Vijay Rayapati, Atomicworkin toimitusjohtaja ja perustaja – Haastattelusarja

Vijay Rayapati on Atomicworkin perustaja ja toimitusjohtaja. Ennen yrityksen perustamista hän toimi Senior Vice Presidentinä ja General Managerina Nutanixin pilviverkko- ja turvallisuusliiketoiminnassa Nutanixin oston jälkeen Minjarista, pilvihallintaalustayrityksestä, jonka hän perusti ja kasvatti toimitusjohtajana. Aikaisemmin urallaan hän työskenteli insinööri- ja tuotejohtotehtävissä Kulizassa ja Trilogyssa, mikä antoi hänelle syvällisen kokemuksen yritysinfra- ja ohjelmistosovellusten rakentamisesta. Hänen taustansa kattaa pilvi‑infrastruktuurin, yritysohjelmistot ja AI‑työvoimateknologian, mikä tekee hänestä tunnetun perustajan yritys‑IT‑alalla.

Atomicwork on yritys‑AI‑yritys, joka rakentaa agenttipohjaista IT‑palvelunhallintaalustaa, joka auttaa työntekijöitä ratkaisemaan teknologiaongelmia, automatisoimaan rutiininomaisia tukitehtäviä ja pääsemään yrityksen tietämykseen AI:n avulla. Alusta yhdistää AI‑agentit nykyaikaisiin ITSM‑ominaisuuksiin käsitelläkseen palvelupyyntöjä, ratkaistakseen ongelmia, orkestroidakseen työnkulkuja yritysjärjestelmissä ja vähentääkseen IT‑tiimien kuormitusta. Asiakkaat käyttävät Atomicworkia nopeamman työntekijätuen tarjoamiseen samalla kun parannetaan operatiivista tehokkuutta IT:n ja liiketoimintaprosessien välillä.

Olet aiemmin ollut Minjari perustajana, rakensit sen yrityspilvihallintaliiketoiminnan ja sen jälkeen johdit Nutanixin toimintaa yritysoston jälkeen. Mitkä opit yritysohjelmistoyrityksen rakentamisesta, myymisestä ja integroinnista vakuuttivat sinut perustamaan Atomicworkin vuonna 2022 ja rakentamaan IT‑palvelunhallinnan alusta alkaen AI‑ajan tarpeisiin?

Minjarissa rakensimme ohjelmiston, joka pystyi leikkaamaan yrityksen pilvikustannukset kolmasosaan automaation avulla. Asiakkaat rakastivat suosituksia. Sitten he odottivat niiden toteuttamista kaksi kvartaalia. Kesti hetken, ennen kuin ymmärsin miksi, eikä vastaus ollut tekninen. Kun automaatio tekee päätöksen ja se menee pieleen, ei ole ketään, jota voisi pitää vastuullisena. Yritykset eivät osta pelkästään ohjelmistoja tai tuloksia. Ne ostavat jonkun, joka vastaa niistä. Ohjelmistolla, jolla ei ole paikkaa organisaatiokaaviossa, ei ole valtaa, riippumatta siitä kuinka hyvä se on.

Yritysosto opetti minulle kapeamman opetuksen. Piste‑tuotteet ostetaan. Tietojärjestelmät rakennetaan niiden päälle. Voit olla parempi tuote ja silti viettää elämäsi kiertäen sitä, kuka omistaa työnkulun.

Nutanix‑ vuodet yhdistivät nämä kaksi. Näin, kuinka IT osti palvelunhallintaa hallinnan vuoksi ja työntekijät kokivat sen lomakkeena ja jonona. Tajusin myös, että tukipyyntö ei koskaan ollut tuote. Auditointijälki oli. Siksi ITSM on selvinnyt neljäkymmentä vuotta ihmisten inhoamisen jälkeen, eikä kukaan ole pystynyt poistamaan sitä.

Joten kysymys vuonna 2022 ei ollut, voiko AI tehdä työn. Kyse oli siitä, voidaanko AI:lle antaa paikka organisaatiokaaviossa. Perinteiset ITSM‑alustat eivät pysty, koska ihmisen vastuuhenkilö istuu niiden tietomallin ytimessä ja jokainen SLA, hyväksyntä ja raportti riippuu siitä oletuksesta. Kun lisäät AI:n, saat nopeamman lomakkeen.

