Sameet Gupte, CEO og Co-Founder af EvoluteIQ – Interview Serie

Sameet Gupte, CEO og Co-Founder af EvoluteIQ, er en London-baseret direktør med omfattende erfaring i opbygning og skalering af globale teknologivirksomheder. Før han co-foundede EvoluteIQ, fungerede han som Group CEO 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 Polaris-opkøbet. Han har også tidligere ledet Genpacts kapitalmarkedsforretning i Europa, hvor han var ansvarlig for at accelerere regional vækst og styrke dens position i finansielle tjenester.

EvoluteIQ er et AI-nativt enterprise automation-firma, der fokuserer på at transformere, hvordan virksomheder opererer gennem sin flagship-EIQ-platform. Designed til at automatisere end-to-end-processer snarere end isolerede opgaver, kombinerer platformen kunstig intelligens, low-code-værktøjer og proces-orchestration 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 organisationer med at strømline operationer, reducere kompleksitet og opbygge robuste, selv-optimerende systemer på tværs af brancher som finansielle tjenester, sundhedsvesen og telekommunikation.

Før du co-foundede EvoluteIQ i 2019, havde du senior ledelsesroller hos Servion, Virtusa og Genpact, hvor du arbejdede omfattende med enterprise-transformation og storstilede teknologi-udrulninger. Hvad erfaringer under den tid førte til, at du konkluderede, at den næste generation af automation-platforme skulle bygges som AI-native systemer snarere end udvidelser af traditionelle workflow eller RPA-værktøjer?

På tværs af 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. Hver af disse teknologier løste et bestemt problem inden for processen, men manglede en omfattende løsning for end-to-end-processen. Dette identificerede en betydelig mulighed for at skabe en teknologi, der er autonom, kan selv-lære og tilpasse sig for at optimere processen. Således blev EIQ-konceptet født: en native AI-platform designed til at være autonom, løse problemet snarere end enkeltkomponenter og maksimere automation. Det ville være low-code/no-code, udstyret med de nødvendige funktioner til enhver proces, herunder streaming-data, begivenheder og orchestration med AI som kerne-ramme.

Mange automation-platforme i dag tilføjer generative AI-kapaciteter til legacy-infrastruktur. EvoluteIQ blev designedet fra bunden med intelligens og autonomi som kerne. Hvad arkitektoniske valg gjorde du tidligt, der tillader din platform at understøtte agentic automation på måder, ældre systemer ikke kan?

Platformen blev designedet fra bunden for at enable end-to-end-automation af processer uanset den type automation, der kræves (robotic, workflow, data, begivenheder osv.). Dette blev gjort med forventningen om, at over tid vil nye automationsteknikker blive opfundet, og eksisterende teknikker måske bliver forældede. Således tillader den underliggende mikrotjeneste-baserede arkitektur udvikling og inklusion af Generative AI og agentic automation. På samme måde vil denne arkitektur tillade inklusion af Large Action Models og Quantum Decision Making snart.

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

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

Din platform fokuserer på end-to-end-automation af komplekse forretningsprocesser snarere end blot at automatisere enkelt-opgaver. Hvordan ændrer en agentic model måden, organisationer tænker om proces-orchestration, beslutningstagning og operativ autonomi?

Vi dækkede dette delvist ovenfor, men jeg ville tilføje, at EIQ-platformen enable kunder til at skabe en abstraktionslag over deres eksisterende infrastruktur. Derfor kan alle elementer i infrastrukturen betragtes som komponenter i en EIQ-proces. I kombination med Agentic Mesh Architecture {aMa} kan IT-teams nu skabe ‘composable IT’, der tillader forretningsbrugere at udvikle applikationer og processer påkrævet fra foruddefinerede, testede og godkendte komponenter. Dette introducerer en højere niveau af operativ autonomi for forretningsbrugere, der enable dem til at skabe, bruge og pensionere IT-tjenester, som de ønsker, og fjerner den traditionelle afhængighed af IT.

EvoluteIQ bruger en outcomes-baseret priseringsmodel snarere end at beregne priser per bot eller per bruger. Hvad motiverede denne beslutning, og hvordan ændrer det måden, enterprise-ledere evaluere return on investment for automation-initiativer?

