Ajay Vasal, Globaler Leiter für Daten und KI, Genpact – Interviewreihe

Ajay Vasal, Globaler Leiter für Daten und KI bei Genpact, ist ein erfahrener Technologie- und Strategie-Executive mit mehr als zwei Jahrzehnten Erfahrung in den Bereichen künstliche Intelligenz, Datenstrategie, digitale Transformation, Fusionen und Übernahmen sowie Unternehmensberatung. In seiner aktuellen Rolle bei Genpact leitet er Initiativen, die darauf abzielen, Unternehmen bei der Skalierung von KI-Adoption und dem Übergang von assistierter KI zu autonomeren, operativ eingebetteten Systemen zu unterstützen. Vor seinem Eintritt bei Genpact verbrachte Vasal fast neun Jahre bei Accenture, wo er verschiedene leitende Positionen innehatte, darunter Globaler Leiter für Daten und KI im Consumer-Industrie-Bereich und Leiter des Zentrums für Daten und Erkenntnisse. Im Laufe seiner Karriere hat er sich darauf konzentriert, Unternehmen dabei zu helfen, messbaren Geschäftswert aus Daten durch operative Effizienz, Umsatzwachstum und Risikominderung zu erzielen, während er auch strategische Investitionen, Fusionen und Übernahmen sowie KI-getriebene Transformationsprogramme in verschiedenen Branchen leitete.

Genpact ist ein globaler Anbieter von professionellen Dienstleistungen und digitaler Transformation, der auf Daten, KI, Analytics, intelligente Automatisierung und operative Modernisierung für große Unternehmen spezialisiert ist. Ursprünglich innerhalb von General Electric gegründet, bevor es zu einem unabhängigen Unternehmen wurde, bedient Genpact heute Unternehmen aus verschiedenen Branchen, darunter Finanzdienstleistungen, Gesundheitswesen, Fertigung, Einzelhandel und Konsumgüter. Das Unternehmen hat sich zunehmend um die AI-getriebene UnternehmensTransformation positioniert, indem es Analytics, Automatisierung und Branchenkenntnisse kombiniert, um Unternehmen bei der Modernisierung von Workflows, der Verbesserung der Entscheidungsfindung und der verantwortungsvollen Bereitstellung von groß angelegten KI-Systemen zu unterstützen.

Sie haben Jahre bei Accenture damit verbracht, die Daten- und KI-Strategie in verschiedenen Branchen zu gestalten, bevor Sie in Ihre aktuelle Rolle bei Genpact eingetreten sind. Wie hat diese Erfahrung Ihre Perspektive darauf beeinflusst, warum Unternehmen immer noch Schwierigkeiten haben, echten Wert aus ihren KI-Investitionen zu ziehen?

Eine der größten Lektionen, die ich aus meiner Arbeit in verschiedenen Branchen gelernt habe, ist, dass die meisten Unternehmen nicht scheitern, weil die Technologie schwach ist. Die Realität ist, dass sie Schwierigkeiten haben, weil sie versuchen, KI auf Betriebsmodelle aufzuschichten, die nie für autonome Ausführung konzipiert waren. Die Ergebnisse unserer jüngsten Forschung unterstreichen diesen Punkt deutlich. Während Unternehmen aggressiv in die KI-Adoption einsteigen, haben viele immer noch Schwierigkeiten, die Betriebsmodelle neu zu gestalten, die für autonome Ausführung im großen Maßstab erforderlich sind. Diese Lücke zeigt, wie viele Unternehmen immer noch mit Fragen zur Governance, Verantwortlichkeit und organisatorischen Bereitschaft ringen.

Wir sehen auch, dass Unternehmen schnell vorankommen, bevor sie die richtigen Messverfahren eingerichtet haben. 71 Prozent der Führungskräfte glauben, dass agente KI schneller als jede vorherige Technologiewelle eine Rendite bringt, doch 67 Prozent verlassen sich immer noch auf Produktivitätsmetriken, die für frühere Automatisierungsmodelle entwickelt wurden. Meine Erfahrung hat gezeigt, dass eine erfolgreiche KI-Adoption nie nur darum geht, Modelle bereitzustellen. Es geht darum, Workflows neu zu gestalten, Technologie mit Geschäftsprioritäten abzustimmen und den Menschen zu helfen, zu verstehen, wie sich ihre Rollen mit zunehmend autonomen Systemen verändern.

