Rajan Sethuraman, CEO de LatentView Analytics – Serie de entrevistas

Rajan Sethuraman, CEO de LatentView Analytics, es un ejecutivo experimentado cuya carrera abarca consultoría, liderazgo de talentos y transformación empresarial, con liderazgos en Accenture y KPMG antes de unirse a LatentView. Su progresión de Chief People Officer a CEO refleja un fuerte énfasis en el desarrollo de talentos, el diseño organizacional y los modelos operativos escalables, que ahora dan forma a su enfoque de la inteligencia artificial y el análisis. Con una profunda experiencia en reclutamiento, aprendizaje y estrategia empresarial, ha centrado consistentemente su atención en alinear a las personas, la cultura y la tecnología para impulsar resultados medibles, culminando en liderar a LatentView a través de su oferta pública inicial y expansión global mientras posiciona la inteligencia artificial como una capacidad empresarial en lugar de una función independiente.

LatentView Analytics es una empresa global de análisis de datos y transformación digital que ayuda a las empresas a aprovechar los datos, la inteligencia artificial y el análisis avanzado para mejorar la toma de decisiones y impulsar el crecimiento. La empresa ofrece servicios como ingeniería de datos, análisis predictivos y consultoría impulsada por inteligencia artificial en diversas industrias, incluyendo servicios financieros, minoristas y tecnología, trabajando con clientes de Fortune 500 en todo el mundo. Su valor fundamental radica en transformar los datos brutos en conocimientos acciónables que permiten a las empresas optimizar sus operaciones, anticipar tendencias y crear ventajas competitivas en una economía cada vez más digital.

Comenzó su carrera en consultoría y liderazgo de talentos en Accenture y KPMG antes de convertirse en CEO de LatentView Analytics, donde lideró la empresa a través de su oferta pública inicial y primera adquisición. ¿Cómo ha influido su experiencia en desarrollo de talentos y estrategia organizacional en la forma en que escala la inteligencia artificial y el análisis hoy en día?

Al principio de mi carrera, me centré mucho en el talento, el desarrollo de liderazgo y la construcción de organizaciones que pudieran escalar. Esa experiencia sigue influyendo en cómo pienso sobre la inteligencia artificial hoy en día. La tecnología por sí sola no escala una organización. Lo que importa es cómo los equipos adoptan la tecnología, cómo los líderes se alinean alrededor de ella y cómo se define claramente el problema empresarial. En LatentView, pasamos mucho tiempo ayudando a las organizaciones a construir el modelo operativo, las habilidades y la cultura necesarias para convertir el análisis y la inteligencia artificial en procesos de toma de decisiones diarias.

Por eso, tiendo a pensar en la inteligencia artificial a través de la lente de la preparación organizacional. Escalar la inteligencia artificial requiere una sólida experiencia en el dominio, cimientos de datos y equipos que puedan traducir conocimientos en acción. Mi enfoque siempre ha sido construir esas capacidades juntas en lugar de tratar la inteligencia artificial como una capacidad aislada.

Habla sobre el minimalismo de la inteligencia artificial — priorizar la claridad, la curiosidad y la cultura sobre perseguir cada nueva tendencia de la inteligencia artificial generativa. ¿Cómo se ve el minimalismo de la inteligencia artificial en la práctica para los líderes empresariales?

El minimalismo de la inteligencia artificial comienza con el enfoque. Los líderes empresariales no necesitan perseguir cada nuevo modelo o capacidad que aparezca. Necesitan un número pequeño de problemas significativos donde la inteligencia artificial pueda mejorar las decisiones o la productividad de manera medible. Eso podría ser decisiones de precios, planificación de la cadena de suministro o cómo se mueve el conocimiento a través de la organización. Comenzar con un problema bien definido ayuda a los equipos a construir confianza y a aprender qué es realmente la escalabilidad responsable.

También significa integrar la inteligencia artificial en flujos de trabajo reales en lugar de tratarla como un experimento aislado. Cuando los equipos ven la tecnología ayudándolos a resolver problemas cotidianos, la adopción tiende a crecer de manera natural. La curiosidad y la experimentación siguen siendo importantes, pero funcionan mejor cuando están ancladas en un sentido claro de propósito.

