Ajay Vasal, Pemimpin Global untuk Data & AI, Genpact – Seri Wawancara

Ajay Vasal, Pemimpin Global untuk Data & AI, Genpact, adalah seorang eksekutif teknologi dan strategi veteran dengan lebih dari dua dekade pengalaman yang meliputi kecerdasan buatan, strategi data, transformasi digital, merger dan akuisisi, dan konsultasi perusahaan. Dalam perannya saat ini di Genpact, ia memimpin inisiatif yang berfokus pada membantu perusahaan meningkatkan adopsi AI dan beralih dari AI asisten menuju sistem yang lebih otonom dan terintegrasi secara operasional. Sebelum bergabung dengan Genpact, Vasal menghabiskan hampir sembilan tahun di Accenture, di mana ia memegang beberapa posisi kepemimpinan senior termasuk Pemimpin Global Data & AI untuk Industri Konsumen dan Kepala Pusat Data & Wawasan. Sepanjang karirnya, ia telah fokus pada membantu organisasi mengunci nilai bisnis yang dapat diukur dari data melalui efisiensi operasional, pertumbuhan pendapatan, dan mitigasi risiko, serta memimpin investasi strategis, inisiatif M&A, dan program transformasi yang didorong AI di berbagai industri.

Genpact adalah sebuah perusahaan jasa profesional global dan perusahaan transformasi digital yang berspesialisasi dalam data, AI, analitik, otomasi cerdas, dan modernisasi operasional untuk perusahaan besar. Awalnya didirikan dalam General Electric (GE.TO ) sebelum menjadi perusahaan independen, Genpact sekarang melayani organisasi di berbagai industri termasuk jasa keuangan, kesehatan, manufaktur, ritel, dan barang konsumen. Perusahaan ini telah semakin memposisikan diri di sekitar transformasi perusahaan yang didorong AI, menggabungkan analitik, otomasi, dan keahlian domain untuk membantu bisnis memodernisasi alur kerja, meningkatkan pengambilan keputusan, dan mengirimkan sistem AI skala besar secara bertanggung jawab.

Anda telah menghabiskan tahun-tahun di Accenture untuk membentuk strategi data dan AI di berbagai industri sebelum memasuki peran Anda saat ini di Genpact. Bagaimana pengalaman itu mempengaruhi perspektif Anda tentang mengapa perusahaan masih kesulitan mengekstrak nilai nyata dari investasi AI hari ini?

Salah satu pelajaran terbesar dari bekerja di berbagai industri adalah bahwa sebagian besar organisasi tidak gagal karena teknologi yang lemah. Kenyataannya adalah mereka berjuang karena mereka mencoba melapisi AI pada model operasional yang tidak pernah dirancang untuk eksekusi otonom. Temuan dari penelitian terbaru kami memperkuat poin itu dengan jelas. Sementara perusahaan bergerak agresif ke dalam adopsi AI, banyak yang masih berjuang untuk merancang kembali model operasional yang diperlukan untuk mendukung eksekusi otonom skala besar. Kesenjangan itu menyoroti bagaimana banyak perusahaan masih bekerja melalui pertanyaan-pertanyaan sekitar tata kelola, akuntabilitas, dan kesiapan organisasi.

Kami juga melihat organisasi bergerak cepat sebelum mereka memiliki kerangka pengukuran yang tepat. Tujuh puluh satu persen eksekutif percaya bahwa AI agenik akan menghasilkan ROI lebih cepat daripada gelombang teknologi sebelumnya, namun 67% masih mengandalkan metrik produktivitas yang dibangun untuk model otomasi sebelumnya. Pengalaman saya telah menunjukkan bahwa adopsi AI yang sukses tidak pernah hanya tentang mengirimkan model. Ini tentang merancang kembali alur kerja, menyelaraskan teknologi dengan prioritas bisnis, dan membantu orang memahami bagaimana peran mereka berkembang bersama dengan sistem yang semakin otonom.

