Ajay Vasal, Leader mondial des données et de l’IA, Genpact – Série d’entretiens

Ajay Vasal, Leader mondial des données et de l’IA, Genpact, est un vétéran de la technologie et de la stratégie avec plus de deux décennies d’expérience dans l’intelligence artificielle, la stratégie de données, la transformation numérique, les fusions et acquisitions, et le conseil en entreprise. Dans son rôle actuel chez Genpact, il dirige des initiatives visant à aider les entreprises à adopter l’IA à grande échelle et à passer d’une IA assistive à des systèmes plus autonomes et intégrés aux opérations. Avant de rejoindre Genpact, Vasal a passé près de neuf ans chez Accenture, où il a occupé plusieurs postes de direction, notamment celui de responsable mondial des données et de l’IA pour les industries de consommation et de responsable du Centre de données et d’insights. Tout au long de sa carrière, il s’est concentré sur l’aide aux organisations pour débloquer une valeur commerciale mesurable à partir des données grâce à l’efficacité opérationnelle, la croissance des revenus et la mitigation des risques, tout en dirigeant des investissements stratégiques, des initiatives de fusions et acquisitions, et des programmes de transformation basés sur l’IA dans diverses industries.

Genpact est une société de services professionnels et de transformation numérique mondiale spécialisée dans les données, l’IA, l’analyse, l’automatisation intelligente et la modernisation opérationnelle pour les grandes entreprises. Fondée à l’origine au sein de General Electric avant de devenir une entreprise indépendante, Genpact sert désormais des organisations dans diverses industries, notamment les services financiers, les soins de santé, la fabrication, la vente au détail et les biens de consommation. La société s’est de plus en plus positionnée autour de la transformation de l’entreprise basée sur l’IA, combinant l’analyse, l’automatisation et l’expertise sectorielle pour aider les entreprises à moderniser les flux de travail, améliorer la prise de décision et déployer des systèmes d’IA à grande échelle de manière responsable.

Vous avez passé des années chez Accenture à façonner la stratégie de données et d’IA à travers les industries avant de rejoindre votre rôle actuel chez Genpact. Comment cette expérience a-t-elle influencé votre perspective sur la raison pour laquelle les entreprises ont encore du mal à extraire une valeur réelle de leurs investissements dans l’IA aujourd’hui ?

L’une des plus grandes leçons tirées du travail dans diverses industries est que la plupart des organisations ne échouent pas parce que la technologie est faible. La réalité est qu’elles ont du mal parce qu’elles tentent de superposer l’IA à des modèles opérationnels qui n’ont jamais été conçus pour une exécution autonome. Les résultats de notre recherche récente renforcent clairement ce point. Alors que les entreprises se lancent agressivement dans l’adoption de l’IA, beaucoup ont encore du mal à réorganiser les modèles opérationnels nécessaires pour soutenir l’exécution autonome à grande échelle. Cet écart met en évidence la façon dont de nombreuses entreprises sont encore en train de travailler sur des questions de gouvernance, de responsabilité et de préparation organisationnelle.

Nous voyons également les organisations se déplacer rapidement avant d’avoir les bons cadres de mesure en place. Soixante-et-onze pour cent des dirigeants estiment que l’IA agente apportera un retour sur investissement plus rapide que n’importe quelle vague de technologie précédente, et pourtant 67 % d’entre eux s’appuient encore sur des indicateurs de productivité qui ont été créés pour des modèles d’automatisation antérieurs. Mon expérience a montré que l’adoption réussie de l’IA n’est jamais seulement liée au déploiement de modèles. Il s’agit de réorganiser les flux de travail, d’aligner la technologie sur les priorités commerciales et d’aider les gens à comprendre comment leurs rôles évoluent aux côtés de systèmes de plus en plus autonomes.

Votre rapport récent, Autonomy Requires Trust in AI, montre que la plupart des dirigeants estiment que l’IA agente changera fondamentalement les opérations commerciales, mais que la plupart des systèmes restent supervisés. Quel est le plus grand décalage entre la croyance et l’exécution ?

Le décalage est entièrement centré sur la confiance. Les dirigeants estiment clairement que l’IA agente va remodeler la façon dont le travail est effectué, mais la croyance en la technologie ne se traduit pas automatiquement en confort avec la délégation de l’autorité de prise de décision. Notre recherche a révélé que seulement 22 % des organisations sont à l’aise avec le fait de laisser les systèmes d’IA fonctionner avec une autonomie de niveau de domaine ou large.

La plupart des entreprises sont encore à l’aise avec l’utilisation de l’IA comme un assistant qui peut recommander, résumer ou soutenir les flux de travail. L’hésitation commence lorsque les systèmes d’IA sont censés agir de manière autonome de manière à affecter les opérations, les clients, la conformité ou les résultats financiers. Cette hésitation oblige de nombreuses entreprises à maintenir une implication humaine étroite dans les processus d’approbation et de surveillance, même si elles poussent vers des modèles opérationnels plus autonomes.

