Wawancara
Archana Joshi, Kepala – Strategi (BFS dan EnterpriseAI), LTIMindtree – Seri Wawancara
Archana Joshi membawa lebih dari 24 tahun pengalaman di industri layanan TI, dengan keahlian di AI (termasuk AI generatif), metodologi Agile dan DevOps, serta inisiatif perangkat lunak hijau. Saat ini, dia memimpin strategi pertumbuhan dan posisi pasar untuk layanan Enterprise AI dan Unit Bisnis Perbankan dan Jasa Keuangan di LTIMindtree. Joshi telah bekerja dengan klien Fortune 100 di berbagai geografi dan merupakan pembicara reguler di forum dan acara industri.
LTIMindtree adalah perusahaan konsultasi teknologi global dan penyedia solusi digital yang bekerja dengan perusahaan di berbagai industri untuk mendukung evolusi model bisnis, inovasi, dan pertumbuhan melalui teknologi digital. Melayani lebih dari 700 klien, LTIMindtree menyediakan keahlian domain dan teknologi yang bertujuan untuk meningkatkan diferensiasi kompetitif, pengalaman pelanggan, dan hasil bisnis di dunia yang semakin terhubung.
Dengan pengalaman luas Anda dalam mengubah layanan TI di berbagai organisasi, bagaimana gaya kepemimpinan pribadi Anda berkembang di LTIMindtree, terutama dalam mengarahkan adopsi AI Generatif?
Dengan lebih dari dua dekade pengalaman di Layanan TI, saya telah mengabdikan karir saya untuk mengemudi solusi teknologi transformatif untuk pelanggan, baik itu Agile/DevOps atau AI generatif (GenAI). Di LTIMindtree, fokus saya adalah pada memberdayakan organisasi untuk memanfaatkan GenAI untuk merencanakan dan melaksanakan perjalanan transformasi digital mereka. Saya memprioritaskan strategi berorientasi pelanggan, bekerja sama dengan klien untuk memahami tantangan unik mereka dan menyampaikan solusi AI yang disesuaikan yang menghasilkan nilai bisnis. Sebagai kepala strategi, saya perlu berkolaborasi dengan tim di berbagai departemen untuk mempromosikan adopsi GenAI dan tetap mendapatkan informasi tentang perkembangan baru untuk memandu keputusan saya. Proses GenAI menghasilkan sejumlah besar data untuk memberikan wawasan yang dapat ditindaklanjuti. Kemampuan ini sangat bermanfaat bagi seorang pemimpin yang berorientasi data seperti saya, yang menghargai strategi berbasis bukti.
Misalnya, setiap pagi ketika saya memulai hari saya dengan copilot berbasis GenAI untuk membantu saya memahami item teratas yang memerlukan perhatian saya atau memberikan wawasan untuk membuat laporan yang dapat saya bagikan dengan tim saya tentang adopsi. Bahkan, saya sering mengatakan dalam tim bahwa copilot berbasis GenAI telah pada dasarnya menjadi anggota integral dari tim kami, seperti rekan terpercaya. Mereka mendukung kami dengan memberikan wawasan berharga, mengotomatisasi tugas, dan menjaga kami sejalan dengan tujuan strategis kami.
Bagaimana AI Generatif mengubah model layanan TI tradisional, terutama di industri yang lebih lambat dalam mengadopsi transformasi digital?
GenAI merevolusi model layanan TI tradisional di semua industri dengan meningkatkan produktivitas pengembang TI secara signifikan. Dari copilot yang menghasilkan kode hingga data sintetis untuk pengujian dan mengotomatisasi operasi TI, setiap aspek TI sedang ditransformasikan. Akibatnya, fokus model layanan TI beralih dari pendekatan berbasis biaya ke pendekatan berbasis efisiensi dan dampak. Ini berarti bahwa nilai layanan TI sekarang diukur oleh kemampuan mereka untuk menghasilkan hasil yang nyata daripada hanya penghematan biaya. Perubahan ini juga menyebabkan pekerjaan baru di layanan TI, seperti mengembangkan model kustom, rekayasa data untuk kebutuhan AI, dan mengimplementasikan AI yang bertanggung jawab.
