साक्षात्कार
विजय विजयसांकर, जेनपैक्ट में ग्लोबल एजेंटिक एआई अधिकारी – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
विजय विजयसांकर, जेनपैक्ट में ग्लोबल एजेंटिक एआई अधिकारी, कंपनी के वैश्विक उत्पादीकरण का नेतृत्व करते हैं एजेंटिक एआई समाधान, जिसमें पारंपरिक मानव-आधारित मॉडल से उच्च-मार्जिन, परिणाम-आधारित ढांचे की ओर उद्यम मूल्य निर्माण को स्थानांतरित करने पर ध्यान केंद्रित किया जाता है। अपनी भूमिका में, वह जेनपैक्ट के दृष्टिकोण को आकार देने में मदद कर रहे हैं एआई को पूरे उद्यम में स्केल करने के लिए, एआई बिल्डरों और एआई प्रैक्टिशनरों दोनों के आसपास संगठनात्मक मॉडल बनाकर, जो उन्नत ऑर्केस्ट्रेशन परतों को डिज़ाइन करते हैं और स्वायत्त एजेंटों द्वारा संचालित कार्य प्रवाह में डोमेन विशेषज्ञता लाते हैं। जेनपैक्ट में शामिल होने से पहले, विजयसांकर ने आईबीएम में वरिष्ठ नेतृत्व भूमिकाएं निभाईं, जिनमें वित्तीय सेवाओं के लिए प्रबंध भागीदार, आईबीएम सेवाओं उत्तरी अमेरिका के लिए सीटीओ और जीबीएस उत्तरी अमेरिका में संज्ञानात्मक, आईओटी, विश्लेषण और वॉटसन स्वास्थ्य के लिए महाप्रबंधक शामिल थे, साथ ही मोंगोडीबी (MDB ) और एसएपी में पहले कार्यकारी भूमिकाएं थीं।
जेनपैक्ट एक एजेंटिक और उन्नत प्रौद्योगिकी समाधान कंपनी है जो बड़े उद्यमों को प्रक्रिया बुद्धिमत्ता, कृत्रिम बुद्धिमत्ता, डेटा और डिजिटल परिवर्तन के माध्यम से संचालन को आधुनिक बनाने में मदद करती है। कंपनी वित्त और लेखा, ग्राहक देखभाल, जोखिम और अनुपालन, सourcing और खरीद, आपूर्ति श्रृंखला, प्रौद्योगिकी और विश्वास और सुरक्षा जैसे क्षेत्रों में काम करती है, जबकि इसकी डेटा और एआई सेवाएं संगठनों को उन्नत विश्लेषण, एआई और स्वायत्त एजेंटों का उपयोग करके जटिल डेटा को मापने योग्य व्यवसायिक परिणामों में बदलने में मदद करने पर केंद्रित हैं।
आप दो दशक से अधिक समय से आईबीएम, मोंगोडीबी, एसएपी और अब जेनपैक्ट जैसी कंपनियों में रहे हैं, जहां आप ग्लोबल एजेंटिक एआई अधिकारी के रूप में कार्य करते हैं। बड़े डेटा और विश्लेषण से लेकर आज की एजेंटिक एआई प्रणालियों तक के विकास पर विचार करते हुए, कौन से सबक आपके दृष्टिकोण को आकार देते हैं कि उद्यमों को एआई परिवर्तन कैसे करना चाहिए?
