Sarah Edwards, Chief Product og Strategi Officer, Kantata – Interview Serie

Sarah Edwards, Chief Product og Strategi Officer, Kantata, har mere end 27 års erfaring inden for professionelle services, konsulentsvirksomhed, produktstrategi og forretningsledelse. Gennem sin karriere har hun arbejdet på tværs af både Nordamerika og Europa, hvor hun har bygget og skaleret services-organisationer, samtidig med at hun har udviklet dyb ekspertise inden for projektlevering, ressourcestyring og operationel excellence. Før hun tiltrådte sin stilling hos Kantata, havde Edwards ledende roller hos Hitachi Consulting, hvor hun ledede globale teams, og tidligere havde hun hjulpet med at udvikle konsulentsvirksomheder, herunder Fulcrum Solutions og Edenbrook. Hos Kantata er hun ansvarlig for at lede produkt- og strategi-initiativer på tværs af virksomhedens portefølje, hvor hun hjælper professionelle services-organisationer med at forbedre sigtet, forudsigelser, ressourcetildeling og samlede forretningspræstation gennem specialbyggede teknologiløsninger.

Kantata er en førende udbyder af professionelle services-automatiseringssoftware (PSA), der udelukkende fokuserer på behovene hos konsulentfirmaer, agenturer, IT-serviceudbydere og andre projektbaserede organisationer. Etableret gennem en fusion mellem Mavenlink og Kimble, tilbyder virksomheden en AI-dreven platform, der forbinder projektplanlægning, ressourcestyring, finansielle operationer, forudsigelser, samarbejde og forretningsintelligens i et samlet miljø. Dens teknologi er designet til at hjælpe organisationer med at forbedre projektprofitabilitet, optimere arbejdsstyrkeudnyttelse, øge forudsigelsesnøjagtighed og opnå realtids indsigt på tværs af hele services-leveringsløbet. Ved at kombinere operationelle data med AI-drevne indsigt hjælper Kantata professionelle services-firmaer med at træffe mere informerede beslutninger, forbedre leveringsresultater og skala op effektivt i stadig mere komplekse forretningsmiljøer.

De startede deres karriere som Oracle (ORCL ) -konsulent, før de ledede Oracle-praksis hos Edenbrook og Hitachi Consulting, og senere hjalp med at forme Kantatas produktstrategi over mere end et årti. Hvordan har denne rejse påvirket deres syn på, hvor AI kan skabe mest værdi for professionelle services-firmaer, og hvilke lærdomme fra tidligere konsulentmiljøer er stadig relevante i dag?

Da jeg ser tilbage på min karriere, har professionelle services-industrien ikke ændret sig væsentligt i 30 år. Regelsættet var at vokse forretningen ved at vokse antallet af medarbejdere; jo flere medarbejdere, desto flere projekter kunne påtages. Men nu bliver dette regelsæt fuldstændigt omskrevet takket være AI og ny teknologi. Jeg hører meget mere usikkerhed i industrien lige nu end nogensinde før. Hvad ser vores talent ud til? Hvad har jeg brug for på tværs af mennesker og agenter? Hvordan fakturerer jeg AI-agenter? Ingen ved endnu de rigtige svar på disse spørgsmål.

Hvad vi ved, er, at hvis virksomheder fastholder den gamle driftsmodel, der går ud på at vokse forretningen ved at vokse antallet af medarbejdere, vil det blot blive en kapløb til bunden. Fra min erfaring i premierkonsulentmiljøer ved jeg, at konsulentarbejde stadig handler om menneskelige relationer, men i AI-alderen er professionelle services-firmaer under mere pres fra kunderne for at gøre mere med mindre og producere strålende resultater. De skal konstant bevise deres værdi. Her kan AI hjælpe ved at udnytte data og integreret ekspertise til at bygge gentagne og konsekvent intelligens.

De har argumenteret for, at mange organisationer måler AI-succes forkert ved at fokusere på produktivitet og efficiens. Hvorfor mener de, at “ekspertise-akkumulering” er en mere meningsfuld målestok for evaluering af AI-avkastning?

At fokusere udelukkende på produktivitets- og efficiensgevinster dækker ikke tilstrækkeligt langsigtede AI-succes. AI-aktivering handler om mere end blot at automatisere status quo; det handler om at fundamentalt ændre måden, vi opererer på. For mig er en organisations ekspertise-akkumuleringsrate – dets evne til at fange, syntetisere, skala og kontinuerligt bygge på institutionel og stamme-kundskab – langt mere meningsfuld, da det tillader firmaer at udøve ekspertise i stor skala. Ekspertise er den primære valuta i konsulentverdenen, men hvis disse specifikke færdigheder og specialiserede kundskaber forbliver isolerede eller i én persons hjerne, er det ikke et effektivt system.

