Vijay Rayapati, CEO dan Co-Founder Atomicwork – Seri Wawancara

Vijay Rayapati adalah co-founder dan CEO Atomicwork. Sebelum mendirikan perusahaan, ia menjabat sebagai Senior Vice President dan General Manager bisnis Cloud Networking and Security di Nutanix, setelah akuisisi Nutanix terhadap Minjar, perusahaan platform manajemen cloud yang ia dirikan dan kembangkan sebagai CEO. Pada awal kariernya, ia memegang peran kepemimpinan teknik dan produk di Kuliza dan Trilogy, yang memberinya pengalaman mendalam dalam membangun infrastruktur perusahaan dan aplikasi perangkat lunak. Latar belakangnya mencakup infrastruktur cloud, perangkat lunak perusahaan, dan teknologi tenaga kerja AI, menjadikannya pendiri terkenal di bidang TI perusahaan.

Atomicwork adalah perusahaan AI perusahaan yang membangun platform manajemen layanan TI berbasis agen yang membantu karyawan menyelesaikan masalah teknologi, mengotomatisasi tugas dukungan rutin, dan mengakses pengetahuan perusahaan melalui AI. Platformnya menggabungkan agen AI dengan kemampuan ITSM modern untuk menangani permintaan layanan, memecahkan masalah, mengatur alur kerja di seluruh sistem perusahaan, dan mengurangi beban tim TI. Pelanggan menggunakan Atomicwork untuk memberikan dukungan karyawan yang lebih cepat sambil meningkatkan efisiensi operasional di seluruh TI dan operasi bisnis.

Anda sebelumnya co-founded Minjar, membangun bisnis manajemen cloud perusahaan, dan kemudian memimpin operasi di Nutanix setelah akuisisi. Pelajaran apa dari membangun, menjual, dan mengintegrasikan perusahaan perangkat lunak perusahaan yang meyakinkan Anda untuk mendirikan Atomicwork pada 2022 dan membangun kembali manajemen layanan TI dari nol untuk era AI?

Di Minjar, kami membangun perangkat lunak yang dapat mengurangi tagihan cloud perusahaan sebesar sepertiga melalui otomatisasi. Pelanggan menyukai rekomendasi tersebut. Namun mereka membiarkannya selama dua kuartal. Saya butuh waktu untuk memahami mengapa, dan jawabannya bukan teknis. Ketika otomatisasi membuat keputusan dan terjadi kesalahan, tidak ada yang dapat dipertanggungjawabkan. Perusahaan tidak hanya membeli perangkat lunak atau hasilnya. Mereka membeli seseorang yang dapat menjawab atas nama mereka. Perangkat lunak yang tidak memiliki posisi dalam struktur organisasi tidak memperoleh otoritas, tidak peduli seberapa baiknya.

Akusisi mengajarkan saya pelajaran yang lebih sempit. Produk titik dibeli. Sistem pencatatan dibangun di atasnya. Anda bisa menjadi produk yang lebih baik namun tetap menghabiskan hidup Anda mengelilingi siapa pun yang memiliki alur kerja.

Tahun-tahun di Nutanix menggabungkan keduanya. Saya melihat TI membeli manajemen layanan untuk kontrol dan karyawan mengalaminya sebagai formulir dan antrean. Saya juga menyadari bahwa tiket tidak pernah menjadi produk. Jejak auditlah yang menjadi produk. Itulah mengapa ITSM bertahan selama empat puluh tahun meski banyak orang membencinya, dan juga mengapa tidak ada yang dapat menghilangkannya.

Jadi pertanyaan pada 2022 bukan apakah AI dapat melakukan pekerjaan. Tetapi apakah Anda dapat memberi AI tempat dalam struktur organisasi. Platform ITSM lama tidak dapat melakukannya, karena penugasan manusia berada di pusat model data mereka dan setiap SLA, persetujuan, serta laporan bergantung pada asumsi itu. Pasang AI dan Anda mendapatkan formulir yang lebih cepat.

Kami membangun untuk jawaban lain di mana AI menyediakan tenaga kerja hibrida, bukan sekadar perangkat lunak. AI Coworker melakukan pekerjaan, dan TI mengaturnya seperti HR mengatur orang. Anda tidak mengkonfigurasi AI Coworker. Anda mempekerjakannya dalam suatu peran, meninjau pekerjaannya, dan mencabutnya jika tidak berfungsi. Itulah perbedaan antara AI sebagai fitur dan AI sebagai tenaga kerja.

Atomicwork menggambarkan AI Coworker-nya sebagai sistem yang memiliki peran pekerjaan yang ditentukan dan menyelesaikan pekerjaan dari awal hingga akhir, bukan sekadar menjawab pertanyaan atau mengeksekusi tugas terpisah. Kemampuan teknis apa yang membedakan AI Coworker sejati dari chatbot, copilot, atau alat otomasi tradisional, dan sampai mana otonominya harus berakhir?

