Vijay Rayapatin, Atomicworkin CEO ja perustaja – Haastattelusarja

Vijay Rayapati on Atomicworkin perustaja ja toimitusjohtaja. Ennen yrityksen perustamista hän toimi Nutanixilla Senior Vice Presidentinä ja General Managerina, johtaen End User Computing -liiketoimintaa Nutanixin ostettua Frame-yrityksen, jonka hän perusti ja johti toimitusjohtajana. Aikaisemmin urallaan hän on työskennellyt insinööri- ja tuotejohtotehtävissä VMwarella ja Microsoftilla, mikä antaa hänelle syvän kokemuksen yritysinfrastruktuurin ja loppukäyttäjän työpöytäalustojen rakentamisesta. Taustansa kattaa pilvi-infrastruktuurin, yrityssovellusten ja tekoälyohjatun työtilan teknologian, mikä tekee hänestä tunnetun perustajan yritys-IT-tilassa.

Atomicwork on yritys-IT-yritys, joka kehittää agenteista IT-palvelunhallintaplatfoormia, joka auttaa työntekijöitä ratkaisemaan teknisiä ongelmia, automatisoimaan rutiininomaisia tukitehtäviä ja pääsemään yrityksen tietoon tekoälyn avulla. Sen alusta yhdistää tekoälyagentit moderniin IT-palvelunhallintaan käsitelläkseen palvelupyyntöjä, vianmääritystehtäviä, työnkulun orkestrointia yritysjärjestelmissä ja vähentääkseen IT-tiimien taakaa. Asiakkaat käyttävät Atomicworkia tarjoamaan nopeampaa työntekijätukea parantaen samalla operatiivista tehokkuutta IT- ja liiketoimintaprosesseissa.

Olit aikaisemmin perustanut Minjarin, rakentanut sen yrityspilvipalveluliiketoimintaa ja johtanut sen toimintaa Nutanixilla sen ostettua Minjarin. Mitkä opit siitä, miten rakentaa, myydä ja integroida yrityssovellus, vakuuttivat sinut perustamaan Atomicworkin vuonna 2022 ja rakentamaan IT-palvelunhallinnan alusta alusta alkaen tekoälylle?

Minjarissa kehittimme ohjelmistoa, joka voisi leikata yrityksen pilvilaskun kolmanneksella automaation avulla. Asiakkaat pitivät suosituksista. Sitten he istuivat niiden kanssa kahden neljänneksen ajan. Minulle kesti jonkin aikaa ymmärtää, miksi, ja vastaus ei ollut tekninen. Kun automaatio tekee päätöksen ja se menee pieleen, ei ole ketään, josta voidaan vaatia vastuuta. Yritykset eivät ostako ohjelmistoja tai tuloksia. He ostavat jonkun, josta voidaan vaatia vastuuta. Ohjelmisto, jolla ei ole paikkaa organisaatiokaaviossa, ei saa valtuuksia, riippumatta siitä, kuinka hyvä se on.

Hankinta opetti minulle kapeamman oppitunnin. Pisteohjelmistot ostetaan. Merkitykselliset järjestelmät rakennetaan. Voit olla parempi tuote ja silti viettää elämäsi reitittäen ympäri sen, joka omistaa työnkulun.

Nutanix-vuodet yhdistivät nämä kaksi. Seurasin, kun IT osti palvelunhallintaa hallinnan vuoksi ja työntekijät kokivat sen lomakkeena ja jonona. Ymmärsin myös, että lipuke ei ollut tuote. Tarkastuspolku oli. Siksi IT-palvelunhallinta selvisi 40 vuoden ajan siitä, että ihmiset inhosivat sitä, ja se on myös syy, miksi kukaan ei voinut poistaa sitä.

Vuonna 2022 kysymys ei ollut siitä, voitaisiinko tekoäly tehdä työn. Se oli siitä, voitaisiinko antaa tekoälylle paikka organisaatiokaaviossa. Perinteiset IT-palvelunhallintaplatfoormit eivät voi, koska ihmiselle määrätään tehtävä, ja jokainen SLA, hyväksyntä ja raportti riippuu tästä oletuksesta. Lisää tekoäly, ja saat nopeamman lomakkeen.