Laporan terbaru Anda, Autonomy Requires Trust in AI, menunjukkan bahwa sebagian besar eksekutif percaya bahwa AI agenik akan mengubah secara fundamental operasi bisnis, namun sebagian besar sistem masih diawasi. Apa yang menjadi pemisah terbesar antara keyakinan dan eksekusi?

Pemisahnya sepenuhnya berpusat pada kepercayaan. Eksekutif jelas percaya bahwa AI agenik akan mengubah cara kerja dilakukan, tetapi keyakinan dalam teknologi tidak secara otomatis diterjemahkan menjadi kenyamanan dengan menyerahkan wewenang pengambilan keputusan. Penelitian kami menemukan bahwa hanya 22% organisasi yang nyaman membiarkan sistem AI beroperasi dengan otonomi tingkat domain atau otonomi luas.

Sebagian besar perusahaan masih nyaman menggunakan AI sebagai asisten yang dapat merekomendasikan, meringkas, atau mendukung alur kerja. Kehesitan dimulai ketika sistem AI diharapkan untuk bertindak otonom dalam cara yang memengaruhi operasi, pelanggan, kepatuhan, atau hasil keuangan. Kehesitan itu memaksa banyak perusahaan untuk terus melibatkan manusia dalam proses persetujuan dan pengawasan bahkan ketika mereka mendorong menuju model operasional yang lebih otonom.

Banyak perusahaan menginvestasikan besar-besaran dalam AI tetapi gagal menunjukkan pengembalian yang berarti. Apa kesalahan umum yang dilakukan organisasi saat mencoba mengukur nilai yang didorong AI?

Kesalahan besar adalah bahwa banyak organisasi masih menggunakan metrik produktivitas yang dirancang untuk gelombang otomasi sebelumnya. Data menunjukkan bahwa 67% perusahaan masih mengandalkan metrik berbasis produktivitas yang tidak dapat sepenuhnya menangkap nilai sistem yang adaptif dan didorong keputusan. Itu menciptakan pemisah nyata antara harapan dan bagaimana nilai sebenarnya diukur.

Isu lainnya adalah bahwa banyak organisasi belum mendefinisikan metrik kesuksesan AI yang asli. Hanya sebagian kecil perusahaan yang mengukur hal-hal seperti penyelesaian alur kerja otonom, pengurangan eskalasi, atau penanganan pengecualian otonom. Jika perusahaan terus fokus hanya pada pengurangan biaya atau jam yang diselamatkan, mereka akan melewatkan dampak operasional yang lebih luas yang dirancang AI agenik untuk menciptakan.

Laporan tersebut menyarankan bahwa kesiapan organisasi adalah hambatan yang lebih besar daripada teknologi itu sendiri. Apa perubahan struktural spesifik yang perlu dilakukan perusahaan untuk membuka potensi penuh AI agenik?

Organisasi perlu memikirkan kembali bagaimana akuntabilitas, kepemilikan alur kerja, dan pengambilan keputusan beroperasi di seluruh bisnis. Salah satu kesimpulan yang paling jelas dari penelitian adalah bahwa kesiapan organisasi menjadi hambatan yang lebih besar daripada teknologi itu sendiri. Faktanya, 33% perusahaan mengidentifikasi proses bisnis yang tidak siap untuk integrasi agenik sebagai hambatan utama adopsi.

Perusahaan yang membuat kemajuan paling banyak sedang merancang kembali alur kerja dari ujung ke ujung sehingga sistem otonom dapat beroperasi dalam batasan dan struktur pengawasan yang jelas. Kami juga menemukan bahwa 44% perusahaan mengharapkan AI agenik untuk meratakan struktur manajemen karena sistem menyerap tugas koordinasi yang tradisional ditangani oleh manajemen menengah. Karyawan memerlukan kejelasan yang jauh lebih besar tentang tanggung jawab pengawasan, titik intervensi, dan di mana penilaian manusia sesuai dengan lingkungan yang semakin otonom.

