Sarah Edwards, Kantatan tuote- ja strategiajohtaja – Haastattelusarja

Sarah Edwards, Kantatan tuote- ja strategiajohtaja, tuo yli 27 vuoden kokemuksen ammattipalveluista, konsultoinnista, tuotestrategiasta ja liiketoimintajohtamisesta. Uransa aikana hän on työskennellyt sekä Pohjois-Amerikassa että Euroopassa, luoden ja skaalaten palvelujärjestelmiä sekä kehittäen syvää asiantuntemusta projektien toimituksessa, resurssien hallinnassa ja operatiivisessa erinomaisuudessa. Ennen Kantataan liittymistään Edwardsilla oli johtotehtäviä Hitachi Consultingissa, jossa hän johti globaaleja tiimejä, ja aikaisemmin auttoi kasvattamaan konsulttitoimistoja, kuten Fulcrum Solutionsia ja Edenbrookia. Kantatassa hän vastaa tuote- ja strategiahankkeiden ohjauksesta yhtiön tuoteportfolion yli, auttaen ammattipalvelujärjestelmiä parantamaan näkyvyyttä, ennustetta, resurssien aloittamista ja liiketoiminnan suorituskykyä tarkoitukseen sopivien teknologiaratkaisujen avulla.

Kantata on ammattipalvelujen automaatio-ohjelmistojen (PSA) johtava tarjoaja, joka keskittyy yksinomaan konsulttitoimistojen, agentuurien, IT-palveluntarjoajien ja muiden projektiperusteisten organisaatioiden tarpeisiin. Mavenlinkin ja Kimblen yhdistymisen kautta muodostettu yhtiö tarjoaa tekoälypohjaisen alustan, joka yhdistää projektisuunnittelun, resurssien hallinnan, taloudelliset toiminnot, ennusteen, yhteistyön ja liiketoimintatiedon yhdenmukaiseen ympäristöön. Teknologia on suunniteltu auttamaan organisaatioita parantamaan projektien kannattavuutta, optimoimaan työvoiman käyttöä, lisäämään ennusteen tarkkuutta ja saamaan reaaliaikaisen näkyvyyden koko palvelun toimituselinkaisten aikana. Yhdistämällä operatiiviset tiedot tekoälyohjatuilla oivalluksilla Kantata auttaa ammattipalvelujärjestelmiä tekemään perustuvampia päätöksiä, parantamaan toimitustuloksia ja skaalautumaan tehokkaasti yhä monimutkaisemmissa liiketoimintaympäristöissä.

Millainen on ollut sinun urasi alku ja miten se on vaikuttanut siihen, missä kohtaa tekoäly voi luoda eniten arvoa ammattipalvelujärjestelmille, ja mitkä opit edellisistä konsulttiympäristöistä ovat edelleen voimassa?

Urani alusta lähtien ammattipalvelujen teollisuus ei ole juuri muuttunut 30 vuoden aikana. Sääntökirja oli kasvattaa liiketoimintaa kasvattamalla henkilöstöä; mitä enemmän työntekijöitä, sitä enemmän projekteja voitiin ottaa vastaan. Mutta nyt, tuo pelikirja on kirjoitettu uudelleen täysin kiitos tekoälylle ja uudelle tekniikalle. Kuulen paljon enemmän epävarmuutta alan sisällä tällä hetkellä kuin koskaan aiemmin. Miltä näyttää kykymme? Mitä tarvitsen ihmisten ja agenttien osalta? Miten laskutan tekoälyagentteja? Kukaan ei tiedä näiden kysymysten oikeita vastauksia vielä.

Mitä tiedämme, on, että jos yritykset pitävät kiinni vanhasta liiketoimintamallista, jossa yritetään kasvattaa liikevaihtoa henkilöstön määrällä, se johtaa vain kilpailuun, jossa voittaja on se, jolla on alhaisin kustannus. Kokemukseni premier-konsulttiympäristöistä tiedän, että konsultointi on edelleen kaikki ihmissuhteista, mutta tekoälyn aikakaudella ammattipalvelujärjestelmien on oltava asiakkaiden paineessa tehdä enemmän vähemmällä ja tuottaa tähtitieteellisiä tuloksia. Heidän on jatkuvasti osoitettava arvonsa. Tässä tekoäly voi auttaa, hyödyntämällä tietoja ja integroiduista asiantuntemuksista rakentamaan toistettavia ja johdonmukaisia älykkyyksiä.

