Rajan Sethuraman, CEO von LatentView Analytics – Interview-Serie

Rajan Sethuraman, CEO von LatentView Analytics, ist ein erfahrener Manager, dessen Karriere sich auf Beratung, Talentführung und Unternehmensumwandlung erstreckt, mit Führungspositionen bei Accenture und KPMG vor seinem Eintritt bei LatentView. Sein Werdegang vom Chief People Officer zum CEO spiegelt eine starke Betonung der Talententwicklung, der Organisationsgestaltung und der skalierbaren Betriebsmodelle wider, die nun seine Herangehensweise an KI und Analytics prägen. Mit seiner tiefen Erfahrung in der Rekrutierung, Lernförderung und Geschäftsstrategie hat er sich stets darauf konzentriert, Menschen, Kultur und Technologie aufeinander abzustimmen, um messbare Ergebnisse zu erzielen, was letztendlich dazu führte, dass er LatentView durch dessen Börsengang und globale Expansion führte, während er gleichzeitig KI als Geschäftskapazität und nicht als eigenständige Funktion positionierte.

LatentView Analytics ist ein globales Unternehmen für Datenanalyse und digitale Transformation, das Unternehmen dabei hilft, Daten, künstliche Intelligenz und fortschrittliche Analytik zu nutzen, um Entscheidungen zu verbessern und Wachstum zu fördern. Das Unternehmen bietet Dienstleistungen wie Datenengineering, Predictive Analytics und KI-gesteuerte Beratung in Branchen wie Finanzdienstleistungen, Einzelhandel und Technologie an und arbeitet mit Fortune-500-Kunden weltweit zusammen. Sein Kernwert liegt in der Umwandlung von Rohdaten in handhabbare Erkenntnisse, die es Unternehmen ermöglichen, Betriebsabläufe zu optimieren, Trends vorherzusagen und Wettbewerbsvorteile in einer immer komplexer werdenden Wirtschaft zu schaffen.

Sie begannen Ihre Karriere in der Beratung und Talentführung bei Accenture und KPMG, bevor Sie CEO von LatentView Analytics wurden, wo Sie das Unternehmen durch seinen Börsengang und erste Akquisition führten. Wie hat Ihre Erfahrung in der Talententwicklung und der Organisationsstrategie Ihre Art und Weise geprägt, KI und Analytics heute zu skalieren?

Meine frühe Karriere konzentrierte sich stark auf Talente, Führungsentwicklung und den Aufbau von Organisationen, die skalieren können. Diese Erfahrung prägt auch heute noch meine Art und Weise, über KI nachzudenken. Technologie allein skaliert keine Organisation. Was zählt, ist, wie Teams sie annehmen, wie Führungskräfte sich darauf einstellen und wie klar das Geschäftsproblem definiert ist. Bei LatentView verbringen wir viel Zeit damit, Organisationen dabei zu helfen, das Betriebsmodell, die Fähigkeiten und die Kultur aufzubauen, die notwendig sind, um Analytics und KI in die alltägliche Entscheidungsfindung zu integrieren.

Weil ich so denke, betrachte ich KI durch die Brille der organisatorischen Bereitschaft. Das Skalieren von KI erfordert starke Domänenexpertise, Datenfundamente und Teams, die Erkenntnisse in Handlungen übersetzen können. Mein Fokus lag immer darauf, diese Fähigkeiten gemeinsam aufzubauen, anstatt KI als isolierte Fähigkeit zu behandeln.

Sie haben über KI-Minimalismus gesprochen – die Priorisierung von Klarheit, Neugier und Kultur gegenüber der Jagd nach jedem neuen Trend im Bereich KI. Wie sieht KI-Minimalismus in der Praxis für Unternehmensführer aus?

KI-Minimalismus beginnt mit Fokus. Unternehmensführer müssen nicht jedem neuen Modell oder jeder neuen Fähigkeit nachjagen. Sie benötigen eine kleine Anzahl bedeutender Probleme, bei denen KI die Entscheidungsfindung oder Produktivität auf messbare Weise verbessern kann. Das könnte Preisentscheidungen, Lieferkettenplanung oder die Art und Weise sein, wie Wissen innerhalb der Organisation fließt. Wenn man mit einem gut definierten Problem beginnt, können Teams Vertrauen aufbauen und lernen, was verantwortungsvolles Skalieren wirklich bedeutet.

Es bedeutet auch, KI in echte Arbeitsabläufe einzubetten, anstatt sie als isoliertes Experiment zu behandeln. Wenn Teams sehen, dass die Technologie ihnen hilft, alltägliche Probleme zu lösen, wächst die Akzeptanz tendenziell. Neugier und Experimentierfreudigkeit sind immer noch wichtig, aber sie funktionieren am besten, wenn sie in einem klaren Sinn für Zweck verankert sind.