Hanya 18 bulan yang lalu, layanan ini tidak menjadi norma. Bahkan di industri yang sangat diatur seperti layanan kesehatan dan jasa keuangan, di mana sistem warisan ada, nilai GenAI dalam meningkatkan efisiensi operasional semakin diakui.
Penelitian kami sendiri di LTIMindtree, yang berjudul “Keadaan Adopsi AI Generatif“, jelas menyoroti tren ini. Di bidang kesehatan, kami melihat GenAI membuat dampak besar dengan mengotomatisasi hal-hal seperti diagnosis medis, analisis data, dan pekerjaan administratif. Ini membantu dokter dan penyedia layanan kesehatan membuat keputusan yang lebih cepat dan akurat—meskipun adopsi tetap hati-hati karena kerangka kerja kepatuhan dan regulasi yang ketat. Di bidang jasa keuangan, GenAI meningkatkan manajemen risiko, deteksi penipuan, dan layanan pelanggan dengan mengotomatisasi tugas manual. Namun, adopsi sektor ini didorong oleh kekhawatiran seputar risiko, tata kelola, dan data sensitif.
Apakah Anda dapat membagikan contoh spesifik tentang bagaimana LTIMindtree telah berhasil mengintegrasikan GenAI ke dalam alur kerja TI tradisional untuk mengarahkan efisiensi dan inovasi?
Di LTIMindtree, kami memiliki strategi tiga arah untuk AI. Filosofi “AI dalam Semua, Semua untuk AI, AI untuk Semua” menekankan komitmen kami untuk mengintegrasikan AI di semua aspek operasi dan layanan kami. Pendekatan ini memastikan bahwa AI bukan hanya tambahan, tetapi komponen inti dari solusi kami, mengemudi inovasi dan efisiensi.
Pelanggan melihat AI untuk meningkatkan efisiensi di seluruh papan. Dari mengurangi jam yang dihabiskan untuk tugas berulang dan memakan waktu hingga menskalakan operasi dan meningkatkan keandalan proses bisnis, AI menjadi bagian inti dari strategi mereka. Insinyur kami fokus pada mengintegrasikan copilot AI ke dalam alur kerja mereka, mencakup semua, dari pengkodean, pengujian, dan penerapan hingga perawatan perangkat lunak.
Misalnya, dalam langkah transformasional untuk sebuah perusahaan Fortune 200, kami telah menggunakan copilot berbasis GenAI untuk mengubah prosedur yang disimpan dalam jumlah besar menjadi Java, memungkinkan perjalanan modernisasi mereka. Kami baru-baru ini bekerja dengan sebuah perusahaan asuransi besar yang ingin mengotomatisasi proses ekstraksi data mereka. Mereka menghadapi masalah skalabilitas dan akurasi dengan pendekatan manual mereka. Jadi, tim kami mengembangkan bot pendamping, yang sekarang membantu memproses beberapa dokumen, mengekstrak informasi kritis seperti risiko, kelayakan, cakupan, dan detail harga. Ini telah secara signifikan mengurangi waktu yang dibutuhkan untuk mengajukan penawaran produk dan mengelola berbagai cakupan.
Dengan adopsi GenAI yang cepat di berbagai sektor, apa saja pertimbangan etis yang harus diperhatikan oleh perusahaan, dan bagaimana LTIMindtree memastikan penggunaan AI yang bertanggung jawab?
Evolusi AI sangat menjanjikan, tetapi juga membawa banyak tantangan perusahaan, terutama seputar pertimbangan etis dalam implementasinya.
Di LTIMindtree, kami memiliki dewan AI yang terdiri dari ahli fungsional lintas dari AI, keamanan, hukum, privasi data, dan berbagai vertikal industri. Dewan ini telah menetapkan kerangka asuransi AI dan berkolaborasi dengan badan industri tentang pedoman regulasi AI. Selain itu, bekerja sama dengan tim yang mengimplementasikan AI untuk memvalidasi postur risiko etis mereka.
