang den måde, du vurderer AI‑investeringer på i forhold til en traditionel venturekapital‑ eller private‑equity‑model?

Jeg tror ikke på at sidde på toppen og blot fortælle folk, hvad de skal gøre. Min tilgang har altid været, at de mennesker, der arbejder for dig, har huller, og din opgave er at hjælpe med at udfylde disse huller og gøre dem succesfulde.

Det betyder, at når vi ser på en investering, tænker vi operationelt. Hvem skal drive den? Hvordan vil den blive positioneret? Hvem er kunderne og partnerne? Hvad er værdiforslaget? Kan den blive skalerbar?

Jeg arbejder hånd i hånd med ledelsesteams, men jeg vil også have, at den operationelle person leder. Jeg laver introduktionen, lader den person overtage, forbliver i kopi, og er tilgængelig. For os er det at eje en investering og drive en virksomhed ikke to helt separate aktiviteter.

Mange virksomheder eksperimenterer med AI, men færre har med succes implementeret det på tværs af mission‑kritiske operationer. Hvad adskiller organisationer, der går fra isolerede pilotprojekter til produktions‑skala adoption?

En stor del af det er, om organisationen selv er klar til at ændre sig.

Teknologien kan bevæge sig hurtigere end folkene. Vi har folk, der netop er uddannet, som kender AI, kender agenter og kan blive produktive meget hurtigt. Samtidig kan folk med fem, ti eller tyve års erhvervserfaring have svært ved at flytte sig fra deres komfortzone til den nye zone. Vi ser den samme adfærd i USA, Indien, Filippinerne og Europa.

Det bliver et organisatorisk problem, ikke blot et teknologisk problem.

De virksomheder, der gennemfører overgangen, vil være villige til at ændre selve arbejdsprocessen. Når du orkestrerer forskellige opgaver med mennesker og agentbaseret AI, der arbejder inden for processen, ændrer du måden arbejdet udføres på.

Hvis virksomhederne ikke foretager den ændring, vil en anden gøre det. Jeg tror, det bliver et spørgsmål om at gøre eller dø. De virksomheder, der forstyrrer, vil komme videre, mens de, der ikke gør, vil blive forstyrret.

HGM’s sundhedsinitiativer omfatter autonom medicinsk kodning, stemme‑ og samtaleintelligens, forudsigende analytik og AI‑agenter, der opererer på tværs af administrative og kliniske arbejdsprocesser. Hvor tror du, AI kan fjerne den største friktion i sundhedssektoren uden at gå på kompromis med nøjagtighed, privatliv eller patienttillid?

Et af de største problemer i sundhedssektoren er, at vi har digitaliseret enkelte funktioner, men ikke nødvendigvis forbundet hele virksomheden. Krav, tilmeldinger, plejeadministration, apotek, leverandørservice, analytik og indtægtscyklus kan stadig fungere som adskilte systemer. Det skaber dobbeltarbejde, ineffektivitet, højere omkostninger og en dårlig oplevelse.

Jeg tror ikke, svaret blot er en ny applikation. Intelligens skal indlejres i arbejdsprocessen. Muligheden er at samle data, processer og mennesker, så AI kan hjælpe med at forstå, hvad der sker, forudsige hvad der kommer næste, anbefale en handling og automatisere det arbejde, der kan automatiseres på passende vis.

Administrativt arbejde er et oplagt udgangspunkt. Udbydere håndterer stadig manuelle processer, forudgående godkendelser og administrativ byrde. Hvis teknologien kan forenkle disse arbejdsprocesser, skaber du mere kapacitet for fagfolkene og i sidste ende mere tid til pleje.

Men tillid betyder enormt meget i sundhedssektoren. Sikkerhed, overholdelse og governance skal indgå i arkitekturen. Teknologien bør forenkle kompleksitet, ikke tilføje til den. Målet er ikke AI for AI’s skyld. Det er bedre pleje, lavere omkostninger, bedre operationel performance og en bedre oplevelse for medlemmet og udbyderen.

I regulerede brancher som sundhedssektoren, finansielle tjenester, forsikring og offentlig sektor, hvordan skal virksomheder afgøre, hvilke beslutninger der kan delegeres til autonome AI‑agenter, og hvilke der fortsat skal kræve menneskelig gennemgang?

Jeg mener, at ansvarlighed bliver den afgørende grænse.

I regulerede virksomheder har nogen i sidste ende ansvaret for, hvad der bliver præsenteret. I cybersikkerhed kan regulatorer for eksempel kræve, at ledelsen og bestyrelser hurtigt skal offentliggøre information, og at topledelsen skal underskrive offentlige erklæringer. Problemet er, at ingen ved alt, især så hurtigt.

AI kan samle værktøjer, etablere et grundlag, organisere information og gøre en proces meget mere produktiv. Men det gør ikke ansvarligheden forsvindende.

Sundhedssektoren er et godt eksempel. AI kan forudsige, opdage, anbefale og automatisere, men disse funktioner har ikke alle samme risikoniveau. Arkitekturen skal erkende, hvor automatisering er passende, og hvor mennesker skal forblive i kredsløbet. Jo mere væsentlig beslutningen er, desto vigtigere bliver governance, forklarlighed og ansvarlighed.

Jeg ser det ikke som et valg mellem fuldstændig autonom AI og fuldstændigt manuelt arbejde. Spørgsmålet er, hvor AI kan udføre arbejdet effektivt, og hvor en person stadig skal udøve dømmekraft eller stå bag resultatet.

Du var medstifter af Rule14, en platform designet til at finde, overvåge, analysere og sammenfatte information i realtid. Hvordan har store sprogmodeller og generativ AI ændret, hvad der er muligt inden for dataudvinding, og hvilke grundlæggende dataproblemer skal stadig løses?

