Lokdeep Singh, Διευθύνων Σύμβουλος της Unily – Σειρά Συνεντεύξεων

Lokdeep Singh έχει περισσότερα από 20 χρόνια εμπειρίας στην ηγεσία εταιρειών λογισμικού επιχειρησιακού επιπέδου με υψηλή ανάπτυξη. Πιο πρόσφατα, ως Senior Advisor στη Providence Equity Partners, όπου υποστήριξε τις εταιρείες του χαρτοφυλακίου σε στρατηγική AI, επιχειρησιακή αριστεία και επιτάχυνση της προσέγγισης αγοράς. Πριν από αυτό, ήταν Διευθύνων Σύμβουλος της Talkwalker, παγκόσμιου ηγέτη στην επιχειρησιακή καταναλωτική νοημοσύνη, όπου ηγήθηκε του μετασχηματισμού για επίτευξη βιώσιμης, κερδοφόρας ανάπτυξης· και στη Synchronoss Technologies ως Γενικός Διευθυντής.

Unily είναι μια πλατφόρμα εμπειρίας εργαζομένων για επιχειρήσεις, σχεδιασμένη να βοηθά μεγάλους οργανισμούς να συνδέουν τους εργαζόμενους, να απλοποιούν τις εσωτερικές επικοινωνίες και να φέρνουν τα εργαλεία, τη γνώση και τις υπηρεσίες του εργασιακού χώρου σε ένα ενοποιημένο ψηφιακό περιβάλλον. Ιδρύθηκε το 2006, η εταιρεία εξυπηρετεί παγκόσμιες επιχειρήσεις με κατανεμημένο, γραφειακό και πρώτογραμμό εργασιακό δυναμικό, συνδυάζοντας δυνατότητες εντρενέτου, επικοινωνίες εργαζομένων, αναζήτηση, αναλύσεις, ενσωματώσεις και εξατομίκευση σε μια ενιαία πλατφόρμα. Η Unily τοποθετεί όλο και περισσότερο την τεχνολογία της ως AI-native, χρησιμοποιώντας ελεγχόμενη τεχνητή νοημοσύνη για την αυτοματοποίηση της διαχείρισης περιεχομένου, την ανάδειξη σχετικών πληροφοριών, την εξατομίκευση της εμπειρίας των εργαζομένων και την δυνατότητα των εργαζομένων να αλληλεπιδρούν με συνδεδεμένες επιχειρησιακές εφαρμογές μέσω διαδραστικών διεπαφών. Η πλατφόρμα ενσωματώνεται με ευρέως χρησιμοποιούμενα συστήματα εργασίας όπως το Microsoft 365 και το Teams και έχει σχεδιαστεί για οργανισμούς με σύνθετα τεχνολογικά περιβάλλοντα, κανονιστικές απαιτήσεις και μεγάλα πολύγλωσσα δυναμικά.

Ξεκινήσατε την καριέρα σας βαθιά στην τηλεπικοινωνιακή μηχανική και την υποδομή δικτύων, πριν προχωρήσετε σε ρόλους CTO, προϊόντος, γενικής διαχείρισης και Διευθύνοντα Σύμβουλο, οδηγώντας τελικά την Talkwalker σε μια επιτυχημένη έξοδο και τώρα αναλαμβάνοντας τη διοίκηση της Unily. Πώς έχει διαμορφώσει αυτή η εξέλιξη την άποψή σας για το τι απαιτείται πραγματικά ώστε οι εργαζόμενοι να εμπιστεύονται και να υιοθετούν μια μετασχηματιστική τεχνολογία όπως η AI;

Η καριέρα μου μου έδωσε μια προοπτική που βρίσκεται ανάμεσα στην τεχνολογία και στους ανθρώπους που αναμένεται να τη χρησιμοποιούν. Στην αρχή, επικεντρώθηκα στην υποδομή, διασφαλίζοντας ότι τα συστήματα λειτουργούσαν αξιόπιστα, ασφαλώς και σε κλίμακα. Καθώς προχώρησα σε ρόλους προϊόντος, γενικής διαχείρισης και τελικά Διευθύνοντα Σύμβουλο, έμαθα ότι η τεχνική ικανότητα είναι μόνο ένα μέρος του εάν μια τεχνολογία θα πετύχει.

Οι εργαζόμενοι θα υιοθετήσουν μια αναδυόμενη τεχνολογία μόνο όταν κατανοούν πώς επηρεάζει την εργασία τους, πιστεύουν ότι θα τους βοηθήσει αντί να τους βλάψει, και έχουν εμπιστοσύνη ότι θα συμπεριφέρεται προβλέψιμα.

