Sameet Gupte, CEO und Mitgründer von EvoluteIQ – Interviewreihe

Sameet Gupte, CEO und Mitgründer von EvoluteIQ, ist ein in London ansässiger Geschäftsführer mit umfangreicher Erfahrung im Aufbau und Skalieren globaler Technologieunternehmen. Vor der Gründung von EvoluteIQ war er Group CEO von Servion, einem Cisco-Portfolio-Unternehmen, sowie dessen verbundener Unternehmen Innoveo AG und Acqueon Inc., wo er half, Unternehmensumwandlung und Wachstum voranzutreiben. Früher in seiner Karriere war er Executive Vice President und Managing Director für globale Finanzdienstleistungen und Europa bei Virtusa, wo er eine signifikante organische Expansion leitete, branchenorientierte Lösungen entwickelte und eine Schlüsselrolle bei strategischen Akquisitionen in Europa spielte, einschließlich in Deutschland und Schweden sowie der Polaris-Akquisition. Er leitete auch zuvor das Kapitalmarktgeschäft von Genpact in Europa, wo er für die Beschleunigung des regionalen Wachstums und die Stärkung ihrer Position in den Finanzdienstleistungen verantwortlich war.

EvoluteIQ ist ein AI-natives Unternehmensautomatisierungsunternehmen, das darauf abzielt, die Art und Weise, wie Unternehmen operieren, durch seine Flaggschiff-Plattform EIQ zu verändern. Anstatt isolierte Aufgaben zu automatisieren, kombiniert die Plattform künstliche Intelligenz, Low-Code-Tools und Prozessorchestrierung, um Systeme zu ermöglichen, die sich anpassen, Entscheidungen treffen und sich kontinuierlich verbessern können. Durch die Integration von Daten, Workflows und künstlicher Intelligenz in eine einheitliche Architektur hilft EvoluteIQ Organisationen, ihre Betriebsabläufe zu straffen, Komplexität zu reduzieren und widerstandsfähige, selbstoptimierende Systeme in Branchen wie Finanzen, Gesundheitswesen und Telekommunikation aufzubauen.

Bevor Sie EvoluteIQ 2019 gründeten, hatten Sie Führungspositionen bei Servion, Virtusa und Genpact inne, wo Sie umfassend an Unternehmensumwandlung und groß angelegten Technologieeinsätzen arbeiteten. Welche Erfahrungen während dieser Zeit führten Sie zu dem Schluss, dass die nächste Generation von Automatisierungsplattformen als AI-native-Systeme und nicht als Erweiterungen traditioneller Workflow- oder RPA-Tools gebaut werden musste?

Über Branchen hinweg sind erfolgreiche Organisationen durch ihre Fähigkeit gekennzeichnet, konsequent weltklasse-Ergebnisse zu liefern. Ein gemeinsamer Faktor unter ihnen ist ein robuster Prozess. Während der Konzeption von EvoluteIQ zielten wir darauf ab, eine Technologie zu entwickeln, die diesen Prozess untermauert. Unser Fokus lag auf der Lösung des Problems und nicht auf einzelnen Komponenten davon. Vor 2019 lösten die verfügbaren Tools und Technologien hauptsächlich spezifische Aspekte des Prozesses wie Datenextraktion, Aufgabenmanagement und Workflow. Jede dieser Technologien löste ein bestimmtes Problem innerhalb des Prozesses, aber es fehlte an einer umfassenden Lösung für den gesamten Prozess. Dies identifizierte eine signifikante Gelegenheit, eine Technologie zu schaffen, die autonom, selbstlernend und anpassungsfähig ist, um den Prozess zu optimieren. So wurde das Konzept von EIQ geboren: eine native AI-Plattform, die darauf ausgelegt ist, autonom zu sein, das Problem und nicht einzelne Komponenten zu lösen und die Automatisierung zu maximieren. Sie wäre low-code/no-code, mit den notwendigen Fähigkeiten für jeden Prozess ausgestattet, einschließlich Streaming-Daten, Ereignissen und Orchestrierung mit künstlicher Intelligenz als Kernframework.

