Arun Hiremath, EvoluteIQ:n liiketoimintajohtaja ja perustaja – Haastattelusarja

Arun Hiremath, EvoluteIQ:n liiketoimintajohtaja ja perustaja, on teknologiajohtaja ja yrittäjä, jolla on lähes kolmen vuosikymmenen kokemus yritysautomaatiosta, tuotestrategiasta, liiketoimintakehityksestä ja tietoliikenteestä. EvoluteIQ:ssa hän vastaa yrityksen liikevaihdon kasvusta ja asiakassuhteiden vahvistamisesta, erityisesti yrityksen eiq360-liiketoiminnassa. Ennen EvoluteIQ:han liittymistään Hiremath perusti ja johti matalan koodin alustan tarjoajan AmperAXP:n, joka yhdistettiin EvoluteIQ:han vuonna 2021. Aikaisemmassa urassaan hänellä oli senioriasiantuntijan asema Qualcommissa, Ikanos Communicationsissa, Conexant Systemsissa ja Globespanissa, sekä vastuu Aasia-Tyynenmeren alueen liiketoimintakehityksestä Tata Elxsissä.

EvoluteIQ on yritys, joka kehittää AI-pohjaista alustaa monimutkaisten liiketoimintaprosessien automaatioon ja orkesterointiin. EIQ-alusta yhdistää agenssiai:n, generatiivisen ai:n, prosessi- ja päätöksenteon automaation, robotin prosessiautomaation, älykkään datan ja tapahtumankäsittelyn, yritysliittymät, analytiikan ja sovelluskehityksen matalan koodin/ympäristössä. Alusta on suunniteltu korvaamaan hajanaiset automaatio-työkalut yhtenäisellä arkkitehtuurilla, joka auttaa organisaatioita luomaan sopeutuvia työnkulkuja, jotka yhdistävät perinteiset ja modernit järjestelmät säilyttäen yritystason hallinnan, turvallisuuden ja skaalautuvuuden. EvoluteIQ palvelee organisaatioita eri aloilla, kuten pankkitoiminnassa, vakuutusala, terveydenhuolto, tietoliikenne, valmistus, energia ja vähittäiskauppa.

Edellisessä haastattelussamme EvoluteIQ:n toimitusjohtajan Sameet Gupten kanssa, keskustelimme EvoluteIQ:n laajemmasta visiosta AI-pohjaisesta yritysautomaatiosta. Mitä on muuttunut eniten siinä, miten yritykset ajattelevat agenssiai:ta siitä lähtien?

Merkitsevin muutos on, että yritykset ovat lopettaneet kysymyksen “Voiko ai tehdä tämän” ja alkaneet kysyä “Voinko luottaa ai:hin tämän tekemiseen?”

Vuosi sitten suurin osa keskusteluista keskittyi siihen, mikä malli oli mikä. Asiakkaat ovat nyt paljon pragmaattisempia. He haluavat tietää, voiko ai koordinoida ihmisiä, sovelluksia, käytäntöjä, hyväksyntöjä, vaatimuksia ja muita agenteja mitattavissa olevan liiketoimintatuloksen saavuttamiseksi.

Vahinkojen käsittely on hyvä esimerkki. Ai itsessään ei välttämättä ole vaikea osa. Haaste on suunnitella, miten autonomiset agentit voivat työskennellä ihmisten ja IT-hallinnon rinnalla useissa järjestelmissä, tiimeissä ja poikkeuksissa.

Monet yritykset näyttävät edelleen käsittelevän ai:ta vain toisen ohjelmistokerroksen, joka on lisätty olemassa oleviin työnkulkuihin. Miksi tämä lähestymistapa on rajoittava, ja miltä näyttää, kun yritys suunnittelee prosessin uudelleen autonomisen suorittamisen kannalta alusta alkaen?

Ai:n asettaminen rikkinäisen prosessin päälle vain mahdollistaa väärän tuloksen saavuttamisen nopeammin.

Monet yrityksen työnkulut on suunniteltu 20 vuotta sitten manuaalisen päätöksenteon ympärille. Ai:n lisääminen toisena vaiheena saattaa optimoida prosessia, mutta se ei muuta sitä. Parempi kysymys on, mitkä päätökset vaativat todella ihmisen osallistumista ja mitkä voidaan turvallisesti delegoida autonomisille agenteille.

Kuluvaosan käsittelyssä esimerkiksi ai voi arvioida käytäntöjä, kulutusmallia, työntekijän historiaa ja liitteitä. Routinemäiset korvaukset voidaan hyväksyä muutamassa minuutissa, kun taas epätavalliset tapaukset voidaan eskaloida johtajille.