Το μεγαλύτερο λάθος που μπορούν να κάνουν οι ηγέτες είναι να αντιμετωπίζουν την υιοθέτηση της AI ως μια κυκλοφορία λογισμικού. Μπορείτε να αναπτύξετε το καλύτερο μοντέλο στον κόσμο, αλλά αν οι εργαζόμενοι δεν εμπιστεύονται τις πληροφορίες που παρέχει, δεν κατανοούν τι του επιτρέπεται να κάνει ή δεν γνωρίζουν πού είναι τα όρια, η υιοθέτηση θα παραμείνει επιφανειακή. Η εμπιστοσύνη πρέπει να σχεδιαστεί στην εμπειρία του εργαζομένου από την αρχή.

Οι δυνατότητες της AI βελτιώνονται εξαιρετικά γρήγορα, ωστόσο η εμπιστοσύνη εντός των οργανισμών φαίνεται να εξελίσσεται πολύ πιο αργά. Τι προκαλεί αυτό το διευρυνόμενο χάσμα μεταξύ του τι μπορεί τεχνικά να κάνει η AI και του τι είναι πραγματικά άνετοι οι εργαζόμενοι να της επιτρέψουν;

Το χάσμα εμπιστοσύνης υπάρχει επειδή οι οργανισμοί έχουν επενδύσει σημαντικά στο να κάνουν την AI ικανή, αλλά όχι με τον ίδιο ρυθμό στο να την κάνουν κατανοητή, υπεύθυνη και βασισμένη σε αξιόπιστες πληροφορίες.

Η AI μπορεί τώρα να λογίζεται, να δημιουργεί περιεχόμενο και να αναλαμβάνει δράση, αλλά πολλοί οργανισμοί εξακολουθούν να μην διαθέτουν ένα αυθεντικό σύστημα καταγραφής γνώσης και περιεχομένου. Όταν οι εργαζόμενοι δεν γνωρίζουν από πού προέρχονται οι απαντήσεις της AI, αν οι πληροφορίες είναι ενημερωμένες ή ποιος τις κατέχει, η εμπιστοσύνη διαβρώνεται γρήγορα.

Το κλείσιμο του χάσματος απαιτεί περισσότερα από καλύτερα μοντέλα. Απαιτεί ισχυρή διακυβέρνηση περιεχομένου και μια αξιόπιστη βάση γνώσης που διασφαλίζει ότι η AI λειτουργεί με ακριβείς, ασφαλείς και ενημερωμένες πληροφορίες. Οι οργανισμοί που θα πετύχουν θα είναι αυτοί που θα ενσωματώσουν την εμπιστοσύνη ως μέρος της ίδιας της εμπειρίας AI, όχι ως μεταγενέστερη σκέψη.

Οι εταιρείες συχνά προσεγγίζουν την επιχειρησιακή AI ως ένα πρόβλημα υλοποίησης τεχνολογίας που εστιάζει σε μοντέλα, ενσωματώσεις, ασφάλεια και υποδομή. Γιατί πιστεύετε ότι η πιο δύσκολη πρόκληση είναι τελικά μια ανθρώπινη και οργανωτική;

Η AI αλλάζει τη σχέση μεταξύ ανθρώπων και τεχνολογίας. Οι προηγούμενες επιχειρησιακές τεχνολογίες κυρίως περίμεναν οι εργαζόμενοι να τους πουν τι να κάνουν. Η AI μπορεί να ερμηνεύσει πρόθεση, να κάνει συστάσεις και όλο και περισσότερο να αναλαμβάνει δράση.

Αυτό καθιστά την υιοθέτηση της AI μια πρόκληση του μέλλοντος της εργασίας, όχι μόνο μια τεχνολογική πρόκληση. Αλλάζει τον τρόπο που γίνεται η εργασία, πώς λαμβάνονται οι αποφάσεις και πώς συνεργάζονται οι ομάδες. Οι οργανισμοί δεν μπορούν απλώς να αναπτύξουν AI και να περιμένουν ότι η μεταμόρφωση θα ακολουθήσει. Οι εργαζόμενοι πρέπει να κατανοούν πού εντάσσεται η AI στις ροές εργασίας τους και να νιώθουν ενδυναμωμένοι να τη χρησιμοποιούν αποτελεσματικά.

Οι πιο επιτυχημένες πρωτοβουλίες AI καθοδηγούνται από υιοθέτηση από τη βάση, όχι από εντολές από την κορυφή. Όταν οι εργαζόμενοι βλέπουν σαφή αξία στην καθημερινή τους εργασία, η υιοθέτηση επιταχύνεται φυσικά.