Ihre jüngste Studie, Autonomie erfordert Vertrauen in KI, zeigt, dass die meisten Führungskräfte glauben, dass agente KI die Geschäftsoperationen grundlegend verändern wird, doch die meisten Systeme bleiben beaufsichtigt. Was ist der größte Unterschied zwischen Glauben und Umsetzung?

Der Unterschied liegt ganz bei Vertrauen. Führungskräfte glauben offensichtlich, dass agente KI die Art und Weise, wie Arbeit erledigt wird, verändern wird, aber das Vertrauen in die Technologie übersetzt sich nicht automatisch in ein Gefühl der Sicherheit, wenn es darum geht, Entscheidungsbefugnis zu übertragen. Unsere Forschung hat ergeben, dass nur 22 Prozent der Unternehmen bereit sind, KI-Systemen die Entscheidungsbefugnis zu übertragen, die für autonome Ausführung erforderlich ist.

Die meisten Unternehmen sind immer noch damit zufrieden, KI als Assistenten zu verwenden, der empfehlen, zusammenfassen oder Workflows unterstützen kann. Die Zögerlichkeit beginnt, wenn KI-Systeme erwartet werden, autonom zu handeln, um Operationen, Kunden, Compliance oder finanzielle Ergebnisse zu beeinflussen. Diese Zögerlichkeit zwingt viele Unternehmen, Menschen eng in die Genehmigungs- und Überwachungsprozesse einzubinden, selbst wenn sie auf autonomere Betriebsmodelle hinarbeiten.

Viele Unternehmen investieren stark in KI, aber es gelingt ihnen nicht, messbare Renditen zu erzielen. Was sind die häufigsten Fehler, die Unternehmen machen, wenn sie versuchen, den Wert von KI-Systemen zu messen?

Ein großer Fehler ist, dass viele Unternehmen immer noch Produktivitätsmetriken verwenden, die für frühere Automatisierungsphasen entwickelt wurden. Die Daten zeigen, dass 67 Prozent der Unternehmen immer noch von produktivitätsbasierten Maßen abhängig sind, die den Wert adaptiver, entscheidungsgetriebener Systeme nicht vollständig erfassen können. Das schafft eine echte Diskrepanz zwischen Erwartungen und der tatsächlichen Messung des Wertes.

Ein weiteres Problem ist, dass viele Unternehmen noch keine KI-spezifischen Erfolgsmetriken definiert haben. Nur ein kleiner Prozentsatz der Unternehmen misst Dinge wie autonome Workflow-Ausführung, reduzierte Eskalation oder autonome Ausnahmehandhabung. Wenn Unternehmen weiterhin nur auf Kostenreduzierung oder eingesparte Stunden fokussieren, werden sie den breiteren operativen Einfluss, den agente KI beabsichtigt, verpassen.

Die Studie legt nahe, dass die organisatorische Bereitschaft ein größerer Hindernis ist als die Technologie selbst. Welche spezifischen strukturellen Änderungen müssen Unternehmen vornehmen, um das volle Potenzial von agenter KI zu entfalten?

Unternehmen müssen ihre Sichtweise auf Verantwortlichkeit, Workflow-Eigentum und Entscheidungsfindung überdenken. Eine der deutlichsten Erkenntnisse aus der Forschung ist, dass die organisatorische Bereitschaft zu einem größeren Hindernis wird als die Technologie selbst. Tatsächlich haben 33 Prozent der Unternehmen angegeben, dass die mangelnde Bereitschaft der Geschäftsprozesse für die Integration von agenter KI das größte Hindernis für die Adoption darstellt.

Die Unternehmen, die am meisten Fortschritte machen, gestalten ihre Workflows von Anfang an so um, dass autonome Systeme innerhalb klar definierter Grenzen und Überwachungsstrukturen operieren können. Wir haben auch festgestellt, dass 44 Prozent der Unternehmen erwarten, dass agente KI die Managementstrukturen flachen wird, da Systeme Koordinierungsaufgaben übernehmen, die traditionell von mittlerem Management gehandhabt wurden. Mitarbeiter benötigen viel größere Klarheit über Überwachungsverantwortlichkeiten, Eingriffspunkte und wo menschliches Urteilsvermögen in einer zunehmend autonomen Umgebung passt.