मैंने इसी फिल्म को तीन बार देखा है। बड़ा डेटा निर्णय लेने के लिए चांदी की गोली थी। क्लाउड संगठनात्मक लचीलेपन के लिए तुरंत स्विच था। अब, एजेंटिक एआई संचालन के लिए इलाज है। प्रत्येक चक्र में, मूल्य उत्पन्न करने वाली कंपनियों ने अपने संचालन मॉडल, प्रक्रियाओं और लोगों पर ध्यान केंद्रित किया। जो संघर्ष करते हैं, और कई अभी भी करते हैं, प्रौद्योगिकी को ही परिवर्तन के रूप में मानते हैं।
एजेंटिक एआई के बारे में जो मूलभूत रूप से अलग है वह इसका स्थान है। यह निष्पादन परत पर बैठा है, न कि अंतर्दृष्टि परत पर। पुराने उपकरण चार्ट और सिफारिशें उत्पन्न करते थे। एजेंट कार्रवाई करते हैं। एक खराब विश्लेषण डैशबोर्ड एक खराब चार्ट उत्पन्न करता है जिसे एक मानव विश्लेषक सीईओ के डेस्क पर पहुंचने से पहले पकड़ लेता है। एक खराब एजेंट एक खराब लेनदेन को बड़े पैमाने पर निष्पादित करता है इससे पहले कि कोई यह महसूस करे कि यह हुआ है। यह जोखिम प्रोफ़ाइल को पूरी तरह से बदल देता है, और यह उन्हें एक स्तर की संचालन अनुशासन की मांग करता है जिसकी अधिकांश कंपनियों को पहले आवश्यकता नहीं थी। मैंने सीखा है कि अपने उत्साह पर संदेह करने के लिए। एजेंटिक एआई आकर्षक है, लेकिन यह वह समय है जब आपको धीमा करने और नींव की जांच करने की आवश्यकता है।
जेनपैक्ट की एचएफएस रिसर्च के साथ नई रिपोर्ट अनुमान लगाती है कि अनसुलझे उद्यम ऋण लगभग 18 ट्रिलियन डॉलर के संभावित मूल्य को वैश्विक स्तर पर फंसाता है। रिपोर्ट के निष्कर्षों में से क्या आपको सबसे ज्यादा आश्चर्यचकित करता है, और आप क्यों मानते हैं कि इतनी सारी संगठन प्रक्रिया, डेटा, प्रौद्योगिकी और प्रतिभा ऋण के प्रभाव को कम आंकती हैं?
जो बात खुलासा करने वाली थी वह यह थी कि असमान डेटा, खंडित डेटा, पुरानी प्रौद्योगिकी और कार्यबल तैयारी चुनौतियों के पीछे फंसे मूल्य का आकार।
कुल आंकड़े से ज्यादा महत्वपूर्ण यह है कि समस्या कैसे संरचित है। अधिकांश नेता इन मुद्दों को अलग-अलग सिलोस के रूप में देखते हैं। एक डेटा समस्या, एक प्रक्रिया समस्या, एक प्रौद्योगिकी समस्या, एक कौशल समस्या, प्रत्येक को स्वतंत्र रूप से इलाज किया जाता है। वे अलग नहीं हैं। खराब डेटा लोगों को मैनुअल वर्कअराउंड बनाने के लिए मजबूर करता है। वे वर्कअराउंड प्रक्रिया जटिलता पैदा करते हैं। जटिलता आपके सर्वश्रेष्ठ लोगों को जला देती है और आपके संचालन को नाजुक बना देती है। जब एक एआई पहल आती है, तो यह सभी चीजों में चलती है। एआई को विफलता के लिए दोषी ठहराया जाता है जो व्यवसाय में एक दशक पहले से ही पका हुआ था। हम उद्यम ऋण को लागत बोझ के रूप में बात करते हैं, लेकिन यह वास्तव में विकास प्रतिबंध है। यह अंतर महत्वपूर्ण है क्योंकि यह समस्या के मालिक और समस्या को हल करने के लायक क्या है, इसे बदल देता है।
रिपोर्ट में पाया गया कि 85% कार्यकारी यह मानते हैं कि उद्यम ऋण एआई मूल्य को प्राप्त करने को सीमित करता है। आप क्यों सोचते हैं कि उद्यम एआई में भारी निवेश करते रहते हैं, जबकि अक्सर उन मूलभूत मुद्दों की उपेक्षा करते हैं जो उन निवेशों को रिटर्न देने से रोकते हैं?