Γι’ αυτό το πλαίσιο για το ROI της AI βασίζεται απλώς στην εμπιστοσύνη, την ενδυνάμωση και τη διακυβέρνηση. Δημιουργήστε εμπιστοσύνη μέσω διαφάνειας και αξιόπιστης γνώσης, ενδυναμώστε τους εργαζόμενους με εργαλεία που βελτιώνουν τον τρόπο εργασίας τους και θεσπίστε διακυβέρνηση που διασφαλίζει ότι η AI χρησιμοποιείται υπεύθως. Η τεχνολογία επιτρέπει την αλλαγή, αλλά οι άνθρωποι, οι διαδικασίες και η κουλτούρα καθορίζουν τελικά την επιτυχία της.

Οι οργανισμοί χρειάζονται διακυβέρνηση, αλλά υπερβολικά περιοριστικές πολιτικές μπορούν να ωθήσουν τους εργαζόμενους προς μη εγκεκριμένα εργαλεία ή να αποθαρρύνουν εντελώς την πειραματική προσέγγιση. Πώς φαίνεται ένα αποτελεσματικό πλαίσιο διακυβέρνησης AI εάν ο στόχος είναι να αυξηθεί τόσο η εμπιστοσύνη όσο και η υιοθέτηση, αντί απλώς να ελεγχθεί η χρήση;

Η καλή διακυβέρνηση πρέπει να μοιάζει με φράγματα ασφαλείας που επιτρέπουν στους εργαζόμενους να προχωρούν πιο γρήγορα με ασφάλεια.

Αυτό σημαίνει να είναι πολύ σαφές τι μπορούν να χρησιμοποιούν οι εργαζόμενοι με την AI, ποιες πληροφορίες μπορούν να παρέχουν στα συστήματα AI και ποιες ενέργειες επιτρέπεται να εκτελεί η AI. Οι κανόνες αυτοί πρέπει να είναι κατανοητοί από έναν εργαζόμενο, όχι κρυμμένοι σε ένα εκτενές έγγραφο πολιτικής.

Η διακυβέρνηση πρέπει επίσης να είναι δυναμική. Ο κίνδυνος που σχετίζεται με την AI που δημιουργεί ένα πρώτο προσχέδιο διαφέρει πολύ από την AI που εγκρίνει μια πληρωμή, αλλάζει ένα αρχείο εργαζομένου ή επικοινωνεί με έναν πελάτη. Το επίπεδο ανθρώπινης εποπτείας πρέπει να αντιστοιχεί στην πιθανή συνέπεια.

Τελικά, ο στόχος δεν πρέπει να είναι η ελαχιστοποίηση της χρήσης AI. Πρέπει να είναι η μεγιστοποίηση της υπεύθυνης χρήσης.

Η έρευνα της Unily διαπίστωσε ότι το 52 % των εργαζομένων ανέφερε ότι δεν υπάρχει γνωστή πολιτική AI στην οργάνωσή τους, ενώ κάποιοι εργαζόμενοι παραδέχτηκαν ότι εισήγαγαν ευαίσθητες πληροφορίες σε μη εγκεκριμένα εργαλεία AI. Σε ποιο βαθμό η άνοδος του \”σκιώδους AI\” αποτελεί στην πραγματικότητα αποτυχία επικοινωνίας και διακυβέρνησης αντί για πρόβλημα συμπεριφοράς των εργαζομένων;

Πρέπει να είμαστε προσεκτικοί όταν παρουσιάζουμε το σκιώδες AI ως πρόβλημα κακών εργαζομένων. Ένας σημαντικός λόγος για τη χρήση σκιώδους AI είναι ένα σύμπτωμα ανικανοποίητης ζήτησης. Οι εργαζόμενοι βρίσκουν τρόπους να λύσουν προβλήματα για τα οποία οι οργανισμοί τους δεν έχουν ακόμη παράσχει εγκεκριμένα εργαλεία, κάτι που είναι φυσική ανθρώπινη συμπεριφορά.

Αντί να περιμένουμε να αγνοήσουν την τεχνολογία που αλλάζει τον τρόπο εκτέλεσης της εργασίας, η λύση είναι να παρέχουμε στους εργαζόμενους ένα ασφαλές, εγκεκριμένο μονοπάτι για πειραματισμό, συμπεριλαμβανομένων σαφών ορίων και εκπαίδευσης.

