Rajan Sethuraman, LatentView Analyticsin toimitusjohtaja – Haastattelusarja

Rajan Sethuraman, LatentView Analyticsin toimitusjohtaja, on kokenut johtaja, jonka ura kattaa konsultoinnin, kykyjohtamisen ja yritystransformaation, ja hän on toiminut aiemmin Accenturessa ja KPMG:ssa ennen liittymistään LatentView’hun. Hänen uransa kehittyminen Chief People Officerista toimitusjohtajaksi heijastaa vahvaa painotusta kykykehitykselle, organisaatiorakenteelle ja skaalautuville toimintamalleille, jotka nyt muokkaavat hänen lähestymistapaansa tekoälyyn ja analytiikkaan. Syvällä kokemuksella palkkatoimistossa, koulutuksessa ja liiketoimintastrategiassa hän on jatkuvasti keskittynyt siihen, miten ihmiset, kulttuuri ja teknologia voivat tukea toisiaan saavuttamaan mitattavia tuloksia, ja hän on johtanut LatentView’ta sen listautumisessa ja kansainvälisessä laajentumisessa sekä asettamalla tekoälyn liiketoimintakapasiteetiksi eikä erilliseksi toiminnoksi.

LatentView Analytics on globaali data-analytiikka- ja digitaalisen transformaation yritys, joka auttaa yrityksiä hyödyntämään dataa, tekoälyä ja edistyneitä analyytikkoja päätöksenteon parantamiseksi ja kasvun edistämiseksi. Yritys tarjoaa palveluita, kuten data-insinööritöitä, prediktiviisiä analyytikkoja ja tekoälykonsultointia eri aloilla, kuten rahoituspalveluissa, vähittäiskaupassa ja teknologiassa, ja se työskentelee Fortune 500 -asiakkaiden kanssa maailmanlaajuisesti. Sen ydin arvo on muuttaa raakadataa toimintatiedoksi, joiden avulla yritykset voivat optimoida toimintojaan, ennakoida trendejä ja luoda kilpailuetua kasvavan talouden keskellä.

Mistä lähtien aloitit urasi konsulttina ja kykyjohtajana Accenturessa ja KPMG:ssa, ja miten sinun taustasi kykykehityksessä ja organisaatiotaktiikassa on vaikuttanut siihen, miten skaalautat tekoälyä ja analytiikkaa nykyään?

Varhaisessa urassani painopisteenä oli vahvasti kyky, johtamisen kehittäminen ja organisaatioiden rakentaminen, jotka voivat skaalautua. Se kokemus vaikuttaa edelleen siihen, miten ajattelen tekoälyä. Teknologia yksinään ei skaalaa organisaatiota. Se, mitä on tärkeää, on se, miten tiimit omaksuvat sen, miten johtajat asettavat sen yhteyteen, ja miten selkeästi liiketoimintaprobleema on määritelty. LatentView’ssa vietämme paljon aikaa auttaaksemme organisaatioita rakentamaan toimintamallia, taitoja ja kulttuuria, joita tarvitaan analytiikan ja tekoälyn päivittäiseen päätöksentekoon.

Olet puhunut tekoälyn minimalismista — priorisoida selkeys, uteliaisuus ja kulttuuri uusimpien GenAI-trendien metsästämisen sijasta. Miltä tekoälyn minimalismi näyttää käytännössä yritysjohtajille?

Tekoälyn minimalismi alkaa fokuksella. Yritysjohtajat eivät tarvitse jokaista uutta mallia tai kykyä, joka ilmestyy. He tarvitsevat vain muutaman merkittävän ongelman, jossa tekoäly voi parantaa päätöksiä tai tuottavuutta mitattavalla tavalla. Se voi olla hintapäätöksiä, tarjontaketjun suunnittelua tai tietojen siirtämistä organisaatiossa. Aloittaminen hyvin määritellystä ongelmasta auttaa tiimejä rakentamaan luottamusta ja oppimaan, mitä vastuullinen skaalautuminen todella tarkoittaa.

Monet yritykset kiirehtivät generatiiviseen tekoälyyn vahvistamatta ensin dataperustaa. Mitkä ovat varoitusmerkit siitä, että yritys rakentaa epävakaaan perustaan?

Yksi asia, jota usein huomaan, on kun tekoälykeskustelu etenee paljon nopeammin kuin datakeskustelu. Jos johtajat puhuvat copiloteista ja generatiivisista malleista, mutta siitä, missä avaindata sijaitsee, kuka omistaa sen tai mitkä mittarit liiketoiminta todella luottaa, on edelleen epäselvää, se on yleensä merkki siitä, että perusta ei ole valmis vielä. Tekoälyjärjestelmät riippuvat voimakkaasti luotettavasta ja hyvin hallitusta datasta. Ilman sitä on vaikea ihmisille luottaa tuloksiin.

Siitä lähtien, kun otit vastaan toimitusjohtajan tehtävät, olet johtanut mittavasti vaikuttavaa tulosta globaaleille asiakkaille. Mitkä ovat tekijät, jotka erottavat yritykset, jotka operaatiivisesti toteuttavat tekoälyä, niistä, jotka jäävät kiinni pilotointivaiheeseen?