Rakensimme toisen vastauksen, jossa AI tarjoaa hybridityövoiman, ei pelkästään ohjelmistoa. AI‑työkaverit tekevät työn, ja IT hallinnoi niitä kuten HR hallinnoi ihmisiä. Et konfiguroi AI‑työkaveria. Palkkaat sen rooliin, tarkastelet sen työtä ja peruutat sen, jos se ei suoriudu. Tämä on ero AI:n ominaisuutena ja AI:n työvoimana.

Atomicwork kuvaa AI‑työkaverinsa järjestelminä, joilla on määritellyt työroolit ja jotka suorittavat työn alusta loppuun, sen sijaan että ne vain vastaisivat kysymyksiin tai toteuttaisivat erillisiä tehtäviä. Mitkä tekniset ominaisuudet erottavat todellisen AI‑työkaverin chatbotista, avustajasta tai perinteisestä automaatiotyökalusta, ja mihin sen autonomia tulisi rajoittua?

Chatbot vastaa kysymykseen, ja avustaja auttaa jotakuta suorittamaan tehtävän, mutta kumpikaan ei ole vastuussa työn viemisestä loppuun asti. AI‑työkaveri eroaa, koska sille on annettu määritelty rooli ja sen odotetaan tuottavan tuloksen. Olipa kyseessä tapahtumien triage, käyttöoikeuksien provisionointi tai työntekijöiden perehdytys, se jatkaa työskentelyä jokaisessa vaiheessa saavuttaakseen tavoitteen sen sijaan, että se pysähtyisi ensimmäisen vaiheen jälkeen.

Tämä vaatii paljon enemmän kuin kyvykäs malli. AI‑työkaveri tarvitsee identiteetin, oikeat käyttöoikeudet, pääsyn hyväksyttyihin työkaluihin, organisaatiokontekstin, budjetin ja selkeät toiminta‑alueet sekä roolinsa. Sen on toimittava eri liiketoimintajärjestelmissä, ymmärrettävä milloin (ja keneltä) pyytää hyväksyntää ja jätettävä auditointijälki jokaisen toiminnon jälkeen. Tästä syystä olemme keskittyneet voimakkaasti alustan ympärille mallin kanssa. Luotettava AI riippuu orkestroinnista, hallinnasta ja toteutuksesta yhtä paljon kuin älykkyydestä.

Autonomia ei koskaan saa olla rajoittamaton. AI‑työkaverin tulee toimia työn roolin vastuualuilla, kun taas ihmiset pysyvät mukana aina, kun työ vaikuttaa arkaluontoisiin järjestelmiin tai sisältää oikeudellisia, taloudellisia tai työllistämiseen liittyviä vaikutuksia.

Alustanne mahdollistaa erikoistuneiden AI‑työkavereiden yhteistyön tapahtumienhallinnassa, käyttöoikeuksien provisionoinnissa, perehdytyksessä ja IT‑toiminnoissa. Kuinka nämä AI‑työkaverit jakavat vastuut, jakavat kontekstin ja toipuvat, kun yksi AI‑työkaveri tekee virheellisen päätöksen, joka voi vaikuttaa työnkulun muihin osiin?

Emme usko, että yksi AI‑työkaveri yrittää tehdä kaikkia tehtäviä. IT‑organisaatiot jakavat jo vastuut eri tiimeille, koska jokaisella roolilla on erilaiset tavoitteet, käyttöoikeudet ja asiantuntemus. Olemme soveltaneet samaa ajattelua AI‑työkavereihin, minkä vuoksi lanseerasimme sertifioituja AI‑työkavereita, jotka erikoistuvat eri IT‑toimialueisiin.

Jokainen työkaveri omistaa tietyn toiminnon samalla jakaen saman yrityskontekstin. Kun työntekijä luo tiketin Atomicworkissa, älykäs reititys varmistaa, että se ohjataan oikealle AI‑työkaverille, joka käsittelee pyynnön, ja (pyynnöstä riippuen) siirtää sen toiselle AI‑työkaverille, luo alatikettejä AI‑työkavereille ongelman ratkaisemiseksi rinnakkain (esimerkiksi perehdytystiketti voidaan jakaa aktiviteetteihin, jotka voidaan toteuttaa rinnakkain) tai eskaloi sen ihmiselle. Kun työ siirtyy yhdeltä työkaverilta toiselle, asiaankuuluva tieto siirtyy sen mukana tiketin (tietojärjestelmän) kautta, sekä pääsy asiaankuuluviin järjestelmiin, kuten palvelupöytään, identiteettialustoihin, HR‑järjestelmiin ja yhteistyötyökaluihin. Tämä jaettu konteksti antaa kullekin työkaverille mahdollisuuden tehdä päätöksiä sen perusteella, mitä on jo tapahtunut, sen sijaan että aloitettaisiin alusta.