Miksi uskot, että “asiantuntemuksen kaksinkertaistaminen” on tärkeämpi mittari arvioitaessa tekoälyn tuottavuutta ja tehokkuutta?

keskittymällä ainoastaan tuottavuuden ja tehokkuuden parantamiseen ei voida mitata tekoälyn pitkän aikavälin menestystä. Tekoälyn käynnistäminen on enemmän kuin vain automatisointi; se on perustavanlaatuinen muutos siinä, miten toimimme. Mielestäni organisaation asiantuntemuksen kaksinkertaistamisnopeus – kykyään havainnoida, yhdistää, skaalata ja jatkuvasti rakentaa laitosten ja heimoperinteisen tiedon varaan – on paljon tärkeämpää, koska se mahdollistaa yrityksille asiantuntemuksen soveltamisen laajasti. Asiantuntemus on konsultointimaailman ensisijainen valuutta, mutta jos nämä tiettyjen taitojen ja erikoistuneen tiedon osat pysyvät eristyneinä tai yhden henkilön aivossa, se ei ole tehokas järjestelmä.

Mitä ovat suurimmat väärinkäsitykset, joita johtajat tekevät, kun he yrittävät laskea tekoälyhankkeiden tuoton?

Johtajat puhuvat pääasiassa tekoälyn tuotosta kustannussäästöjen ja tehokkuuden näkökulmasta, mutta on väärinkäsitys ajatella, että tämä on ainoa paikka, jossa tekoäly voi tuottaa arvoa. Heidän tulisi myös määrittää, miten tekoäly ajaa liikevaihdon kasvua kehittämällä uusia liikevaihtolinjoja, auttaa asiakkaiden pidämisessä tai sallii yrityksille ottaa enemmän projekteja.

Miten organisaatiot voivat aloittaa institutionaalisen tiedon ja kokemusten tallentamisen ja skaalauksen, jotka ovat olemassa vain työntekijöiden keskusteluissa, projektikokemuksissa ja heimoperinteisessä tiedossa?

Monet ammattipalvelujärjestelmät luottavat edelleen taulukoihin, eristyneisiin tietoihin ja heimoperinteiseen tietoon liiketoimintansa pyörittämiseen. Laittamalla yksittäisen tekoälyagentin, jolla on yleinen koulutus, yhden projektin tai tietovirtaan, ei ole suurta vaikutusta. Integroitu alusta, jossa on tekoäly ja ennustavat oivallukset, jotka voivat toimia projektien ja työnkulkujen yli, on vaikuttava. Mutta kaikki alustat eivät ole samanarvoisia. Jotta ne voisivat vaikuttaa, ne on rakennettava yhdistävälle tietokartalle, joka havaitsee institutionaalisen tiedon laajasti, asettaa sen asiayhteyteen ja antaa tekoälyagenttien toimia itsenäisesti oivallusten perusteella, ihmisillä silmällä pitäen.

Mitä erottaa organisaatiot, jotka luovat kestäviä kilpailuetuja, niistä, jotka automatisoivat vain olemassa olevia työnkulkuja?

Ammattipalvelujen aloituksessa monet organisaatiot ryntäsivät tekoälytyökalujen käyttöön, jotta eivät jäisi jälkeen, mutta tämä tahaton käyttöönotto johti moniin yrityksiin, jotka kokivat agenttien turpoamisen (eli kun agentit muuttuivat hitaiksi, kalliiksi tai epätarkoiksi hallinnan ja tietojen ylitumppaamisen vuoksi). Lisäksi kaikki agentit toimivat eristyneesti eikä ollut pitkän aikavälin strategiaa siitä, miten operationalisoida kaikki agentit yhdessä.

Organisaatiot, jotka luovat perustan todelliselle, pitkän aikavälin kilpailukyvylle, eivät käytä agenteja, jotka tarkastelevat vain yhtä asiaa; he käyttävät agenteja, joilla on näkyvyys koko laajuudelle. Henkilöstö, resurssit, toimitus jne. ovat kaikki ammattipalvelujen koneen liikkuva osa, joka on toimittava yhdessä, jotta ne voivat toimia sileästi. Ja he antavat tälle agentille kontekstin, tiedon ja ymmärryksen, jota tarvitaan, jotta se voi vaikuttaa merkittävästi.

Miten tekoäly muuttaa ammattipalvelujärjestelmien toimintamallia seuraavan viiden vuoden aikana, erityisesti konsultoinnissa, toteutuksessa ja neuvontatyössä?

Tekoäly muuttaa kykymallia. Taidot kehittyvät nopeammin kuin koskaan aiemmin, ja on suuri kysymysmerkki siitä, mistä seuraava taso kykyjä tulee. Jotkut ovat myös huolissaan siitä, että tekoäly tyhjentää ihmistyöntekijöiden luovuutta ja kognitiivista ajattelua; siksi odotan, että yritykset muuttavat tapaa, jolla ne sitouttavat työntekijöitään, jotta he voivat joustaa näillä lihaksilla eikä vain riippua tekoälyn tulosteista. Lopulta tekoäly on mahdollistava voima, joka vapauttaa työntekijöitä taktisista, arkisista tehtävistä, jotta he voivat keskittyä strategiseen työhön, joka tekee eroa.