क्योंकि एआई दिखाई दे रहा है और नींव अदृश्य हैं। हर बोर्ड एआई रणनीति देखना चाहता है। हर सीईओ को एक कहानी सुनाने की जरूरत है। एक चमकदार नया मॉडल तैनात करना एक हेडलाइन है। एक कोर सप्लाई चेन प्रक्रिया को फिर से डिज़ाइन करना एक धन्यवाद, अदृश्य पीस है जब तक यह अंततः काम नहीं करता।
मैंने देखा है कि संगठन छह महीने एक मॉडल का चयन करने में बिताते हैं और छह दिन उस प्रक्रिया की जांच करने में जिसे मॉडल में सुधार करना है। यह अनुपात उल्टा है, और वे इसे मुश्किल से सीखते हैं। रुकावट एआई नहीं है। यह असंगत प्रक्रियाएं हैं, डिस्कनेक्टेड सिस्टम हैं, और डेटा है जिसके लिए किसी को वर्षों से जिम्मेदार नहीं ठहराया गया है। एआई उन चीजों को हल नहीं करता है। यह उन्हें तेजी से उजागर करता है। प्रोत्साहन संरचनाएं नींव को ठीक करने का इनाम नहीं देती हैं। डेटा शासन को साफ करने के लिए कोई डेमो नहीं है। जो कार्यकारी ऐसा करते हैं वे शांति से एक दांव लगा रहे हैं कि संचालन स्वास्थ्य समय के साथ जुड़ जाता है, लेकिन अधिकांश बोर्ड इसका मापन नहीं करते हैं।
डेटा ऋण शोध में एआई का सबसे बड़ा ब्लॉकर के रूप में उभरा। उद्यमों को आज ही क्या व्यावहारिक कदम उठाने चाहिए तो वे खंडित, कम गुणवत्ता वाले डेटा वातावरण से एजेंटिक एआई को बड़े पैमाने पर समर्थन देने वाली डेटा नींव में जाने के लिए?
एक बड़े, शीर्ष-नीचे शासन कार्यक्रम लॉन्च करने की कोशिश बंद करें। यह एक प्रौद्योगिकी उत्तर है जो एक जिम्मेदारी समस्या है। अधिकांश बड़े संगठनों में, कोई भी व्यवसाय चलाने वाली जानकारी की सटीकता का मालिक नहीं है।
व्यावहारिक शुरुआत बिंदु एक मुट्ठी भर उच्च-मूल्य प्रक्रियाओं को चुनना है और पीछे की ओर काम करना है। कौन से निर्णय लेने की आवश्यकता है? उन निर्णयों के लिए क्या डेटा की आवश्यकता है? उस डेटा का मालिक कौन है? यह कितनी बार गलत होता है? यह अभ्यास तुरंत जिम्मेदारी अंतराल को उजागर करता है। और हमें यह सही पाने की जरूरत है क्योंकि एजेंट विफल होते हैं चुपचाप। एक मानव विश्लेषक दो प्रणालियों को असहमत देखता है और एक निर्णय लेता है। एक एजेंट विरोधाभासी डेटा के बीच मध्यस्थता करता है और पूर्ण विश्वास के साथ निष्पादित करता है। यदि आपके संगठन के विभिन्न हिस्से एक ग्राहक या लेन-देन को अलग तरह से परिभाषित करते हैं, तो एजेंट खराब इनपुट से आत्मविश्वास से निर्णय ले रहा है और आपके संगठन में कुछ भी इसे पकड़ नहीं पाता है। यह एक नई श्रेणी का संचालन जोखिम है जिसके लिए अधिकांश संगठनों ने पूरी तरह से मूल्य नहीं दिया है।
आपने तर्क दिया है कि “कोई एआई नहीं है बिना प्रक्रिया बुद्धिमत्ता के।” आप क्यों मानते हैं कि प्रक्रिया पुनःडिज़ाइन अक्सर एआई मॉडल से ज्यादा महत्वपूर्ण है जब संगठन जटिल व्यवसायिक संचालन को स्वचालित करने का प्रयास करते हैं?
क्योंकि मॉडल उतना ही अच्छा प्रदर्शन करता है जितना प्रक्रिया जिसमें यह निहित है, बेहतर नहीं। संगठन मॉडल चयन पर जुनूनी हो जाते हैं क्योंकि यह वह जगह है जहां दिखाई देने वाली नवाचार है, लेकिन प्रक्रिया वह जगह है जहां मूल्य बनाया या खोया जाता है।
कई संगठन एआई एजेंटों के साथ प्रयोग कर रहे हैं, लेकिन कोर व्यवसायिक कार्यों में उन्हें सफलतापूर्वक तैनात करने वाले उद्यमों की संख्या अपेक्षाकृत कम है। कोर व्यवसायिक कार्यों में एआई एजेंटों को तैनात करने में सफल उद्यमों को उन लोगों से क्या अलग करता है जो प्रूफ-ऑफ-कॉन्सेप्ट मोड में फंसे रहते हैं?
