Interviews
Ajay Vasal, globaler Leiter für Daten und KI bei Genpact – Interviewreihe

Wichtige PunkteProzessneugestaltung ist das Haupthindernis für die Einführung von agentischer KI…
Mehr anzeigen
- Prozessneugestaltung ist das Haupthindernis für die Einführung von agentischer KI, nicht die Modellleistung.
- Prozentsatz der Unternehmen, die noch Produktivitätskennzahlen verwenden, die für autonome KI-Systeme ungeeignet sind.
- Nur 22 % der Organisationen vertrauen KI-Systemen bereichsspezifische oder weitreichende Autonomie an.
Ajay Vasal, globaler Leiter für Daten und KI bei Genpact, ist ein erfahrener Manager für Technologie und Strategie. Er verfügt über mehr als zwanzig Jahre Erfahrung mit künstlicher Intelligenz, Datenstrategie, digitaler Transformation, Fusionen und Übernahmen sowie Unternehmensberatung. In seiner heutigen Rolle leitet er Initiativen, die Unternehmen dabei helfen, KI umfassender einzusetzen und von unterstützender KI zu autonomeren, in den Geschäftsbetrieb integrierten Systemen überzugehen. Zuvor war Vasal fast neun Jahre bei Accenture tätig und bekleidete verschiedene hohe Führungspositionen, darunter die globale Leitung für Daten und KI in den Konsumgüterbranchen sowie die globale Leitung des Centre for Data & Insights. Während seiner Laufbahn hat er Organisationen geholfen, durch effizientere Abläufe, Umsatzwachstum und geringere Risiken einen messbaren Geschäftsnutzen aus Daten zu erzielen. Außerdem leitete er strategische Investitionen, Fusions- und Übernahmevorhaben sowie KI-gestützte Transformationsprogramme in verschiedenen Branchen.
Genpact ist ein weltweit tätiges Unternehmen für professionelle Dienstleistungen und digitale Transformation. Es ist auf Daten, KI, Analysen, intelligente Automatisierung und die Modernisierung der Abläufe großer Unternehmen spezialisiert. Ursprünglich innerhalb von General Electric (GE.TO ) gegründet und später unabhängig geworden, betreut Genpact heute Organisationen in Branchen wie Finanzdienstleistungen, Gesundheitswesen, Fertigung, Einzelhandel und Konsumgüter. Das Unternehmen konzentriert sich zunehmend auf die KI-gestützte Transformation von Unternehmen. Es verbindet Analysen, Automatisierung und Branchenwissen, um Arbeitsabläufe zu modernisieren, Entscheidungen zu verbessern und KI-Systeme in großem Maßstab verantwortungsvoll einzuführen.
Bevor Sie Ihre heutige Rolle bei Genpact übernahmen, haben Sie bei Accenture jahrelang Daten- und KI-Strategien in verschiedenen Branchen gestaltet. Wie hat diese Erfahrung Ihren Blick darauf geprägt, warum Unternehmen weiterhin Schwierigkeiten haben, einen echten Nutzen aus KI-Investitionen zu ziehen?
Eine der wichtigsten Lehren aus der Arbeit in verschiedenen Branchen ist, dass die meisten Organisationen nicht an schwacher Technologie scheitern. Sie haben Schwierigkeiten, weil sie KI auf Betriebsmodelle aufsetzen wollen, die nie für die autonome Ausführung von Aufgaben ausgelegt waren. Die Ergebnisse unserer jüngsten Untersuchung bestätigen das deutlich. Unternehmen treiben den KI-Einsatz energisch voran, doch viele haben weiterhin Schwierigkeiten, die Betriebsmodelle neu zu gestalten, die für autonome Ausführung in großem Maßstab nötig sind. Diese Lücke zeigt, wie viele Unternehmen noch Fragen der Steuerung und Aufsicht, der Rechenschaftspflicht und der organisatorischen Vorbereitung klären müssen.