Atomicwork tukee eri agentti‑kehyksiä ja malleja toimittajilta kuten OpenAI, Anthropic ja Google. Kuinka päätätte, mikä malli vastaa hausta, päättelystä, suunnittelusta ja toteutuksesta, ja miten yritykset voivat ylläpitää johdonmukaista käyttäytymistä, kun taustamallit jatkuvasti muuttuvat?

Eri mallit soveltuvat erilaisiin tehtäviin. Olemme keskittyneet rakentamaan alustan, joka voi hyödyntää edistysaskeleita ilman, että asiakkaiden täytyy suunnitella työnkulunsa uudelleen jokaisen mallin vaihtuessa. Yrityskonteksti, orkestrointi, identiteetti, politiikan täytäntöönpano, telemetria ja arviointi tarjoavat johdonmukaisuuden, jota organisaatiot tarvitsevat tuotannossa, riippumatta siitä, mikä huipputason malli on taustalla.

Olemme julkisesti keskustelleet useiden mallitoimittajien tukemisesta yhdessä arviointikehysten ja hallinnon kanssa, mutta emme ole kuvaanneet reitityslogiikkaa, joka päättää, mikä malli hoitaa haun, päättelyn, suunnittelun tai toteutuksen. Emme myöskään ole jakaneet validointiprosessia, jota käytämme, kun toimittajat julkaisevat uusia malleja ja päivityksiä.

Yritys‑AI‑agentti saattaa kohdata ristiriitaista dokumentaatiota, puutteellisia konfiguraatiotietoja, vanhentunutta tietoa ja erilaisia käyttöoikeuksia eri järjestelmissä. Kuinka Atomicworkin Universal Context -kerros määrittää, mikä tieto on luotettavaa ja ajantasaista, ennen kuin agentti saa tehdä päätöksen tai toiminnan?

Yrityksen tieto harvoin sijaitsee yhdessä paikassa. Osa siitä on dokumentaatiossa, osa tietojärjestelmissä ja osa liiketoiminnan päivittäisessä toiminnassa. AI tarvitsee kaiken tämän kontekstin tehdäksensä luotettavia päätöksiä.

Universal Context yhdistää nämä lähteet yhdistämällä yritystiedon ihmisiin, verkkoihin, infrastruktuuriin ja laitetietoihin live‑operatiivisista järjestelmistä. AI‑työkaveri voi viitata tietoihin alustoilta kuten Confluence tai SharePoint, MDM:t kuten Intune ja JAMF, samalla kun se ymmärtää, mitä tapahtuu järjestelmissä kuten Jira, Workday, Salesforce tai identiteettipalveluissa. Se myös kunnioittaa olemassa olevia käyttöoikeuksia, joten ihmiset ja AI‑työkaverit pääsevät vain niihin tietoihin, joihin heillä jo on valtuutus.

Olemme selittäneet, miten Universal Context yhdistää yritysjärjestelmiä ja säilyttää turvallisuusrajat, mutta emme ole kuvanneet, miten se ratkaisee ristiriitaisen tiedon, kun luotetut lähteet ovat eri mieltä, tai miten se määrittää, mikä lähde saa etusijan. Nämä toteutustiedot eivät ole julkisessa dokumentaatiomme.

Universal AI -työkaveri voi tukea työntekijöitä Microsoft Teamsin, Slackin, sähköpostin, selaimen, portaalin sekä chat-, ääni- ja visuaalimuotojen kautta. Mitä uusia vianmääritysmahdollisuuksia syntyy, kun agentti näkee ja kuulee, mitä työntekijä kokee, ja miten estätte arkaluontoisen näytön sisällön tai keskustelujen paljastumisen?

