Sarah Edwards, Chief Product und Strategy Officer, Kantata – Interview-Serie

Sarah Edwards, Chief Product und Strategy Officer, Kantata, bringt mehr als 27 Jahre Erfahrung in professionellen Dienstleistungen, Beratung, Produktstrategie und Geschäftsführung mit. Im Laufe ihrer Karriere hat sie sowohl in Nordamerika als auch in Europa gearbeitet, indem sie Dienstleistungsorganisationen aufbaute und skalierte und tiefgreifende Expertise in Projektlieferung, Ressourcenmanagement und betrieblicher Exzellenz entwickelte. Vor ihrem Eintritt bei Kantata hatte Edwards Führungspositionen bei Hitachi Consulting inne, wo sie globale Teams leitete, und half zuvor, Beratungsunternehmen wie Fulcrum Solutions und Edenbrook zu entwickeln. Bei Kantata ist sie für die Leitung von Produkt- und Strategieinitiativen im gesamten Portfolio des Unternehmens verantwortlich, um professionelle Dienstleistungsorganisationen dabei zu unterstützen, ihre Sichtbarkeit, Prognose, Ressourcenzuweisung und Gesamtbetriebsleistung durch speziell entwickelte Technologielösungen zu verbessern.

Kantata ist ein führender Anbieter von Software für die Automatisierung professioneller Dienstleistungen (PSA), der sich ausschließlich auf die Bedürfnisse von Beratungsunternehmen, Agenturen, IT-Dienstleistern und anderen projektbasierten Organisationen konzentriert. Durch die Fusion von Mavenlink und Kimble bietet das Unternehmen eine künstliche Intelligenz-basierte Plattform, die Projektplanung, Ressourcenmanagement, Finanzoperationen, Prognose, Zusammenarbeit und Geschäftsanalyse in einer einheitlichen Umgebung verbindet. Die Technologie ist darauf ausgelegt, Organisationen dabei zu helfen, die Projektrentabilität zu verbessern, die Arbeitskräfteauslastung zu optimieren, die Prognosegenauigkeit zu erhöhen und Echtzeittransparenz über den gesamten Lebenszyklus der Dienstleistungserbringung zu gewährleisten. Durch die Kombination von Betriebsdaten mit künstlicher Intelligenz-gesteuerten Erkenntnissen hilft Kantata professionellen Dienstleistungsunternehmen, fundiertere Entscheidungen zu treffen, die Lieferungsergebnisse zu verbessern und effizient in zunehmend komplexen Geschäftsumgebungen zu skalieren.

Sie begannen Ihre Karriere als Oracle (ORCL ) -Beraterin, bevor Sie Oracle-Praktiken bei Edenbrook und Hitachi Consulting leiteten und später die Produktstrategie von Kantata über mehr als ein Jahrzehnt hinweg mitgestalteten. Wie hat diese Reise Ihre Sicht darauf beeinflusst, wo künstliche Intelligenz den größten Wert für professionelle Dienstleistungsunternehmen schaffen kann, und welche Lektionen aus diesen früheren Beratungsumgebungen sind heute noch anwendbar?

Wenn ich auf meine Karriere zurückblicke, hat sich die Branche der professionellen Dienstleistungen in den letzten 30 Jahren nicht wesentlich verändert. Das Regelbuch bestand darin, das Geschäft durch die Erhöhung der Mitarbeiterzahl zu vergrößern; je mehr Mitarbeiter, desto mehr Projekte konnten übernommen werden. Aber jetzt wird dieses Regelbuch dank künstlicher Intelligenz und neuer Technologie komplett neu geschrieben. Ich höre viel mehr Unsicherheit in der Branche als je zuvor. Was sieht unsere Talente aus? Was benötige ich an Menschen und Agenten? Wie fakturiere ich künstliche Intelligenz-Agenten? Niemand kennt die richtigen Antworten auf diese Fragen noch.

Was wir wissen, ist, dass Unternehmen, die an dem alten Betriebsmodell festhalten, das darauf abzielt, den Umsatz durch die Erhöhung der Mitarbeiterzahl zu steigern, nur an einem Wettrennen nach unten teilnehmen werden. Aus meiner Erfahrung in führenden Beratungsumgebungen weiß ich, dass Beratung immer noch von menschlichen Beziehungen abhängt, aber im Zeitalter der künstlichen Intelligenz stehen professionelle Dienstleistungsunternehmen unter noch mehr Druck von Kunden, mehr mit weniger zu tun und hervorragende Ergebnisse zu liefern. Sie müssen ständig ihren Wert beweisen. Hier kann künstliche Intelligenz helfen, indem sie Daten und integrierte Expertise nutzt, um wiederholbare und konsistente Intelligenz aufzubauen.