Untuk mengimplementasikan GenAI secara efektif, kami telah menetapkan serangkaian prinsip etis inti yang sejalan dengan nilai perusahaan, yang menangani keadilan, akuntabilitas, transparansi, dan privasi. Ini memerlukan sponsor eksekutif dan dukungan dari tim hukum dan keamanan. Selanjutnya, intervensi teknis dimasukkan ke dalam proses internal kami yang fokus pada data berkualitas tinggi, tidak bias, dengan langkah-langkah untuk memastikan integritas data dan keadilan. Membudayakan etika AI melibatkan pelatihan berkelanjutan tentang kemampuan AI dan potensi jebakan, seperti halusinasi AI. Akhirnya, audit dan pembaruan rutin sistem AI dilakukan untuk mengatasi kerentanan dan memastikan akurasi output AI. Pendekatan komprehensif ini memastikan bahwa GenAI diimplementasikan secara bertanggung jawab dan efektif, mengemudi nilai bisnis sambil mempertahankan standar etis.
Bagaimana platform AI LTIMindtree menangani kekhawatiran seputar etika AI, keamanan, dan keberlanjutan?
Ketika kami terus meluncurkan alat dan platform AI baru, kami harus memastikan bahwa mereka memenuhi standar dan regulasi kami seputar penggunaan teknologi. Selain mempertahankan kualitas data untuk memberikan output yang akurat dan tidak bias, kami berkomitmen untuk memenuhi standar tinggi untuk keamanan dan keberlanjutan.
Platform kami dibangun di sekitar prinsip AI yang bertanggung jawab dan sadar. Dalam hal keberlanjutan, kami menyadari permintaan energi yang meningkat yang diperlukan untuk mendukung model AI, dari pelatihan hingga operasi berkelanjutan. Kami telah mengadopsi pendekatan mengurangi, menggunakannya kembali, dan mendaur ulang AI untuk mengatasi jejak karbon dan pentingnya menciptakan praktik AI yang ramah lingkungan dan berkelanjutan. Melalui proses ini, kami fokus pada mengurangi parameter dengan memfokuskan pada model bahasa besar yang lebih kecil dan spesifik yang dapat mengatasi kebutuhan aplikasi perusahaan secara efisien sambil menciptakan jejak karbon yang lebih kecil. Selain itu, kami memanfaatkan kembali data untuk berbagai aplikasi dan kasus penggunaan untuk menghindari redundansi dan menggunakan kembali mekanisme dan prompt yang dapat digunakan untuk tugas serupa untuk mempromosikan efisiensi dan keberlanjutan. Kami juga melihat model kuantisasi untuk mengurangi jejak memori, menerima inferensi yang lebih cepat, mengurangi biaya, dan membangun aplikasi yang berkelanjutan.
Seperti yang saya sebutkan sebelumnya, keamanan adalah kekhawatiran utama dengan penggunaan alat atau aplikasi AI apa pun. Di LTIMindtree, kami tidak hanya memprioritaskan keamanan data dan penggunaan yang adil, tetapi kami juga menjadikannya sebagai fondasi strategi AI kami. Kami juga telah mengintegrasikan lebih dari 50 API moderasi kelas terbaik dan kerangka kerja AI yang bertanggung jawab dari penyedia pihak ketiga seperti Nvidia Nemo guardrails dan model tata kelola IBM Watson. Platform kami secara efisien mengelola data sambil mempertimbangkan privasi, keamanan, penggunaan etis, dan keberlanjutan dengan memanfaatkan langkah-langkah tata kelola yang solid dan kerangka yang terstruktur dengan baik.
Bagaimana GenAI mempengaruhi manajemen proyek Agile di LTIMindtree? Apa kelebihan yang dibawanya ke tim Agile, dan apakah ada trade-off?
Mengintegrasikan GenAI ke dalam praktik Agile mengubah cara tim bekerja. Ini meningkatkan produktivitas, merampingkan proses, dan membuka peluang baru untuk inovasi. Ketika lanskap pengembangan perangkat lunak berkembang, kami menggunakan GenAI untuk mengotomatisasi tugas berulang yang dapat membebani tim. Perubahan ini memungkinkan mereka untuk fokus lebih pada pemecahan masalah kreatif dan inovasi—tepat di mana mereka harusnya.
