Sameet Gupte, administrerende direktør og medstifter af EvoluteIQ – Interviewserie

Sameet Gupte, administrerende direktør og medstifter af EvoluteIQ, er en london-baseret leder med omfattende erfaring i opbygning og skalerings af globale teknologivirksomheder. Før han stiftede EvoluteIQ, fungerede han som koncernchef for Servion, et Cisco-portfoliofirma, samt dets tilknyttede virksomheder Innoveo AG og Acqueon Inc., hvor han hjalp med at drive virksomhedsTransformation og vækst. Tidligere i sin karriere var han executive vice president og managing director for Global Financial Services og Europa hos Virtusa, hvor han ledte betydelig organisk udvidelse, udviklede branche-fokuserede løsninger og spillede en nøglerolle i strategiske opkøb på tværs af Europa, herunder i Tyskland og Sverige, samt opkøbet af Polaris. Han har også tidligere ledet Genpacts kapitalmarkedsforretning i Europa, hvor han var ansvarlig for at accelerere regional vækst og styrke dens position i finansielle services.

EvoluteIQ er et AI-nativt enterprise-automatiseringsfirma, der fokuserer på at transformere, hvordan virksomheder opererer gennem sin flagship-EIQ-platform. Designet til at automatisere slut til slut-processer snarere end isolerede opgaver, kombinerer platformen kunstig intelligens, lavkode-værktøjer og proces-koordinering for at enable systems, der kan tilpasse sig, træffe beslutninger og kontinuerligt forbedre sig over tid. Ved at integrere data, arbejdsgange og AI i en samlet arkitektur hjælper EvoluteIQ virksomheder med at strømline operationer, reducere kompleksitet og opbygge robuste, selv-optimerende systemer på tværs af brancher som f.eks. finans, sundhedsvesen og telekommunikation.

Før du stiftede EvoluteIQ i 2019, havde du ledende stillinger hos Servion, Virtusa og Genpact, hvor du arbejdede omfattende med virksomhedstransformation og storstilede teknologiudrulninger. Hvad var det, der under den tid fik dig til at konkludere, at den næste generation af automatiseringsplatforme skulle bygges som AI-native systemer snarere end udvidelser af traditionelle arbejdsgange eller RPA-værktøjer?

TVærs brancher er succesfulde organisationer karakteriseret ved deres evne til konsekvent at levere verdensklasse-resultater. En fælles faktor blandt dem er en robust proces. Mens vi konceptualiserede EvoluteIQ, havde vi til formål at udvikle en teknologi, der understøtter denne proces. Vores fokus var på at løse problemet snarere end enkeltkomponenter af det. Før 2019 løste tilgængelige værktøjer og teknologier primært bestemte aspekter af processen, såsom data-ekstraktion, opgave-styring og arbejdsgange. Disse teknologier løste hver især et bestemt problem inden for processen, men manglede en omfattende løsning for slut til slut-processen. Dette identificerede en betydelig mulighed for at skabe en teknologi, der er autonom, kan lære af sig selv og tilpasse sig for at optimere processen. Således blev konceptet EIQ født: en native AI-platform designet til at være autonom, løse problemet snarere end enkeltkomponenter og maksimere automatisering. Den ville være lavkode/ingen kode, udstyret med de nødvendige funktioner til enhver proces, herunder streaming-data, begivenheder og koordinering med AI som kerne-ramme.

Mange automatiseringsplatforme i dag tilføjer generative AI-kapaciteter til legacy-infrastruktur. EvoluteIQ blev designet fra bunden op med intelligens og autonomi i sin kerne. Hvad var de arkitektoniske valg, du traf tidligt, der giver din platform mulighed for at understøtte agens-automatisering på måder, som ældre systemer ikke kan?

Platformen blev designet fra bunden op til at enable slut til slut-automatisering af processer uanset den type automatisering, der kræves (robotisk, arbejdsgang, data, begivenheder osv.). Dette blev gjort med forventningen om, at nye automatiseringsteknikker vil blive opfundet over tid, og eksisterende teknikker måske vil blive forældede. Således giver den underliggende mikrotjeneste-baserede arkitektur mulighed for udvikling og inklusion af generative AI og agens-automatisering. På samme måde vil denne arkitektur give mulighed for inklusion af Large Action Models og kvante-beslutningstagning snart.

