Arun Hiremath, Chief Business Officer dan Co-Founder dari EvoluteIQ – Seri Wawancara

Arun Hiremath, Chief Business Officer dan Co-Founder dari EvoluteIQ, adalah eksekutif teknologi dan wirausaha dengan hampir tiga dekade pengalaman yang meliputi otomatisasi perusahaan, strategi produk, pengembangan bisnis, dan telekomunikasi. Di EvoluteIQ, ia bertanggung jawab untuk mengarahkan pertumbuhan pendapatan dan memperkuat hubungan pelanggan, terutama melalui bisnis eiq360 perusahaan. Sebelum bergabung dengan EvoluteIQ, Hiremath mendirikan dan memimpin penyedia platform low-code AmperAXP, yang diintegrasikan ke dalam EvoluteIQ pada tahun 2021. Karir sebelumnya termasuk posisi manajemen produk senior di Qualcomm (QCOM ), Ikanos Communications, Conexant Systems, dan Globespan, serta tanggung jawab untuk pengembangan bisnis Asia-Pasifik di Tata Elxsi (TATAELXSI.BO ).

EvoluteIQ adalah perusahaan perangkat lunak yang mengembangkan platform AI-native untuk mengotomatisasi dan mengatur proses bisnis yang kompleks, dari awal hingga akhir. Platform EIQ menggabungkan agentic AI, generative AI, otomatisasi proses dan keputusan, otomatisasi proses robotik, pemrosesan data dan peristiwa cerdas, integrasi perusahaan, analitik, dan pengembangan aplikasi dalam lingkungan low-code/no-code. Dirancang untuk menggantikan alat otomatisasi yang terfragmentasi dengan arsitektur yang terintegrasi, platform ini membantu organisasi membangun alur kerja yang adaptif yang menghubungkan sistem warisan dan modern sambil mempertahankan tata kelola, keamanan, dan skalabilitas tingkat perusahaan. EvoluteIQ melayani organisasi di berbagai industri, termasuk perbankan, asuransi, perawatan kesehatan, telekomunikasi, manufaktur, energi, dan ritel.

Di wawancara sebelumnya dengan Sameet Gupte, CEO dari EvoluteIQ, kami membahas visi EvoluteIQ yang lebih luas untuk otomatisasi perusahaan AI-native. Dari sudut pandang Anda bekerja sama dengan pelanggan, apa yang paling berubah dalam cara perusahaan memikirkan tentang agentic AI sejak percakapan itu?

Perubahan terbesar adalah bahwa perusahaan telah berhenti bertanya, “Apakah AI dapat melakukan ini” dan mulai bertanya, “Apakah saya dapat mempercayai AI untuk melakukan ini?”

Setahun yang lalu, sebagian besar percakapan fokus pada kemampuan model mana. Pelanggan sekarang lebih pragmatis. Mereka ingin tahu apakah AI dapat mengkoordinasikan orang, aplikasi, kebijakan, persetujuan, kepatuhan, dan agen lainnya di sekitar hasil bisnis yang dapat diukur.

Pengolahan klaim adalah contoh yang baik. AI itu sendiri tidak harus sulit. Tantangan adalah merancang bagaimana agen otonom bekerja bersama orang dan dalam tata kelola TI di seluruh sistem, tim, dan pengecualian.

Banyak perusahaan tampaknya masih memperlakukan AI sebagai lapisan perangkat lunak lain yang ditambahkan di atas alur kerja yang ada. Mengapa pendekatan itu terbatas, dan apa yang terlihat ketika sebuah perusahaan merancang ulang proses di sekitar eksekusi otonom dari awal?

Menempatkan AI di atas proses yang rusak hanya memungkinkan Anda untuk mencapai hasil yang salah lebih cepat.

Banyak alur kerja perusahaan dirancang 20 tahun yang lalu di sekitar pengambilan keputusan manual. Menambahkan AI sebagai langkah lain mungkin mengoptimalkan proses, tetapi tidak mengubahnya. Pertanyaan yang lebih baik adalah keputusan mana yang benar-benar memerlukan orang dalam loop, dan mana yang dapat dengan aman didelegasikan ke agen otonom.

Di manajemen pengeluaran, misalnya, AI dapat mengevaluasi kebijakan, pola pengeluaran, riwayat karyawan, dan dokumen pendukung. Klaim rutin dapat disetujui dalam beberapa menit, sementara kasus yang tidak biasa dinaikkan ke manajer.