Olet väittänyt, että monet asiakkaat eivät niinkään kärsi toimittajan ongelmasta kuin toimintamallin ongelmasta. Mitkä ovat yleisimmät organisaatiot, jotka estävät yritysten ai:n laajentumisen pilottien ulkopuolelle?

Useimmat yritykset eivät kärsi ai-pulasta, vaan omistajuuspulasta.

IT omistaa infrastruktuurin. Liiketoiminta omistaa prosessin. Turvallisuus omistaa hallinnan. Datatiimit omistavat mallit. Operatiivinen osa omistaa suorittamisen. Mutta kukaan ei välttämättä omista sitä, miten kaikki nämä osat yhdistyvät toimivaksi liiketoimintaprosessiksi. Mitä puuttuu, on yhtenäinen tapa saada teknologia toimimaan.

Siksi pilotit usein muuttuvat eristetyiksi onnistumisiksi. Organisaatiot, jotka laajentavat automaatiota onnistuneesti, muuttavat toimintamallejaan eivätkä ostako vain enemmän teknologiaa. He luovat monitoimijaryhmiä, jotka omistavat liiketoimintatulokset yksittäisten järjestelmien sijaan. Tärkeä kysymys on: Kuka omistaa tuloksen, ja kuka on vastuussa sen toimittamisesta?

Missä piirrustat rajan hyödyllisen automaation, älykkään automaation ja todellisen agenssiautomaation välillä?

Katson niitä kolmena kypsymisen tasona. Automaatio seuraa ohjeita. Älykäs automaatio ymmärtää annettua tietoa. Agenssiautomaatio ymmärtää liiketoimintatavoitteen ja työskentelee tuloksen saavuttamiseksi.

Laskujen käsittelyssä perinteinen automaatio kopioidaan tietoa järjestelmien välillä. Älykäs automaatio lukee laskuja, poimii tiedon ja merkitsee epäjohdonmukaisuudet. Agenssiautomaatio voi tunnistaa puuttuvan tiedon, viestiä toimittajien kanssa, soveltaa liiketoimintakäytäntöjä, käsitellä poikkeuksia, hakea hyväksyntöjä ja suorittaa prosessin.

Erillisuus ei ole vain se, että ai on älykkäämpää. Erillisuus on se, että se omistaa tuloksen eikä vain yhtä tehtävää.

Yritysjohtajat ovat painostettuina osoittamaan ai:n tuottoa nopeasti, mutta monimutkaisten prosessien muutos vie aikaa. Miten yritykset voivat tasapainottaa nopeuden, hallinnan ja pitkän aikavälin toimintamallin muutosta?

Nopeus ilman hallintaa luo riskejä. Hallinta ilman nopeutta luo frustraatiota. Yritysten on tasapainotettava molempia.

Yritykset kannattaa aloittaa liiketoimintaprosessilla, jolla on merkitystä – jollakin, josta voidaan osoittaa mitattavaa arvoa – mutta rakentaa se perustalle, joka tukee hallintaa, turvallisuutta, havainnollisuutta ja vaatimustenmukaista toimintaa. Alkuperäinen ratkaisu ei saa muuttua uudeksi eristetyksi.

Virhe on uskoa, että hallinta hidastaa innovaatiota. Hyvä hallinta kiihdyttää todella omaksumista, koska se luo luottamusta. Kun oikeat valvontamekanismit on asennettu, organisaatiot voivat liikkua nopeammin ja laajentaa toimintaansa suuremmalla varmuudella.

EvoluteIQ on korostanut lopusta loppuun prosessiautomaatiota eristettyjen tehtävien automaation sijaan. Miksi tämä ero on niin tärkeä, kun siirrytään ai-kokeilusta tuotantoon?

Yritykset eivät kokemaa työtä yksittäisinä tehtävinä, vaan tuloksina. Kukaan ei juhli, koska asiakirjojen poiminta nopeutui 60 %. He juhlivat, koska asiakkaan pääsy nykyään kestää vain muutaman tunnin sijaan kahden viikon. Yksittäisten tehtävien parantaminen siirtää usein pullonkaulan toisaalle.

Kun syötteen, validoinnin, hyväksymisen, päätöksenteon, järjestelmäliittymien ja asiakasviestinnän orkesteroidaan yhtenä ai-pohjaisena työnkuluna, organisaatio alkaa nähdä merkityksellisiä liiketoimintatuloksia. Tehtävän optimointi parantaa tehokkuutta, mutta prosessin optimointi muuttaa koko yrityksen suorituskykyä ja voi vaikuttaa kannattavuuteen.