Hanya sebagian kecil organisasi yang nyaman memberikan AI agenik otonomi nyata. Apa yang diperlukan agar perusahaan dapat mempercayai sistem AI dengan wewenang pengambilan keputusan?

Kepercayaan pada AI agenik pada akhirnya berkaitan dengan akuntabilitas dan kontrol. Perusahaan masih berhati-hati tentang menyerahkan wewenang pengambilan keputusan karena pemimpin ingin yakin bahwa sistem otonom dapat beroperasi dalam batasan dan struktur tata kelola yang jelas.

Perusahaan yang maju merancang sistem di mana jalur eskalasi, pemicu intervensi, dan kontrol tata kelola dibangun langsung ke dalam model operasional. Sebagian besar organisasi memberikan otonomi secara bertahap berdasarkan konteks bisnis dan toleransi risiko daripada membuat lompatan tiba-tiba ke otonomi penuh. Ketika perusahaan memperoleh kepercayaan melalui penerapan sukses, kepercayaan tumbuh karena pemimpin dapat dengan jelas melihat bagaimana keputusan dibuat, di mana akuntabilitas berada, dan bagaimana pengawasan manusia dipertahankan.

Perusahaan mengharapkan untuk meningkatkan AI agenik dengan cepat, namun banyak masih mengandalkan metrik produktivitas yang ketinggalan zaman. Apa yang seharusnya metrik kinerja AI yang lebih efektif dan asli terlihat seperti?

Metrik AI asli perlu mengukur eksekusi dan hasil daripada aktivitas. Metrik produktivitas tradisional berfokus pada apakah orang bekerja lebih cepat, tetapi AI agenik mengubah persamaan karena sistem itu sendiri mulai membawa sebagian dari beban kerja operasional. Itu penting karena banyak organisasi masih mengukur AI agenik melalui lensa produktivitas yang dirancang untuk gelombang otomasi sebelumnya daripada eksekusi otonom.

Metrik yang lebih efektif harus berfokus pada penyelesaian alur kerja otonom, tingkat eskalasi yang berkurang, eksekusi keputusan yang lebih cepat, dan bagaimana sistem mengelola pengecualian dengan intervensi manusia yang terbatas. Metrik tersebut memberikan gambaran yang jauh lebih jelas tentang apakah AI benar-benar meningkatkan eksekusi skala besar.

Anda menyoroti bahwa perancangan proses adalah hambatan utama adopsi. Mengapa transformasi alur kerja lebih penting daripada kinerja model dalam fase AI berikutnya?

Transformasi alur kerja penting karena bahkan sistem AI yang paling canggih tidak dapat diskalakan secara efektif di dalam proses yang rusak atau terfragmentasi. Penelitian kami menemukan bahwa 33% perusahaan mengidentifikasi kesiapan proses sebagai hambatan utama adopsi AI agenik.

Apa yang membuat fase ini berbeda adalah bahwa AI agenik dirancang untuk dieksekusi di seluruh alur kerja daripada hanya membantu di dalamnya. Organisasi harus merancang kembali proses di sekitar eksekusi otonom dengan memperjelas kepemilikan keputusan, menghapus penyerahan yang tidak perlu, dan memasukkan tata kelola langsung ke dalam alur kerja. Dalam banyak cara, perancangan alur kerja kini adalah fondasi sebenarnya untuk adopsi AI yang dapat diskalakan.

Laporan tersebut menyarankan bahwa AI akan meratakan struktur organisasi karena tugas koordinasi menjadi otomatis. Bagaimana Anda melihat peran kepemimpinan dan manajemen menengah berkembang sebagai hasilnya?

