Arun Hiremath, Director de Negocios y Co-Fundador de EvoluteIQ – Serie de Entrevistas

Arun Hiremath, Director de Negocios y Co-Fundador de EvoluteIQ, es un ejecutivo de tecnología y emprendedor con casi tres décadas de experiencia en automatización empresarial, estrategia de productos, desarrollo de negocios y telecomunicaciones. En EvoluteIQ, es responsable de impulsar el crecimiento de los ingresos y fortalecer las relaciones con los clientes, particularmente a través del negocio eiq360 de la empresa. Antes de unirse a EvoluteIQ, Hiremath co-fundó y dirigió la plataforma de bajo código AmperAXP, que se integró en EvoluteIQ en 2021. Su carrera anterior incluyó puestos de gestión de productos senior en Qualcomm (QCOM ), Ikanos Communications, Conexant Systems y Globespan, así como la responsabilidad de desarrollo de negocios en Asia-Pacífico en Tata Elxsi (TATAELXSI.BO ).

EvoluteIQ es una empresa de software empresarial que desarrolla una plataforma nativa de IA para automatizar y orquestar procesos comerciales complejos de extremo a extremo. Su plataforma EIQ combina IA agente, IA generativa, automatización de procesos y decisiones, automatización de procesos robóticos, procesamiento de datos e eventos inteligentes, integraciones empresariales, análisis y desarrollo de aplicaciones en un entorno de bajo código/sin código. Diseñada para reemplazar herramientas de automatización fragmentadas con una arquitectura unificada, la plataforma ayuda a las organizaciones a construir flujos de trabajo adaptativos que conectan sistemas legados y modernos mientras mantienen la gobernanza, la seguridad y la escalabilidad a nivel empresarial. EvoluteIQ sirve a organizaciones en diversas industrias, incluyendo banca, seguros, atención médica, telecomunicaciones, fabricación, energía y minoristas.

En nuestra entrevista anterior con Sameet Gupte, CEO de EvoluteIQ, discutimos la visión más amplia de EvoluteIQ para la automatización empresarial nativa de IA. Desde su perspectiva trabajando estrechamente con los clientes, ¿qué ha cambiado más en la forma en que las empresas piensan en la IA agente desde esa conversación?

El mayor cambio es que las empresas han dejado de preguntar, “¿Puede hacerlo la IA” y han comenzado a preguntar, “¿Puedo confiar en la IA para que lo haga”

Hace un año, la mayoría de las conversaciones se centraban en qué modelo tenía qué capacidades. Los clientes son mucho más pragmáticos ahora. Quieren saber si la IA puede coordinar a las personas, aplicaciones, políticas, aprobaciones, cumplimiento y otros agentes alrededor de un resultado empresarial medible.

El procesamiento de reclamaciones es un buen ejemplo. La IA en sí no es necesariamente la parte difícil. El desafío es diseñar cómo los agentes autónomos trabajan junto con las personas y dentro de la gobernanza de TI en múltiples sistemas, equipos y excepciones.

Muchas empresas aún parecen tratar la IA como otra capa de software agregada encima de los flujos de trabajo existentes. ¿Por qué ese enfoque es limitante, y qué se ve cuando una empresa rediseña un proceso alrededor de la ejecución autónoma desde el principio?

Poner la IA encima de un proceso roto simplemente te permite llegar al resultado incorrecto más rápido.

Muchos flujos de trabajo empresariales se diseñaron hace 20 años alrededor de la toma de decisiones manuales. Agregar la IA como otro paso puede optimizar el proceso, pero no lo transforma. La mejor pregunta es qué decisiones genuinamente requieren un humano en el bucle, y cuáles se pueden delegar de manera segura a agentes autónomos.

En la gestión de gastos, por ejemplo, la IA puede evaluar políticas, patrones de gastos, historial de empleados y documentos de apoyo. Las reclamaciones rutinarias se pueden aprobar en minutos, mientras que solo los casos inusuales se escalan a los gerentes.

Has argumentado que muchos clientes no tienen un problema de proveedor tanto como un problema de modelo de operación. ¿Cuáles son los problemas organizacionales más comunes que impiden que la IA empresarial se amplíe más allá de las pruebas piloto?

La mayoría de las empresas no tienen una escasez de IA; tienen una escasez de propiedad.

TI posee la infraestructura. El negocio posee el proceso. La seguridad posee la gobernanza. Los equipos de datos poseen los modelos. Las operaciones poseen la ejecución. Pero nadie necesariamente posee cómo todas esas piezas se unen para entregar un proceso de negocio autónomo. Lo que falta es una forma unificada de poner la tecnología a trabajar.

Eso es por qué las pruebas piloto a menudo se convierten en éxitos aislados. Las organizaciones que escalan la automatización con éxito están cambiando sus modelos de operación, no simplemente comprando más tecnología. Están creando equipos multifuncionales que poseen conjuntamente los resultados comerciales en lugar de sistemas individuales. La pregunta importante es: ¿Quién posee el resultado, y quién es responsable de entregarlo?

¿Dónde dibujas la línea entre la automatización útil, la automatización inteligente y la automatización agente verdadera?

Los veo como tres etapas de madurez. La automatización sigue instrucciones. La automatización inteligente entiende la información que se proporciona. La automatización agente entiende el objetivo comercial y trabaja hacia el resultado.

En el procesamiento de facturas, la automatización tradicional copia información entre sistemas. La automatización inteligente lee facturas, extrae datos y marca inconsistencias. Luego, la automatización agente puede identificar información faltante, comunicarse con proveedores, aplicar políticas comerciales, manejar excepciones, obtener aprobaciones y completar el proceso.