Muchas organizaciones se apresuran a adoptar la inteligencia artificial generativa sin fortalecer primero sus cimientos de datos. ¿Cuáles son las señales de advertencia de que una empresa está construyendo sobre un terreno inestable?

Una cosa que suelo notar es cuando la conversación sobre la inteligencia artificial avanza mucho más rápido que la conversación sobre los datos. Si los líderes hablan sobre copilotos y modelos generativos pero todavía hay confusión sobre dónde viven los datos clave, quién los posee o qué métricas de negocio realmente se confían, eso suele ser una señal de que la base no está lista todavía. Los sistemas de inteligencia artificial dependen en gran medida de datos confiables y bien gobernados. Sin eso, se vuelve difícil para las personas confiar en los resultados.

Desde que asumió el cargo de CEO, ha impulsado un impacto medible para clientes globales. ¿Qué diferencia a las empresas que operacionalizan con éxito la inteligencia artificial de aquellas que permanecen atascadas en el modo de prueba?

Las empresas que escalan la inteligencia artificial con éxito la tratan como una disciplina operativa, no como un proyecto de innovación lateral. Asignan la propiedad ejecutiva, conectan los casos de uso con resultados comerciales medibles y diseñan para la integración desde el principio. También invierten en el trabajo menos glamoroso, como tuberías de datos, gobernanza, rediseño de procesos y adopción de usuarios. Esa es usualmente la diferencia entre una prueba que atrae la atención y una capacidad que realmente cambia cómo se toman las decisiones.

En LatentView, hemos visto que las empresas se mueven más rápido cuando anclan la inteligencia artificial en un problema empresarial que ya es importante para la empresa, como mejorar la precisión de la planificación, los resultados de inventario o la visibilidad del proveedor. La inteligencia artificial que se vincula a las métricas que la empresa ya cuida tiene una mejor oportunidad de obtener financiamiento, gobernanza y adopción a escala.

¿Cómo aborda la escalabilidad responsable de la inteligencia artificial en una gran organización mientras mantiene la gobernanza, la seguridad y la rendición de cuentas?

La escalabilidad responsable comienza con el reconocimiento de que las decisiones de la inteligencia artificial eventualmente afectan a clientes, empleados y resultados empresariales reales. Eso significa que la gobernanza no puede ser un pensamiento posterior. Las organizaciones necesitan políticas claras sobre el acceso a los datos, la supervisión de los modelos y el monitoreo una vez que los sistemas estén en producción.

En la práctica, los modelos de gobernanza más efectivos son multifuncionales. Los líderes empresariales, los equipos de tecnología y los grupos de riesgo o cumplimiento necesitan estar involucrados. Los sistemas de inteligencia artificial también se benefician de la transparencia sobre cómo se generan los resultados y dónde el juicio humano sigue siendo esencial. Con los guardrails establecidos temprano, las organizaciones pueden expandir la adopción mientras mantienen la confianza.

LatentView trabaja con empresas en diferentes niveles de madurez digital. ¿Cómo difiere su estrategia de inteligencia artificial al asesorar a una organización versus una que aún se encuentra al comienzo de su viaje analítico?

Con una organización, la conversación suele ser sobre aceleración. Ya tienen activos de datos significativos, así que nos centramos en priorizar casos de uso de alto valor, mejorar la accesibilidad y integrar la inteligencia artificial en flujos de trabajo donde el negocio pueda actuar rápidamente. Eso podría significar recuperación de conocimientos empresariales, planificación conectada en la cadena de suministro o modelos específicos del dominio que mejoran la velocidad de decisión en funciones.

Para las organizaciones que se encuentran al comienzo de su viaje, el punto de partida es diferente. Pasamos más tiempo en la preparación de los datos, la gobernanza, la modernización de la inteligencia empresarial y la construcción de capacidades para que la empresa pueda apoyar la inteligencia artificial de manera sostenible. En esas situaciones, la evaluación de la madurez y la secuenciación importan mucho. No querrás prometer un futuro agente a un negocio que todavía carece de datos confiables, KPI comunes o alineación ejecutiva sobre el problema que está tratando de resolver.