Rakensimme toiseen vastaukseen, jossa tekoäly toimittaa hybridityövoiman, ei vain ohjelmistoa. Tekoälytyökumppanit tekevät työn, ja IT hallinnoi niitä samalla tavalla kuin HR hallinnoi ihmisiä. Et määrittele tekoälytyökumppania. Sinä palkkaat sen rooliin, arvioit sen työtä ja peruutat sen, jos se ei suorita. Se on ero tekoälyn ja tekoälyn työvoiman välillä.

Atomicwork kuvaa tekoälytyökumppanejaan järjestelmiksi, jotka omistavat määritellyt työroolit ja suorittavat työn alusta loppuun, eivätkä vain vastaa kysymyksiin tai suorita erillisiä tehtäviä. Mitkä tekniset ominaisuudet erottavat aitoa tekoälytyökumppania chatbotista, copilotista tai perinteisestä automaatiovälineestä, ja missä sen autonomian on loputtava?

Chatbot vastaa kysymykseen, ja copilot auttaa jotakuta suorittamaan tehtävän, mutta kumpikaan ei ole vastuussa siitä, että työ suoritetaan loppuun. Tekoälytyökumppani on erilainen, koska sille on määritelty rooli, ja odotetaan, että se toimittaa tuloksen. Riippumatta siitä, onko kyse vikailmoituksen käsittelystä, pääsyoikeuksien myöntämisestä tai työntekijöiden perehdyttämisestä, se jatkaa työtä jokaisen vaiheen kautta tavoitteeseen saakka eikä lopeta ensimmäisen kierroksen jälkeen.

Siihen vaaditaan paljon enemmän kuin kykenevä malli. Tekoälytyökumppani tarvitsee identiteetin, oikeat valtuudet, pääsyn hyväksyttyihin työkaluihin, organisaatiokontekstin, budjetin ja selkeät toimintarajat ja roolin. Se on toimia liiketoimintajärjestelmissä, ymmärtää, milloin (ja kuka) pyytää hyväksyntää ja jättää jälkeensä tarkastuspolun jokaisen toiminnan jälkeen. Siksi olemme keskittyneet alustan kehittämiseen mallin ympärille. Luotettava tekoäly riippuu yhtä lailla orkestraatiosta, hallinnosta ja suorittamisesta kuin älykkyydestä.

Autonomia ei saa koskaan olla rajatonta. Tekoälytyökumppani on toimittava roolinsa vastuualueella, kun taas ihmiset ovat mukana aina, kun työ vaikuttaa herkkiin järjestelmiin tai aiheuttaa oikeudellisia, taloudellisia tai työllistämiseen liittyviä seuraamuksia.

Teidän alustanne sallii erikoistuneiden tekoälytyökumppaneiden yhteistyön vikailmoituksen hallinnassa, pääsyoikeuksien myöntämisessä, perehdyttämisessä ja IT-toiminnassa. Miten nämä tekoälytyökumppanit jakavat vastuut, jakavat kontekstin ja palautuvat, kun yksi tekoälytyökumppani tekee virheellisen päätöksen, joka voi vaikuttaa koko työnkulkuun?

Emme ajattele, että yksi tekoälytyökumppani pitäisi yrittää tehdä kaikki työt. IT-organisaatiot jakavat jo vastuut eri tiimien kesken, koska jokaisella roolilla on eri tavoitteet, valtuudet ja asiantuntemus. Olemme soveltaneet samaa ajattelutapaa tekoälytyökumppaneihin, miksi lanseerasimme sertifioituja tekoälytyökumppaneita, jotka erikoistuvat eri IT-toiminnan alueilla.

Jokainen työkumppani omistaa tietyn toiminnon ja jakaa saman yrityskontekstin. Kun työntekijä luo lipun Atomicworkissa, älykäs reititys varmistaa, että se ohjataan oikealle tekoälytyökumppanille, joka työskentelee pyynnön parissa ja (riippuen pyynnöstä) siirtää sen toiselle tekoälytyökumppanille, luo alilippuja tekoälytyökumppaneille ratkaistaviksi rinnakkain (esim. perehdytyslipuke voidaan jakaa toimintoihin, joita voidaan työstää rinnakkain) tai eskaloitaa sen ihmiselle. Kun työ siirtyy työkumppanilta toiselle, asiaankuuluva tieto siirtyy mukana lipun (järjestelmän rekisteröintitietojen) kautta, sekä pääsyyn asiaankuuluvien järjestelmien, kuten palvelupöydän, identiteettialustojen, HR-järjestelmien ja yhteistyötyökalujen kautta. Tämä jaettu konteksti mahdollistaa jokaiselle työkumppanille tehdä päätöksiä siitä, mitä on jo tapahtunut, eikä aloita alusta.