EvoluteIQ er bygget op omkring, hvad du kalder Agentic Mesh Architecture, eller {aMa}, som giver mulighed for netværk af intelligente agenter til at samarbejde på tværs af virksomhedsprocesser. Hvordan adskiller denne tilgang sig fra traditionelle automatiserings-rammer, og hvorfor tror du, at agens-til-agens-samarbejde vil blive en grundlæggende lag i enterprise-software?

{aMa} er den proprietære arkitektur, der er en af de væsentlige differentieringsfaktorer for EvoluteIQ-platformen. Agens-til-agens-samarbejde giver mulighed for multiple agenter (både EIQ og tredjeparts-agenter) til at selv-organisere, mens de arbejder mod fuldførelse af et bestemt forretningsresultat. Dette vil give kunder mulighed for at omvurdere deres perception og brug af automatisering. De vil ikke længere behøve at definere de trin, der kræves for at udføre en slut til slut-proces; i stedet vil de blot behøve at artikulere det ønskede forretningsresultat og give agenterne mulighed for at bestemme, hvordan dette skal opnås. Denne selv-organiserende og selv-styrings-kapacitet vil give kunder mulighed for at skabe agile og robuste forretnings-operationsmodeller, der automatisk tilpasser sig til innovation og disruption uden behov for dyre og risikable menneskelige indgreb.

Din platform fokuserer på slut til slut-automatisering af komplekse forretningsprocesser snarere end blot at automatisere enkelt-opgaver. Hvordan ændrer en agens-model måden, virksomheder tænker om proces-koordinering, beslutningstagning og operativ autonomi?

Vi dækkede delvist dette ovenfor, men jeg ville tilføje, at EIQ-platformen giver kunder mulighed for at skabe en abstraktionslag oven på deres eksisterende infrastruktur. Følgelig kan alle elementer af infrastrukturen betragtes som komponenter af en EIQ-proces. I kombination med Agentic Mesh Architecture {aMa} kan IT-teams nu skabe ‘composable IT’, der giver virksomheder mulighed for at udvikle programmer og processer påkrævet fra foruddefinerede, testede og godkendte komponenter. Dette introducerer en højere niveau af operativ autonomi for forretningsbrugere, der giver dem mulighed for at skabe, bruge og pensionere IT-tjenester efter behov, og fjerner den traditionelle afhængighed af IT.

EvoluteIQ bruger en resultat-baseret prissætningsmodel snarere end at opkræve pr. bot eller pr. bruger. Hvad motiverede denne beslutning, og hvordan ændrer det måden, virksomhedsledere vurderer afkastet på automation-initiativer?

Beslutningen om at strukturere resultat-baseret prissætning blev truffet for at tilpasse forretnings- eller brugstilfældes succes-kriterier, sikre omkostningsforudsigelighed, gennemsigtighed og dele risikoen for succes eller fiasko med kunden. Den mest betydelige ændring for virksomheder i en resultat-baseret model er, at modsat den traditionelle model, hvor afkast på investering (ROI) diskuteres efterfølgende, er det i dette tilfælde kontraheret på forhånd, målt kontinuerligt og betalt mod levering.

En af de største udfordringer i enterprise-AI er integration af struktureret data, ustruktureret information og realtids-operations-signaler på tværs af multiple systemer. Hvordan løser EvoluteIQ disse integrations-udfordringer samtidig med at opretholde styring og pålidelighed?

EIQ-platformen håndterer struktureret data, ustruktureret data og realtids-hændelser gennem separate motorer. Hver motor består af en samling af mikrotjenester, der kan skaleres vertikalt og horisontalt og replikeres for at give robusthed. Denne arkitektur giver platformen mulighed for at blive bygget og skaleret for at opfylde ydelses-, kapacitets- og robustheds-kravene for enkelt-kunder.

Da virksomheder begynder at udrulle autonome AI-agenter, der kan træffe beslutninger og udløse handlinger, bliver bekymringer om styring og ansvarlighed vigtigere. Hvad mener du er nødvendige styrings-rammer eller sikkerhedsforanstaltninger for agens-systemer, der opererer på stor skala?

Platformen inkluderer standardfunktioner som revision af proces-trin, optagelse af proces-variabel-værdier og styring af generative AI og agenter. Disse funktioner giver mulighed for realtids-styring af agens-adfærd og historisk rapportering og analyse af deres arbejde og beslutninger. Ud over disse funktioner giver EIQ-platformen en unik kapacitet, der sikrer, at agenter opfører sig, som forventet. Ved at tilslutte sig hver datakilde og system af rekord inden for en kunde, forstår agenterne den forretningskontekst, de opererer i. Følgelig bliver deres svar skabt inden for denne omfattende ramme, hvilket sikrer nøjagtigheden og pålideligheden af deres handlinger.