Perinteinen IT‑tuki riippuu siitä, että työntekijät kuvailevat tekniset ongelmat tarkasti, ja se on usein vaikein osa vuorovaikutusta. Ääni- ja visuaalinen konteksti antavat AI:lle mahdollisuuden nähdä saman virheilmoituksen, sovelluksen tai konfiguraatioikkunan, jonka työntekijä tarkastelee, mikä tekee ongelman ymmärtämisestä ja seuraavan vaiheen ohjaamisesta paljon helpompaa ilman pitkää vuoropuhelua.

Nämä ominaisuudet toimivat vain, jos työntekijät luottavat niihin. Uskomme, että visuaalinen pääsy tulisi vaatia nimenomaista suostumusta, ja käyttäjien tulisi aina tietää, milloin se on aktiivinen. Arkaluontoista tietoa suojataan PII‑maskauksella, hallinnollisilla kontrollilla ja asianmukaisilla säilytyskäytännöillä.

Olemme myös selvästi ilmoittaneet, että asiakastietoja ei käytetä malliemme tai kolmansien osapuolten perusmallien kouluttamiseen. Tämä antaa organisaatioille mahdollisuuden ottaa käyttöön multimodaalinen AI ilman, että heidän tietojaan luovutetaan.

Atomicwork voidaan ottaa käyttöön olemassa olevan ServiceNow- tai Jira Service Management -ympäristön rinnalla ilman välitöntä migraatiota. Näetkö tämän ensisijaisesti siirtymästrategiana, vai tuleeko monien yritysten pysyvästi käyttää AI‑työvoimaa perinteisen tietojärjestelmänsä päällä?

Useimmat suuret yritykset ovat vuosien ajan rakentaneet prosesseja, integraatioita ja hallintaa alustoille kuten ServiceNow ja Jira Service Management. Vaadittaessa näiden järjestelmien korvaamista ennen AI:n käyttöönottoa syntyy tarpeetonta kitkaa.

Rakensimme Atomicwork‑integraatiot ServiceNowhin ja Jira Service Managementiin, jotta asiakkaat voivat muuttaa työntekijäkokemusta ja täydentää palvelutiimejään AI‑työkavereilla alusta alkaen häiritsemättä jo luottamiaan järjestelmiä. Liitin kerää olennaisen yrityksen IT‑kontekstin AI‑työkavereille hyödynnettäväksi samalla kun ylläpidetään kaksisuuntaista synkronointia palveluagenttien kanssa olemassa olevassa järjestelmässä. Emme usko, että yritysten täytyy valita yksi polku heti alussa. Tärkeintä on auttaa heitä ottamaan AI käyttöön omassa aikataulussaan.

AI‑työkavereiden pääsyn antaminen identiteettijärjestelmiin, työntekijätietoihin, infrastruktuuriin ja liiketoimintasovelluksiin tuo mukanaan riskejä, kuten prompt‑injektio, myrkytetyt tietolähteet, liialliset käyttöoikeudet ja ketjureaktioagenttivirheet. Mitkä suojatoimet, hyväksyntärajat ja auditointimekanismit ovat olennaisia, ennen kuin yritys voi turvallisesti antaa agenteille autonomisen toiminnan?

AI‑työkaverit hallinnoidaan kuin työntekijät, joilla on erityisoikeudet. Jokaisella työkaverilla on määritelty rooli, rajoitetut käyttöoikeudet, hyväksytyt työkalut, kulutusrajat ja selkeät rajat siihen, mitä se voi tehdä itsenäisesti. Arkaluontoiset toimet – erityisesti identiteettiin, infrastruktuuriin, talouteen, oikeudellisiin asioihin tai työllistämiseen liittyvät – vaativat ihmisen hyväksynnän.

Taitoja ja ohjeita tarkastetaan ennen julkaisua riskien, kuten prompt‑injektion, piilotettujen ohjeiden, tunnistetietojen pääsyn, tietovuotojen ja epäturvallisten toimien, varalta. Jos työkalu muuttuu tavalla, joka lisää sen riskiä, se poistetaan automaattisesti käytöstä, kunnes se on tarkistettu. Lisäsuojatoimet – mukaan lukien toimintarajat, kaksoistoimintojen estäminen, hätäkatkaisukontrollit ja ihmisen puuttuminen – auttavat rajoittamaan virheitä ennen kuin ne leviävät.