Atomicwork tukee eri agenttirunkoja ja malleja, kuten OpenAI, Anthropic ja Google. Miten määrittelette, mikä malli tulisi käsitellä hakua, päättelyä, suunnittelua ja suorittamista, ja miten yritykset voivat ylläpitää johdonmukaista käyttäytymistä, kun alla olevat mallit jatkuvasti muuttuvat?

Eri mallit ovat hyviä erilaisissa työtehtävissä. Fokuksena on ollut rakentaa alusta, joka voi hyödyntää edistystä ilman, että asiakkaiden on uudelleen suunniteltava työnkulkuja jokaisen mallin muutoksen yhteydessä. Yrityskonteksti, orkestraatio, identiteetti, käytäntöjen noudattaminen, telemetria ja arviointi tarjoavat johdonmukaisuuden, jonka organisaatiot tarvitsevat tuotannossa, riippumatta siitä, mikä malli on alla.

Olemme keskustelleet julkisesti useiden mallintojen tukemisesta, arviointikehyksistä ja hallinnosta, mutta emme ole kuvanneet reitityslogiikkaa, joka päättää, mikä malli käsittelee hakua, päättelyä, suunnittelua tai suorittamista. Emme myöskään ole jakaneet validointiprosessia, jonka käytämme, kun toimittajat julkaisevat uusia malleja ja päivityksiä.

Yritys-IT-agentti voi kohtaa ristiriitaisia asiakirjoja, epätäydellisiä konfiguraatiotietoja, vanhentunutta tietoa ja erilaisia valtuuksia järjestelmissä. Miten Atomicworkin Universal Context -kerros määrittää, mikä tieto on luotettavaa ja ajantasaisinta, ennen kuin se sallii agentin tehdä päätöksen tai suorittaa toiminnon?

Yritysten tieto ei yleensä ole yhdessä paikassa. Osa siitä on asiakirjoissa, osa järjestelmissä ja osa liiketoiminnan päivittäisessä toiminnassa. Tekoälylle tarvitaan kaikki tämä konteksti, jotta se voi tehdä luotettavia päätöksiä.

Universal Context yhdistää nämä lähteet yhdistämällä yritysten tietoja ihmisten, verkon, infrastruktuurin ja laitteiden tietoihin live-opperatiivisista järjestelmistä. Tekoälytyökumppani voi viitata tietoihin alustoilta, kuten Confluence tai SharePoint, MDM:stä, kuten Intune ja JAMF, samalla kun se ymmärtää, mitä tapahtuu järjestelmissä, kuten Jira, Workday, Salesforce tai identiteettitoimittajissa. Se myös kunnioittaa olemassa olevia valtuuksia, joten ihmiset ja tekoälytyökumppanit pääsevät käsiksi vain siihen tietoon, johon heillä on jo valtuudet.

Olemme selittäneet, miten Universal Context yhdistää yritysjärjestelmiä ja säilyttää turvallisuuden rajat, mutta emme ole kuvanneet, miten se ratkaisee ristiriitaisia tietoja, kun luotettavat lähteet ovat erimielisiä tai miten se määrittää, mikä lähde tulisi ottaa etusijalle. Nämä toteutusyksityiskohdat eivät ole osa julkista asiakirjastoa.

Universal AI -työkumppani voi tukea työntekijöitä Microsoft Teamsin, Slackin, sähköpostin, selaimen, portalin ja chat-, ääni- ja visuaalitilojen kautta. Mitkä uudet vianmääritysmahdollisuudet tulevat mahdolliseksi, kun agentti voi nähdä ja kuulla, mitä työntekijä kokee, ja miten estätte herkkien näyttösisältöjen tai keskustelujen paljastumisen?

Perinteinen IT-tuki perustuu siihen, että työntekijät kuvaavat teknisiä ongelmia tarkasti, ja se on usein vaikein osa vuorovaikutuksesta. Ääni- ja visuaalinen konteksti mahdollistaa tekoälylle nähdä saman virheilmoituksen, sovelluksen tai konfiguraatiokuvaus, jonka työntekijä katsoo, mikä tekee siitä helpomman ymmärtää ongelmaa ja ohjata jotakuta seuraavaan vaiheeseen ilman pitkää edestakaista keskustelua.