Sie haben argumentiert, dass viele Organisationen den Erfolg von künstlicher Intelligenz falsch messen, indem sie sich auf Produktivität und Effizienz konzentrieren. Warum glauben Sie, dass “Expertise-Verdichtung” ein bedeutenderes Maß für die Bewertung der Rentabilität von künstlicher Intelligenz ist?

Die Konzentration allein auf Produktivitäts- und Effizienzgewinne reicht nicht aus, um den langfristigen Erfolg von künstlicher Intelligenz zu messen. Die Aktivierung von künstlicher Intelligenz geht über die bloße Automatisierung des Status quo hinaus; es geht darum, die Art und Weise, wie wir operieren, grundlegend zu ändern. Für mich ist die Fähigkeit einer Organisation, ihre Expertise zu verdichten – also ihre Fähigkeit, institutionelles und tribales Wissen zu erfassen, zu synthetisieren, zu skalieren und kontinuierlich aufzubauen – viel bedeutender, da dies es den Unternehmen ermöglicht, ihre Expertise auf großem Maßstab umzusetzen. Expertise ist die primäre Währung der Beratungswelt, aber wenn diese spezifischen Fähigkeiten und spezialisierten Kenntnisse in Silos oder in einem einzigen Gehirn bleiben, ist es kein effektives System.

Historisch gesehen basierte die Branche der professionellen Dienstleistungen auf Heldentaten – herausragenden Mitarbeitern, die über angeborene Fähigkeiten oder Kenntnisse verfügten, auf die Kunden zugreifen konnten. Heute werden Unternehmen, die auf diese Weise operieren, nicht überleben. Expertise muss weit verbreitet, genau und schnell geteilt werden, was künstliche Intelligenz bereits zu einem gewissen Grad tut. Nehmen Sie beispielsweise künstliche Intelligenz-Tools, die automatisch Notizen während von Meetings erstellen und diese nach dem Meeting verteilen. Die Herausforderung für professionelle Dienstleistungsunternehmen besteht darin, dass diese Ausgabe nicht direkt mit der Erbringung von Dienstleistungen für Kunden verbunden ist. Deshalb gibt es einen Bedarf an einem künstlichen Intelligenz-Tool, das den nächsten Schritt unternimmt und auf diese Intelligenz im Kontext des spezifischen Unternehmens reagiert. Wenn künstliche Intelligenz von der Expertise lernen und diese Expertise über Projekte hinweg verdichten kann, wird sie zu einer transformativen Technologie.

Was sind die größten Missverständnisse, die Führungskräfte haben, wenn sie versuchen, die Rentabilität von künstlicher Intelligenz-Initiativen zu berechnen?

Führungskräfte sprechen hauptsächlich über die Rentabilität von künstlicher Intelligenz in Bezug auf Kosteneinsparungen und Effizienz, aber es ist ein Missverständnis zu denken, dass dies der einzige Bereich ist, in dem künstliche Intelligenz Wert schaffen kann. Sie sollten auch bestimmen, wie künstliche Intelligenz Umsatzwachstum durch die Entwicklung neuer Umsatzkanäle, die Bindung mehrerer Kunden oder die Übernahme mehrerer Projekte antreibt.

Wie können Organisationen beginnen, institutionelles Wissen zu erfassen und zu skalieren, das derzeit nur in Mitarbeitergesprächen, Projekterfahrungen und tribalem Wissen existiert?

Viele professionelle Dienstleistungsunternehmen verlassen sich noch immer auf Tabellenkalkulationen, isolierte Daten und tribales Wissen, um ihr Geschäft zu führen. Das Hinzufügen eines einmaligen künstlichen Intelligenz-Agents mit generischer Schulung zu einem Projekt oder Datenstrom wird nicht viel Auswirkungen haben. Eine integrierte Plattform mit künstlicher Intelligenz und vorhersehbaren Erkenntnissen, die über Projekte und Workflows hinweg agieren kann, wird jedoch einen Einfluss haben. Aber nicht alle Plattformen sind gleich. Um einen Einfluss zu haben, müssen sie auf einem einheitlichen Wissensgraphen basieren, der institutionelles Wissen im großen Maßstab erfasst, es in den Kontext setzt und künstlichen Intelligenz-Agenten die Autonomie gibt, auf der Grundlage der Erkenntnisse zu handeln, wobei Menschen in der Schleife bleiben.