Chatbot menjawab pertanyaan, dan copilot membantu seseorang menyelesaikan tugas, tetapi keduanya tidak bertanggung jawab untuk membawa pekerjaan hingga selesai. AI Coworker berbeda karena diberikan peran yang jelas dan diharapkan menghasilkan hasil. Baik itu menanggapi insiden, menyediakan akses, atau mengorientasikan karyawan, ia terus bekerja pada setiap langkah untuk mencapai tujuan alih-alih berhenti setelah langkah pertama.

Itu memerlukan lebih dari sekadar model yang mampu. AI Coworker membutuhkan identitas, izin yang tepat, akses ke alat yang disetujui, konteks organisasi, anggaran, dan batas operasi serta perannya yang jelas. Ia harus bekerja melintasi sistem bisnis, memahami kapan (dan siapa) harus meminta persetujuan, serta meninggalkan jejak audit di setiap tindakan. Itulah mengapa kami sangat fokus pada platform di sekitar model. AI yang dapat diandalkan bergantung pada orkestrasi, tata kelola, dan eksekusi sama pentingnya dengan kecerdasan.

Otonomi tidak boleh tak terbatas. AI Coworker harus beroperasi dalam tanggung jawab peran pekerjaannya, sementara manusia tetap terlibat setiap kali pekerjaan memengaruhi sistem sensitif atau memiliki implikasi hukum, keuangan, atau ketenagakerjaan.

Platform Anda memungkinkan AI Coworker khusus berkolaborasi dalam manajemen insiden, penyediaan akses, onboarding, dan operasi TI. Bagaimana AI Coworker ini membagi tanggung jawab, berbagi konteks, dan pulih ketika satu AI Coworker membuat keputusan yang salah yang dapat memengaruhi alur kerja lainnya?

Kami tidak berpikir satu AI Coworker harus mencoba melakukan semua pekerjaan. Organisasi TI sudah memisahkan tanggung jawab di antara tim yang berbeda karena setiap peran memiliki tujuan, izin, dan keahlian yang berbeda. Kami menerapkan pemikiran yang sama pada AI Coworker, itulah mengapa kami meluncurkan AI Coworker bersertifikat yang berspesialisasi dalam area operasional TI yang berbeda.

Setiap Coworker memiliki fungsi spesifik sambil berbagi konteks perusahaan yang sama. Ketika seorang karyawan membuat tiket di Atomicwork, penyaluran cerdas memastikan tiket diarahkan ke AI Coworker yang tepat yang menangani permintaan dan (tergantung pada permintaan) mengalihkannya ke AI Coworker lain, membuat tiket anak untuk AI Coworker menyelesaikan masalah secara paralel (misalnya, tiket onboarding dapat dibagi menjadi aktivitas yang dapat dikerjakan secara paralel) atau meningkatkan ke manusia. Saat pekerjaan berpindah dari satu Coworker ke yang lain, informasi relevan berpindah bersamanya melalui tiket (sistem pencatatan), bersama dengan akses ke sistem terkait seperti service desk, platform identitas, sistem HR, dan alat kolaborasi. Konteks bersama ini memungkinkan setiap Coworker membuat keputusan berdasarkan apa yang sudah terjadi, bukan memulai dari nol.

Atomicwork mendukung kerangka kerja agen dan model yang berbeda dari penyedia seperti OpenAI, Anthropic, dan Google. Bagaimana Anda menentukan model mana yang harus menangani pengambilan, penalaran, perencanaan, dan eksekusi, dan bagaimana perusahaan dapat mempertahankan perilaku konsisten saat model dasar terus berubah?

Model yang berbeda unggul dalam jenis pekerjaan yang berbeda. Fokus kami adalah membangun platform yang dapat memanfaatkan kemajuan tanpa memaksa pelanggan merancang ulang alur kerja setiap kali model berubah. Konteks perusahaan, orkestrasi, identitas, penegakan kebijakan, telemetri, dan evaluasi memberikan konsistensi yang dibutuhkan organisasi dalam produksi, terlepas dari model frontier mana yang berada di bawahnya.

Kami telah secara publik membahas dukungan untuk banyak penyedia model beserta kerangka evaluasi dan tata kelola, tetapi kami belum menjelaskan logika penyaluran yang memutuskan model mana yang menangani pengambilan, penalaran, perencanaan, atau eksekusi. Kami juga belum membagikan proses validasi yang kami gunakan saat penyedia merilis model dan pembaruan baru.

Seorang agen AI perusahaan dapat menghadapi dokumentasi yang bertentangan, catatan konfigurasi yang tidak lengkap, pengetahuan usang, dan izin yang berbeda di seluruh sistem. Bagaimana lapisan Universal Context milik Atomicwork menentukan informasi mana yang dapat dipercaya dan terkini sebelum mengizinkan agen membuat keputusan atau mengambil tindakan?

