Arun Hiremath, Chief Business Officer und Co-Founder von EvoluteIQ – Interview-Serie

Arun Hiremath, Chief Business Officer und Co-Founder von EvoluteIQ, ist ein Technologie-Executive und Unternehmer mit fast drei Jahrzehnten Erfahrung in den Bereichen Unternehmensautomatisierung, Produktstrategie, Geschäftsentwicklung und Telekommunikation. Bei EvoluteIQ ist er für das Erreichen von Umsatzwachstum und die Stärkung der Kundenbeziehungen verantwortlich, insbesondere durch das Geschäft von eiq360. Bevor er zu EvoluteIQ kam, gründete und leitete Hiremath den Low-Code-Plattform-Anbieter AmperAXP, der 2021 in EvoluteIQ integriert wurde. Seine frühere Karriere umfasste leitende Positionen im Produktmanagement bei Qualcomm (QCOM ), Ikanos Communications, Conexant Systems und Globespan, sowie die Verantwortung für die Geschäftsentwicklung in Asien-Pazifik bei Tata Elxsi (TATAELXSI.BO ).

EvoluteIQ ist ein Unternehmen für Unternehmenssoftware, das eine AI-nativen Plattform für die Automatisierung und Orchestrierung komplexer, end-to-end-Geschäftsprozesse entwickelt. Die EIQ-Plattform kombiniert agentic AI, generative AI, Prozess- und Entscheidungsautomatisierung, Robotic Process Automation, intelligente Daten- und Ereignisverarbeitung, Unternehmensintegrationen, Analytics und Anwendungsentwicklung in einer Low-Code/No-Code-Umgebung. Sie soll fragmentierte Automatisierungstools durch eine einheitliche Architektur ersetzen und Unternehmen dabei helfen, adaptive Workflows aufzubauen, die Legacy- und moderne Systeme verbinden, während sie die Unternehmensgovernance, -sicherheit und -Skalierbarkeit aufrechterhalten. EvoluteIQ bedient Unternehmen aus verschiedenen Branchen, darunter Banken, Versicherungen, Gesundheitswesen, Telekommunikation, Fertigung, Energie und Einzelhandel.

In unserem vorherigen Interview mit Sameet Gupte, CEO von EvoluteIQ, diskutierten wir EvoluteIQs umfassendere Vision für AI-nativen Unternehmensautomatisierung. Aus Ihrer Perspektive, die eng mit Kunden zusammenarbeitet, was hat sich am meisten darin geändert, wie Unternehmen über agentic AI denken, seit diesem Gespräch?

Der größte Wandel besteht darin, dass Unternehmen aufgehört haben, “Kann AI das tun?” zu fragen und stattdessen “Kann ich AI vertrauen, dass es das tut?” fragen.

Vor einem Jahr konzentrierten sich die meisten Gespräche darauf, welche Modelle welche Fähigkeiten hatten. Kunden sind jetzt viel pragmatischer. Sie wollen wissen, ob AI in der Lage ist, Menschen, Anwendungen, Richtlinien, Genehmigungen, Compliance und andere Agenten um ein messbares Geschäftsergebnis herum zu koordinieren.

Die Verarbeitung von Schadensfällen ist ein gutes Beispiel. Die AI selbst ist nicht unbedingt der schwierige Teil. Die Herausforderung besteht darin, wie autonome Agenten neben Menschen und innerhalb der IT-Governance über mehrere Systeme, Teams und Ausnahmen hinweg arbeiten.

Viele Unternehmen behandeln AI immer noch als eine weitere Software-Schicht, die auf bestehende Workflows aufgesetzt wird. Warum ist dieser Ansatz begrenzt, und wie sieht es aus, wenn ein Unternehmen einen Prozess von Anfang an um autonome Ausführung herum entwirft?

Die Platzierung von AI auf einem fehlerhaften Prozess ermöglicht es lediglich, das falsche Ergebnis schneller zu erreichen.

Viele Unternehmensworkflows wurden vor 20 Jahren um manuelle Entscheidungsfindung herum entworfen. Die Hinzufügung von AI als weiterer Schritt kann den Prozess optimieren, aber ihn nicht transformieren. Die bessere Frage ist, welche Entscheidungen wirklich eine menschliche Intervention erfordern und welche sicher an autonome Agenten delegiert werden können.

Bei der Verwaltung von Spesen kann AI beispielsweise Richtlinien, Ausgabenmuster, Mitarbeitergeschichte und unterstützende Dokumente bewerten. Regelmäßige Ansprüche können in Minuten genehmigt werden, während nur ungewöhnliche Fälle an Manager eskaliert werden.