Wir sehen auch Organisationen, die schnell voranschreiten, bevor geeignete Messverfahren vorhanden sind. Von den Führungskräften glauben 71 Prozent, dass agentische KI schneller eine Investitionsrendite bringen wird als jede frühere Technologiewelle. Dennoch stützen sich 67 Prozent weiterhin auf Produktivitätskennzahlen, die für ältere Automatisierungsmodelle entwickelt wurden. Meine Erfahrung zeigt, dass eine erfolgreiche KI-Einführung nie nur im Bereitstellen von Modellen besteht. Sie erfordert neue Arbeitsabläufe, die Abstimmung der Technologie auf geschäftliche Prioritäten und Unterstützung für Menschen, damit sie verstehen, wie sich ihre Rollen neben zunehmend autonomen Systemen verändern.
Ihr jüngster Bericht, Autonomy Requires Trust in AI, zeigt, dass die meisten Führungskräfte glauben, agentische KI werde den Geschäftsbetrieb grundlegend verändern. Dennoch stehen die meisten Systeme weiterhin unter Aufsicht. Wo liegt die größte Lücke zwischen Überzeugung und Umsetzung?
Diese Lücke hat ausschließlich mit Vertrauen zu tun. Führungskräfte sind eindeutig überzeugt, dass agentische KI die Arbeitsweise verändern wird. Der Glaube an die Technologie bedeutet aber nicht automatisch, dass sie sich mit der Übertragung von Entscheidungsbefugnissen wohlfühlen. Unsere Untersuchung ergab, dass nur 22 Prozent der Organisationen bereit sind, KI-Systeme mit Autonomie in einem bestimmten Aufgabenbereich oder mit weitreichender Autonomie arbeiten zu lassen.
Die meisten Unternehmen nutzen KI weiterhin ohne Bedenken als Assistenten, der Empfehlungen gibt, zusammenfasst oder Arbeitsabläufe unterstützt. Das Zögern beginnt, wenn KI-Systeme autonom handeln sollen und damit den Betrieb, Kunden, die Einhaltung von Vorschriften oder finanzielle Ergebnisse beeinflussen. Deshalb halten viele Unternehmen Menschen eng in Genehmigung und Aufsicht eingebunden, selbst wenn sie autonomere Betriebsmodelle anstreben.
Viele Unternehmen investieren stark in KI, können aber keine nennenswerten Erträge nachweisen. Welche Fehler machen Organisationen am häufigsten, wenn sie den durch KI geschaffenen Wert messen wollen?
Ein großer Fehler ist, dass viele Organisationen weiterhin Produktivitätskennzahlen aus früheren Automatisierungswellen nutzen. Die Daten zeigen, dass sich 67 Prozent der Unternehmen noch auf produktivitätsbezogene Messungen stützen, die den Wert anpassungsfähiger, durch Entscheidungen gesteuerter Systeme nicht vollständig erfassen. Dadurch entsteht eine echte Lücke zwischen den Erwartungen und der tatsächlichen Wertmessung.
Ein weiteres Problem ist, dass viele Organisationen noch keine Erfolgskennzahlen definiert haben, die den Eigenschaften von KI entsprechen. Nur ein kleiner Teil der Unternehmen misst etwa den autonomen Abschluss von Arbeitsabläufen, weniger Eskalationen oder die autonome Bearbeitung von Ausnahmefällen. Wenn Unternehmen nur auf Kostensenkung oder eingesparte Stunden achten, übersehen sie die breiteren betrieblichen Auswirkungen, die agentische KI erzielen soll.
Der Bericht legt nahe, dass die organisatorische Vorbereitung ein größeres Hindernis ist als die Technologie selbst. Welche konkreten strukturellen Veränderungen müssen Unternehmen vornehmen, um das Potenzial agentischer KI voll auszuschöpfen?
Organisationen müssen überdenken, wie Rechenschaftspflicht, die Verantwortung für Arbeitsabläufe und Entscheidungen im gesamten Unternehmen funktionieren. Eine der deutlichsten Erkenntnisse der Untersuchung ist, dass die organisatorische Vorbereitung zu einem größeren Hindernis wird als die Technologie selbst. Tatsächlich nannten 33 Prozent der Unternehmen die mangelnde Vorbereitung der Geschäftsprozesse auf die Integration agentischer KI als größtes Einführungshindernis.