Pengetahuan perusahaan jarang berada di satu tempat. Sebagian berada dalam dokumentasi, sebagian dalam sistem pencatatan, dan sebagian lagi dalam aktivitas harian bisnis. AI membutuhkan semua konteks itu jika ingin membuat keputusan yang dapat diandalkan.

Universal Context menyatukan sumber-sumber tersebut dengan menggabungkan pengetahuan perusahaan dengan data orang, jaringan, infrastruktur, dan perangkat dari sistem operasional live. AI Coworker dapat merujuk informasi dari platform seperti Confluence atau SharePoint, MDM seperti Intune dan JAMF, sambil juga memahami apa yang terjadi di sistem seperti Jira, Workday, Salesforce, atau penyedia identitas. Ia juga menghormati izin yang ada, sehingga orang dan AI Coworker hanya mengakses informasi yang sudah mereka berwenang lihat.

Kami telah menjelaskan bagaimana Universal Context menghubungkan sistem perusahaan dan menjaga batas keamanan, tetapi kami belum menjelaskan bagaimana ia menyelesaikan informasi yang bertentangan ketika sumber tepercaya tidak setuju atau bagaimana ia menentukan sumber mana yang harus diutamakan. Detail implementasi tersebut tidak termasuk dalam dokumentasi publik kami.

AI Coworker Universal dapat mendukung karyawan melalui Microsoft Teams, Slack, email, browser, portal, serta melalui mode obrolan, suara, dan visual. Kemampuan pemecahan masalah baru apa yang menjadi mungkin ketika agen dapat melihat dan mendengar apa yang dialami karyawan, dan bagaimana Anda mencegah konten layar sensitif atau percakapan terekspos?

Dukungan TI tradisional bergantung pada karyawan yang menggambarkan masalah teknis secara akurat, dan itu sering menjadi bagian tersulit dalam interaksi. Konteks suara dan visual memungkinkan AI melihat pesan error, aplikasi, atau layar konfigurasi yang sama dengan yang dilihat karyawan, sehingga jauh lebih mudah memahami masalah dan membimbing seseorang melalui langkah selanjutnya tanpa percakapan bolak-balik yang panjang.

Kemampuan tersebut hanya berfungsi jika karyawan mempercayainya. Kami percaya akses visual harus memerlukan persetujuan eksplisit dan pengguna harus selalu mengetahui kapan itu aktif. Informasi sensitif dilindungi melalui penyamaran PII, kontrol administratif, dan kebijakan retensi yang tepat.

Kami juga telah jelas bahwa data pelanggan tidak digunakan untuk melatih model kami atau model fondasi pihak ketiga. Hal itu memberi organisasi kemampuan mengadopsi AI multimodal tanpa menyerahkan kontrol atas data mereka.

Atomicwork dapat diterapkan bersamaan dengan lingkungan ServiceNow atau Jira Service Management yang ada tanpa memerlukan migrasi segera. Apakah Anda melihat ini terutama sebagai strategi transisi, atau apakah banyak perusahaan akan secara permanen mengoperasikan Tenaga Kerja AI di atas sistem pencatatan warisan mereka?

Sebagian besar perusahaan besar telah menghabiskan bertahun-tahun membangun proses, integrasi, dan tata kelola di sekitar platform seperti ServiceNow dan Jira Service Management. Memaksa mereka mengganti sistem tersebut sebelum dapat mengadopsi AI menciptakan gesekan yang tidak perlu.

Kami membangun integrasi Atomicwork dengan ServiceNow dan Jira Service Management sehingga pelanggan dapat mengubah pengalaman karyawan dan memperkuat tim layanan mereka dengan AI Coworker sejak hari pertama, tanpa mengganggu sistem yang sudah mereka andalkan. Penghubung mengambil konteks TI perusahaan yang relevan untuk dimanfaatkan AI Coworker sambil mempertahankan sinkronisasi dua arah untuk agen layanan di sistem yang ada. Kami tidak berpikir perusahaan harus memilih satu jalur pada hari pertama. Prioritasnya adalah membantu mereka mengadopsi AI sesuai jadwal mereka.

Memberikan AI Coworker akses ke sistem identitas, data karyawan, infrastruktur, dan aplikasi bisnis memperkenalkan risiko seperti penyuntikan prompt, sumber pengetahuan beracun, izin berlebih, dan kesalahan agen berantai. Pengamanan, batas persetujuan, dan mekanisme audit apa yang penting sebelum perusahaan dapat dengan aman mengizinkan agen bertindak secara otonom?