Viele Automatisierungsplattformen fügen heute generative AI-Fähigkeiten auf Legacy-Infrastruktur hinzu. EvoluteIQ wurde von Grund auf mit Intelligenz und Autonomie im Kern konzipiert. Welche architektonischen Entscheidungen trafen Sie frühzeitig, um Ihre Plattform zu ermöglichen, agente Automation auf Weise zu unterstützen, die ältere Systeme nicht können?

Die Plattform wurde von Grund auf entwickelt, um die End-to-End-Automatisierung von Prozessen unabhängig von der Art der erforderlichen Automatisierung (robotisch, Workflow, Daten, Ereignisse usw.) zu ermöglichen. Dies wurde mit der Erwartung getan, dass im Laufe der Zeit neue Automatisierungstechniken erfunden und bestehende möglicherweise veraltet werden. Die zugrunde liegende Microservice-Architektur ermöglichte die Entwicklung und Einbeziehung von Generative AI und agenter Automation. Auf diese Weise wird diese Architektur auch die Einbeziehung von Large Action Models und Quantum-Entscheidungsfindung in Zukunft ermöglichen.

EvoluteIQ basiert auf dem, was Sie Agentic Mesh Architecture oder {aMa} nennen, die es ermöglicht, Netzwerke intelligenter Agenten über Unternehmensprozesse hinweg zusammenzuarbeiten. Wie unterscheidet sich dieser Ansatz von traditionellen Automatisierungsframeworks, und warum glauben Sie, dass Agent-zu-Agent-Kollaboration zu einer grundlegenden Schicht in Unternehmenssoftware werden wird?

Die {aMa} ist die proprietäre Architektur, die einen der Kernunterschiede der EvoluteIQ-Plattform darstellt. Agent-zu-Agent-Kollaboration ermöglicht es mehreren Agenten (sowohl EIQ als auch Drittanbieter), sich selbst zu organisieren, während sie auf die Erreichung eines bestimmten Geschäftsergebnisses hinarbeiten. Dies ermöglicht es Kunden, ihre Wahrnehmung und Nutzung von Automation neu zu bewerten. Sie müssen nicht länger die Schritte definieren, die zur Ausführung eines End-to-End-Prozesses erforderlich sind; stattdessen müssen sie lediglich das gewünschte Geschäftsergebnis artikulieren und den Agenten erlauben, zu bestimmen, wie dies erreicht werden soll. Diese selbstorganisierende und selbstregulierende Fähigkeit ermöglicht es Kunden, agile und widerstandsfähige Geschäftsoperationsmodelle zu erstellen, die sich automatisch an Innovationen und Störungen anpassen, ohne dass menschliches Eingreifen erforderlich ist.

Ihre Plattform konzentriert sich auf die End-to-End-Automatisierung komplexer Geschäftsprozesse und nicht nur auf die Automatisierung einzelner Aufgaben. Wie verändert ein agenter Modell die Art und Weise, wie Organisationen über Prozessorchestrierung, Entscheidungsfindung und operative Autonomie nachdenken?

Wir haben dies teilweise oben bereits abgedeckt, aber ich würde hinzufügen, dass die EIQ-Plattform es Kunden ermöglicht, eine Abstraktionsebene über ihre bestehende Infrastruktur zu erstellen. Folglich können alle Elemente der Infrastruktur als Komponenten eines EIQ-Prozesses betrachtet werden. In Verbindung mit der Agentic Mesh Architecture {aMa} können IT-Teams nun “composable IT” erstellen, die es Unternehmen ermöglicht, Anwendungen und Prozesse nach Bedarf aus vordefinierten, getesteten und genehmigten Komponenten zu entwickeln. Dies führt zu einem höheren Grad an operativer Autonomie für Geschäftsanwender, die in der Lage sind, IT-Dienste zu erstellen, zu verwenden und zu beenden, ohne auf die traditionelle Abhängigkeit von IT angewiesen zu sein.

EvoluteIQ verwendet ein preisbasiertes Modell anstelle von Kosten pro Bot oder pro Benutzer. Was motivierte diese Entscheidung, und wie verändert sie die Art und Weise, wie Unternehmensleiter die Rentabilität von Automatisierungsinitiativen bewerten?