Anda telah berargumen bahwa banyak pelanggan tidak memiliki masalah vendor, tetapi masalah model operasional. Apa yang paling umum masalah organisasi yang mencegah AI perusahaan berskala di luar pilot?

Sebagian besar perusahaan tidak memiliki kekurangan AI; mereka memiliki kekurangan kepemilikan.

TI memiliki infrastruktur. Bisnis memiliki proses. Keamanan memiliki tata kelola. Tim data memiliki model. Operasional memiliki eksekusi. Tetapi tidak ada yang secara pasti memiliki bagaimana semua bagian itu bekerja sama untuk menghasilkan proses bisnis otonom. Apa yang hilang adalah cara terintegrasi untuk menggunakannya.

Oleh karena itu, pilot sering menjadi kesuksesan yang terisolasi. Organisasi yang mengotomatisasi dengan sukses sedang mengubah model operasional mereka, bukan hanya membeli lebih banyak teknologi. Mereka menciptakan tim lintas fungsional yang secara bersama-sama memiliki hasil bisnis daripada sistem individual. Pertanyaan penting adalah: Siapa yang memiliki hasil, dan siapa yang bertanggung jawab untuk menghasilkannya?

Di mana Anda menarik garis antara otomatisasi yang berguna, otomatisasi cerdas, dan otomatisasi agenik yang sebenarnya?

Saya melihatnya sebagai tiga tahap kematangan. Otomatisasi mengikuti instruksi. Otomatisasi cerdas memahami informasi yang diberikan. Otomatisasi agenik memahami tujuan bisnis dan bekerja menuju hasil.

Di pengolahan faktur, otomatisasi tradisional menyalin informasi antara sistem. Otomatisasi cerdas membaca faktur, mengekstrak data, dan menandai inkonsistensi. Kemudian, otomatisasi agenik dapat mengidentifikasi informasi yang hilang, berkomunikasi dengan pemasok, menerapkan kebijakan bisnis, menangani pengecualian, mendapatkan persetujuan, dan menyelesaikan proses.

Perbedaan bukan hanya bahwa AI lebih pintar. Perbedaan adalah bahwa itu memiliki hasil bukan hanya satu tugas.

Pemimpin perusahaan berada di bawah tekanan untuk menunjukkan ROI AI dengan cepat, tetapi transformasi proses yang kompleks membutuhkan waktu. Bagaimana perusahaan harus menyeimbangkan kecepatan, tata kelola, dan perubahan model operasional jangka panjang?

Kecepatan tanpa tata kelola menciptakan risiko. Tata kelola tanpa kecepatan menciptakan frustrasi. Perusahaan harus menyeimbangkan keduanya.

Perusahaan harus memulai dengan proses bisnis yang penting – sesuatu yang terlihat yang dapat menunjukkan nilai yang dapat diukur – tetapi membangunnya di atas fondasi yang mendukung tata kelola, keamanan, keterbukaan, dan kepatuhan. Solusi awal tidak boleh menjadi silo lain.

Kesalahan adalah percaya bahwa tata kelola memperlambatkan inovasi. Tata kelola yang baik sebenarnya mempercepat adopsi karena menciptakan kepercayaan. Setelah kontrol yang tepat ada di tempat, organisasi dapat bergerak lebih cepat dan berskala dengan kepercayaan yang lebih besar.

EvoluteIQ telah menekankan otomatisasi proses ujung-ke-ujung daripada mengotomatisasi tugas terisolasi. Mengapa perbedaan itu sangat penting ketika beralih dari eksperimen AI ke penerapan produksi?

Bisnis tidak mengalami pekerjaan sebagai tugas individual, mereka mengalami hasil. Tidak ada yang merayakan karena ekstraksi dokumen menjadi 60% lebih cepat. Mereka merayakan karena pendaftaran pelanggan sekarang membutuhkan beberapa jam bukan dua minggu. Meningkatkan tugas terisolasi sering hanya memindahkan bottleneck ke tempat lain.

Ketika intake, validasi, persetujuan, pengambilan keputusan, integrasi sistem, dan komunikasi pelanggan diatur sebagai satu alur kerja AI-native, organisasi mulai melihat hasil bisnis yang signifikan. Mengoptimalkan tugas meningkatkan efisiensi, tetapi mengoptimalkan proses mengubah kinerja bisnis secara keseluruhan dan dapat mempengaruhi laporan laba rugi.