Sie haben argumentiert, dass viele Kunden nicht so sehr ein Anbieterproblem haben, sondern eher ein Betriebsmodellproblem. Welche sind die häufigsten organisatorischen Probleme, die die Skalierung von Unternehmens-AI über Pilotprojekte hinaus verhindern?

Die meisten Unternehmen haben kein AI-Problem; sie haben ein Eigentumsproblem.

IT besitzt die Infrastruktur. Der Geschäftsbereich besitzt den Prozess. Sicherheit besitzt die Governance. Daten-Teams besitzen die Modelle. Der Betrieb besitzt die Ausführung. Aber niemand besitzt unbedingt die Art und Weise, wie all diese Teile zusammenkommen, um einen autonomen Geschäftsprozess zu liefern. Was fehlt, ist eine einheitliche Möglichkeit, die Technologie zu nutzen.

Deshalb werden Pilotprojekte oft zu isolierten Erfolgen. Unternehmen, die die Automatisierung erfolgreich skalieren, ändern ihr Betriebsmodell, kaufen nicht einfach mehr Technologie. Sie bilden cross-funktionale Teams, die gemeinsam die Geschäftsergebnisse besitzen, anstatt einzelne Systeme. Die wichtige Frage ist: Wer besitzt das Ergebnis, und wer ist für die Lieferung verantwortlich?

Wo ziehen Sie die Grenze zwischen nützlicher Automatisierung, intelligenter Automatisierung und echter agenticer Automatisierung?

Ich betrachte sie als drei Reifegradstufen. Automatisierung befolgt Anweisungen. Intelligente Automatisierung versteht die bereitgestellten Informationen. Agentic-Automatisierung versteht das Geschäftziel und arbeitet auf das Ergebnis hin.

Bei der Rechnungsverarbeitung kopiert traditionelle Automatisierung Informationen zwischen Systemen. Intelligente Automatisierung liest Rechnungen, extrahiert Daten und markiert Inkonsistenzen. Dann kann agentic-Automatisierung fehlende Informationen identifizieren, mit Lieferanten kommunizieren, Geschäftsrichtlinien anwenden, Ausnahmen handhaben, Genehmigungen einholen und den Prozess abschließen.

Der Unterschied liegt nicht nur darin, dass die AI intelligenter ist. Der Unterschied liegt darin, dass sie das Ergebnis besitzt, anstatt nur eine Aufgabe.

Unternehmensführer stehen unter Druck, schnell AI-Rendite zu zeigen, aber die komplexe Prozessumwandlung benötigt Zeit. Wie sollten Unternehmen Geschwindigkeit, Governance und langfristige Betriebsmodelländerung ausbalancieren?

Geschwindigkeit ohne Governance schafft Risiken. Governance ohne Geschwindigkeit schafft Frustration. Unternehmen müssen beides ausbalancieren.

Unternehmen sollten mit einem Geschäftsprozess beginnen, der wichtig ist – etwas Sichtbares, das messbaren Wert demonstrieren kann -, aber auf einer Grundlage aufbauen, die Governance, Sicherheit, Beobachtbarkeit und Compliance unterstützt. Die anfängliche Lösung sollte nicht zu einem weiteren Silo werden.

Der Fehler liegt darin, zu glauben, dass Governance die Innovation verlangsamt. Gute Governance beschleunigt tatsächlich die Übernahme, da sie Vertrauen schafft. Sobald die richtigen Kontrollen eingerichtet sind, können Organisationen schneller agieren und mit größerer Zuversicht skalieren.

EvoluteIQ hat die Bedeutung der End-to-End-Prozessautomatisierung betont, anstatt isolierte Aufgaben zu automatisieren. Warum ist dieser Unterschied so wichtig, wenn man von AI-Experimenten zu Produktionsbereitstellungen übergeht?

Unternehmen erleben Arbeit nicht als einzelne Aufgaben, sondern als Ergebnisse. Niemand feiert, weil die Dokumentenextraktion um 60 % schneller geworden ist. Sie feiern, weil die Kundenakquise jetzt nur noch ein paar Stunden dauert, anstatt zwei Wochen. Die Verbesserung isolierter Aufgaben verschiebt den Flaschenhals oft nur an eine andere Stelle.