Nämä ominaisuudet toimivat vain, jos työntekijät luottavat niihin. Uskomme, että visuaalinen pääsy vaatii nimenomaisen suostumuksen, ja käyttäjien on aina tiedettävä, kun se on aktiivinen. Herkät tiedot suojataan PII-maskauksella, hallintotoiminnoilla ja sopivilla säilytyskäytäntöjä.

Olemme myös selittäneet, että asiakastietoja ei käytetä mallien kouluttamiseen tai kolmannen osapuolen perusmalliin. Tämä antaa organisaatioille mahdollisuuden omaksua monitiloista tekoälyä ilman, että he menettävät hallinnan tietojensa yli.

Atomicwork voidaan ottaa käyttöön olemassa olevan ServiceNow- tai Jira Service Management -ympäristön rinnalla ilman, että edellytetään välitöntä siirtymistä. Pitäisikö tätä pitää lähinnä siirtymisstrategiana vai useat yritykset toimivat pysyvästi AI-työvoiman kanssa perinteisen järjestelmän yllä?

Useimmat suuret yritykset ovat viettäneet vuosia prosessien, integraatioiden ja hallinnon rakentamisessa ympärille alustoja, kuten ServiceNow ja Jira Service Management. Edellyttääkseen heiltä, että he korvaavat nämä järjestelmät ennen kuin he voivat omaksua tekoälyä, luo tarpeetonta kitkaa.

Rakensimme Atomicworkin integraatiot ServiceNow:n ja Jira Service Managementin kanssa, jotta asiakkaat voivat muuttaa työntekijöiden kokemusta ja lisätä IT-tiimien tekoälytyökumppaneilla ilman, että häiritsevät järjestelmiä, joista he jo riippuvat. Liittimen avulla voidaan tuoda relevantti yritysten IT-konteksti tekoälytyökumppaneiden hyödyntämiseksi samalla, kun palvelupöydän agentit säilyttävät kaksisuuntaisen synkronoinnin olemassa olevassa järjestelmässään. Emme usko, että yritysten on valittava yksi polku ensimmäisenä päivänä. Prioriteetti on auttaa heitä omaksumaan tekoälyä oman aikataulunsa mukaan.

Antaessasi tekoälytyökumppaneille pääsyn identiteettijärjestelmiin, työntekijöiden tietoihin, infrastruktuuriin ja liiketoimintasovelluksiin, syntyy riskejä, kuten ohjelmointia, myrkytettyjä tietolähteitä, liiallista valtuuksia ja ketjuuntuvia virheitä. Mitkä varmistukset, hyväksyntärajat ja tarkastusmekanismit ovat olennaisia, ennen kuin yritys voi turvallisesti sallia agenttien toimia itsenäisesti?

Tekoälytyökumppanit hallitaan samalla tavalla kuin työntekijät, joilla on etuoikeutettu pääsy. Jokaisella työkumppanilla on määritelty rooli, rajoitetut valtuudet, hyväksytyt työkalut, budjetti ja selkeät rajat siitä, mitä se voi tehdä itsenäisesti. Herkät toimet – erityisesti ne, jotka liittyvät identiteettiin, infrastruktuuriin, talouteen, oikeudellisiin asiointiin tai työllistämiseen – vaativat aina ihmisen hyväksyntää.

Taidot ja ohjeet tarkistetaan ennen julkaisua riskejä, kuten ohjelmointia, piilotettuja ohjeita, valtuuksien pääsyä, tietovuotoa ja vaarallisia toimia. Jos työkalu muuttuu tavalla, joka lisää sen riskiä, se poistetaan käytöstä, kunnes se on tarkistettu uudelleen. Lisäksi varmistukset, kuten toimintorajat, toistuvan toiminnan estäminen, hätäsammutusohjaus ja ihmisten otto, auttavat virheiden rajoittamisessa, ennen kuin ne voivat levitä.

Jokainen toiminta on jäljitettävissä: organisaatiot voivat nähdä, mikä laukaisi työkumppanin, mitä tietoja ja työkaluja se käytti, mitkä hyväksynnät saatiin ja mikä tulos seurasi. Jatkuva arviointi, seuranta ja punainen tiimi -testaus varmistavat, että nämä varmistukset säilyvät tehokkaina, kun mallit, työkalut ja yritysympäristöt kehittyvät.