Nur ein kleiner Prozentsatz der Unternehmen ist bereit, KI-Agenten echte Autonomie zu gewähren. Was wird es brauchen, damit Unternehmen KI-Systemen die Entscheidungsbefugnis übertragen?

Vertrauen in agente KI kommt letztendlich auf Verantwortlichkeit und Kontrolle an. Unternehmen sind immer noch vorsichtig, wenn es darum geht, Entscheidungsbefugnis zu übertragen, weil Führungskräfte Vertrauen in die Fähigkeit autonomer Systeme benötigen, innerhalb klarer Grenzen und Governance-Strukturen zu operieren.

Die Unternehmen, die vorankommen, entwerfen Systeme, in denen Eskalationspfade, Eingriffstrigger und Governance-Kontrollen direkt in das Betriebsmodell integriert sind. Die meisten Unternehmen gewähren Autonomie schrittweise basierend auf Geschäftskontext und Risikotoleranz, anstatt einen plötzlichen Sprung in die volle Autonomie zu machen. Wenn Unternehmen durch erfolgreiche Bereitstellungen Vertrauen gewinnen, wächst das Vertrauen, weil Führungskräfte klar sehen können, wie Entscheidungen getroffen werden, wo Verantwortlichkeit liegt und wie menschliche Überwachung aufrechterhalten wird.

Unternehmen erwarten, dass sie agente KI schnell skalieren werden, doch viele verlassen sich immer noch auf veraltete Produktivitätsmetriken. Wie sollten effektivere, KI-spezifische Leistungsindikatoren aussehen?

KI-spezifische Metriken müssen Ausführung und Ergebnisse messen, anstatt Aktivität. Traditionelle Produktivitätsmaße konzentrieren sich darauf, ob Menschen schneller arbeiten, aber agente KI verändert die Gleichung, da das System selbst einen Teil der operativen Arbeitslast übernimmt. Das ist wichtig, weil viele Unternehmen immer noch agente KI durch die Brille einer Produktivität messen, die für frühere Automatisierungsphasen entwickelt wurde, anstatt autonome Ausführung.

Effektivere Maße sollten sich auf autonome Workflow-Ausführung, reduzierte Eskalationsraten, schnellere Entscheidungsausführung und darauf konzentrieren, wie effektiv Systeme Ausnahmen mit begrenzter menschlicher Intervention handhaben. Diese Metriken liefern ein viel klareres Bild davon, ob KI tatsächlich die Ausführung im großen Maßstab verbessert.

Sie betonen, dass Prozessneugestaltung das führende Hindernis für die Adoption ist. Warum ist die Workflow-Transformation wichtiger als die Modellleistung in dieser nächsten Phase von KI?

Die Workflow-Transformation ist wichtig, weil selbst die fortschrittlichsten KI-Systeme nicht effektiv in fehlerhaften oder fragmentierten Prozessen skaliert werden können. Unsere Forschung hat ergeben, dass 33 Prozent der Unternehmen die Prozessbereitschaft als das führende Hindernis für die Adoption von agenter KI identifiziert haben.

Was diese nächste Phase anders macht, ist, dass agente KI darauf ausgelegt ist, über Workflows hinweg auszuführen, anstatt nur innerhalb von ihnen zu assistieren. Unternehmen müssen Prozesse um autonome Ausführung herum neu gestalten, indem sie Entscheidungseigentum klären, unnötige Übergaben entfernen und Governance direkt in die Workflows einbetten. In vielen Aspekten ist die Workflow-Neugestaltung nun die wahre Grundlage für die skalierbare KI-Adoption.

Die Studie legt nahe, dass KI die organisatorischen Strukturen flachen wird, da Koordinierungsaufgaben automatisiert werden. Wie sehen Sie die Entwicklung von Führungsrollen und mittlerem Management in diesem Zusammenhang?