पायलट डिज़ाइन किए गए हैं जो सफल हों। आप सबसे अच्छी प्रक्रिया चुनते हैं, सबसे साफ डेटा और सबसे प्रेरित टीम। स्केलिंग का अर्थ है वास्तविक वातावरण में मारना जहां इनमें से कोई भी स्थिति नहीं है।
जो संगठन स्केल करते हैं वे शुरू से ही कृत्रिय स्थितियां बनाना बंद कर देते हैं। वे एक वास्तविक संचालन समस्या चुनते हैं, एक मालिक को नियुक्त करते हैं जो व्यवसायिक परिणाम के लिए जिम्मेदार है, न कि प्रौद्योगिकी के लिए, और शासन को डिजाइन से बेकार में बेकार करते हैं। हमारे पास ग्राहक हैं जो उत्पादन में लेखांकन और लेन-देन निगरानी में एजेंट चला रहे हैं। उत्पादकता संख्या वहां है, लेकिन वास्तविक परिवर्तन संरचनात्मक है। अंतिम परिणाम एक मौलिक रूप से अलग कार्य प्रवाह है जहां लोग रणनीतिक कार्य करने के लिए मुक्त हो जाते हैं जिन्हें उन्हें पहले कभी समय नहीं मिला। एजेंटों को स्केल करना एक नेतृत्व चुनौती है, न कि सॉफ्टवेयर चुनौती।
रिपोर्ट में यह भी बताया गया है कि केवल 6% उद्यमों ने अपनी प्रमुख ऋण चुनौतियों का सफलतापूर्वक समाधान किया है। ये संगठन क्या अलग तरह से कर रहे हैं, और आप उन कंपनियों में क्या सामान्य गलतियां देखते हैं जो अर्थपूर्ण प्रगति करने में संघर्ष करती हैं?
वे इसे एक व्यवसायिक समस्या के रूप में मानते हैं, न कि एक आईटी कार्यक्रम के रूप में। यह कार्यकारी प्रायोजन और मापने योग्य व्यवसायिक प्रदर्शन से जुड़ा हुआ है। वे समझते हैं कि संचालन स्वास्थ्य विकास रणनीति से अलग नहीं है। यह विकास रणनीति है।
बाकी 94% लक्षणों का पीछा कर रहे हैं। वे एक प्रक्रिया समस्या को ठीक करने के लिए एक उपकरण तैनात करते हैं या एक एआई पहल को खराब डेटा के लिए मुआवजे के रूप में लॉन्च करते हैं। यह एक अल्पकालिक बंप उत्पन्न करता है, लेकिन अंतर्निहित समस्या बनी रहती है और ऋण जारी रहता है। जो नेता चक्र को तोड़ते हैं वे यह कहने के लिए तैयार हैं कि अधिकांश कार्यकारी नहीं कहते हैं: यह प्रक्रिया पंद्रह साल से टूटी हुई है, हमने इसकी विफलताओं के आसपास पूरे संचालन मॉडल बनाए हैं, और हम इसे नीचे गिराने जा रहे हैं और इसे फिर से बनाने जा रहे हैं। यह स्वीकृति असहज है। यह पहले इसे क्यों नहीं ठीक किया गया था, इसके बारे में प्रश्नों को आमंत्रित करता है। जो लोग इस फोन को बनाते हैं वे वास्तविक प्रगति कर रहे हैं।
आपने “एआई बिल्डर्स” और “एआई प्रैक्टिशनर्स” के बीच के अंतर के बारे में बात की है। आप अगले पांच वर्षों में उद्यम कार्यबल के विकास को कैसे देखते हैं, और एजेंटिक एआई के साथ मानवों के काम करने के बढ़ते उपयोग के साथ कौन से कौशल सबसे मूल्यवान होंगे?
सबसे मूल्यवान कौशल यह जानना होगा कि समस्या को कैसे फ्रेम करना है। जैसे ही एआई अधिक निष्पादन संभालता है, परिणाम की गुणवत्ता प्रश्न और आउटपुट पर लगाई गई निर्णय लेने की गुणवत्ता पर निर्भर करती है। आपको यह पहचानने में सक्षम होने की आवश्यकता है कि जब कुछ सही दिखता है लेकिन संरचनात्मक रूप से गलत है।
क्या आप सोचते हैं कि एआई मानव विशेषज्ञता को समाप्त कर देगा या इसे बदल देगा? आप कैसे देखते हैं कि मानव विशेषज्ञता और एआई एजेंटों के बीच संबंध विकसित हो रहा है क्योंकि अपनाने में तेजी आती है?