Ketika kami memulai integrasi GenAI ke dalam kerangka Agile, ada beberapa poin kunci yang ingin kami tekankan. Pertama, penting untuk memahami sifat alat AI dan dampak potensialnya pada kolaborasi tim. Misalnya, tim Agile perlu menyadari keterbatasan alat ini. Mereka bergantung pada data yang ada sebelumnya daripada memberikan wawasan waktu nyata, jadi penting untuk memvalidasi dan memperbaiki output mereka.
AI asli DevOps kami memanfaatkan teknologi canggih seperti grafik pengetahuan, model bahasa kecil kustom (SLM) bersama dengan agen siklus hidup pengembangan perangkat lunak (SDLC). Ini memiliki potensi untuk mencapai 35-50% efisiensi produktivitas di seluruh siklus Agile-DevOps untuk perusahaan. Ini membantu pod Agile selama penciptaan cerita pengguna, perencanaan sprint, pengembangan kode hingga pipa CI/CD dan pengelolaan insiden selanjutnya.
Dengan AI mengubah industri TI, bagaimana LTIMindtree menangani kebutuhan akan bakat dan keterampilan baru? Apa inisiatif yang telah Anda pimpin untuk memastikan tim Anda dilengkapi untuk masa depan yang didorong AI?
Munculnya teknologi inovatif di industri TI telah menyoroti kesenjangan antara keterampilan yang dimiliki oleh tenaga kerja saat ini dan apa yang diperlukan untuk berkembang di dunia yang didorong AI. GenAI memiliki potensi untuk mengubah peran sehari-hari banyak karyawan, sehingga mempersiapkan keterampilan dan peran baru sangat penting.
Di LTIMindtree, kami mengambil langkah-langkah untuk mengatasi transformasi ini dengan fokus pada pengembangan keterampilan karyawan kami untuk memenuhi permintaan yang muncul. Kami memiliki inisiatif GARUDA, yang dirancang khusus untuk melatih dan memasukkan tim dalam GenAI dan AI perusahaan. Kami mengakui bahwa sumber daya pelatihan dan pendidikan yang efektif sangat penting, dan kami berkomitmen untuk menciptakan budaya pembelajaran berkelanjutan.
Strategi pelatihan kami termasuk adaptasi data-driven, pembelajaran online waktu nyata, pembelajaran lanjutan, pembelajaran transfer, dan loop umpan balik. Dengan cara ini, kami memastikan bahwa tim kami tidak hanya mengikuti perubahan, tetapi benar-benar dilengkapi untuk unggul dalam peran yang berkembang. Ini adalah waktu yang menyenangkan, dan kami semua berada dalam perjalanan ini bersama.
Selain itu, kami telah bermitra dengan tujuh lembaga akademis untuk melengkapi bakat masa depan dengan keterampilan AI. Di sini, kami terlibat mulai dari desain kurikulum hingga mengadministrasikan kurikulum, serta melengkapi profesor melalui pendekatan pelatih-pelatih.
Bagaimana Anda melihat peran bakat manusia berkembang di tempat kerja yang semakin didorong AI, dan apa langkah-langkah yang Anda ambil untuk mempersiapkan tenaga kerja Anda untuk perubahan ini?
Di masa lalu, ada peran yang berbeda untuk individu kreatif dan ahli teknologi. Namun, ada pergeseran yang jelas menuju pengadopsian, arus utama, dan penskalaan teknik pembuatan konten inovatif, yang memburamkan garis antara kreativitas dan teknologi. Perubahan ini memengaruhi berbagai industri, di mana pemisahan konvensional antara peran kreatif dan pekerjaan teknologi secara bertahap memudar. Sementara itu menjanjikan, evolusi ini datang dengan tantangannya, yang menunjukkan pergeseran fokus yang signifikan pada pelatihan ulang sebagai esensial untuk memanfaatkan manfaat AI.