AI Coworker diatur seperti karyawan dengan akses istimewa. Setiap Coworker memiliki peran yang ditentukan, izin terbatas, alat yang disetujui, batas pengeluaran, dan batas yang jelas tentang apa yang dapat dilakukannya secara mandiri. Tindakan sensitif—terutama yang melibatkan identitas, infrastruktur, keuangan, urusan hukum, atau ketenagakerjaan—memerlukan persetujuan manusia.

Keterampilan dan instruksi diverifikasi sebelum dipublikasikan untuk mengurangi risiko seperti penyuntikan prompt, instruksi tersembunyi, akses kredensial, kebocoran data, dan tindakan tidak aman. Jika sebuah alat berubah sehingga meningkatkan risikonya, alat tersebut secara otomatis dinonaktifkan hingga ditinjau. Pengamanan tambahan—termasuk batas tindakan, pencegahan duplikasi tindakan, kontrol pemutusan darurat, dan pengambilalihan manusia—membantu menahan kesalahan sebelum menyebar.

Setiap tindakan dapat dilacak; organisasi dapat melihat apa yang memicu Coworker, informasi dan alat apa yang digunakannya, persetujuan apa yang diperoleh, dan hasil apa yang terjadi. Evaluasi berkelanjutan, pemantauan, dan pengujian tim merah memastikan pengamanan ini tetap efektif seiring model, alat, dan lingkungan perusahaan berkembang.

Kami telah berinvestasi besar dalam evaluasi, penegakan kebijakan, pemantauan, dan pengujian tim merah karena penerapan AI hanyalah permulaan. Organisasi membutuhkan keyakinan bahwa Coworker tersebut terus berperilaku sesuai harapan saat model dan lingkungan perusahaan berkembang.

Atomicwork’s State of AI in IT 2026 report menemukan bahwa dua pertiga profesional TI melaporkan pengembalian positif dari investasi AI, sementara hanya satu dari lima organisasi yang sepenuhnya mengintegrasikan AI ke dalam tim manajemen layanan mereka. Apa yang membedakan penerapan yang menghasilkan nilai bisnis terukur dari pilot yang tetap terjebak dalam eksperimen?

Kebanyakan organisasi telah menunjukkan bahwa AI dapat meningkatkan tugas individu. Perusahaan yang melihat nilai bisnis terukur menghubungkan AI ke alur kerja operasional lengkap, bukan sekadar menggunakannya sebagai asisten terpisah.

Itu dimulai dengan memecahkan masalah bisnis spesifik dengan berpikir dalam peran, memberi AI Coworker akses ke sistem yang dibutuhkan, dan mengukur hasil yang penting—apakah itu waktu penyelesaian lebih cepat, biaya dukungan lebih rendah, atau pengalaman karyawan yang lebih baik. Setelah tim mempercayai hasil tersebut, memperluas AI ke alur kerja tambahan menjadi jauh lebih mudah.

Penelitian kami juga menemukan bahwa AI yang bertanggung jawab tetap menjadi salah satu prioritas tertinggi bagi pemimpin TI. Hal itu masuk akal karena organisasi tidak akan memberikan AI lebih banyak tanggung jawab kecuali mereka memahami bagaimana AI membuat keputusan, dapat meninjau keputusan tersebut setelahnya, dan mengetahui batasan yang tepat telah diterapkan.

Seiring AI Coworker mulai menyelesaikan permintaan dukungan, mengelola akses, mendiagnosis insiden, dan mengoordinasikan alur kerja, bagaimana tanggung jawab profesional service desk, tim operasi TI, dan Chief Information Officer akan berubah? Melihat ke depan, bisakah TI menjadi departemen yang bertanggung jawab untuk merekrut, mengatur, dan mengukur seluruh tenaga kerja digital perusahaan?

AI akan mengambil alih banyak pekerjaan operasional berulang yang membebani service desk saat ini, memungkinkan orang menghabiskan lebih banyak waktu menangani pengecualian, meningkatkan proses, dan menyempurnakan pengetahuan yang menjadi dasar AI.

Tim operasi TI akan semakin fokus pada mengatur AI Coworker alih-alih mengeksekusi setiap alur kerja secara manual. Mereka akan menentukan izin, menghubungkan sistem, memantau kinerja, dan memastikan AI terus beroperasi sesuai kebijakan yang ditetapkan.

Saya juga memperkirakan peran CIO akan meluas. Mengelola ratusan AI Coworker mulai menyerupai mengelola infrastruktur perusahaan lainnya. Seseorang harus memutuskan apa yang dapat diakses oleh Coworker, bagaimana mereka diukur, kapan mereka diperbarui, dan apakah mereka memberikan nilai. Tim bisnis akan terus mendefinisikan pekerjaan, sementara TI menjadi HR untuk AI alias bertanggung jawab atas platform, tata kelola, dan kontrol operasional yang menjaga tenaga kerja AI perusahaan berjalan dengan aman.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Atomicwork.