Η διαφάνεια και η εξηγήσιμότητα παρουσιάζονται συχνά ως ουσιώδεις για την αξιόπιστη AI, αλλά οι εργαζόμενοι δεν χρειάζεται απαραίτητα να κατανοούν πώς λειτουργεί εσωτερικά ένα μεγάλο γλωσσικό μοντέλο. Ποιες πληροφορίες πρέπει να παρέχει ένα σύστημα AI ώστε ένας εργαζόμενος να μπορεί να λάβει ενημερωμένη απόφαση σχετικά με το αν θα εμπιστευτεί την απάντηση ή την πρότασή του;

Ένα εταιρικό σύστημα AI πρέπει να καθιστά σαφές από πού προέρχονται οι πληροφορίες, πότε ενημερώθηκαν τελευταία, ποιες πηγές ή εταιρικά συστήματα χρησιμοποιήθηκαν και γιατί δόθηκε μια συγκεκριμένη πρόταση.

Πρέπει επίσης να είναι ειλικρινές σχετικά με την αβεβαιότητα. Ένα από τα πιο σημαντικά σήματα εμπιστοσύνης είναι ένα σύστημα AI που λέει, ουσιαστικά, \”Δεν διαθέτω αρκετές πληροφορίες για να απαντήσω με βεβαιότητα\”.

Η εμπιστοσύνη δεν προέρχεται από την AI που προσποιείται βεβαιότητα. Προέρχεται από το να παρέχονται στους εργαζόμενους επαρκές πλαίσιο ώστε να ασκήσουν τη δική τους κρίση.

Το Unily Glass σχεδιάστηκε για να μεταφέρει την εταιρική AI πέρα από την απάντηση σε ερωτήσεις και προς την εκτέλεση ενεργειών σε συστήματα όπως HR, IT και πλατφόρμες διαχείρισης πελατειακών σχέσεων. Καθώς η AI προχωρά από την παροχή πληροφοριών στην πραγματική δράση, πώς πρέπει οι οργανισμοί να αποφασίζουν ποιες αποφάσεις μπορούν να λαμβάνονται αυτόνομα από τους πράκτορες και ποιες πρέπει να απαιτούν ανθρώπινη έγκριση;

Η βασική αρχή πρέπει να είναι η αναλογικότητα του κινδύνου. Εάν ένας πράκτορας AI προγραμματίζει μια συνάντηση ή αναζητά πληροφορίες, η αρνητική συνέπεια μιας λανθασμένης ενέργειας είναι σχετικά περιορισμένη. Μπορείτε να του δώσετε πολύ μεγαλύτερη αυτονομία. Ωστόσο, εάν ένας πράκτορας εγκρίνει μια χρηματοοικονομική συναλλαγή, αλλάζει την αποζημίωση ενός εργαζομένου, τερματίζει πρόσβαση ή λαμβάνει μια σημαντική απόφαση για πελάτη, το όριο πρέπει να είναι σημαντικά υψηλότερο.

Οι οργανισμοί πρέπει να καθορίσουν σαφή επίπεδα αυτονομίας βάσει παραγόντων όπως η οικονομική επίπτωση, η ρυθμιστική έκθεση, η αναστρεψιμότητα και η επίδραση στους ανθρώπους. Όσο πιο σημαντική ή μη αναστρέψιμη είναι η ενέργεια, τόσο πιο σημαντική γίνεται η ανθρώπινη έγκριση.

Ο στόχος είναι να διατηρούνται οι άνθρωποι ουσιαστικά υπό έλεγχο όπου έχει σημασία.

Οι επιχειρήσεις υιοθετούν ολοένα και περισσότερο πολλαπλούς συν-πιλότους, εξειδικευμένους πράκτορες, μεγάλα γλωσσικά μοντέλα και εφαρμογές με δυνατότητα AI σε όλο το τεχνολογικό στοίβα. Πώς μπορούν οι οργανισμοί να αποτρέψουν αυτό να δημιουργήσει ένα ακόμη επίπεδο κατακερματισμού, και αναμένετε ότι ένα κεντρικό στρώμα εμπιστοσύνης ή ενορχήστρωσης θα γίνει απαραίτητο;

Δεσμευόμαστε να μην επαναλάβουμε τον ίδιο κατακερματισμό που δημιούργησαν τα επιχειρηματικά λογισμικά τις τελευταίες δεκαετίες· όμως τώρα κάθε εφαρμογή μπορεί να έχει το δικό της περιβάλλον AI και τον δικό του πράκτορα.