De nombreuses entreprises investissent lourdement dans l’IA mais échouent à démontrer des rendements significatifs. Quelles sont les erreurs les plus courantes que les organisations commettent lorsqu’elles tentent de mesurer la valeur de l’IA ?

Une erreur majeure est que de nombreuses organisations utilisent encore des indicateurs de productivité conçus pour les vagues d’automatisation antérieures. Les données montrent que 67 % des entreprises s’appuient encore sur des mesures de productivité qui ne peuvent pas pleinement capturer la valeur des systèmes de décision adaptatifs. Cela crée un véritable décalage entre les attentes et la façon dont la valeur est réellement mesurée.

Un autre problème est que de nombreuses organisations n’ont pas encore défini des indicateurs de réussite natifs de l’IA. Seulement un petit pourcentage d’entreprises mesure des choses comme l’achèvement autonome des flux de travail, la réduction des taux d’escalade ou la gestion autonome des exceptions. Si les entreprises continuent à se concentrer uniquement sur la réduction des coûts ou les heures économisées, elles manqueront l’impact opérationnel plus large que l’IA agente est conçue pour créer.

Le rapport suggère que la préparation organisationnelle est un plus grand obstacle que la technologie elle-même. Quels changements structurels spécifiques les entreprises doivent-elles apporter pour débloquer tout le potentiel de l’IA agente ?

Les organisations doivent repenser la façon dont la responsabilité, la propriété des flux de travail et la prise de décision fonctionnent à travers l’entreprise. L’une des conclusions les plus claires de la recherche est que la préparation organisationnelle devient un plus grand obstacle que la technologie elle-même. En fait, 33 % des entreprises ont identifié les processus métier qui ne sont pas prêts pour l’intégration de l’IA comme le principal obstacle à l’adoption.

Les entreprises qui font le plus de progrès sont en train de réorganiser les flux de travail de bout en bout afin que les systèmes autonomes puissent fonctionner dans des limites et des structures de surveillance clairement définies. Nous avons également constaté que 44 % des entreprises s’attendent à ce que l’IA agente aplane les structures de gestion à mesure que les systèmes absorbent les tâches de coordination traditionnellement gérées par la direction intermédiaire. Les employés ont besoin d’une beaucoup plus grande clarté sur les responsabilités de surveillance, les points d’intervention et sur la façon dont le jugement humain s’intègre dans un environnement de plus en plus autonome.

Seulement un petit pourcentage d’organisations est à l’aise pour accorder une véritable autonomie aux agents d’IA. Qu’est-ce qu’il faudra pour que les entreprises fassent confiance aux systèmes d’IA pour prendre des décisions ?

La confiance dans l’IA agente se résume finalement à la responsabilité et au contrôle. Les entreprises sont encore prudentes quant à la délégation de l’autorité de prise de décision parce que les dirigeants veulent avoir confiance que les systèmes autonomes peuvent fonctionner dans des limites et des structures de gouvernance clairement définies.

Les entreprises qui progressent sont en train de concevoir des systèmes où les chemins d’escalade, les déclencheurs d’intervention et les contrôles de gouvernance sont intégrés directement dans le modèle opérationnel. La plupart des organisations accordent l’autonomie de manière incrémentale en fonction du contexte commercial et de la tolérance au risque plutôt que de faire un bond soudain vers une autonomie totale. À mesure que les entreprises gagnent en confiance grâce à des déploiements réussis, la confiance grandit parce que les dirigeants peuvent clairement voir comment les décisions sont prises, où se situe la responsabilité et comment la surveillance humaine est maintenue.

Les entreprises s’attendent à élargir rapidement l’IA agente, mais beaucoup s’appuient encore sur des indicateurs de productivité obsolètes. Quels devraient être les indicateurs de performance plus efficaces et natifs de l’IA ?

Les indicateurs natifs de l’IA doivent mesurer l’exécution et les résultats plutôt que l’activité. Les mesures de productivité traditionnelles se concentrent sur le fait que les gens travaillent plus rapidement, mais l’IA agente change l’équation car le système lui-même commence à supporter une partie de la charge de travail opérationnelle. C’est important parce que de nombreuses organisations mesurent encore l’IA agente à travers une lentille de productivité conçue pour les vagues d’automatisation antérieures plutôt que pour l’exécution autonome.

Des mesures plus efficaces devraient se concentrer sur l’achèvement autonome des flux de travail, la réduction des taux d’escalade, l’exécution plus rapide des décisions et la façon dont les systèmes gèrent les exceptions avec une intervention humaine limitée. Ces indicateurs fournissent une image beaucoup plus claire de savoir si l’IA améliore vraiment l’exécution à grande échelle.

Vous soulignez que la réorganisation des processus est le principal obstacle à l’adoption. Pourquoi la transformation des flux de travail est-elle plus importante que les performances du modèle dans cette prochaine phase de l’IA ?