Store sprogmodeller skaber en mulighed for at gøre informationsbaseret arbejde meget mere skalerbart.

Vi har virksomheder, hvor hundredevis af advokater og andre fagfolk arbejder med indhold og information, og historisk har de brugt flere ældre værktøjer end store sprogmodeller. Det, der interesserer mig, er hvordan du kan tage platforme bygget til ét formål, pakke dem korrekt og anvende dem til et helt andet formål i stor skala.

Det handler ikke blot om, at en model kan sammenfatte noget. Du kan ændre økonomien i, hvordan store mængder information behandles, pakkes og leveres.

Men jeg vil ikke antage, at fordi du har en stor sprogmodel, så ved du pludselig alt. Den underliggende information er stadig vigtig, og i den virkelige verden kan information være ufuldstændig eller utilgængelig, når du har brug for den. Modellerne gør os meget mere produktive; de fjerner ikke behovet for at forstå, hvilken information du faktisk har.

HGM’s strategiske økosystem omfatter virksomheder, der arbejder med autonom medicinsk kodning, ambient klinisk dokumentation, intelligente arbejdsprocesser, betalinger, databehandling og AI‑udviklingsplatforme. Hvordan skaber du meningsfuldt teknisk og kommercielt samarbejde på tværs af en portefølje uden at tvinge virksomheder ind i et kunstigt økosystem?

Du bruger hver virksomhed til det, den gør bedst.

Jeg beskrev dette inden for cybersikkerhed som at skabe en lille klub. Vi er udbyderen af tjenesten, og de andre virksomheder er eksperter inden for deres områder. Vi bruger hver enkelt for dens bedste evne. Ved at kombinere med os får de adgang til vores kunder, og vi får fordelene ved det, de er meget gode til.

Det er anderledes end at sige, at hver virksomhed skal bruge alle andre, fordi de tilfældigvis befinder sig i samme portefølje. Pointen er at samle kompetencer i noget, kunden rent faktisk kan bruge.

Internt har jeg en lignende tilgang. Jeg forbinder de rette personer og lader den operationelle person lede. De fastlægger, hvad de kan gøre sammen, hvad budgetterne er, og om det skal ind på produktkøreplanen.

Samarbejdet skal skabe værdi. Ellers er der ingen grund til at tvinge det.

Du har ledet investeringer, opkøb og operationelle transformationer på tværs af flere regioner og brancher. Hvad har du lært om at tilpasse AI‑produkter til forskellige reguleringsmiljøer, forretningskulturer, sprog og niveauer af digital modenhed?

Kultur er vigtigt, og personlige relationer er vigtige.

Når folk kun kender hinanden gennem et kontorregister, et telefonnummer eller en e‑mail, kalder jeg det en meget upersonlig relation. Det kan fungere, når alt er normalt. Men når du bygger, udvider, reparerer noget eller håndterer problemer, bliver det at kende personen på den anden side meget vigtigere.

Rejser lærer dig, at markeder ikke er ens. Du lærer, hvad folk spiser, hvilke sportsgrene de følger, hvordan deres skolesystem fungerer, hvad der er kulturelt følsomt, og hvad der skaber unødvendige barrierer. Jo mere du ved om landet, folkene og hvordan de lever, desto mere mindsker du kløften i relationen.

Teknologi er lignende. Forskellige markeder er på forskellige niveauer. Nogle lande er længere fremme end USA inden for visse professionelle tjenester, mens vi måske er længere fremme inden for andre former for automatisering.

Du kan ikke antage, at du kan tage en model, placere den overalt og forvente samme resultat. Du skal forstå, hvordan det pågældende marked fungerer, og opbygge relationer til de mennesker, der skal bruge den.

Efterhånden som agentbaseret AI, kognitiv automatisering og fysisk AI fortsætter med at konvergere, hvilke muligheder mener du stadig er undervurderede, og hvilket råd vil du give grundlæggere, der bygger virksomheder til denne næste fase af automatisering?

Jeg tror, at AI‑baserede arbejdsprocesser vil være i meget, meget høj efterspørgsel – orkestreringen af en række forskellige opgaver med mennesker i kredsløbet og agentbaseret AI i kredsløbet. Jeg tror, at disse vil blive nogle af de mest disruptive virksomheder.

Forstyrrelsen vil også være bredere end folk forventer. Folk har en tendens til at tro, at automatisering påvirker den lavere ende af arbejdsstyrken. Efter min mening er det ofte den mellemlag, der påvirkes. Seniorpersoner kan gøre mere, så de har brug for mindre mellemled. Kodning, testning, dataindtastning og dataanalyse automatiseres, mens arbejdsprocesser og dashboards reducerer behovet for at styre nogle af disse funktioner.

Derefter har du den fysiske side. Restauranter bliver automatiserede. Arbejde, der tidligere krævede mennesker i høst- og såningssæsoner, erstattes af autonome maskiner, robotter og droner. Dette landskab ændrer sig meget hurtigt.

Der vil være smerte i den overgang. Produktive maskiner har brug for færre af os. Men hvis vi ikke forbedrer produktiviteten, vil vi ikke kunne konkurrere med meget mere befolkede lande med meget forskellige omkostningsstrukturer. Hvis vi får det rigtigt, tror jeg, at dette kan være starten på et nyt amerikansk århundrede.

Til grundlæggere vil jeg fokusere på arbejdsprocessen og den produktivitet, du skaber. Byg noget, der bliver en del af, hvordan arbejdet faktisk udføres, forstå, hvor folk stadig hører til i kredsløbet, og erkend, at de organisationer, der adopterer din teknologi, også gennemgår en stor arbejdsstyrke‑overgang.

Tak for det fantastiske interview, læsere, der ønsker at lære mere, bør besøge HandsOn Global Management.