La diferencia no es simplemente que la IA es más inteligente. La diferencia es que posee el resultado en lugar de una tarea.

Los líderes empresariales están bajo presión para mostrar un retorno de la inversión en IA rápidamente, pero la transformación de procesos complejos lleva tiempo. ¿Cómo deberían equilibrar las empresas la velocidad, la gobernanza y el cambio en el modelo de operación a largo plazo?

La velocidad sin gobernanza crea riesgo. La gobernanza sin velocidad crea frustración. Las empresas deben equilibrar ambas.

Las empresas deben comenzar con un proceso comercial que importe, algo visible que pueda demostrar un valor medible, pero construirlo sobre una base que apoye la gobernanza, la seguridad, la observabilidad y el cumplimiento. La solución inicial no debe convertirse en otro silo.

El error es creer que la gobernanza ralentiza la innovación. La buena gobernanza en realidad acelera la adopción porque crea confianza. Una vez que los controles adecuados estén en su lugar, las organizaciones pueden moverse más rápido y escalar con mayor confianza.

EvoluteIQ ha enfatizado la automatización de procesos de extremo a extremo en lugar de automatizar tareas aisladas. ¿Por qué esa distinción es tan importante cuando se pasa de la experimentación de IA a la implementación de producción?

Las empresas no experimentan el trabajo como tareas individuales, experimentan resultados. Nadie celebra porque la extracción de documentos se volvió un 60% más rápida. Celebran porque la incorporación de clientes ahora lleva solo unas horas en lugar de dos semanas. Mejorar tareas aisladas a menudo solo desplaza el cuello de botella a otro lugar.

Cuando la ingesta, la validación, las aprobaciones, la toma de decisiones, las integraciones de sistemas y la comunicación con el cliente se orquestan como un flujo de trabajo de IA nativo, la organización comienza a ver resultados comerciales significativos. Optimizar una tarea mejora la eficiencia, pero optimizar el proceso cambia el rendimiento comercial general y puede afectar la cuenta de pérdidas y ganancias.

Los mercados en la nube están convirtiéndose cada vez más en canales de distribución para la automatización de IA empresarial. ¿Cómo ves que las plataformas como Google Cloud cambian la forma en que las grandes organizaciones descubren, evalúan, adquieren y despliegan la automatización de IA nativa?

Los mercados en la nube están haciendo para el software empresarial lo que las tiendas de aplicaciones hicieron para los consumidores, pero con la gobernanza empresarial integrada.

Eliminan la fricción en la adquisición, las revisiones de seguridad y los acuerdos comerciales. Las organizaciones también pueden aprovechar los compromisos de nube existentes, lo que permite a los equipos centrarse menos en cómo comprar software y más en los resultados comerciales.

Un cliente no debería tener que esperar un ciclo de adquisición de seis meses solo para evaluar una plataforma de automatización de IA nativa. Los mercados permiten que comiencen a resolver problemas comerciales mucho más rápido mientras permanecen dentro de la gobernanza empresarial establecida.

EvoluteIQ destacó recientemente eiq360 como una plataforma basada en Google Cloud y Gemini que puede convertir la intención comercial en flujos de trabajo empresariales listos para su uso utilizando lenguaje natural, mientras mantiene la gobernanza y el control. ¿Qué significa ese cambio para los usuarios de negocios no técnicos?

Estamos pasando de un mundo donde los usuarios de negocios describen requisitos a los equipos de ingeniería y esperan los resultados, a uno donde los usuarios describen resultados.

Con eiq360, los usuarios pueden describir el proceso que desean mejorar en lenguaje natural. La plataforma puede generar entonces flujos de trabajo empresariales listos para su uso mientras aplica automáticamente la gobernanza, la seguridad, el cumplimiento y los controles operativos.

Esto no elimina a TI; lo eleva. Los equipos de tecnología pueden centrarse ahora en definir los guardrail de la empresa, los servicios reutilizables y los estándares de gobernanza en lugar de construir manualmente cada flujo de trabajo. Ese es uno de los cambios más importantes que la IA está trayendo a la empresa de software como la vemos.

La frase “la IA empresarial debería ser aburrida” va en contra de mucho del hype actual. ¿Qué debería ser aburrido, predecible o repetible sobre la IA cuando se utiliza para la ejecución comercial de misión crítica?

Nadie quiere que la nómina sea emocionante. Nadie quiere que una reclamación de seguros sea sorprendente. Nadie quiere que una transacción bancaria sea creativa.

La IA empresarial debería ser absolutamente innovadora durante la experimentación. Una vez que entra en producción, debería volverse maravillosamente predecible. Debería producir resultados consistentes, explicar sus decisiones, reconocer cuándo la confianza es baja y solicitar la intervención humana cuando sea necesario. La mejor IA empresarial no es la IA de la que todos quieren hablar. Es la IA que nadie nota porque el negocio simplemente funciona mejor.

Mirando hacia adelante, ¿qué separará a las empresas que operacionalizan con éxito la IA agente de aquellas que permanecen atascadas en el modo de prueba?

Los ganadores no necesariamente tendrán los modelos de IA más avanzados. Tendrán los mejores modelos de operación para la IA. Rediseñarán procesos en lugar de digitalizar ineficiencias, construirán la gobernanza antes de escalar y crearán capacidades empresariales reutilizables en lugar de pruebas de concepto aisladas.

Lo más importante es que dejarán de pensar en la IA como otra aplicación y comenzarán a tratarla como una nueva fuerza laboral que colabora con las personas, los sistemas y las políticas comerciales. La próxima década será sobre optimizar cómo las personas, los agentes de IA y los sistemas empresariales trabajan juntos.