Die Unternehmen mit den größten Fortschritten gestalten Arbeitsabläufe von Anfang bis Ende neu, damit autonome Systeme innerhalb klar definierter Grenzen und Aufsichtsstrukturen arbeiten können. Wir stellten außerdem fest, dass 44 Prozent der Unternehmen erwarten, agentische KI werde die Zahl der Managementebenen verringern, wenn Systeme Koordinationsaufgaben übernehmen, die traditionell beim mittleren Management lagen. Beschäftigte brauchen wesentlich mehr Klarheit über Aufsichtspflichten, notwendige Eingriffe und die Rolle menschlichen Urteilsvermögens in einer zunehmend autonomen Umgebung.
Nur ein kleiner Teil der Organisationen fühlt sich damit wohl, KI-Agenten echte Autonomie zu geben. Was ist nötig, damit Unternehmen KI-Systemen ausreichend vertrauen, um ihnen Entscheidungsbefugnisse zu übertragen?
Vertrauen in agentische KI beruht letztlich auf Rechenschaftspflicht und Kontrolle. Unternehmen übertragen Entscheidungsbefugnisse weiterhin vorsichtig, weil Führungskräfte sicher sein wollen, dass autonome Systeme innerhalb klarer Grenzen und Steuerungsstrukturen arbeiten können.
Die Unternehmen, die vorankommen, entwerfen Systeme mit Eskalationswegen, Bedingungen für Eingriffe und Governance-Kontrollen, die direkt in das Betriebsmodell eingebaut sind. Die meisten Organisationen gewähren Autonomie schrittweise anhand des Geschäftskontexts und ihrer Risikotoleranz, statt plötzlich zur vollständigen Autonomie überzugehen. Erfolgreiche Einführungen geben Unternehmen Sicherheit und stärken das Vertrauen, weil Führungskräfte klar erkennen können, wie Entscheidungen zustande kommen, wer dafür verantwortlich ist und wie die menschliche Aufsicht erhalten bleibt.
Unternehmen erwarten, agentische KI schnell umfassender einzusetzen, doch viele nutzen weiterhin veraltete Produktivitätskennzahlen. Wie sollten wirksamere Leistungskennzahlen aussehen, die auf KI zugeschnitten sind?
Kennzahlen für KI müssen Ausführung und Ergebnisse messen, nicht nur Aktivität. Traditionelle Produktivitätsmessungen betrachten, ob Menschen schneller arbeiten. Agentische KI verändert die Voraussetzungen, weil das System selbst einen Teil der betrieblichen Arbeitslast übernimmt. Das ist wichtig, denn viele Organisationen messen agentische KI weiterhin aus einer Produktivitätsperspektive, die für frühere Automatisierungswellen und nicht für autonome Ausführung entwickelt wurde.
Wirksamere Kennzahlen sollten den autonomen Abschluss von Arbeitsabläufen, geringere Eskalationsquoten, die schnellere Umsetzung von Entscheidungen und die wirksame Bearbeitung von Ausnahmefällen bei begrenzten menschlichen Eingriffen erfassen. Sie zeigen wesentlich klarer, ob KI die Ausführung in großem Maßstab tatsächlich verbessert.
Sie betonen, dass die Neugestaltung von Prozessen das größte Einführungshindernis ist. Warum ist die Veränderung von Arbeitsabläufen in dieser nächsten KI-Phase wichtiger als die Modellleistung?
Die Veränderung von Arbeitsabläufen ist wichtig, weil selbst die fortschrittlichsten KI-Systeme innerhalb fehlerhafter oder fragmentierter Prozesse nicht wirksam skaliert werden können. Unsere Untersuchung ergab, dass 33 Prozent der Unternehmen die Vorbereitung der Prozesse als größtes Hindernis für die Einführung agentischer KI nannten.
Die nächste Phase unterscheidet sich dadurch, dass agentische KI Aufgaben über Arbeitsabläufe hinweg ausführen soll, statt nur innerhalb dieser Abläufe zu helfen. Organisationen müssen Prozesse für die autonome Ausführung neu gestalten: Sie müssen die Entscheidungsverantwortung klären, unnötige Übergaben beseitigen und Steuerung und Aufsicht direkt in die Arbeitsabläufe einbauen. In vielerlei Hinsicht ist die Neugestaltung der Arbeitsabläufe inzwischen die eigentliche Grundlage für den umfassenden KI-Einsatz.
Der Bericht legt nahe, dass KI die Zahl der Organisationsebenen verringern wird, wenn Koordinationsaufgaben automatisiert werden. Wie werden sich dadurch die Rollen der Führung und des mittleren Managements verändern?