Viele Unternehmen setzen künstliche Intelligenz-Assistenten und -Agenten im gesamten Unternehmen ein. Was unterscheidet Organisationen, die langfristige Wettbewerbsvorteile schaffen, von denen, die einfach bestehende Workflows automatisieren?

Am Anfang des künstlichen Intelligenz-Booms eilten viele Organisationen, künstliche Intelligenz-Tools zu implementieren, um nicht zurückgelassen zu werden, aber diese Art der unfreiwilligen Implementierung führte zu vielen Unternehmen, die Agenten-Überlastung (d. h. wenn Agenten langsam, teuer zu betreiben oder ungenau aufgrund von Fehlern und Überlastung von Tools oder Informationen werden) spürten. Was mehr ist, alle Agenten arbeiten in Silos und es gibt keine langfristige Strategie darüber, wie man all diese Agenten zusammen operationalisieren kann.

Die Organisationen, die die Grundlage für einen wahren, langfristigen Wettbewerbsvorteil legen, setzen keine Agenten ein, die nur auf eine bestimmte Sache achten; sie setzen Agenten ein, die über das gesamte Board hinweg sichtbar sind. Personalbesetzung, Ressourcen, Lieferung usw. sind alle bewegliche Teile in der Maschinerie der professionellen Dienstleistungen, die zusammenarbeiten müssen, um den Betrieb reibungslos zu halten. Und sie geben diesem Agenten den Kontext, die Kenntnisse und das Verständnis, das erforderlich ist, um einen echten Einfluss zu haben.

Wie sehen Sie die künstliche Intelligenz die Betriebsmodelle von professionellen Dienstleistungsunternehmen in den nächsten fünf Jahren verändern, insbesondere im Bereich Beratung, Implementierung und Beratung?

Künstliche Intelligenz verändert das Talentmodell. Fähigkeiten entwickeln sich schneller als je zuvor und es gibt eine große Fragezeichen neben der Frage, wo die nächste Ebene des Talents herkommt. Einige sind auch besorgt, dass künstliche Intelligenz menschliche Arbeiter ihrer Kreativität und kognitiven Denkfähigkeit berauben wird; daher erwarte ich, dass es eine Verschiebung geben wird, wie Unternehmen ihre Mitarbeiter einsetzen, um sicherzustellen, dass sie ihre kreativen Muskeln trainieren und nicht zu sehr auf künstliche Intelligenz-Ausgaben vertrauen. Letztendlich ist künstliche Intelligenz eine Ermöglichungskraft, die Mitarbeiter von taktischen, monotonen Aufgaben befreit, damit sie sich auf strategische Arbeiten konzentrieren können, die einen Unterschied machen.

Wenn künstliche Intelligenz immer leistungsfähiger wird, erwarten Sie, dass Unternehmen vom Stunden- und Auslastungspreismodell zu Ergebnis-basierten Preismodellen wechseln? Welche Herausforderungen stehen diesem Übergang im Weg?

Wenn professionelle Dienstleistungsunternehmen ein Angebot erhalten, fragen die Interessenten häufig, wie das Unternehmen Kosten durch künstliche Intelligenz reduziert und wie diese Kosteneinsparungen dem Kunden nützen. Was oft fehlt, ist ein Mechanismus zur Messung dieser Kosteneinsparung und eine Erzählung, um den Interessenten zu vermitteln, wie künstliche Intelligenz die bestehende Expertise des Unternehmens erhöht und den Wert, den sie liefern. Letztendlich denke ich, dass das Abrechnungsmodell in Richtung Ergebnis-basierte Preise tendiert. Heute fehlt es den meisten Organisationen an der Lieferdisziplin, den Daten und der finanziellen Bereitschaft, um ein wirkliches Ergebnis-basiertes Preismodell im großen Maßstab zu unterstützen. Wenn man künstliche Intelligenz hinzufügt, wird das Modell noch komplexer – wenn Arbeit von Agenten erledigt wird, wie kann man den Aufwand verfolgen, den Wert nachweisen oder den Umsatz erkennen? Man kann Ergebnisse nicht preisgeben, wenn man die Lieferung nicht vorhersagen kann. Der eigentliche Übergang wird nicht ein Sprung direkt zu Ergebnis-basierten Preisen sein, sondern eine Entwicklung von Aufwand zu Festpreis zu Wert zu Ergebnis-basiertem Verkauf, wenn Organisationen die Grundlage aufbauen, die sie benötigen, um Ergebnisse zu monetarisieren.