Pembicaraan besar sekarang adalah bagaimana membuat perubahan GenAI ini tetap dan berkembang. Inilah di mana manajemen perubahan menjadi sangat penting. Ini memerlukan pendekatan terstruktur dan tim khusus untuk mengawasi proses adopsi AI. Orang, bukan hanya teknologi, ada di jantung adopsi GenAI yang sukses. Ini dapat menjadi alat pemberdayaan yang kuat, bahkan di antara mereka yang awalnya melihatnya sebagai ancaman. Forrester memperkirakan bahwa pada tahun 2030, hanya 1,5% pekerjaan yang akan hilang karena GenAI, sementara 6,9% akan dipengaruhi olehnya. Oleh karena itu, para pemimpin harus memprioritaskan transparansi dan memotivasi tenaga kerja mereka tentang masa depan AI di tempat kerja.
AI mengubah peran pekerjaan di seluruh sektor TI, mengotomatisasi tugas sehari-hari, dan menekankan pengambilan keputusan strategis dan pemecahan masalah kompleks. Di LTIMindtree, kami percaya bahwa ini adalah pergeseran mindset dan oleh karena itu telah membangun inisiatif pusat GARUDA yang fokus pada adopsi perubahan ini. Inisiatif GARUDA tidak hanya tentang pelatihan berbasis peran dan pengembangan keterampilan, tetapi juga tentang menciptakan duta besar AI yang dapat mengemudi adopsi ini di berbagai lapisan. Kami juga bekerja sama dengan fungsi HR kami untuk melihat dampak pada berbagai peran dalam organisasi, serta jalur karir dan pengakuan yang terkait. Hari ini di LTIMindtree, kami memiliki tiga tingkat jalur pengembangan keterampilan – dasar, praktisi, dan ahli. Lebih dari 50.000 asosiasi kami telah menyelesaikan inisiatif pengembangan keterampilan dasar yang mencakup konsep AI hingga penggunaan copilot serta pertimbangan AI yang bertanggung jawab.
Apa saja aplikasi GenAI yang paling inovatif yang telah Anda lihat baru-baru ini, dan ke mana Anda melihat teknologi ini menuju dalam 3-5 tahun ke depan?
Kami baru saja menyentuh permukaan apa yang bisa dilakukan GenAI, dan saya sangat antusias tentang potensinya di seluruh industri TI dan di luar. Ketika lebih banyak sektor bergabung, saya menemukan diri saya sangat bersemangat tentang aplikasinya untuk mengubah kehidupan manusia.
Di LTIMindtree, kami telah bermitra dengan Badan Pengungsi PBB untuk meningkatkan kemampuan respons krisis menggunakan GenAI. Kolaborasi ini bertujuan untuk mempercepat respons krisis di lapangan, memberikan bantuan dan dukungan tepat waktu kepada pengungsi yang membutuhkan. Penggunaan inovatif teknologi ini membantu membawa harapan dan bantuan kepada populasi yang rentan selama masa-masa sulit mereka. Untuk sebuah perusahaan asuransi jiwa Amerika, kami mengembangkan solusi GenAI yang menerjemahkan kata-kata yang diucapkan secara real-time, secara signifikan meningkatkan pengalaman pelanggan. Dengan menjembatani kesenjangan komunikasi, teknologi ini memfasilitasi pemahaman dan koneksi yang lebih baik antara orang-orang, membawa kita lebih dekat dan memastikan bahwa hambatan bahasa tidak lagi menghambat pengalaman yang efektif.
Menghadap ke depan, AI Agensi akan memungkinkan kinerja tugas otonom dan pengambilan keputusan. Pada tahun 2027, model industri khusus akan mendominasi, penggunaan data sintetis akan meningkat, dan implementasi yang hemat energi akan tumbuh. Model multimodal yang mengintegrasikan input teks, gambar, audio, dan video akan meningkatkan kemampuan, mengemudi dampak ekonomi yang signifikan dan inovasi. GenAI diprediksi akan menambahkan hingga $4,4 triliun ke perekonomian global setiap tahun, merevolusi industri dan mengemudi efisiensi serta keberlanjutan, ritel, layanan kesehatan, dan ilmu hayati.
Kenyataannya adalah bahwa setiap tempat kerja akan disentuh oleh GenAI dalam beberapa kapasitas, menjadi bagian dari operasi sehari-hari kami. Ketika kami melanjutkan transisi ini, saya tidak sabar untuk melihat bagaimana itu berkembang dan apa inovasi yang akan datang selanjutnya.