Wenn agentische KI mehr Koordination und betriebliche Aufsicht übernimmt, werden sich Führungsrollen wahrscheinlich von der Steuerung der routinemäßigen Ausführung hin zu Strategie, Urteilsbildung und Governance verlagern. Unsere Untersuchung ergab, dass viele Unternehmen weniger Koordinationsebenen durch agentische KI erwarten, wenn autonome Systeme mehr Verantwortung für die betriebliche Aufsicht übernehmen.
Das mittlere Management spielt traditionell eine wichtige Rolle bei der Weiterleitung von Entscheidungen an die richtigen Stellen und der Sicherung betrieblicher Kontinuität zwischen Teams. Wenn autonome Systeme mehr dieser Tätigkeiten übernehmen, müssen Führungskräfte sich stärker auf Ausnahmefälle, Rechenschaftspflicht und die Ausrichtung der Systeme auf die Geschäftsziele konzentrieren. Menschliche Führung wird dort noch wichtiger, wo Kontext, Ethik und Urteilsvermögen am meisten zählen.
Genpact positioniert sich als Anbieter von Lösungen für agentische KI und fortschrittliche Technologien. Wie unterscheidet sich sein Ansatz für agentische KI von dem traditioneller Beratungs- oder Technologieunternehmen?
Genpacts Ansatz beruht auf Ausführung und Ergebnissen sowie der Lösung dessen, was wir häufig als Problem des „letzten Schritts“ der KI-Einführung bezeichnen. Viele Organisationen haben bereits gezeigt, dass KI-Modelle Erkenntnisse liefern oder die Produktivität steigern können. Die eigentliche Herausforderung besteht darin, diese Fähigkeiten in tatsächlich laufende Geschäftsprozesse einzubinden, in denen die Arbeit stattfindet. An diesem Punkt geraten viele KI-Initiativen ins Stocken. Wir helfen Kunden, agentische KI bis zum letzten Ausführungsschritt praktisch einzusetzen, damit Systeme messbare Ergebnisse in Finanzen, Lieferkette, Kundenservice und anderen zentralen Unternehmensfunktionen erzielen.
Unser Ansatz zeichnet sich durch die Verbindung fundierter Prozesskenntnisse mit Fähigkeiten in Daten, Technologie und KI aus. Wir beschränken uns nicht auf den Einsatz von Modellen oder den Aufbau von Pilotprojekten. Wir gestalten Arbeitsabläufe neu, integrieren Governance in den Betrieb und helfen Unternehmen, die Verantwortungsstrukturen für autonome Ausführung in großem Maßstab zu schaffen. Da wir agentische KI auch in unseren eigenen Betrieb integriert haben, verfügen wir über praktische Erfahrung damit, was für den Übergang von Experimenten zu unternehmensweiter Wirkung nötig ist.
Glauben Sie, dass agentische KI künftig die Kluft zwischen führenden und zurückliegenden Unternehmen vergrößern wird? Was sollten Unternehmen jetzt tun, um nicht den Anschluss zu verlieren?
Ja, ich glaube, die Kluft wird größer, weil agentische KI Wert anders aufbaut als frühere Technologiewellen. Organisationen, die Arbeitsabläufe erfolgreich neu gestalten, klare Verantwortungsstrukturen schaffen und Vertrauen in autonome Systeme aufbauen, gewinnen betriebliche Vorteile, die Wettbewerber schwer nachbilden können. Auffällig ist das Tempo dieses Wandels. Von den Unternehmen erwarten 29 Prozent, dass agentische KI innerhalb der nächsten 12 Monate im gesamten Unternehmen eingesetzt wird.
Unternehmen, die wettbewerbsfähig bleiben wollen, sollten jetzt vorrangig ihr Betriebsmodell auf autonome Ausführung vorbereiten. Dazu gehören neue Arbeitsabläufe, die Festlegung von Verantwortungsstrukturen, auf KI zugeschnittene Messverfahren und Investitionen in die Vorbereitung der Beschäftigten. Organisationen, die diese Grundlagen früh schaffen, werden wesentlich besser aufgestellt sein als jene, die KI weiterhin als isolierte Technologieinitiative behandeln.
Vielen Dank für das interessante Interview. Wer mehr erfahren möchte, kann Genpact besuchen.