Kantata hat sich auf die Umwandlung von organisatorischem Wissen in ein strategisches Vermögen durch seinen Expertise-Motor konzentriert. Was hat diese Konzentration ausgelöst, und welche Lücken sahen Sie in herkömmlichen Wissensmanagement-Systemen?

Die heutige Unternehmenskünstliche Intelligenz konzentriert sich hauptsächlich auf generische künstliche Intelligenz-Tools, die dazu gedacht sind, Meetings zusammenzufassen, Anfragen zu beantworten oder isolierte Aufgaben zu automatisieren. Und wenn es um professionelle Dienstleistungen geht, funktioniert es nicht. Die eigentliche Herausforderung, der professionelle Dienstleistungsunternehmen gegenüberstehen, ist nicht die Aufgabenautomatisierung. Es ist die betriebliche Komplexität.

Professionelle Dienstleistungsunternehmen laufen auf einem ständig wechselnden Netz von Personalentscheidungen, Lieferkompromissen, Projektrisiken, Auslastungszielen, Prognosemodellen und finanziellen Abhängigkeiten. Generische künstliche Intelligenz-Tools verstehen diesen Kontext nicht, was bedeutet, dass sie nicht auf sinnvolle Weise über das Geschäft nachdenken können.

Kantata geht einen anderen Ansatz bei künstlicher Intelligenz. Anstatt einen generischen Agenten oder Chatbot auf bestehende Software zu legen, baut das Unternehmen künstliche Intelligenz, die auf die betrieblichen Realitäten von professionellen Dienstleistungen zugeschnitten ist. Der Expertise-Motor von Kantata verbindet Schätzung, Personalbesetzung, Lieferung, Prognose und Finanzmanagement in einem einzigen Betriebsmodell und gibt künstlichen Intelligenz-Agenten den vollständigen Geschäftskontext, um intelligent über Workflows hinweg zu handeln.

Das ist nicht die künstliche Intelligenz des Copiloten von gestern. Es ist die operative künstliche Intelligenz.

Welche Rolle werden künstliche Intelligenz-Agenten in professionellen Dienstleistungsorganisationen spielen, und wo bleiben menschliche Experten unersetzlich?

Wenn künstliche Intelligenz-Agenten einen Teil der Arbeitslast von menschlichen Arbeitern übernehmen, wird es diese für die unterhaltsameren und kreativeren Teile ihrer Arbeit freisetzen. Automatisierung ist nicht nur eine Frage der Effizienz und der Zeit-/Kosteneinsparungen, sondern auch der Erleichterung und Ermächtigung der Mitarbeiter. Dies wird ihre kreative Seite stärken und eine neue Generation von Denkern aufbauen, die zu den Erbauern von künstlichen Intelligenz-Tools werden, anstatt nur deren Nutzer. Diese Verschiebung wird entscheidend sein, da künstliche Intelligenz allgegenwärtig wird und jedes Unternehmen in der Lage sein wird, Ausgaben schnell und billig zu produzieren, aber nur diejenigen, die weiterhin in ihre menschliche Expertise investieren, starke, bedeutungsvolle Arbeit produzieren werden.

Aufblickend, was sollten Geschäftsführer heute tun, um sicherzustellen, dass ihre Organisationen nicht nur künstliche Intelligenz annehmen, sondern eine nachhaltige Expertise-Vorteile aufbauen, die sich über die Zeit hinweg verdichten?

Anstatt einen generischen Agenten oder Chatbot auf bestehende Software zu legen, sollten professionelle Dienstleistungsunternehmen nach künstlichen Intelligenz-Superagenten suchen, die die Fähigkeit haben, Kontext über alles zu verstehen, was zum Betreiben eines professionellen Dienstleistungsunternehmens gehört – von Personalbesetzung bis Prognose, Finanzmanagement und Projektlieferung – und purpose-built-Agenten zu erstellen, die autonom handeln können.

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