Pasar cloud semakin menjadi saluran distribusi untuk otomatisasi AI perusahaan. Bagaimana Anda melihat platform seperti Google Cloud mengubah cara organisasi besar menemukan, mengevaluasi, membeli, dan menerapkan otomatisasi AI-native?

Pasar cloud melakukan untuk perangkat lunak perusahaan apa yang toko aplikasi lakukan untuk konsumen, tetapi dengan tata kelola perusahaan yang terintegrasi.

Mereka menghilangkan gesekan di seluruh proses pembelian, tinjauan keamanan, dan perjanjian komersial. Organisasi juga dapat memanfaatkan komitmen cloud yang ada, memungkinkan tim untuk fokus kurang pada bagaimana membeli perangkat lunak dan lebih pada hasil bisnis.

Pelanggan tidak perlu menunggu selama enam bulan untuk mengevaluasi platform AI-native. Pasar memungkinkan mereka untuk segera memulai pemecahan masalah bisnis sambil tetap berada di dalam tata kelola perusahaan yang mapan.

EvoluteIQ baru-baru ini menyoroti eiq360 sebagai platform berbasis Google Cloud dan Gemini yang dapat mengubah niat bisnis menjadi alur kerja perusahaan yang siap menggunakan bahasa alami, sambil mempertahankan tata kelola dan kontrol. Apa yang berarti perubahan ini bagi pengguna bisnis non-teknis?

Kami bergerak dari dunia di mana pengguna bisnis menjelaskan persyaratan kepada tim teknik dan menunggu hasil, ke dunia di mana pengguna menjelaskan hasil.

Dengan eiq360, pengguna sekarang dapat menjelaskan proses yang ingin mereka perbaiki dalam bahasa alami. Platform kemudian dapat membantu menghasilkan alur kerja perusahaan yang siap sambil secara otomatis menerapkan tata kelola, keamanan, kepatuhan, dan kontrol operasional.

Ini tidak menghilangkan TI; itu meningkatkan TI. Tim teknologi sekarang dapat fokus pada mendefinisikan pagar pengaman perusahaan, layanan yang dapat digunakan kembali, dan standar tata kelola, bukan membangun setiap alur kerja secara manual. Itu adalah salah satu perubahan paling penting yang AI bawa ke perangkat lunak perusahaan seperti yang kita lihat.

Kalimat “AI perusahaan harus terasa membosankan” bertentangan dengan sebagian besar hype saat ini. Apa yang harus terasa membosankan, dapat diprediksi, atau berulang tentang AI ketika digunakan untuk eksekusi bisnis yang kritis?

Tidak ada yang ingin gaji mereka menarik perhatian. Tidak ada yang ingin klaim asuransi mereka mengejutkan. Tidak ada yang ingin transaksi perbankan mereka kreatif.

AI perusahaan harus absolut inovatif selama eksperimen. Setelah memasuki produksi, itu harus menjadi sangat dapat diprediksi. Itu harus menghasilkan hasil yang konsisten, menjelaskan keputusannya, mengenali ketika kepercayaan rendah, dan meminta intervensi manusia ketika perlu. AI perusahaan terbaik bukanlah AI yang semua orang ingin bicarakan. Itu adalah AI yang tidak ada yang memperhatikan karena bisnisnya hanya berjalan lebih baik.

Menghadap ke depan, apa yang akan membedakan perusahaan yang sukses mengoperasikan AI agenik dari mereka yang tetap terjebak dalam mode pilot?

Pemenangnya tidak akan memiliki model AI yang paling maju. Mereka akan memiliki model operasional terbaik untuk AI. Mereka akan merancang ulang proses bukan mendigitalkan ketidakefisienan, membangun tata kelola sebelum skala, dan menciptakan kemampuan perusahaan yang dapat digunakan kembali bukan bukti konsep yang terisolasi.

Yang paling penting, mereka akan berhenti memikirkan AI sebagai aplikasi lain dan mulai memperlakukannya sebagai tenaga kerja baru yang bekerja sama dengan orang, sistem, dan kebijakan bisnis. Dekade berikutnya akan tentang mengoptimalkan bagaimana orang, agen AI, dan sistem perusahaan bekerja sama.