Wenn Aufnahme, Validierung, Genehmigungen, Entscheidungsfindung, Systemintegrationen und Kundenkommunikation als eine AI-nativen Workflow orchestriert werden, beginnt die Organisation, bedeutende Geschäftsergebnisse zu sehen. Die Optimierung einer Aufgabe verbessert die Effizienz, aber die Optimierung des Prozesses verändert die gesamte Geschäftsleistung und kann den Gewinn und Verlust beeinflussen.

Cloud-Marktplätze werden zunehmend zu Vertriebskanälen für Unternehmens-AI. Wie sehen Sie Plattformen wie Google Cloud, die die Art und Weise verändern, wie große Organisationen Unternehmens-AI entdecken, bewerten, beschaffen und bereitstellen?

Cloud-Marktplätze tun für Unternehmenssoftware das, was App-Stores für Verbraucher getan haben, aber mit integrierter Unternehmensgovernance.

Sie entfernen Reibungspunkte bei der Beschaffung, Sicherheitsprüfungen und kommerziellen Vereinbarungen. Organisationen können auch bestehende Cloud-Verpflichtungen nutzen, sodass Teams weniger auf die Beschaffung von Software und mehr auf die Geschäftsergebnisse fokussieren können.

Ein Kunde sollte nicht sechs Monate auf eine Beschaffung warten, nur um eine AI-nativen Plattform zu bewerten. Marktplätze ermöglichen es ihnen, Geschäftsprobleme viel schneller zu lösen, während sie innerhalb der etablierten Unternehmensgovernance bleiben.

EvoluteIQ hat kürzlich eiq360 als eine Google Cloud- und Gemini-basierte Plattform hervorgehoben, die Geschäftsvorhaben in unternehmensbereite Workflows umwandeln kann, während sie Governance und Kontrolle aufrechterhält. Was bedeutet dieser Wandel für nicht-technische Geschäftsanwender?

Wir bewegen uns von einer Welt, in der Geschäftsanwender Anforderungen an Ingenieur-Teams beschreiben und auf Ergebnisse warten, hin zu einer, in der Anwender Ergebnisse beschreiben.

Mit eiq360 können Anwender den Prozess, den sie verbessern möchten, in natürlicher Sprache beschreiben. Die Plattform kann dann unternehmensbereite Workflows generieren, während sie automatisch Governance, Sicherheit, Compliance und operative Kontrollen anwendet.

Dies eliminiert IT nicht; es hebt IT auf. Technologie-Teams können sich jetzt auf die Definition von Unternehmensleitplanken, wiederverwendbaren Diensten und Governance-Standards konzentrieren, anstatt jeden Workflow manuell zu erstellen. Das ist eine der wichtigsten Änderungen, die AI im Unternehmenssoftware-Bereich mit sich bringt.

Der Satz “Unternehmens-AI sollte langweilig sein” widerspricht viel von der aktuellen Hype. Was sollte langweilig, vorhersehbar oder wiederholbar an AI sein, wenn es für die Ausführung von Geschäftsprozessen eingesetzt wird?

Niemand will, dass die Gehaltsabrechnung aufregend ist. Niemand will, dass ein Versicherungsanspruch überraschend ist. Niemand will, dass eine Banktransaktion kreativ ist.

Unternehmens-AI sollte absolut innovativ sein, während sie experimentiert wird. Sobald sie in die Produktion geht, sollte sie wunderbar vorhersehbar werden. Sie sollte konsistente Ergebnisse liefern, ihre Entscheidungen erklären, erkennen, wenn das Vertrauen niedrig ist, und menschliche Intervention anfordern, wenn notwendig. Die beste Unternehmens-AI ist nicht die AI, über die jeder sprechen will. Es ist die AI, die niemand bemerkt, weil das Geschäft einfach besser funktioniert.

Auf lange Sicht, was wird Unternehmen unterscheiden, die agentic AI erfolgreich operationalisieren, von denen, die im Pilot-Modus stecken bleiben?

Die Gewinner werden nicht unbedingt die fortschrittlichsten AI-Modelle haben. Sie werden diejenigen mit den besten Betriebsmodellen für AI sein. Sie werden Prozesse neu entwerfen, anstatt Ineffizienzen zu digitalisieren, Governance aufbauen, bevor sie skalieren, und wiederverwendbare Unternehmensfähigkeiten schaffen, anstatt isolierte Konzepte. Sie werden aufhören, AI als eine weitere Anwendung zu betrachten, und beginnen, sie als eine neue Arbeitskraft zu behandeln, die mit Menschen, Systemen und Geschäftsrichtlinien zusammenarbeitet. Das nächste Jahrzehnt wird darum gehen, wie Menschen, AI-Agenten und Unternehmenssysteme zusammenarbeiten.