Onko odotettavissa, että yritykset siirtyvät laskutusmallista, joka perustuu tunteihin ja käyttöasteeseen, kohti tuloksiperusteisia hinnoittelumalleja, kun tekoäly kehittyy? Mitkä haasteet estävät tämän siirtymisen?

Kun ammattipalvelujärjestelmät saavat tarjouspyynnön, on tullut standardiksi, että asiakkaat kysyvät, miten yritys vähentää kustannuksia tekoälyn avulla ja miten nämä kustannussäästöt tarjoavat arvoa asiakkaalle. Usein puuttuu kuitenkin mekanismi kustannussäästöjen mittaamiseksi ja tarina siitä, miten tekoäly korostaa yrityksen olemassa olevaa asiantuntemusta ja arvoa, jonka se tarjoaa.

Kantata on ollut äänekäs siitä, että yritysten tieto muutetaan strategiseksi voimavaraksi sen Expertise Engine -ohjelman kautta. Mikä aiheutti tämän painopisteen, ja mitkä aukot näit te traditional knowledge management -järjestelmissä?

Yritysten tekoäly on tällä hetkellä pääasiassa keskittynyt yleisiin tekoälytyökaluihin, jotka on suunniteltu yleisesti tehtäviin, kuten kokousten tiivistämiselle, kysymysten vastaamiselle tai eristyneiden tehtävien automatisoinnille. Ja ammattipalvelujen osalta se ei toimi. Todellinen haaste, jonka ammattipalvelujärjestelmät kohtaavat, ei ole tehtävien automatisointi. Se on operatiivinen monimutkaisuus.

Ammattipalvelujärjestelmät toimivat jatkuvasti muuttuvassa verkossa henkilöstöpäätöksiä, toimituskompromisseja, projektiriskiä, käyttöasteen tavoitteita, ennustemalleja ja taloudellisia riippuvuuksia. Yleiset tekoälytyökalut eivät ymmärrä tätä kontekstia, mikä tarkoittaa, että ne eivät voi toimia merkittävällä tavalla liiketoiminnassa.

Kantata on lähestymässä tekoälyä toisella tavalla. Sen sijaan, että kerroksia yleistä agenttia tai chatbottia olemassa olevaan ohjelmistoon, se rakentaa tekoälyä, joka on suunniteltu ammattipalvelujen operatiivisen todellisuuden mukaan. Sen Expertise Engine -ohjelma yhdistää arviointia, henkilöstöhallintaa, toimitusta, ennustetta ja taloudellista johtamista yhteen operatiiviseen malliin, antaen tekoälyagenttien täyden liiketoimintakontekstin toimia älykkäästi työnkulkujen yli.

Tämä ei ole eilisen tekoälycopilotin tekoäly. Se on operatiivinen tekoäly.

Mikä on tekoälyagenttien rooli ammattipalvelujärjestelmissä, ja missä kohdissa ihmisasiantuntemus säilyy korvaamattomana?

Kun tekoälyagentit jatkavat työkuormituksen ottamista ihmisiltä, se avaa heille mahdollisuuden tehdä enemmän hauskoja ja luovia osia heidän työstään. Automatisointi ei ole vain tehokkuudesta ja ajan- ja kustannussäästöstä; se on myös helpotus ja voimaannuttaminen työntekijöille. Tämä korostaa heidän luovaa puoltaan ja luo uuden sukupolven ajattelijoita, jotka tulevat olemaan tekoälytyökalujen rakentajia eikä vain käyttäjiä. Tämä siirtymä on välttämätön, kun tekoälystä tulee yleistä, koska jokainen yritys voi tuottaa tulosteita nopeasti ja halvalla, mutta vain ne, jotka jatkavat investoimista ihmisen asiantuntemukseen, tuottavat vahvaa, merkityksellistä työtä.

Mitä tulisi tehdä tänään, jotta varmistetaan, että organisaatiot eivät vain omaksu tekoälyä, vaan rakentavat kestävän asiantuntemuksen, joka kaksinkertaistuu ajan myötä?

Sen sijaan, että kerroksia yleistä agenttia tai chatbottia olemassa olevaan ohjelmistoon, ammattipalvelujärjestelmien tulisi etsiä tekoälysupersäntöjä, jotka kykenevät ymmärtämään kontekstin kaiken, mitä tarvitaan ammattipalvelujärjestelmän pyörittämiseen – henkilöstöstä ennustamiseen, taloudelliseen johtamiseen ja projektien toimitukseen – ja luoda tarkoitukseen sopivia agenteja, jotka voivat toimia itsenäisesti.

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, kannattaa vierailla Kantatan sivuilla.