Beslutningen om at strukturere outcomes-baseret priseringsmodel blev taget 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 outcomes-baseret model er, at til forskel fra den traditionelle model, hvor return on investment (ROI) diskuteres efterfølgende, i dette tilfælde er det kontraheret på forhånd, målt kontinuerligt og betalt mod levering.

En af de største udfordringer i enterprise AI er integration af strukturerede data, ustruktureret information og realtids-operationelle signaler på tværs af multiple systemer. Hvordan adresserer EvoluteIQ disse integrations-udfordringer, mens det opretholder governance og pålidelighed?

EIQ-platformen håndterer strukturerede data, ustrukturerede data og realtidsbegivenheder gennem separate motorer. Hver motor består af en samling mikrotjenester, der kan skaleres vertikalt og horisontalt og replikeres for at give robusthed. Denne arkitektur tillader platformen at blive bygget og skaleret for at møde 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 oversigt og ansvarlighed vigtigere. Hvad governance-rammer eller sikkerhedsforanstaltninger tror du er nødvendige for agentic-systemer, der opererer i stor målestok?

Platformen inkluderer standardfunktioner som revision af proces-trin, optagelse af proces-variabel-værdi og governance af Generative AI og agenter. Disse funktioner enable realtids-governance af agentic 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. Deres svar bliver derfor skabt inden for denne omfattende ramme, hvilket sikrer nøjagtigheden og pålideligheden af deres handlinger.

EvoluteIQ opnåede angiveligt rentabilitet inden for sit andet driftsår, hvilket er usædvanligt for mange AI-startups. Hvad strategiske beslutninger tillod dig 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 innovation. Virksomheden fokuserer på kunde-adoption 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 Global System Integrators, 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 implementationsorganisation, der sikrer en sund medarbejder-til-omsetningsratio i overensstemmelse med bedste-i-klassen-målinger.

Enterprise automation-landskabet udvikler sig hurtigt, med traditionelle RPA-virksomheder, generative AI-platforme og agentic automation-virksomheder, der alle kæmper for opmærksomhed. Hvordan ser du de konkurrencemæssige dynamikker i denne marked udvikle sig over de næste få år?

I enterprise automation er vi vidne til en grundlæggende konvergens snarere end blot øget konkurrence. Traditionel RPA bliver relateret til en eksekveringslag, generative AI bliver hurtigt almindelige, og agentic AI dukker op som kontrol-paradigmet. Imidlertid vil ingen af disse udviklinger i isolation definere markedet. Den virkelige slagmark er skiftende mod AI-native orchestration-platforme, der kan styre end-to-end-processer og levere målbare forretningsresultater. 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 agent-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 ansvar for resultatet, ikke blot en del af processen.

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

Overgangen fra AI-assisterede arbejdsgange til virkelig autonome operationer er ikke om minor-effektivitetsgevinster, men en grundlæggende genovervejelse af, hvordan arbejde udføres. Den første milepæl er human-on-the-loop: AI-agenter træffer de fleste beslutninger med menneskelig indgriben reserveret til undtagelser. Herefter vil lukkede proces-forløb enable realtids-sensing, beslutning, handling og selv-korrektion uden manuel indgriben. Virksomheder vil herefter antage outcomes-baserede modeller, hvor succes måles af forretningsresultater snarere end aktivitet. Til sidst vil sand autonomi blive realiseret, når komponerende agentic-arkitekturer orkestrerer på tværs af funktioner som finansielle, operationelle og kunde-service uden at blive begrænset af legacy-systemer.

EvoluteIQ er i frontlinjen af denne overgang. Bygget som en samlet AI-nativ platform, der omfatter arbejdsgange, data, begivenheder og beslutning, ikke blot assisterer det mennesker, men også udfører end-to-end-processer, overvåger hver handling, måler kontinuerligt resultater og selv-optimerer. EvoluteIQ enable AI inden for processer og giver infrastrukturen for virksomheder til at operere autonomt i stor målestok med fuld ansvarlighed. Dette er, hvordan organisationer bevæger sig fra automation 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.