Dado su profunda experiencia en adquisición de talentos y aprendizaje, ¿qué habilidades deberían priorizar las empresas para desarrollar internamente en la era de la inteligencia artificial versus contratar externamente?

Internamente, creo que las empresas deberían centrarse en construir una amplia alfabetización en inteligencia artificial y datos. No todos necesitan convertirse en científicos de datos, pero las personas en todo el negocio deberían priorizar la toma de decisiones basadas en conocimientos, hacer mejores preguntas y utilizar herramientas de inteligencia artificial en su flujo de trabajo diario. Cuando esta práctica se extiende por los equipos, se vuelve mucho más fácil identificar dónde la inteligencia artificial puede ayudar genuinamente y dónde probablemente no debería usarse.

Externamente, los contratos tienden a ser más especializados. Áreas como la ingeniería de datos, la arquitectura del aprendizaje automático y la gobernanza de la inteligencia artificial requieren una profunda experiencia que las organizaciones pueden no tener siempre en casa. Las empresas que lo hacen bien suelen combinar a esos especialistas con equipos de negocio que entienden el contexto y las decisiones que necesitan mejorar.

La resistencia cultural a menudo ralentiza la transformación. ¿Qué comportamientos de liderazgo ha encontrado más efectivos para generar confianza y momentum alrededor de la adopción de la inteligencia artificial?

La comunicación clara desde el liderazgo hace una gran diferencia. Los empleados quieren entender por qué se introducen nuevas tecnologías y cómo se conectan con la estrategia de la empresa. Explicar el propósito detrás de las iniciativas de inteligencia artificial y vincularlas a objetivos empresariales reales ayuda a construir confianza en toda la organización.

El aprendizaje es igualmente importante. La automatización y la inteligencia artificial ya están cambiando muchos roles, así que las empresas necesitan apoyar activamente a los empleados en el desarrollo de nuevas capacidades. Las personas se involucran mucho más abiertamente con el cambio cuando ven oportunidades reales para construir nuevas habilidades y crecer junto con la tecnología.

A medida que la inteligencia artificial se integra en los procesos de toma de decisiones, ¿cómo deberían los consejos de administración y los equipos ejecutivos replantear las métricas de desempeño y la rendición de cuentas?

La inteligencia artificial cambia cómo se toman las decisiones, así que los equipos de liderazgo necesitan mirar más allá de las métricas de proyecto tradicionales. La verdadera pregunta se convierte en si la inteligencia artificial está mejorando la calidad y la velocidad de las decisiones en áreas que importan al negocio. Eso podría significar mejores previsiones de la demanda, decisiones de precios más precisas o respuestas más rápidas a los cambios en el mercado.

Si esos resultados mejoran, la inteligencia artificial está haciendo su trabajo. El desempeño de la inteligencia artificial no puede estar en un panel separado del desempeño empresarial durante mucho tiempo.

La rendición de cuentas también necesita ser más clara. Alguien todavía posee los datos, alguien es responsable de monitorear los modelos en producción y alguien toma finalmente la decisión. La inteligencia artificial puede apoyar esas decisiones, pero la gobernanza y la supervisión siguen siendo esenciales.

En los próximos tres a cinco años, ¿qué cambios en la adopción de la inteligencia artificial empresarial importarán más — y qué deberían empezar a hacer los líderes ahora para mantenerse por delante?

En los próximos años, la inteligencia artificial comenzará a aparecer mucho más dentro de las decisiones comerciales diarias. Muchas empresas han pasado tiempo experimentando con pruebas y conceptos. El siguiente paso es asegurarse de que esas capacidades realmente apoyen cómo los equipos planifican, prevén la demanda, gestionan las cadenas de suministro o toman decisiones de marketing.

El trabajo también evolucionará a medida que la inteligencia artificial se vuelva más capaz. A medida que las tareas rutinarias se automaticen, los roles se desplazarán hacia la guía, la interpretación y el trabajo junto con los sistemas de inteligencia artificial. Las organizaciones que fortalezcan sus cimientos de datos y ayuden a los empleados a construir esas capacidades se adaptarán mucho más fácilmente a medida que la inteligencia artificial se convierta en parte de las operaciones diarias.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar LatentView Analytics.