Viele Organisationen stürzen sich in generative KI, ohne ihre Datenfundamente zuerst zu stärken. Welche Warnsignale gibt es, dass ein Unternehmen auf unsicherem Boden aufbaut?

Eines, was ich oft bemerke, ist, wenn die KI-Diskussion viel schneller voranschreitet als die Daten-Diskussion. Wenn Führungskräfte über Copiloten und generative Modelle sprechen, aber es immer noch Verwirrung darüber gibt, wo wichtige Daten liegen, wer sie besitzt oder welche Metriken das Unternehmen tatsächlich vertraut, ist das normalerweise ein Zeichen dafür, dass die Grundlage noch nicht bereit ist. KI-Systeme sind stark von zuverlässigen und gut regierten Daten abhängig. Ohne diese ist es schwierig für Menschen, den Ausgaben zu vertrauen.

Seit Sie CEO geworden sind, haben Sie für globale Kunden messbare Auswirkungen erzielt. Was unterscheidet Unternehmen, die KI erfolgreich operationalisieren, von denen, die im Pilotmodus stecken bleiben?

Die Unternehmen, die KI erfolgreich skalieren, behandeln sie als Betriebsdisziplin und nicht als Innovationsnebenprojekt. Sie übertragen die Verantwortung auf Führungskräfte, verbinden Anwendungsfälle mit messbaren Geschäftsergebnissen und entwerfen sie von Anfang an für die Integration. Sie investieren auch in die weniger glamourösen Arbeiten, wie Datenpipelines, Governance, Prozessneugestaltung und Benutzerakzeptanz. Das ist normalerweise der Unterschied zwischen einem Pilotprojekt, das Aufmerksamkeit erregt, und einer Fähigkeit, die tatsächlich die Entscheidungsfindung verändert.

Bei LatentView haben wir gesehen, dass Unternehmen schneller vorankommen, wenn sie KI in ein Geschäftsproblem verankern, das bereits für das Unternehmen wichtig ist, wie z.B. die Verbesserung der Planungsgenauigkeit, der Lagerbestände oder der Lieferantenverfügbarkeit. KI, die an Metriken geknüpft ist, die das Unternehmen bereits schätzt, hat eine viel bessere Chance, finanziert, geregelt und in großem Umfang angenommen zu werden.

Wie gehen Sie bei der Skalierung von KI in einer großen Organisation verantwortungsvoll vor, während Sie Governance, Sicherheit und Rechenschaftspflicht aufrechterhalten?

Verantwortungsvolles Skalieren beginnt damit, anzuerkennen, dass KI-Entscheidungen letztendlich reale Kunden, Mitarbeiter und Geschäftsergebnisse beeinflussen. Das bedeutet, dass Governance nicht nachträglich erfolgen kann. Organisationen benötigen klare Richtlinien für den Zugriff auf Daten, die Überwachung von Modellen und die Überwachung, sobald Systeme in Produktion sind.

In der Praxis sind die effektivsten Governance-Modelle funktionsübergreifend. Geschäftsführer, Technikteams und Risiko- oder Compliance-Gruppen müssen alle beteiligt sein. KI-Systeme profitieren auch von Transparenz darüber, wie Ausgaben generiert werden und wo menschliches Urteilsvermögen immer noch unerlässlich ist. Mit etablierten Schutzmechanismen können Organisationen die Akzeptanz erweitern, während sie Vertrauen aufrechterhalten.

LatentView arbeitet mit Unternehmen auf sehr unterschiedlichen Stufen der digitalen Reife zusammen. Wie unterscheidet sich Ihre KI-Strategie, wenn Sie ein Unternehmen beraten, das bereits weit fortgeschritten ist, im Vergleich zu einem, das noch am Anfang seiner Analyse-Reise steht?

Bei einem Unternehmen, das bereits fortgeschritten ist, ist das Gespräch in der Regel über Beschleunigung. Sie verfügen bereits über bedeutende Datenassets, also konzentrieren wir uns darauf, wertvolle Anwendungsfälle zu priorisieren, die Zugänglichkeit zu verbessern und KI in Arbeitsabläufen zu integrieren, in denen das Unternehmen schnell handeln kann. Das könnte die Wiederherstellung von Unternehmenswissen, vernetzte Planung in der Lieferkette oder domänenbezogene Modelle umfassen, die die Entscheidungsgeschwindigkeit über Funktionen hinweg verbessern.

Bei Unternehmen, die noch am Anfang ihrer Reise stehen, ist der Ausgangspunkt anders. Wir verbringen mehr Zeit mit der Vorbereitung der Daten, der Governance, der Modernisierung der Business-Intelligence und dem Aufbau von Fähigkeiten, damit das Unternehmen KI auf nachhaltige Weise unterstützen kann. In solchen Situationen sind Reifebewertung und Sequenzierung sehr wichtig. Man will nicht einer Firma, die noch keine vertrauenswürdigen Daten, gemeinsame KPIs oder eine ausgerichtete Führung auf das Problem, das sie zu lösen versucht, hat, eine agierende Zukunft versprechen.