Die Entscheidung, ein preisbasiertes Modell zu verwenden, wurde getroffen, um mit den Erfolgskriterien des Geschäfts oder des Use-Cases übereinzustimmen, Kostenvorhersehbarkeit, Transparenz und das Risiko von Erfolg oder Misserfolg mit dem Kunden zu teilen. Die größte Veränderung für Unternehmen in einem preisbasierten Modell ist, dass im Gegensatz zum traditionellen Modell, in dem die Rentabilität (ROI) nachträglich diskutiert wird, in diesem Fall die Rentabilität im Voraus vertraglich festgelegt, kontinuierlich gemessen und gegenüber der Lieferung bezahlt wird.

Eines der größten Herausforderungen im Unternehmens-Umfeld ist die Integration von strukturierten Daten, unstrukturierten Informationen und Echtzeit-Betriebsignalen über mehrere Systeme hinweg. Wie geht EvoluteIQ auf diese Integrationsherausforderungen ein, während gleichzeitig Governance und Zuverlässigkeit gewährleistet werden?

Die EIQ-Plattform verwaltet strukturierte Daten, unstrukturierte Daten und Echtzeit-Ereignisse über separate Motoren. Jeder Motor besteht aus einer Reihe von Microservices, die vertikal und horizontal skaliert und repliziert werden können, um Widerstandsfähigkeit zu bieten. Diese Architektur ermöglicht es der Plattform, aufgebaut und skaliert zu werden, um die Leistungs-, Kapazitäts- und Widerstandsfähigkeitsanforderungen einzelner Kunden zu erfüllen.

Wenn Unternehmen beginnen, autonome AI-Agenten einzusetzen, die Entscheidungen treffen und Aktionen auslösen können, werden Bedenken hinsichtlich der Aufsicht und Rechenschaftspflicht wichtiger. Welche Governance-Rahmenbedingungen oder Sicherheitsvorkehrungen halten Sie für notwendig, um agente Systeme im großen Maßstab zu betreiben?

Die Plattform umfasst Standardfunktionen wie die Überwachung von Prozessschritten, die Aufzeichnung von Prozessvariablen und die Governance von Generative AI und Agenten. Diese Funktionen ermöglichen die Echtzeit-Governance von agenter Verhalten und historische Berichterstattung und Analyse ihrer Arbeit und Entscheidungen. Darüber hinaus bietet die EIQ-Plattform eine einzigartige Fähigkeit, die sicherstellt, dass Agenten wie erwartet handeln. Durch die Verbindung mit jeder Datenquelle und jedem System von Record innerhalb eines Kunden verstehen die Agenten den Geschäftskontext, in dem sie operieren. Folglich werden ihre Antworten innerhalb dieses umfassenden Rahmens erstellt, was die Genauigkeit und Zuverlässigkeit ihrer Aktionen gewährleistet.

EvoluteIQ soll innerhalb des zweiten Betriebsjahres rentabel geworden sein, was für viele AI-Startups ungewöhnlich ist. Welche strategischen Entscheidungen ermöglichten es Ihnen, Innovation und schnelle Produktentwicklung mit finanzieller Nachhaltigkeit in Einklang zu bringen?

EvoluteIQ war seit seinem zweiten Betriebsjahr EBITDA-positiv. Dies wurde durch eine prüfungswürdige Kosteneinschätzung ohne Kompromisse bei der Innovation erreicht. Das Unternehmen konzentriert sich auf Kundenadoption und -zufriedenheit, die in einer konsistent verfolgten Nettoerhaltungsrate von 120 % zum Ausdruck kommt. Es vermeidet es, zu viel in Marketing und Vertrieb zu investieren, indem es starke Partnerschaften mit globalen Systemintegratoren, Tier-1-BPO-Unternehmen und führenden Managementberatungsunternehmen aufbaut, um die Go-To-Market-Bewegung voranzutreiben. Das Unternehmen demonstriert Wert für Prospekte durch bezahlte Proof-Of-Value (POV) anstelle von kostenlosen Proof-Of-Concepts (POC). Jede Wachstumsentscheidung war bewusst und fokussiert. Die Ermöglichung starker Partnerschaften und die Selbstständigkeit der Kunden auf der EIQ-Plattform haben auch zu einer schlanken Support- und Implementierungsorganisation geführt, die ein gesundes Mitarbeiter-zu-Umsatz-Verhältnis im Einklang mit Best-in-Class-Metriken gewährleistet.