Historisk set har professionelle services-industrien kørt på helte – fremragende medarbejdere, der har indre færdigheder eller kundskaber, som kunder kan benytte. I dagens verden vil firmaer ikke overleve, hvis de opererer på den måde. Ekspertise skal deles bredt, nøjagtigt og hurtigt, hvilket AI allerede gør til en vis grad. Tag for eksempel AI-værktøjer, der automatisk tager noter under møder og distribuerer dem efterfølgende. Udfordringen for professionelle services-firmaer er, at denne output ikke er direkte forbundet med at levere services til kunder. Derfor er der behov for et AI-værktøj, der tager det næste skridt og aktiverer på denne intelligens inden for konteksten af den specifikke organisation. Hvis AI kan lære af og akkumulere ekspertisen, som firmaet leverer på tværs af projekter, er det, når det virkelig bliver en transformationel teknologi.

Hvad er de største misforståelser, chefer har, når de forsøger at beregne avkastningen på AI-initiativer?

Chefer taler primært om AI-avkastning i forhold til omkostningsbesparelse og efficiens, men det er en misforståelse at tro, at dette er det eneste sted, hvor AI kan drive værdi. De skal også fastslå, hvordan AI driver omsætningsvækst ved at udvikle nye omsætningskanaler, hjælpe med at fastholde flere kunder eller tillade firmaet at påtage sig flere projekter.

Hvordan kan organisationer begynde at fange og skala institutionel kundskab, der i øjeblikket kun findes i medarbejder-samtaler, projekt-erfaringer og stamme-kundskab?

Mange professionelle services-firmaer afhænger stadig af regneark, isolerede data og stamme-kundskab for at drive deres forretning. At påklæbe en enkeltstående AI-agent med generisk træning oven på ét projekt eller datastrøm vil ikke have stor indvirkning. En integreret platform med AI og prædiktive indsigt, der kan handle på tværs af projekter og arbejdsgange, vil. Men ikke alle platforme er skabt lige. For at have indvirkning skal de være bygget på en samlet kundskabsgraf, der fanger institutionel kundskab i stor skala, sætter det i kontekst og giver AI-agenterne autonomi til at handle baseret på indsigt med mennesker i løkken.

Mange virksomheder udruller AI-assistenter og -agenter på tværs af virksomheden. Hvad adskiller organisationer, der skaber varige konkurrencefordele, fra dem, der blot automatiserer eksisterende arbejdsgange?

I starten af AI-boomet udrullede mange organisationer AI-værktøjer for at undgå at blive efterladt, men denne form for ubevidst udrulning ledte til, at mange virksomheder følte agent-oppblæsing (dvs. når agenter bliver langsomme, dyre at køre eller upræcise på grund af mismanagement og overbelastning af værktøjer eller information). Det, der er mere, er, at alle agenterne arbejder i siloer, og der ikke er nogen langsigtede strategi om, hvordan man skal operationalisere alle agenterne sammen.

Organisationerne, der lægger grundstenen til sand, langsigtede konkurrencefordele, udruller ikke agenter, der kun ser på ét bestemt aspekt; de udruller agenter, der har indsigt på tværs af brættet. Personale, ressourcer, levering osv. er alle flytbarer i den professionelle services-maskine, der skal arbejde sammen for at holde tingene kørende jævnt. Og de giver denne agent kontekst, kundskab og forståelse til at have en reel indvirkning.

Hvordan ser de AI-agenter, der skal spille en rolle i professionelle services-organisationer, og hvor mener de, at menneskelig ekspertise vil forblive uerstattelig?

Når AI-agenter fortsætter med at tage en del af arbejdsbyrden af menneskelige arbejdere, vil det åbne dem op til at udføre de mere sjove og kreative dele af deres job. Automatisering handler ikke kun om efficiens og tid/kostbesparelse; det handler om lettelse og empowerment for medarbejdere. Dette vil højne deres kreative side og bygge en ny generation af tænkere, der vil blive byggere af AI-værktøjer i stedet for kun brugere. Denne skift vil være afgørende, da AI bliver almindeligt, fordi hvert firma vil kunne producere output hurtigt og billigt, men kun de, der fortsætter med at investere i deres menneskelige ekspertise, vil producere stærk, meningsfuld arbejde.

Settende fremad, hvad skal erhvervsledere gøre i dag for at sikre, at deres organisationer ikke blot adopterer AI, men bygger en bæredygtig ekspertise-fordele, der akkumuleres over tid?

I stedet for at påklæbe en generisk agent eller chatbot på eksisterende software skal professionelle services-firmaer søge efter AI-superagenter, der har evnen til at forstå kontekst på tværs af alt, der er involveret i at drive et professionelt services-firma – fra personale til forudsigelser til finansielle ledelse og projektlevering – og skabe specialbyggede agenter, der kan handle autonomt.

Tak for det store interview. Læsere, der ønsker at lære mere, skal besøge Kantata.