Pilvipalvelumarkkinat muuttuvat yhä enemmän yritysten ai-jakelu- ja löytökanaviksi. Miten näet alustojen, kuten Google Cloudin, muuttavan suurten organisaatioiden tapaa löytää, arvioida, hankkia ja ottaa käyttöön ai-pohjaista automaatiota?

Pilvipalvelumarkkinat tekevät yrityssovelluksille saman, mitä sovelluskaupat tekivät kuluttajille, mutta yritysten hallinnan ollessa sisäänrakennettuna.

Ne poistavat kitkaa hankinnan, turvallisuuden tarkastusten ja kaupallisten sopimusten yli. Organisaatiot voivat myös hyödyntää olemassa olevia pilviomistuksia, jolloin tiimit voivat keskittyä vähemmän ohjelmistojen hankkimiseen ja enemmän liiketoimintatuloksiin.

Asiakkaan ei tarvitse odottaa kuuden kuukauden hankintakiertoa vain arvioidakseen ai-pohjaista alustaa. Markkinat sallivat heidän aloittaa liiketoimintatulosten ratkaisemisen paljon nopeammin säilyttäen samalla vakiintuneen yrityshallinnan.

EvoluteIQ korosti hiljattain eiq360:aa Google Cloud- ja Gemini-pohjaisena alustana, joka voi muuttaa liiketoimintatavoitteita yrityksen valmiiksi työnkulkuiksi luonnollisen kielen avulla, säilyttäen hallinnan ja valvonnan. Mitä tämä siirtymä merkitsee ei-tekniikan osaaville liiketoimintakäyttäjille?

Siirrymme maailmasta, jossa liiketoimintakäyttäjät kuvaavat vaatimuksia insinööritiimille ja odottavat tuloksia, maailmaan, jossa käyttäjät kuvaavat tuloksia.

eiq360:n avulla käyttäjät voivat nyt kuvailla prosessia, jonka he haluavat parantaa luonnollisella kielellä. Alusta voi sitten auttaa luomaan yrityksen valmiiksi työnkulkuja soveltaen automaattisesti hallintaa, turvallisuutta, vaatimustenmukaista toimintaa ja operatiivisia valvontaa. Tämä ei poista IT:ää; se korottaa IT:ää. Teknologiatiimit voivat nyt keskittyä määrittämään yrityksen reunaehtoja, uudelleenkierrätettäviä palveluja ja hallintastandardeja sen sijaan, että rakentaisivat manuaalisesti jokaisen työnkulun. Se on yksi tärkeimmistä muutoksista, jonka ai tuo yrityssovelluksiin.

Lause “yrityksen ai pitäisi tuntua tylsältä” on vastakkainen suuntauseen suurimpaan osaan nykyisestä hypestä. Mitä pitäisi tuntua tylsältä, ennustettavalta tai toistuvilta ai:n käytön suhteen, kun sitä käytetään kriittisiin liiketoimintatuloksiin?

Kukaan ei halua, että palkanmaksu olisi jännittävää. Kukaan ei halua, että vakuutuskorvaus olisi yllättävää. Kukaan ei halua, että pankkitoimepiteet olisivat luovia.

Yrityksen ai pitäisi ehdottomasti olla innovatiivista kokeiluvaiheessa. Kun se siirtyy tuotantoon, se pitäisi muuttua ihmisille täysin ennustettavaksi. Se pitäisi tuottaa johdonmukaisia tuloksia, selittää päätöksiään, tunnistaa, kun luottamus on alhainen, ja pyytää ihmisen väliintuloa, kun se on tarpeen. Paras yrityksen ai ei ole se, josta kaikki haluavat puhua. Se on ai, jota kukaan ei huomaa, koska liiketoiminta toimii yksinkertaisesti paremmin.

Miten yritykset, jotka onnistuvat operaatiivisesti agenssiai:sta, eroavat niistä, jotka jäävät jumiin pilottivaiheeseen?

Voittajat eivät välttämättä ole niitä, joilla on kehittyneimmät ai-mallit. He ovat niitä, joilla on parhaat toimintamallit ai:lle. He suunnittelevat prosesseja uudelleen sen sijaan, että digitaalisivat epätehokkuuksia, rakentavat hallinnan ennen laajentamista ja luovat uudelleenkierrätettäviä yrityksen kykyjä eristettyjen kokeilujen sijaan.

Ennen kaikkea he lopettavat ai:n ajattelun toisena sovelluksena ja alkavat kohdella sitä uutena työvoimana, joka tekee yhteistyötä ihmisten, järjestelmien ja liiketoimintapolitiikkojen kanssa. Seuraava vuosikymmen on optimoimassa, miten ihmiset, ai-agentit ja yritysjärjestelmät työskentelevät yhdessä.