EvoluteIQ rapporterede at have opnået rentabilitet inden for sin anden driftsår, hvilket er usædvanligt for mange AI-startups. Hvad var de strategiske beslutninger, der gjorde det muligt for jer at balancere innovation og hurtig produktudvikling med finansielle bæredygtighed?

EvoluteIQ har været EBITDA-positiv siden sit andet driftsår. Dette er blevet opnået ved at være omhyggelig med omkostninger uden at kompromittere med innovationen. Virksomheden fokuserer på kunde-tilpasning og tilfredshed, hvilket afspejles i en konsekvent sporet 120% Net Retention Rate. Den undgår at overinvestere i marketing og salg ved at bygge stærke partnerskaber med globale system-integratorer, Tier 1 BPO-virksomheder og førende management-konsulentfirmaer for at drive Go-To-Market-bevægelsen. Virksomheden demonstrerer værdi for prospekter gennem betalt Proof Of Value (POV) snarere end gratis Proof of Concepts (POC). Hver vækstbeslutning har været bevidst og fokuseret. At enable stærke partnerskaber og gøre kunder selv-tilstrækkelige på EIQ-platformen har også resulteret i en lean support- og implementeringsorganisation, der sikrer en sund medarbejder-til-omsetnings-forhold i overensstemmelse med bedste klasse-metrice.

Enterprise-automatiseringslandskabet udvikler sig hurtigt, med traditionelle RPA-virksomheder, generative AI-platforme og agens-automatiseringsfirmaer, der alle kæmper for opmærksomhed. Hvordan ser du den konkurrencemæssige dynamik i denne marked udvikle sig over de næste få år?

I enterprise-automatisering er vi vidne til en fundamental konvergens snarere end blot øget konkurrence. Traditionel RPA bliver reduceret til en eksekveringslag, generative AI bliver hurtigt almindelig, og agens-AI dukker op som kontroll-paradigmet. Imidlertid vil ingen af disse udviklinger i isolation definere markedet. Den virkelige slagmark er skiftende mod AI-naturlige orkestrerings-platforme, der kan håndtere slut til slut-processer og levere målbare forretnings-resultater. Over de næste få år vil vinderne ikke være dem med de mest avancerede modeller eller det største antal bots, men dem, der kan kombinere agens-arbejdsgange, data og beslutninger i et samlet system, der er styret, gennemsigtigt og kontinuerligt forbedret. Enterprise-købere er allerede på vej væk fra værktøjer og licenser mod resultater og ansvarlighed. Derfor vil den afgørende spørgsmål for enhver platform være, om den kan tage ejerskab af resultatet, ikke kun en del af processen.

Settende blikket fremad, hvilke milepæle vil signalere, at virksomheder bevæger sig fra AI-assisterede arbejdsgange til virkelig autonome operationer, og hvad forventer du, at EvoluteIQ vil spille i denne overgang?

Overgangen fra AI-assisterede arbejdsgange til virkelig autonome operationer er ikke om mindre effektivitetsgevinster, men en grundlæggende genovervejelse af, hvordan arbejdet udføres. Den første milepæl er human-on-the-loop: AI-agenter træffer de fleste beslutninger med menneskelig intervention reserveret til undtagelser. Herefter vil lukkede proces-cirkler give mulighed for realtids-sensing, beslutningstagning, handling og selv-korrektion uden manuel intervention. Virksomheder vil herefter antage resultat-baserede modeller, hvor succes måles af forretnings-resultater snarere end aktivitet. Til sidst vil virkelig autonomi blive realiseret, når komponerbar agens-arkitektur orkestrerer på tværs af funktioner som f.eks. finans, operationer og kunde-service uden at være begrænset af legacy-systemer.

EvoluteIQ er i frontlinjen af denne overgang. Bygget som en samlet AI-nativ platform, der omfatter arbejdsgange, data, begivenheder og beslutningstagning, assisterer den ikke kun mennesker, men udfører også slut til slut-processer, overvåger hver handling, måler kontinuerligt resultater og selv-optimerer. EvoluteIQ giver mulighed for AI inden for processer og giver den infrastruktur, virksomheder behøver for at operere autonomt på stor skala med fuld ansvarlighed. Dette er, hvordan organisationer bevæger sig fra automatisering til autonomi, og hvorfor EvoluteIQ er unikt positioneret til at lede denne rejse.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge EvoluteIQ.