Olemme panostaneet voimakkaasti arviointiin, käytäntöjen noudattamiseen, seurantaan ja punaisen tiimin testaamiseen, koska tekoälyn käyttöönotto on vain alkua. Organisaatioiden on oltava varmoja, että nämä työkumppanit jatkavat toimimista odotetulla tavalla, kun mallit ja yritysympäristöt kehittyvät.

Atomicworkin State of AI in IT 2026 -raportti osoitti, että kaksi kolmasosaa IT-ammattilaisista raportoi positiivisia tuottoja tekoälyinvestoinneista, kun taas vain joka viides organisaatio on täysin integroinut tekoälynsä palvelunhallintatiimeihin. Mitä erottaa toteutukset, jotka tuottavat mitattavissa olevaa liiketoimintaa, niistä, jotka jäävät kokeiluvaiheeseen?

Useimmat organisaatiot ovat jo osoittaneet, että tekoäly voi parantaa yksittäisiä tehtäviä. Yritykset, jotka näkevät mitattavissa olevaa liiketoimintaa, yhdistävät tekoälyyn valmiit operatiivisia työnkulkuja eikä käytä sitä vain itsenäisenä avustajana.

Se alkaa ratkaisemalla tiettyä liiketoimintaa ongelmalla ajattelemalla rooleja, antamalla tekoälytyökumppaneille pääsy tarvittaviin järjestelmiin ja mittaamalla tuloksia, jotka ovat merkittäviä – olipa kyse nopeammista ratkaisuaikoista, alhaisemmista tukikustannuksista tai paremmasta työntekijäkokemuksesta. Kun tiimit luottavat näihin tuloksiin, laajentaa tekoälyä useampiin työnkulkuihin tulee paljon helpommaksi.

Tutkimuksemme osoitti myös, että vastuullinen tekoäly on edelleen yksi korkeimmista prioriteeteista IT-johtajille. Se on järkevää, koska organisaatiot eivät anna tekoälylle enemmän vastuuta, elleivät he ymmärrä, miten se tekee päätöksiä, voivat tarkastella näitä päätöksiä myöhemmin ja tiedä, että oikeat varmistukset ovat paikallaan.

Kun tekoälytyökumppanit alkavat ratkaista tukipyynnöksiä, hallita pääsyoikeuksia, diagnosoida vikailmoituksia ja koordinoida työnkulkuja, miten palvelupöydän ammattilaisten, IT-toimintatiimien ja tietohallintojohtajien vastuut muuttuvat? Katsomalla eteenpäin, voivatko IT-tiimit tulla vastuulliseksi koko yrityksen digitaalisen työvoiman palkkauksesta, hallinnosta ja mittaamisesta?

Tekoäly ottaa haltuun suuren osan toistuvasta operatiivisesta työstä, joka vie nykyisten palvelupöytien aikaa, jotta ihmiset voivat viettää enemmän aikaa poikkeusten käsittelyssä, prosessien parantamisessa ja siihen liittyvän tiedon parantamisessa, josta tekoäly riippuu.

IT-toimintatiimit keskittyvät yhä enemmän tekoälytyökumppanien hallinnointiin manuaalisen työnkulun suorittamisen sijaan. He määrittelevät valtuudet, yhdistävät järjestelmiä, seuraavat suorituskykyä ja varmistavat, että tekoäly jatkaa toimimista määritettyjen käytäntöjen mukaisesti.

Odotan myös, että tietohallintojohtajan rooli laajenee. Satojen tekoälytyökumppanien hallinnointi alkaa muistuttaa minkä tahansa muun yritysinfrastruktuurin hallinnointia. Joku on vastuussa siitä, mitä nämä työkumppanit voivat päästä käsiksi, miten heidät mitataan, milloin heidät päivitetään ja onko heistä hyötyä. Liiketoimintatiimit jatkavat työn määrittelyä, kun taas IT-tiimit tulevat tekoälyn “HR:ksi” eli vastuulliseksi alustasta, hallinnosta ja operatiivisista valvonnasta, jotka pitävät yrityksen tekoälytyövoiman turvallisesti toiminnassa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Atomicwork.