Οι εργαζόμενοι δεν πρέπει να χρειάζεται να κατανοούν ποιο μοντέλο βρίσκεται πίσω από κάθε εφαρμογή ή να θυμούνται πού βρίσκεται η AI κάθε οργανισμού. Πρέπει να μπορούν να αλληλεπιδρούν με την AI στο πλαίσιο της εργασίας τους και να έχουν τις σωστές πληροφορίες και δυνατότητες συγκεντρωμένες για αυτούς.

Ακριβώς εδώ ένα στρώμα ενορχήστρωσης και εμπιστοσύνης γίνεται ολοένα και πιο σημαντικό. Μπορεί να προσφέρει έναν συνεπή τρόπο διαχείρισης ταυτότητας, δικαιωμάτων, πλαισίου, πρόσβασης σε δεδομένα και ενεργειών μεταξύ διαφορετικών συστημάτων AI.

Πιθανότατα δεν θα υπάρχει ένα μοντέλο ή μια πλατφόρμα AI που να κατέχει τα πάντα, αλλά οι οργανισμοί θα χρειάζονται όλο και περισσότερο ένα κοινό στρώμα που θα κάνει όλα αυτά τα συστήματα να λειτουργούν μαζί με υπευθυνότητα.

Πολλοί οργανισμοί μπορούν να μετρήσουν πόσο συχνά οι εργαζόμενοι χρησιμοποιούν ένα εργαλείο AI, αλλά η χρήση από μόνη της δεν αποδεικνύει ότι η επένδυση δημιουργεί αξία. Ποιοι δείκτες πρέπει να παρακολουθούν οι ηγέτες για να καθορίσουν εάν η AI βελτιώνει πραγματικά την παραγωγικότητα, τη λήψη αποφάσεων, την εμπειρία των εργαζομένων ή τα επιχειρηματικά αποτελέσματα;

Η χρήση είναι ένα ενδιαφέρον σημείο εκκίνησης, αλλά δεν είναι το αποτέλεσμα. Οι ηγέτες πρέπει να αναρωτηθούν εάν η AI μειώνει το χρόνο που απαιτείται για την ολοκλήρωση σημαντικών ροών εργασίας, εξαλείφει την επαναλαμβανόμενη εργασία, βελτιώνει την ποιότητα ή την ταχύτητα των αποφάσεων και μειώνει την τριβή για τους εργαζόμενους.

Θα εξετάσω δείκτες όπως ο χρόνος που εξοικονομείται ανά ροή εργασίας, τα ποσοστά ολοκλήρωσης εργασιών, τα ποσοστά σφαλμάτων, η ικανοποίηση των εργαζομένων, ο χρόνος επίλυσης, και τελικά οι επιχειρηματικοί δείκτες που συνδέονται με τη συγκεκριμένη λειτουργία που υλοποιεί την AI.

Οι πιο ισχυροί οργανισμοί θα συνδέσουν τους δείκτες AI άμεσα με τα επιχειρηματικά αποτελέσματα, αντί να γιορτάζουν τη δραστηριότητα για την ίδια της τη φύση.

Καθώς η επιχειρηματική AI εξελίσσεται από βοηθούς που δημιουργούν περιεχόμενο σε πράκτορες που μπορούν να εκτελούν ολοένα και πιο σύνθετες ροές εργασίας, τι πιστεύετε ότι οι επιχειρηματικοί ηγέτες υποτιμούν ακόμη σχετικά με τη σχέση μεταξύ της δυνατότητας της AI, της εμπιστοσύνης των εργαζομένων και της επιτυχημένης υιοθέτησης;

Πολλοί ηγέτες υποτιμούν ακόμη πόσο η εμπιστοσύνη καθορίζει το ανώτατο όριο της υιοθέτησης της AI.

Οι εταιρείες συχνά μιλούν για τη δυνατότητα της AI σαν να σημαίνει αυτόματα περισσότερη αξία. Δεν ισχύει. Ένα εξαιρετικά ικανό σύστημα που οι εργαζόμενοι δεν εμπιστεύονται μπορεί να δημιουργήσει λιγότερη αξία από ένα πιο περιορισμένο σύστημα που κατανοούν και χρησιμοποιούν με αυτοπεποίθηση.

Αυτό απαιτεί οι εταιρείες να σκέφτονται την τεχνολογία, τη διακυβέρνηση, την εμπειρία των εργαζομένων και την οργανωτική αλλαγή ως ένα ενιαίο σύστημα. Οι εταιρείες πρέπει να βρουν τρόπους να κάνουν την AI αρκετά αξιόπιστη ώστε να αλλάξει πραγματικά τον τρόπο εργασίας των ανθρώπων.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το Unily.