Ketika AI agenik mengambil lebih banyak tugas koordinasi dan pengawasan operasional, peran kepemimpinan kemungkinan akan bergeser dari mengelola eksekusi rutin menuju memandu strategi, penilaian, dan tata kelola. Penelitian kami menemukan bahwa banyak perusahaan mengharapkan AI agenik untuk meratakan lapisan koordinasi di seluruh organisasi karena sistem otonom mengambil lebih banyak tanggung jawab pengawasan operasional.

Manajemen menengah secara historis telah memainkan peran besar dalam mengarahkan keputusan dan memelihara kontinuitas operasional di seluruh tim. Ketika sistem otonom mulai menangani lebih banyak kegiatan tersebut, pemimpin akan perlu fokus lebih pada manajemen pengecualian, akuntabilitas, dan memastikan sistem selaras dengan tujuan bisnis. Kepemimpinan manusia akan menjadi semakin penting di area di mana konteks, etika, dan penilaian masih paling penting.

Genpact memposisikan diri sebagai perusahaan solusi teknologi canggih dan agenik. Bagaimana perusahaan ini mendekati AI agenik secara berbeda dari perusahaan konsultasi atau teknologi tradisional?

Pendekatan Genpact berakar pada eksekusi dan hasil dan apa yang sering kami deskripsikan sebagai memecahkan “masalah terakhir” adopsi AI. Banyak organisasi telah membuktikan bahwa model AI dapat menghasilkan wawasan atau meningkatkan produktivitas, tetapi tantangan nyata adalah memasukkan kemampuan tersebut ke dalam alur kerja bisnis langsung di mana pekerjaan sebenarnya dilakukan. Itulah di mana banyak inisiatif AI terhambat. Fokus kami adalah membantu klien mengoperasikan AI agenik di seluruh “mil terakhir” eksekusi sehingga sistem dapat menghasilkan hasil yang dapat diukur di dalam keuangan, rantai pasokan, layanan pelanggan, dan fungsi perusahaan inti lainnya.

Apa yang membedakan pendekatan kami adalah kombinasi dari keahlian proses yang mendalam dengan data, teknologi, dan kemampuan AI. Kami tidak hanya mengirimkan model atau membangun pilot. Kami merancang kembali alur kerja, memasukkan tata kelola ke dalam operasi, dan membantu perusahaan menciptakan struktur akuntabilitas yang diperlukan untuk eksekusi otonom skala besar. Karena kami juga telah memasukkan AI agenik ke dalam operasi kami sendiri, kami membawa pengalaman praktis tentang apa yang diperlukan untuk berpindah dari eksperimen ke dampak perusahaan yang luas.

Menghadap ke depan, apakah Anda percaya AI agenik akan memperlebar kesenjangan antara perusahaan terdepan dan tertinggal, dan apa yang harus dilakukan perusahaan sekarang untuk menghindari ketinggalan?

Ya, saya percaya kesenjangan akan memperlebar karena AI agenik mengompound nilai dengan cara yang berbeda dari gelombang teknologi sebelumnya. Organisasi yang sukses merancang kembali alur kerja, membangun kerangka akuntabilitas, dan membangun kepercayaan ke dalam sistem otonom akan menciptakan keunggulan operasional yang menjadi sulit bagi pesaing untuk mereplikasi. Apa yang mencolok adalah seberapa cepat perubahan ini terjadi. Dua puluh sembilan persen perusahaan mengharapkan AI agenik untuk diskalakan di seluruh bisnis dalam waktu 12 bulan ke depan.

Bagi perusahaan yang ingin tetap kompetitif, prioritas sekarang harus mempersiapkan model operasional untuk eksekusi otonom. Ini termasuk merancang kembali alur kerja, mendefinisikan struktur kepemilikan, membangun kerangka pengukuran AI asli, dan menginvestasikan kesiapan tenaga kerja. Perusahaan yang bergerak awal pada fondasi tersebut akan lebih baik posisi daripada mereka yang masih mendekati AI sebagai inisiatif teknologi mandiri.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Genpact.