Angesichts Ihrer tiefen Erfahrung in der Personalbeschaffung und -entwicklung, welche Fähigkeiten sollten Unternehmen intern priorisieren, um sie in der KI-Ära zu entwickeln, im Gegensatz zu externen Einstellungen?

Intern denke ich, dass Unternehmen sich auf den Aufbau einer umfassenden KI- und Datenkompetenz konzentrieren sollten. Nicht jeder muss ein Datenwissenschaftler werden, aber Menschen im gesamten Unternehmen sollten Entscheidungen auf Erkenntnissen basieren, bessere Fragen stellen und KI-Tools in ihrem täglichen Arbeitsablauf nutzen. Wenn diese Praxis sich über Teams hinweg verbreitet, wird es viel einfacher, zu erkennen, wo KI wirklich helfen kann und wo sie wahrscheinlich nicht eingesetzt werden sollte.

Bei externen Einstellungen handelt es sich tendenziell um spezialisierte Fähigkeiten wie Datenengineering, maschinelles Lernen und KI-Governance, die tiefes Fachwissen erfordern, über das das Unternehmen möglicherweise nicht immer verfügt. Die Unternehmen, die dies gut machen, kombinieren diese Spezialisten normalerweise mit Geschäftsteams, die den Kontext und die Entscheidungen verstehen, die verbessert werden müssen.

Kultureller Widerstand verlangsamt oft die Transformation. Welche Führungsverhaltensweisen haben Sie als am effektivsten für den Aufbau von Vertrauen und Schwung um die KI-Adoption gefunden?

Klare Kommunikation von der Führung macht einen großen Unterschied. Mitarbeiter möchten verstehen, warum neue Technologien eingeführt werden und wie sie mit der Unternehmensstrategie zusammenhängen. Die Erklärung des Zwecks hinter KI-Initiativen und ihre Verbindung zu realen Geschäftszielen hilft, Vertrauen im gesamten Unternehmen aufzubauen.

Lernen ist ebenso wichtig. Automatisierung und KI verändern bereits viele Berufe, daher müssen Unternehmen Mitarbeitern aktiv dabei helfen, neue Fähigkeiten zu entwickeln. Menschen sind viel offener für Veränderungen, wenn sie reale Chancen sehen, neue Fähigkeiten aufzubauen und mit der Technologie zu wachsen.

Wenn KI in Entscheidungsprozesse eingebettet wird, wie sollten Vorstände und Führungsteams Leistungsindikatoren und Rechenschaftspflicht neu überdenken?

KI verändert, wie Entscheidungen getroffen werden, daher müssen Führungsteams über traditionelle Projektmetriken hinausgehen. Die eigentliche Frage wird, ob KI die Qualität und Geschwindigkeit der Entscheidungen in Bereichen verbessert, die dem Unternehmen wichtig sind. Das könnte bessere Nachfrageprognosen, genauere Preisentscheidungen oder schnellere Reaktionen auf Marktveränderungen umfassen.

Wenn diese Ergebnisse verbessert werden, erfüllt KI ihren Zweck. KI-Leistung kann nicht lange in einem separaten Dashboard von der Geschäftsleistung stehen.

Rechenschaftspflicht muss auch klarer werden. Jemand ist immer noch für die Daten verantwortlich, jemand überwacht Modelle in der Produktion, und jemand trifft letztendlich die Entscheidung. KI kann diese Entscheidungen unterstützen, aber Governance und Überwachung bleiben unerlässlich.

Innerhalb der nächsten drei bis fünf Jahre, welche Verschiebungen in der Unternehmens-KI-Adoption werden am wichtigsten sein – und was sollten Führungskräfte jetzt tun, um voranzubleiben?

In den nächsten Jahren wird KI immer mehr in alltägliche Geschäftsentscheidungen eingebettet. Viele Unternehmen haben Zeit damit verbracht, Pilotprojekte und Konzepte zu experimentieren. Der nächste Schritt besteht darin, sicherzustellen, dass diese Fähigkeiten tatsächlich die Art und Weise unterstützen, wie Teams planen, Nachfrage vorhersagen, Lieferketten verwalten oder Marketingentscheidungen treffen.

Die Arbeit wird sich auch ändern, wenn KI leistungsfähiger wird. Wenn Routineaufgaben automatisierter werden, werden Berufe sich eher auf die Führung, Interpretation und Zusammenarbeit mit KI-Systemen verlagern. Organisationen, die ihre Datenfundamente stärken und Mitarbeitern helfen, diese Fähigkeiten aufzubauen, werden sich viel leichter an die alltägliche Nutzung von KI anpassen.

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