La transformation des flux de travail est importante parce que même les systèmes d’IA les plus avancés ne peuvent pas s’intégrer efficacement à l’intérieur de processus défectueux ou fragmentés. Notre recherche a montré que 33 % des entreprises ont identifié la préparation des processus comme le principal obstacle à l’adoption de l’IA agente.

Ce qui rend cette prochaine phase différente, c’est que l’IA agente est conçue pour s’exécuter à travers les flux de travail plutôt que de simplement les assister. Les organisations doivent réorganiser les processus autour de l’exécution autonome en clarifiant la propriété des décisions, en supprimant les transferts inutiles et en intégrant la gouvernance directement dans les flux de travail. De nombreuses manières, la réorganisation des flux de travail est maintenant la véritable fondation pour l’adoption de l’IA à grande échelle.

Le rapport suggère que l’IA va aplanir les structures organisationnelles à mesure que les tâches de coordination deviennent automatisées. Comment voyez-vous les rôles de leadership et de direction intermédiaire évoluer à la suite de cela ?

À mesure que l’IA agente prend en charge davantage de tâches de coordination et de surveillance opérationnelle, les rôles de leadership sont susceptibles de passer de la gestion de l’exécution routinière à l’orientation de la stratégie, du jugement et de la gouvernance. Notre recherche a montré que de nombreuses entreprises s’attendent à ce que l’IA agente réduise les couches de coordination à travers l’organisation à mesure que les systèmes autonomes prennent en charge davantage de responsabilités de surveillance opérationnelle.

La direction intermédiaire a historiquement joué un rôle majeur dans l’acheminement des décisions et le maintien de la continuité opérationnelle entre les équipes. À mesure que les systèmes autonomes commencent à gérer davantage de ces activités, les dirigeants devront se concentrer davantage sur la gestion des exceptions, la responsabilité et l’assurance que les systèmes s’alignent sur les objectifs commerciaux. Le leadership humain deviendra encore plus important dans les domaines où le contexte, l’éthique et le jugement sont toujours les plus importants.

Genpact se positionne comme une société de technologie avancée et d’IA agente. Comment l’entreprise aborde-t-elle l’IA agente différemment des sociétés de conseil ou de technologie traditionnelles ?

L’approche de Genpact est ancrée dans l’exécution et les résultats, et ce que nous décrivons souvent comme la résolution du « dernier kilomètre » de l’adoption de l’IA. De nombreuses organisations ont déjà prouvé que les modèles d’IA peuvent générer des informations ou améliorer la productivité, mais le véritable défi est d’intégrer ces capacités dans les flux de travail commerciaux vivants où le travail est réellement effectué. C’est là que de nombreuses initiatives d’IA stagnent. Notre objectif est d’aider les clients à opérationnaliser l’IA agente à travers le dernier kilomètre de l’exécution afin que les systèmes puissent conduire à des résultats mesurables à l’intérieur de la finance, de la chaîne d’approvisionnement, du service client et d’autres fonctions d’entreprise clés.

Ce qui différencie notre approche est la combinaison d’une expertise approfondie en processus avec des capacités de données, de technologie et d’IA. Nous ne déployons pas seulement des modèles ou construisons des pilotes. Nous réorganisons les flux de travail, intégrons la gouvernance dans les opérations et aidons les entreprises à créer les structures de responsabilité nécessaires pour l’exécution autonome à grande échelle. Puisque nous avons également intégré l’IA agente dans nos propres opérations, nous apportons une expérience pratique sur ce qu’il faut pour passer de l’expérimentation à l’impact à l’échelle de l’entreprise.

En regardant vers l’avenir, croyez-vous que l’IA agente va élargir l’écart entre les entreprises leaders et celles qui sont en retard, et quels devraient être les objectifs des entreprises pour ne pas se laisser distancer ?

Oui, je crois que l’écart va s’élargir parce que l’IA agente accumule la valeur différemment des vagues de technologie antérieures. Les organisations qui réussissent à réorganiser les flux de travail, à établir des cadres de responsabilité et à intégrer la confiance dans les systèmes autonomes créeront des avantages opérationnels qui deviendront difficiles pour les concurrents à reproduire. Ce qui est frappant, c’est la rapidité avec laquelle ce changement se produit. Vingt-neuf pour cent des entreprises s’attendent à ce que l’IA agente s’étende à travers l’entreprise dans les 12 prochains mois.

Pour les entreprises qui cherchent à rester compétitives, la priorité devrait maintenant être de préparer le modèle opérationnel pour l’exécution autonome. Cela inclut la réorganisation des flux de travail, la définition des structures de propriété, la création de cadres de mesure natifs de l’IA et l’investissement dans la préparation de la main-d’œuvre. Les organisations qui agissent tôt sur ces fondations seront beaucoup mieux positionnées que celles qui abordent encore l’IA comme une initiative technologique autonome.

Merci pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Genpact.