Wenn agente KI mehr Koordinierungs- und Überwachungsaufgaben übernimmt, werden Führungsrollen wahrscheinlich von der Steuerung der Routineausführung zur Steuerung von Strategie, Urteilsvermögen und Governance wechseln. Unsere Forschung hat ergeben, dass viele Unternehmen erwarten, dass agente KI die Koordinierungsschichten über das Unternehmen hinweg reduzieren wird, da autonome Systeme mehr operative Überwachungsaufgaben übernehmen.

Mittleres Management hat historisch eine wichtige Rolle bei der Weiterleitung von Entscheidungen und der Aufrechterhaltung der operativen Kontinuität zwischen Teams gespielt. Wenn autonome Systeme mehr dieser Aktivitäten übernehmen, müssen Führungskräfte sich auf Ausnahmehandhabung, Verantwortlichkeit und die Sicherstellung konzentrieren, dass Systeme mit den Geschäftszielen übereinstimmen. Menschliche Führung wird in Bereichen, in denen Kontext, Ethik und Urteilsvermögen am wichtigsten sind, noch wichtiger werden.

Genpact positioniert sich als Unternehmen für agente und fortschrittliche Technologielösungen. Wie nähert sich das Unternehmen der agente KI anders als traditionelle Beratungs- oder Technologieunternehmen?

Genpacts Ansatz ist in der Ausführung und den Ergebnissen verwurzelt, was wir oft als Lösung des “letzten Meilenproblems” der KI-Adoption bezeichnen. Viele Unternehmen haben bereits bewiesen, dass KI-Modelle Erkenntnisse liefern oder die Produktivität verbessern können, aber die eigentliche Herausforderung besteht darin, diese Fähigkeiten in live-Business-Workflows einzubetten, wo die Arbeit tatsächlich erledigt wird. Das ist der Punkt, an dem viele KI-Initiativen ins Stocken geraten. Unser Fokus liegt darauf, Kunden bei der Operationalisierung von agenter KI über die letzte Meile der Ausführung zu unterstützen, damit Systeme messbare Ergebnisse in Finanzen, Supply Chain, Kundenservice und anderen Kernfunktionen des Unternehmens erzielen können.

Was unseren Ansatz unterscheidet, ist die Kombination von tiefgreifender Prozesskompetenz mit Daten-, Technologie- und KI-Fähigkeiten. Wir setzen nicht nur Modelle ein oder bauen Pilotprojekte auf. Wir gestalten Workflows um, betten Governance in die Operationen ein und helfen Unternehmen, die Verantwortlichkeitsstrukturen zu schaffen, die für autonome Ausführung im großen Maßstab erforderlich sind. Da wir auch agente KI in unsere eigenen Operationen integriert haben, bringen wir praktische Erfahrung mit, was es braucht, um von Experimenten zu unternehmensweiter Wirkung zu gelangen.

Blicken Sie in die Zukunft, glauben Sie, dass agente KI die Kluft zwischen führenden und zurückbleibenden Unternehmen vergrößern wird, und was sollten Unternehmen jetzt tun, um nicht zurückzufallen?

Ja, ich glaube, dass die Kluft sich vergrößern wird, weil agente KI den Wert auf eine andere Weise aufbaut als frühere Technologiewellen. Die Unternehmen, die erfolgreich Workflows neu gestalten, Verantwortlichkeitsrahmen etablieren und Vertrauen in autonome Systeme aufbauen, werden operative Vorteile schaffen, die für Konkurrenten schwer zu replizieren sind. Was auffällt, ist, wie schnell dieser Wandel stattfindet. 29 Prozent der Unternehmen erwarten, dass agente KI innerhalb der nächsten 12 Monate über das gesamte Unternehmen skaliert wird.

Für Unternehmen, die wettbewerbsfähig bleiben möchten, sollte die Priorität jetzt darin bestehen, das Betriebsmodell auf autonome Ausführung vorzubereiten. Dazu gehören die Neugestaltung von Workflows, die Definition von Eigentumsstrukturen, der Aufbau von KI-spezifischen Messverfahren und Investitionen in die Arbeitsbereitschaft. Die Unternehmen, die frühzeitig auf diese Grundlagen setzen, werden besser positioniert sein als diejenigen, die KI immer noch als eigenständige Technologieinitiative betrachten.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Genpact besuchen.