एआई उन कार्यों में शानदार है जो स्पष्ट रूप से परिभाषित, उच्च-मात्रा और पैटर्न-निर्भर हैं, जैसे कि चालान संसाधित करना, व्यापार असामान्यताओं की निगरानी करना और दिनचर्या संचार तैयार करना। यह उन चीजों को तेजी से और मानव टीम को छूने से परे की मात्रा में करता है। हालांकि, एआई वास्तविक दुनिया के परिणामों के लिए जिम्मेदारी नहीं ले सकता है, न ही यह नोवेल्टी, अस्पष्टता और जटिल मानव संबंधों जैसी चीजों को संभाल सकता है, जो कि मानव विशेषज्ञता को आवश्यक बनाता है।
आगे देखते हुए, एक वास्तविक एजेंटिक उद्यम क्या दिखता है? यदि हम पांच साल बाद इस बातचीत को दोहराते हैं, तो आप व्यवसायिक संचालन, संगठनात्मक डिजाइन और एआई तैनाती में क्या परिवर्तन अपेक्षा करते हैं जो प्रमुख उद्यमों में मानक हो जाएगा?
हम एआई के बारे में एक अलग पहल के रूप में बात करना बंद कर देंगे। यह बस यह होगा कि काम कैसे किया जाता है।
संरचनात्मक परिवर्तन वह है जो मुझे सबसे ज्यादा दिलचस्प लगता है। हमारी वर्तमान पदानुक्रम का अधिकांश हिस्सा इसलिए मौजूद है क्योंकि जानकारी को आगे बढ़ाना मुश्किल था। हमारे पास अनुमोदन श्रृंखला और समन्वय भूमिकाएं हैं क्योंकि जानकारी को वहां से ले जाना पड़ता था जहां यह बनाई गई थी वहां से जहां निर्णय लिए जाते थे। एजेंट उस दूरी को समाप्त कर देते हैं। जब वे ऐसा करते हैं, तो समन्वय बुनियादी ढांचे का एक महत्वपूर्ण हिस्सा अप्रासंगिक हो जाता है। जो संगठन इसे जल्दी पहचानते हैं और इसके चारों ओर पुनः डिज़ाइन करते हैं उन्हें एक गति लाभ मिलेगा जो जुड़ जाता है।
हम एआई की खरीद और वितरण में एक बदलाव भी देखेंगे। सॉफ्टवेयर कंपनियां उत्पाद बनाती हैं लेकिन परिणामों के लिए जिम्मेदारी नहीं लेती हैं। सेवा कंपनियां जिम्मेदारी लेती हैं लेकिन मापनीय उत्पाद बनाने के लिए संघर्ष करती हैं। दोनों मॉडल अपर्याप्त हैं। जेनपैक्ट में हम जो बना रहे हैं वह विशिष्ट डोमेन में उत्पादक एआई है, जो एक परिणाम के रूप में वितरित किया जाता है। आप परिणाम खरीदते हैं और हम इसके लिए जिम्मेदार हैं। मुझे लगता है कि यह मानक बन जाएगा क्योंकि यह प्रोत्साहनों को सही तरीके से संरेखित करता है। जो विक्रेता केवल क्षमता बेचता है उसे यह नहीं पता होता है कि यह आपके वातावरण में काम करता है या नहीं। जो लोग परिणाम के लिए जिम्मेदार हैं उन्हें हर दांव पर दांव लगाना होगा। इस युग के विजेता सबसे जटिल एआई मॉडल होने से परिभाषित नहीं किए जाएंगे। वे मानवों, प्रक्रियाओं और बुद्धिमान प्रणालियों के बीच संरचनात्मक पुनः डिज़ाइन को मास्टर करने से परिभाषित किए जाएंगे। हम उस बदलाव के दिन एक ही पर हैं।
धन्यवाद महान साक्षात्कार के लिए, पाठक जो और जानना चाहते हैं उन्हें जेनपैक्ट पर जाना चाहिए।