Yritykset, jotka skaalautuvat tekoälyä menestyksekkäästi, käsittelevät sitä toimintatapana, ei innovaatioprojektina. He määrittävät toimitusjohtajan omistajuuden, yhdistävät käyttötapausten mittaavissa liiketoimintatuloksiin ja suunnittelevat integraatiota alusta alkaen. He myös investoivat vähemmän glamourisissa töissä, kuten dataputkistoihin, hallintoon, prosessin uudelleensuunnitteluun ja käyttäjähyväksyntään. Se on yleensä ero pilotin ja kyvykkyyden välillä, joka todella muuttaa päätöksentekoa.

Miten lähestyt tekoälyn vastuullista skaalautumista laajan organisaation sisällä ylläpitäen hallintaa, turvallisuutta ja vastuuta?

Vastuullinen skaalautuminen alkaa tunnustamalla, että tekoälypäätökset lopulta vaikuttavat oikeasti asiakkaisiin, työntekijöihin ja liiketoimintatuloksiin. Se tarkoittaa, että hallintaa ei voida jättää huomiotta. Organisaatioille tarvitaan selkeät käytäntöjä datan käytölle, mallin valvonnalle ja seurannalle, kun järjestelmät ovat tuotannossa.

LatentView työskentelee eri tasolla olevien yritysten kanssa. Miten teidän tekoälystrategia eroaa, kun neuvottelette yrityksen kanssa, joka on jo edennyt, verrattuna siihen, joka on vasta aloittamassa analytiikkaansa?

Kun yritys on jo edennyt, keskustelu on usein kiihdyttämisestä. Heillä on jo merkittäviä data-omaisuuksia, joten keskitymme priorisoimaan arvokkaita käyttötapausten parantamiseen, parantamiseen ja upottamiseen työprosesseihin, joissa liiketoiminta voi toimia nopeasti. Se voi tarkoittaa esimerkiksi yrityksen tietojen hakua, yhdistettyä suunnittelua tarjontaketjussa tai toimialakohtaisia malleja, jotka parantavat päätöksenteon nopeutta eri toimintojen kesken.

Johtuen syvää kokemustasi palkkatoimistossa ja koulutuksessa, mitkä taidot yritysten tulisi priorisoida kehittääksesi sisäisesti tekoälyaikakaudella verrattuna ulkoiseen palkkaukseen?

Sisäisesti yritysten tulisi priorisoida laajan tekoäly- ja datakirjallisuuden kehittäminen. Kaikki eivät tarvitse tulla data-tutkijoiksi, mutta ihmisten tulisi ympäri yritystä priorisoida päätöksiä perustuen näkemiin, kysyä parempia kysymyksiä ja käyttää tekoälytyökaluja päivittäisessä työssään. Kun tämä käytäntö leviää joukkoihin, on paljon helpompaa tunnistaa, missä tekoäly voi todella auttaa ja missä se ei välttämättä ole tarpeen.

Kulttuurinen vastarinta usein hidastaa muutosta. Mitkä johtamisen käyttäytymiset olet löytänyt tehokkaimmiksi luomaan luottamusta ja vauhtia tekoälyn omaksumisessa?

Selkeä viestintä johtajilta tekee suuren eron. Työntekijät haluavat ymmärtää, miksi uusia teknologioita otetaan käyttöön ja miten ne liittyvät yrityksen strategiaan. Selittäminen tekoälyaloitteiden tarkoitus ja sitominen oikeisiin liiketoimintatavoitteisiin auttaa luomaan luottamusta koko organisaatiossa.

Kun tekoäly uppoaa päätöksentekoprosesseihin, miten hallitukset ja toimitusjohtajat tulisi uudelleenarvioida suorituskykymittareita ja vastuuta?

Tekoäly muuttaa, miten päätökset tehdään, joten johtoryhmien on tarkasteltava perinteisten projektiarvioiden ulkopuolella. Todellinen kysymys on, parantavatko tekoälypäätökset päätöksenteon laatua ja nopeutta alueilla, jotka ovat tärkeitä liiketoiminnalle. Se voi tarkoittaa esimerkiksi parempia ennusteita, tarkempien hintapäätösten tekemistä tai nopeampaa reagointia markkinamuutoksiin.

Seuraavien kolmen vuoden aikana, mitkä ovat tärkeimmät muutokset yritysten tekoälyn omaksumisessa — ja mitä johtajien tulisi aloittaa nyt pysyäkseen edellä?

Seuraavien vuosien aikana tekoäly alkaa näkyä enemmän jokapäiväisissä liiketoimintapäätöksissä. Monet yritykset ovat viettäneet aikaa kokeilemassa pilotteja ja konseptin todistamista. Seuraava askel on varmistaa, että nämä kyvykkyydet todella tukevat tiimien suunnittelua, tarjontaketjun suunnittelua, markkinointipäätöksiä tai muiden toimintojen päätöksiä.

Kiitos haastattelusta. Lukijat, jotka haluavat oppia enemmän, voivat vierailla LatentView Analytics -sivustolla.