Jokainen toiminto on jäljitettävissä: organisaatiot näkevät, mikä laukaisi työkaverin, mitä tietoja ja työkaluja se käytti, mitkä hyväksynnät saatiin ja mikä tulos seurasi. Jatkuva arviointi, valvonta ja red‑team‑testaus varmistavat, että nämä suojatoimet pysyvät tehokkaina mallien, työkalujen ja yritysympäristöjen kehittyessä.

Olemme investoineet voimakkaasti arviointiin, politiikan täytäntöönpanoon, valvontaan ja red‑team‑testaukseen, koska AI:n käyttöönotto on vain alku. Organisaatioiden täytyy olla varmoja, että nämä työkaverit käyttäytyvät edelleen odotetusti mallien ja yritysympäristöjen kehittyessä.

Atomicworkin State of AI in IT 2026 -raportti havaitsi, että kaksi kolmasosaa IT‑ammattilaisista raportoivat positiivisia tuottoja AI‑investoinneista, kun taas vain yksi viidestä organisaatiosta on täysin integroinut AI:n palvelunhallintatiimeihinsä.

Useimmat organisaatiot ovat jo osoittaneet, että AI voi parantaa yksittäisiä tehtäviä. Ne yritykset, jotka näkevät mitattavissa olevaa liiketoimintaarvoa, yhdistävät AI:n kokonaisiin operatiivisiin työnkulkuihin sen sijaan, että käyttäisivät sitä erillisenä avustajana.

Tämä alkaa ratkaisemalla tietty liiketoimintaongelma roolien avulla, antamalla AI‑työkavereille pääsy tarvittaviin järjestelmiin ja mittaamalla merkityksellisiä tuloksia – olipa kyse nopeammista ratkaisuaikatauluista, alhaisemmista tukikustannuksista tai paremmasta työntekijäkokemuksesta. Kun tiimit luottavat näihin tuloksiin, AI:n laajentaminen muihin työnkulkuihin on paljon helpompaa.

Tutkimuksemme osoitti myös, että vastuullinen AI on yksi IT‑johtajien tärkeimmistä prioriteeteista. Tämä on loogista, sillä organisaatiot eivät anna AI:lle lisää vastuuta, elleivät ne ymmärrä, miten se tekee päätöksiä, pystyvät tarkastelemaan päätöksiä jälkikäteen ja tietävät, että oikeat suojat ovat paikallaan.

Kun AI‑työkaverit alkavat ratkaista tukipyyntöjä, hallita käyttöoikeuksia, diagnosoida tapahtumia ja koordinoida työnkulkuja, miten palvelupöytäammattilaisten, IT‑toimintatiimien ja tietohallintopäälliköiden (CIO) vastuut muuttuvat? Katsoessamme tulevaisuuteen, voisiko IT:stä tulla osasto, joka vastaa koko yrityksen digitaalisen työvoiman palkkaamisesta, hallinnasta ja mittaamisesta?

AI ottaa haltuun suuren osan toistuvasta operatiivisesta työstä, joka rasittaa nykyisiä palvelupöytiä, jolloin ihmiset voivat käyttää enemmän aikaa poikkeustilanteiden käsittelyyn, prosessien parantamiseen ja AI:n riippuvaisen tiedon hiomiseen.

IT‑toimintatiimit keskittyvät yhä enemmän AI‑työkavereiden hallintaan sen sijaan, että ne toteuttaisivat jokaisen työnkulun manuaalisesti. He määrittelevät käyttöoikeudet, yhdistävät järjestelmiä, valvovat suorituskykyä ja varmistavat, että AI jatkaa toimintaansa määriteltyjen politiikkojen mukaisesti.

Odottelen myös, että CIO:n rooli laajenee. Satojen AI‑työkavereiden hallinta alkaa muistuttaa minkä tahansa muun yritysinfrastruktuurin hallintaa. Jonkun on päätettävä, mihin työkaverit saavat pääsyn, miten niitä mitataan, milloin ne päivitetään ja tuottavatko ne arvoa. Liiketoimintatiimit jatkavat työn määrittelyä, kun taas IT muuttuu AI:n henkilöstöhallinnoksi, eli vastuulliseksi alustaksi, hallinnoksi ja operatiivisiksi ohjausmekanismeiksi, jotka pitävät yrityksen AI‑työvoiman turvallisesti toiminnassa.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa käydä osoitteessa Atomicwork.