Das Unternehmensautomatisierungslandscapes entwickelt sich schnell, mit traditionellen RPA-Anbietern, generativen AI-Plattformen und agenter Automatisierungsunternehmen, die alle um Aufmerksamkeit konkurrieren. Wie sehen Sie die Wettbewerbsdynamik auf diesem Markt in den nächsten Jahren?

Im Bereich der Unternehmensautomatisierung erleben wir eine grundlegende Konvergenz und nicht nur eine erhöhte Konkurrenz. Traditionelle RPA wird auf eine Ausführungsebene zurückgestuft, generative AI wird rasch allgegenwärtig, und agente AI taucht als Steuerparadigma auf. Allerdings werden none dieser Entwicklungen isoliert den Markt definieren. Der eigentliche Kampf verlagert sich auf AI-native Orchestrierungsplattformen, die End-to-End-Prozesse steuern und messbare Geschäftsergebnisse liefern können. In den nächsten Jahren werden die Gewinner nicht diejenigen sein, die die fortschrittlichsten Modelle oder die größte Anzahl an Bots haben, sondern diejenigen, die Agenten-Workflows, Daten und Entscheidungen in ein einheitliches System integrieren können, das regierbar, überprüfbar und kontinuierlich verbessert wird. Unternehmenskäufer entfernen sich bereits von Tools und Lizenzen und bewegen sich hin zu Ergebnissen und Rechenschaftspflicht. Daher wird die definierende Frage für jede Plattform sein, ob sie die Verantwortung für das Ergebnis und nicht nur für einen Teil des Prozesses übernehmen kann.

Wenn man in die Zukunft blickt, welche Meilensteine werden anzeigen, dass Unternehmen von AI-gestützten Workflows zu wirklich autonomen Betrieben übergehen, und welche Rolle wird EvoluteIQ bei diesem Übergang spielen?

Der Übergang von AI-gestützten Workflows zu wirklich autonomen Betrieben ist nicht nur eine Frage geringer Effizienzgewinne, sondern eine grundlegende Neukonzeption dessen, wie Arbeit durchgeführt wird. Der erste Meilenstein ist Human-on-the-Loop: AI-Agenten treffen die meisten Entscheidungen, während menschliches Eingreifen auf Ausnahmen beschränkt ist. Anschließend ermöglichen geschlossene Prozesse Echtzeit-Sensing, Entscheidungsfindung, Aktion und Selbstkorrektur ohne manuelles Eingreifen. Unternehmen werden dann Ergebnisbasierte Modelle übernehmen, bei denen der Erfolg anhand von Geschäftsergebnissen und nicht anhand von Aktivitäten gemessen wird. Letztendlich wird wahre Autonomie erreicht, wenn komponierbare agente Architekturen über Funktionen wie Finanzen, Betrieb und Kundenservice hinweg orchestrieren, ohne durch Legacy-Systeme eingeschränkt zu sein.

EvoluteIQ ist an der Spitze dieses Übergangs. Als einheitliche AI-native Plattform, die Workflow, Daten, Ereignisse und Entscheidungsfindung umfasst, unterstützt sie nicht nur menschliche Anwender, sondern führt auch End-to-End-Prozesse aus, überwacht jede Aktion, misst kontinuierlich Ergebnisse und optimiert sich selbst. EvoluteIQ ermöglicht künstliche Intelligenz innerhalb von Prozessen und bietet die Infrastruktur für Unternehmen, um autonom auf großen Maßstab und mit vollständiger Rechenschaftspflicht zu operieren. So bewegen sich Organisationen von Automation zu Autonomie, und deshalb ist EvoluteIQ einzigartig positioniert, um diese Reise zu führen.

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